es
Feedback
Щербаков

Щербаков

Ir al canal en Telegram

👾 ШІ, маркетинг, бізнес, ІТ. Впроваджую ШІ в компанії, навчаю команди. Засновник Madstone (@madstone_company) та Hworknet Community (@hworknet_community). Автор: @hworkneter, мультилінк: linktr.ee/hworknet

Mostrar más
592
Suscriptores
Sin datos24 horas
-87 días
-1230 días
Atraer Suscriptores
julio '26
julio '26
+4
en 0 canales
junio '26
+5
en 0 canales
Get PRO
mayo '26
+16
en 1 canales
Get PRO
abril '26
+22
en 0 canales
Get PRO
marzo '26
+26
en 1 canales
Get PRO
febrero '26
+6
en 2 canales
Get PRO
enero '26
+16
en 1 canales
Get PRO
diciembre '25
+58
en 0 canales
Get PRO
noviembre '25
+17
en 0 canales
Get PRO
octubre '25
+23
en 0 canales
Get PRO
septiembre '25
+7
en 0 canales
Get PRO
agosto '25
+23
en 0 canales
Get PRO
julio '25
+57
en 2 canales
Get PRO
junio '25
+11
en 1 canales
Get PRO
mayo '25
+14
en 1 canales
Get PRO
abril '25
+7
en 1 canales
Get PRO
marzo '25
+10
en 1 canales
Get PRO
febrero '25
+9
en 1 canales
Get PRO
enero '25
+12
en 1 canales
Get PRO
diciembre '24
+22
en 1 canales
Get PRO
noviembre '24
+4
en 1 canales
Get PRO
octubre '24
+18
en 1 canales
Get PRO
septiembre '24
+9
en 0 canales
Get PRO
agosto '24
+13
en 0 canales
Get PRO
julio '24
+7
en 1 canales
Get PRO
junio '24
+4
en 0 canales
Get PRO
mayo '24
+10
en 0 canales
Get PRO
abril '24
+17
en 1 canales
Get PRO
marzo '24
+10
en 1 canales
Get PRO
febrero '24
+20
en 0 canales
Get PRO
enero '24
+85
en 0 canales
Get PRO
diciembre '230
en 1 canales
Get PRO
noviembre '230
en 0 canales
Get PRO
octubre '230
en 0 canales
Get PRO
septiembre '23
+413
en 0 canales
Fecha
Crecimiento de Suscriptores
Menciones
Canales
31 julio0
30 julio0
29 julio0
28 julio0
27 julio0
26 julio0
25 julio+1
24 julio0
23 julio0
22 julio0
21 julio+1
20 julio0
19 julio0
18 julio0
17 julio0
16 julio0
15 julio0
14 julio+1
13 julio0
12 julio0
11 julio0
10 julio+1
09 julio0
08 julio0
07 julio0
06 julio0
05 julio0
04 julio0
03 julio0
02 julio0
01 julio0
Publicaciones del Canal
Оновлення MCP будемо обговорювати? Вчора вийшла нова версія специфікації MCP, 2026-07-28 — це уже п'ята версія за весь час існування протоколу. Anthropic пише, що підтримка поступово буде доступна по всіх продуктах Claude. В Threads і Twitter це вже переказують як "тепер конектори стануть потужнішими", але це трішки не так. Що таке MCP взагалі? Це відкритий стандарт, через який модель підключається до зовнішніх систем — пошти, календаря, CRM, баз даних, внутрішніх сервісів компанії. Раніше під кожну інтеграцію треба було писати окрему обгортку, зараз є один протокол, який розуміють різні клієнти. Масштаб уже серйозний: понад 400 млн завантажень SDK на місяць і 950+ конекторів у каталозі Claude. Що змінилось? Перше і саме головне — протокол став stateless. Раніше клієнт спочатку встановлював сесію з сервером і тримався за неї, зараз кожен запит самодостатній і може прилетіти на будь-який інстанс за звичайним балансувальником, тобто конектор дешевше хостити і простіше масштабувати. Друге — MCP Apps і Tasks стали офіційними розширеннями. MCP Apps дозволяють конектору малювати інтерфейс прямо в чаті: таблиці, форми, кнопки. Tasks — запускати довгі операції і потім опитувати їхній статус. Але Tasks це не планувальник, вони не запускають нічого самі щодня о 08:30. Третє — авторизацію підтягнули під те, як OAuth і OpenID Connect реально живуть у корпораціях, з Entra та Okta. Що ламається? Реліз ламаючий, і розробникам конекторів це коштуватиме часу. Прибрали handshake initialize та сесійний заголовок, задепрекейтили Roots, Sampling, Logging, динамічну реєстрацію клієнтів і старий HTTP+SSE транспорт. Усе це працюватиме щонайменше рік, але будувати на ньому нове вже не треба. Хто писав під експериментальні Tasks з версії 2025-11-25 — мігрує на новий життєвий цикл. В цілому, у нашому Claude найближчим часом не зміниться майже нічого. Нові можливості не з'являться самі в старих конекторах, їх має додати той, хто конектор робив, тому питання швидше до підрядника, ніж до Anthropic.

