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 más592
Suscriptores
Sin datos24 horas
-87 días
-1230 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
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 julio | 0 | |||
| 30 julio | 0 | |||
| 29 julio | 0 | |||
| 28 julio | 0 | |||
| 27 julio | 0 | |||
| 26 julio | 0 | |||
| 25 julio | +1 | |||
| 24 julio | 0 | |||
| 23 julio | 0 | |||
| 22 julio | 0 | |||
| 21 julio | +1 | |||
| 20 julio | 0 | |||
| 19 julio | 0 | |||
| 18 julio | 0 | |||
| 17 julio | 0 | |||
| 16 julio | 0 | |||
| 15 julio | 0 | |||
| 14 julio | +1 | |||
| 13 julio | 0 | |||
| 12 julio | 0 | |||
| 11 julio | 0 | |||
| 10 julio | +1 | |||
| 09 julio | 0 | |||
| 08 julio | 0 | |||
| 07 julio | 0 | |||
| 06 julio | 0 | |||
| 05 julio | 0 | |||
| 04 julio | 0 | |||
| 03 julio | 0 | |||
| 02 julio | 0 | |||
| 01 julio | 0 |
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. | 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 | 135 |
