Вайб-кодинг по Чуйкову | Ментор

💼 Получите работу мечты с помощью искусственного интеллекта. И нет, я не про дипфейки на собесах, если кто-то подумал. 😋 Я тут нашел интересную для себя вакансию - «руководитель направления ИИ» со следующим описанием: - любишь исследовать передовые AI-решения; - имеешь опыт работы с Data Science и AI от 5 лет; - понимаешь методы ML; - программируешь на Python или других языках, используемых для разработки AI-приложений; - имеешь опыт настройки ML-приложений под конкретные бизнес-задачи. Каким-то требованиям я соответствую, а каким-то нет. Это в пределах нормы. С чего начать закрытие пробелов в компетенциях? С плана обучения! Я пошел в ChatGPT, и составил следующий промпт:

Описание вакансии «[Позиция]»: [Требования] Составь план обучения, чтобы подходить под данную вакансию. Используй следующую структуру: # Функциональная позиция ## Область знаний ### Инструмент или навык - Модуль обучения 1 - Модуль обучения 2 - … Верни план в формате интеллект-карты Markdown.

📊 А теперь добавим немного визуализации. Идем на сайт https://markmap.js.org/repl, и вставляем в поле Markdown сгенерированный ChatGPT. Теперь у вас есть отличная визуализация вашего трека развития. Начало положено! Делитесь с друзьями, присылайте скриншоты ваших треков в комментариях. ✅ Подпишись! | #кейс@ai_skillful

#естьвопрос Как ИИ интегрируется в рабочую среду и влияет на продуктивность сотрудников? В конце января компания McKinsey опубликовала результаты своего исследования, в котором приняли участие 3 613 сотрудников (менеджеров и специалистов) и 238 топ-менеджеров ⚪️ Какие выводы были сделаны? ⚪️ ИИ – новая индустриальная революция. Генеративный ИИ уже сейчас значительно меняет рабочие процессы, но только 1% компаний достигли зрелости в его использовании. ⚪️ Сотрудники готовы к ИИ, но не получают должной поддержки. Работники используют ИИ в 3 раза чаще, чем считают их руководители. Однако почти половина сотрудников ощущает нехватку обучения. ⚪️ Баланс между скоростью и безопасностью. Компании хотят внедрять ИИ быстрее, но сталкиваются с проблемами регулирования, кибербезопасности и доверия к технологиям. ⚪️ Отсутствие амбициозных целей ограничивает отдачу от ИИ. Необходимо стратегическое планирование и масштабное внедрение ИИ для получения значительных экономических преимуществ. ⚪️Технология – не главное препятствие. Главными вызовами являются стратегия внедрения, организационные изменения и адаптация сотрудников.

Метки «контент сгенерирован с помощью ИИ» в социальных медиа. На многих информационных ресурсах, социальных сетях, стали появляться метки типа «контент сгенерирован с помощью ИИ». Интересно, когда Telegram сделает также? Думаю, что открытость Telegram, делает эту площадку наиболее интересной для каналов полностью ведущихся с помощью ИИ. Да и реализация не очень сложная. Алгоритм примерно следующий: 1. С помощью Cursor/Windserf пишем бота на Python/Telethon для автоматизированного создания каналов и публикации в них. 2. С помощью подключенного аккаунта, подписываемся на конкурентные каналы, каналы со схожей тематикой. 3. С помощью Langchain делаем ИИ агента, который делает следующие шаги: - Идет в конкурентные каналы и собирает их контент для анализа. - Генерирует контент-план на месяц вперед по заданной теме, с учетом контента конкурентов. - Каждый день берет тему из контент плана. Делает Deep Research этой темы, чтобы была опора на факты, исследования в реальном времени. - На основе Deep Research составляет 5 самостоятельных постов, и ставит их в отложенные сообщения. Заметка: крутые каналы публикуют в среднем по 5 коротких постов в день. Алгоритм может меняться в зависимости от направления канала, например научные могут быть основаны на глубоком исследовании, новостные на поиске свежих новостей, и так далее. Сервис можно поднять локально, чтобы не тратится на инфраструктуру в облаке. Также нужно провести сравнительный анализ моделей, и оценку промптов. Tone of voice постов очень зависит от модели. Надо понимать, что это канал не для души, а скорее бизнес проект, который должен иметь свой ROI. Нужно заранее понимать сколько ты готов отдавать за генерацию контента, и сколько денег вкладывать в рекламу. Так как контент специфИИчный, то очевидно, что затраты на рекламу будут значительно больше среднестатистического живого канала, так как конверсия в подписчики будет значительно ниже. А если еще и делать пометку, что сгенерирован ИИ, то еще меньше конверсия. Ниши которые сложно реализовать: юмор и мемы, именной авторский экспертный контент. Делитесь своими мыслями и идеями. Подписались бы на такой канал? Что бы доработали в алгоритме?