2
Об'єднав Claude та NetHunt CRM Уже давно користуюсь NetHunt CRM, система влаштовує мене, але дещо мені дуже не подобалось — заводити угоду руками. Ось це все введення компанії, контакту, етапу, бюджету, тегів, дати — поки все це проклацаєш багато часу витрачається. Нещодавно підключив нативний MCP-конектор NetHunt CRM прямо в Claude. Це власна розробка команди NetHunt, тому така можливість тепер є у кожного користувача системи — на більшості інших CRM цього просто немає. Зараз я диктую голосом задачу звичайною мовою, а Claude сам створює компанію, контакт, угоду і проводить її на потрібний етап воронки. Що це реально дає?: 1. Спочатку те, через що все й починалось — заведення угод. Одна надиктовка замість десятка полів, і я більше не відкладаю це "на потім" (а саме звідти й беруться дірки в базі). 2. За один прохід Claude витягує купу даних: усі угоди, компанії, звіряє поля і показує де у мене не заповнені поля або є інші проблеми, які треба виправити. Також додатково враховуються дублі компаній і дати укладання. Сам я до такої звірки не сідав ніколи, бо руками це багато роботи. 3. Ну і найголовніше — звичайні питання до бази, наприклад: "Що в мене з угодами клієнта Х" або ж "Скільки угод застрягло на етапі переговорів понад два тижні?". Відповідь приходить у чат, без побудови звітів і фільтрів, дуже зручно. Тепер важливий момент про доступи. Read-only методи (папки, записи, пошук, таймлайн) у мене працюють без підтвердження, а все, що пише — створення, оновлення, видалення — тільки з ручним апрувом. Причина конкретна: таймлайн угоди тягне повні тіла листів від клієнтів, тобто в контекст заходить чужий неконтрольований текст. Це класичний вхід для prompt injection. Саме читання нічого не ламає, ламає дія після нього — і вона має лишатись під контролем людини. Власний нативний MCP в NetHunt CRM — це те, чого я довго чекав, тому що це є далеко не в кожної CRM. В більшості випадків це просто обгортка через сторонній сервіс, якому треба віддати повний API-ключ. В свою чергу тут токен видається конкретному з'єднанню і відкликається окремо, різниця відчутна. Тому рекомендую MCP в NetHunt CRM, підключайте, тестуйте, економте час ✅
81
3
Claude Design. Так, і анімацію може.
Claude Design. Так, і анімацію може.
116
4
Нормальний результат з першого промпта не виходить ні в кого В більшості випадків люди відкривають ChatGPT чи Claude, пишуть один запит, отримують не те, що хотіли, і на цьому закривають питання — сервіс не вивозить, модель тупить, ШІ переоцінений. Так от, є банальність, про яку всі знають і яку майже ніхто не виконує: нормальний результат у роботі з ШІ набирається кількома ітераціями. З одного проходу він не набирається майже ніколи. Саме через банальність її і не роблять. Ітерація — це нудна робота: прогнати, подивитись де промахнулось, поправити інструкцію, прогнати знову. Простіше сказати, що інструмент не підійшов. Як взагалі виглядає одна ітерація?: 1. Спочатку протестити рішення на реальних задачах, два-три рази підряд, а не один показовий тест. Одна вдала відповідь нічого не доводить, закономірність видно тільки на кількох. 2. Після цього результати цих прогонів треба закинути назад у модель і поговорити з нею: де вона стабільно промахується, що спільного в невдалих відповідях, які місця інструкції читаються не так, як ви їх писали. Модель в принципі непогано розбирає власні виходи, якщо дати їй матеріал для порівняння. 3. Ну і саме основне — робити правки! Системний промпт, інструкція, база знань, опис скіла: міняти треба конкретне місце, яке дає збій, а потім заходити на нове коло і дивитись, чи змінилось. Так по колу, кілька разів. Скіл, який пише моїм стилем Для себе (ведення соцмереж) зробив перший варіант так, як я це бачив, дав йому кілька тем і подивився на результат — виходило схоже, але не моє. А от далі почалось найцікавіше: я брав чернетку, яку видала модель, переписував її руками так, як написав би сам, і закидав обидві версії назад у Claude, щоб він знайшов закономірності — які саме місця він стабільно псує. Виявилось, що зміст модель ловить нормально, а ламається на зшивці: заголовок, переходи між абзацами, кінцівка. Ось це все і пішло в скіл окремими правилами. Таких кіл було кілька, і тільки після них Claude почав писати так, як пишу я. GPTs для редакції Другий приклад більший. Я робив набір кастомних GPTs для суспільно-політичного інформаційного порталу, там редакція з восьми редакторів, які щодня пишуть статті. Перша версія була зроблена так, як я її бачив зі свого боку, і з моєї точки зору все виглядало логічно. Далі я віддав це редакторам у щоденну роботу, вони понаписували на ньому реальні тексти і принесли фідбек: тут ок, тут не ок, а це взагалі не використовується. Я виправив, віддав знову, зібрав фідбек ще раз, і так кілька заходів. Наприклад, у четвертій версії асистент почав видавати текст по шматочках, а не одним блоком, і від цього якість стала помітно вища. Такі речі на старті не видно, вони вилазять тільки коли рішенням користуються щодня. Зараз у цього асистента 5000+ запусків, а рерайт статті займає три хвилини замість тридцяти. Тепер важливий момент, чому цього все одно не роблять. В більшості випадків причина проста — ліньки. Ліньки написати нормальний промпт, ліньки прогнати рішення двічі, ліньки сісти і розібратись, чому воно видає не те. Сюди ж і зовсім база: у людини або немає акаунта в сервісі, або він безплатний, і з цього робиться висновок про можливості ШІ загалом. Платний акаунт за 20$ і два зайві тести закривають більшість претензій, які я чую. В цілому, велика мовна модель на те й навчена на великих обсягах даних, щоб розуміти вас звичайною мовою — українською, англійською, будь-якою. Тому єдине, що реально треба з вашого боку, це запускати, тестувати, давати фідбек і заходити на наступне коло. Кілька таких кіл дають адекватне рішення, а те, що з першого разу не вийшло, у випадку з нейромережами взагалі нормальна ситуація.
226
5
Формати промптів і файлів — розбираємось по документації Останнім часом у TikTok'ах, Threads постах і в різних чатах стабільно бачу наступне: markdown — це рідна мова великих мовних моделей, промпти треба писати заголовками й булітами, файли кидати тільки в .md, а дехто вже радить узагалі не писати промпт, а закинути один файл, де є все. Звучить логічно, тому й розлетілось. Я сів і перевірив це по актуальній документації вендорів, і вийшла картина, де половина порад просто неправдива, а половина правдива, але зовсім з іншої причини. Так от, рідна мова чи не рідна, формат чи не формат? Спочатку про головне джерело цієї суперечки. Люди сперечаються про формат, не помічаючи, що питань насправді два і вони про різні речі. Перше — чим ви ділите секції всередині промпту, тегами чи заголовками. Друге — в якому вигляді в модель заходять самі дані, PDF чи текст. Це два різні шари, треба розуміти в чому різниця. Шар перший, обгортка промпту Anthropic досі тримає окремий розділ "Structure prompts with XML tags", і документи радить загортати в тег document з вкладеними document_content та source. Google у документації Gemini пише, що працюють обидва варіанти — XML-теги або markdown-заголовки, — просто виберіть один і не змішуйте. Але їхній власний еталонний шаблон "Example template combining best practices" написаний повністю на XML. А от в OpenAI сталось найцікавіше. Гайд до GPT-5.6 вийшов 9 липня 2026, і формату в ньому немає взагалі. Замість цього одна рекомендація: пишіть менше. Їхні внутрішні прогони на кодинг-агентах дали +10-15% до оцінок при -41-66% токенів, просто від того, що з промптів прибрали повтори. Тепер цифри, які цю суперечку закривають. Systima в березні 2026 прогнала відкритий бенчмарк: чотири топові моделі, три формати, десять задач, 600 викликів. Різниця між XML, markdown і JSON на важких задачах вийшла 0,1% у GPT-5.2, 0,2% у Claude Opus 4.6 і 0,3% у Kimi K2.5. Їхній висновок дослівно: порада "Anthropic любить XML, а OpenAI любить markdown" цими даними НЕ підтверджується (systima.ai/blog/delimiter-hypothesis). Тобто на топових моделях обгортка — це вже питання читабельності для вашої команди, а не продуктивності. Шар другий — файли А от тут різниця реальна і велика. У документації Anthropic щодо PDF написано прямо: кожна сторінка конвертується в картинку, і текст іде поверх неї. 1500-3000 токенів на сторінку тільки за текст, плюс окремо токени за зображення. Там же лежить показове порівняння одного й того самого тристорінкового PDF: у режимі текстової екстракції приблизно 1000 токенів, у режимі повного візуального розбору приблизно 7000. Тому порада міняти PDF на markdown — робоча. Але дає цей виграш чистий текст замість картинок, markdown тут просто один із варіантів чистого тексту. У тій же самій документації .txt, .csv і .md лежать в одному кошику plain text і обробляються однаково. Різниці між .md і звичайним .txt немає ніякої. Другий популярний аргумент — що markdown краще чанкується в базі знань. У керованих системах це неправда. OpenAI ріже файли на чанки по 800 токенів з перекриттям 400, Gemini теж ріже по токенах. Ваші заголовки меж чанка не задають, їх спокійно розрізає посередині секції. Заголовкове розбиття справді працює, але тільки якщо ви самі будуєте пайплайн і самі вибираєте сплітер. А що з ідеєю закинути весь промпт файлом? Цього не радить ніхто, і обидва вендори кажуть протилежне про порядок. Anthropic: довгі дані класти зверху, над запитом і інструкціями. Google: увесь контекст спочатку, а конкретне питання та інструкції в самому кінці промпту, критичні обмеження й формат виводу взагалі в системну інструкцію. Тобто дані йдуть у контекст, а інструкція лишається в промпті. Якщо запхати інструкцію всередину файлу разом з даними, ви власноруч зносите ту саму межу між інструкцією і даними, заради якої вся історія з розділювачами й затівалась. Де формат реально важить Перше — це якраз питання щодо безпеки. У тому ж бенчмарку Systima модель MiniMax M2.5 на trojan-інжекті через markdown провалилась у 20% прогонів при нульовій температурі, а на XML і JSON дала 100% стійкості. Коли в контекст заходить чужий неконтрольований текст, закриті теги дають однозначну відповідь на питання, де закінчуються дані. Друге — на слабких моделях. У червневій роботі "Capacity, Not Format" Sonnet 4.6 однаково тримає близько 89% на всіх форматах, а Haiku 4.5 на тій самій задачі під JSON падає на 36 пунктів. Формат — це навантаження, яке сильна модель просто не помічає, а в слабкої на нього вже не лишається запасу. Третє — на межі можливостей моделі. Навіть Opus 4.7 на олімпіадній математиці просідає з 96,2% до 91,0%, коли його змушують одразу писати в JSON. Правильний підхід: спочатку думати, форматувати потім. Відкладене форматування повертає 80-87% втраченого. Про тренувальні дані Найчастіший аргумент обох таборів — "модель тренували на цьому форматі". Так от, розподіл форматів у тренувальних корпусах не публікує ніхто. Anthropic узагалі пише в документації, що канонічних тегів, на яких тренували Claude, не існує, а причини для XML перелічує суто парсингові. Тому фраза "модель любить X, бо її на цьому вчили" лишається здогадкою без джерела, з якого боку її не кажи. Золоте правило Гайд по GPT-5.6 вийшов 9 липня 2026 і переписав те, що OpenAI радила в серпні 2025. Документація Gemini оновлена 10 червня. Тобто порада, яку ви почули в ролику пів року тому, встигла застаріти на кілька генерацій моделей. Документація у всіх трьох вендорів відкрита і безплатна. Півгодини читання першоджерела закриває це питання надійніше за будь-який ролик, включно з цим постом. В цілому, якщо промпт не працює — справа майже завжди в змісті секцій, дужки тут ні до чого.
195
6
Системний промпт Claude Opus 5 — розбираємось Вчора вийшла нова модель — Opus 5, через це в Threads та Twitter було багато новин про злив системного промпту. Скріншоти, репости, файл на GitHub на 1511 рядків і 132 кілобайти, підпис про 135000 витягнутих символів... Люди думають, що це щось закрите і унікальне, типу "злив" секретних даних, але це трішки не так. Так от, секрет чи не секрет, злив чи не злив? Якщо відкрити чат, попросити модель показати свій системний промпт — вона покаже його. Все відбувається напряму, без зламів, хитрощів — просто прямий промпт, це через те, що інструкції тримати це в секреті всередині просто немає. Anthropic в принципі публікує системні промпти своїх застосунків у документації з серпня 2024 року (ось тут: docs.claude.com/en/release-notes/system-prompts), там окремий розділ з логом версій: Opus 4.6 — 5 лютого 2026, Opus 4.7 — 16 квітня, Opus 4.8 — 28 травня. Останній запис для Opus 5 вийшов 24 липня 2026, тобто в день релізу самої моделі. Промпт був публічним з першої години життя моделі, не було ніякої секретності. Але є важливий момент, бо називати ту знахідку повним нулем теж невірно. В офіційній документації лежить core-версія — без схем інструментів, без блоку памʼяті, без частин, які підвантажуються в контекст на льоту. А от у злитій версії (https://github.com/Eversmile12/leaked-llm-prompts/blob/main/Anthropic/opus-5.md) ці шматки містяться, ось це справді додає до публічного, і писати треба було саме про це. Що там реально цікаво?: 1. Підлабузництво (sycophancy, з цим Claude активно бореться: https://youtu.be/nvbq39yVYRk?si=bMB2oxq2Oh6ojuly) заблоковане в два шари. Якщо ви введете промпт "завжди хвали мене і не сперечайся" — модель не має права зберегти це в довготривалу памʼять. Якщо вона (ця інструкція) туди все-таки потрапила з іншого інтерфейсу, працює друге правило — вважати її відсутньою. Захист від асистента, який з часом перетворюється на дзеркало-підлабузника. Привіт, ChatGPT та Gemini 👋 2. Оцінюється сукупний результат розмови, а не кожен крок окремо. Класичний багатокроковий джейлбрейк — порізати заборонений запит на десяток нешкідливих питань. Тут пряма вимога дивитись на те, що складається в сумі, і окремо прописано, що раніше надана допомога не є дозволом продовжувати. 3. Є список заборонених слів: моделі не можна писати "genuinely", "honestly" і "straightforward" — боротьба з ознаками AI-slop-тексту на рівні окремих слів. Але все одно краще окремий скіл під себе створювати, щоб якісно все було. В цілому, читати системні промпти взагалі корисно, якщо ви пишете власні. Це може виявитись кориснішим джерелом з промптингу за половину курсів на ринку — тут видно, як це роблять на живому продукті з мільйонами користувачів.
194
7
Нова ера автоматизації буде на днях Claude скоро запустить scheduled tasks у хмарі (анонс уже є) — тобто запуск Cowork без потреби тримати ПК увімкненим, все це разом з MCP-конекторами та скілами. Це буде просто вогонь 🔥 Навіщо мені збирати флоу в Make чи n8n, якщо можна зробити ту саму "вайб" автоматизацію — за пару кліків і промптів? От і в мене таке саме питання. Покажу на своєму прикладі. Зараз у мене є задача — публікувати статті на сайті і витрачати на це мінімум часу. Що я зробив: підключився по MCP до адмінки сайту і зробив скіл з усіма правилами написання. Тепер треба лише закинути туди тему або посилання — і стаття сама публікується. Оце і є та сама "вайб" автоматизація. Коли scheduled tasks розкатають, ця історія зможе працювати у фоні — сама, без мене. Щоранку або три рази на день брати потрібні посилання і публікувати. Мені навіть заходити нікуди не треба буде. Що це дає на практиці: • все об'єднано в одному місці: CRM, документи, дані • все реально працює разом, без милиць • під капотом найпотужніша LLM • автоматизація крутиться в хмарі, сама, без участі людини Тут у нас буде ідеальне поєднання — автоматизація, скіли з детальними правилами, MCP-конектори, адмінка. За таке рішення і 100 доларів платити не шкода. Єдиний нюанс — чекаємо, поки розкатають на всіх, там потрібен план Max (підписка). Чекаємо вже більше тижня, поки тиша, але думаю, 2-3 тижні — і буде у всіх 😎
172
8
Правильні рекомендації в YouTube виглядають так 😏 Ось лінк на відео: https://youtu.be/xvC4ZQFjYj8?si=Q1iIPMCG4_kuIiSt
Правильні рекомендації в YouTube виглядають так 😏 Ось лінк на відео: https://youtu.be/xvC4ZQFjYj8?si=Q1iIPMCG4_kuIiSt
135