🕵️‍♂️ Учитывайте исследование «Lost in the Middle» при написании промптов. Исследование «Lost in the Middle» показало, что современные LLM плохо справляются с использованием длинного контекста на всём его протяжении. 🧪 Эксперимент: модель должна ответить на вопрос по многостраничному тексту; при этом контролируется положение ключевой информации (ответа) в тексте – в начале, в середине или в конце контекста. 💊 Результат: точность модели имеет U-образную зависимость от позиции релевантного фрагмента . Наивысшая точность достигается, когда нужные сведения находятся в самом начале контекста (эффект первичности) или в самом конце (эффект свежести). Если же ответ спрятан в середине длинного (> 4–8 тыс. токенов) документа, качество ответов модели значительно падает. Это говорит о том, что хотя архитектурно трансформер может смотреть на весь контекст, модель не уделяет одинакового внимания разным частям длинного ввода. Она склонна «забывать» или игнорировать информацию, находящуюся в середине. 🤓 Более подробно о решении этой проблемы можно прочитать в этом исследовании. @ai_skillful | Подписывайтесь

🤣 ИИ-архитектор хакнул систему и стал писать код в Markdown файлах. В этом посте я писал про ИИ кодинг агента Roo Code. Его отличительной особенностью является режим Architect, который может помочь спроектировать систему и описать ее в Markdown документации. Это супер фича, потому что потом опираясь на его документацию, проще писать промпты, и в проекте больше контекста, по которому уже в режиме Code, будет проще реализовывать описанную архитектуру. Прикол в том, что в режиме архитектора ИИ агент не может писать код, у него есть доступ только к .md файлам. НО! Это же интеллект! И в этом видео я показываю как он дважды хакнул систему, сначала начал писать SQL миграции в Markdown, а потом и код за фронтендера. 😂😂😂 Короче, это кусок, смотрите до конца, наслаждайтесь Epic Symphonic Rock от Suno 4. Делитесь с друзьями! @ai_skillful 🙏🙏🙏🙏

Бесплатный доступ к ChatGPT, как способ удержать пользователя на образовательной платформе. Берите на заметку крутой маркетинговый ход. Если у вас есть сайт с образовательным контентом, добавьте скрипт на страницу, который будет показывать такое всплывающее окно, как только курсор мыши пользователя уходит за экран. Раньше предлагали скидки, таймеры, промокоды, чтобы удержать пользователей. А сейчас бесплатный доступ к ChatGPT. Причем это будет скоре всего дешевле, чем значимая скидка на ваш продукт. Плюсом ко всему, на основании запросов пользователя, можно лучше понимать их интересы и предлагать наиболее релевантные продукты и сервисы. #кейс@ai_skillful | Подпишись!

Функция "Глубокое исследование" от OpenAI стала доступна для пользователей с подпиской Plus. Это агент, который самостоятельно проводит многоэтапные исследования в интернете, выполняя за минуты то, на что у человека ушли бы часы. Что умеет Deep Research? Представьте, что у вас есть личный аналитик-исследователь, который может: - Искать, анализировать и синтезировать сотни онлайн-источников - Создавать подробные отчеты с полной документацией и цитатами - Обрабатывать тексты, изображения и PDF-файлы - Адаптировать свой поиск на основе найденной информации Для кого это создано? Профессионалы: финансисты, ученые, инженеры, аналитики Обычные пользователи: ищущие глубокие рекомендации перед покупкой дорогостоящих товаров (авто, техника, мебель) Исследователи: нуждающиеся в поиске редкой, неочевидной информации из множества источников Как это работает? Deep Research тренировался на реальных задачах с использованием браузера и Python. Он применяет те же методы обучения с подкреплением, что и модель OpenAI o1, но с фокусом на поиск и анализ разнообразных онлайн-источников. Как использовать? 1. Выберите опцию 'Глубокое исследование' в приложении ChatGPT 2. Сформулируйте запрос (например, "сделай анализ стриминговых платформ" или "найди лучший велосипед для ежедневных поездок"). При желании приложите файлы для контекста 3. Ждите результат (от 5 до 30 минут) — можно отойти и заняться другими делами 4. Получите готовый отчет (скоро добавят встроенные изображения и визуализации данных) В месяц доступно 10 исследований, для пользователей Plus. Поделитесь, какое глубокое исследование вы бы хотели провести?

YouLearn.ai - ИИ Тьютор который понимает твои файлы, записи лекций, и даже видео. 💡Что он умеет? - Принимает твои файлы, записи и даже ссылки на ютуб - Можно в чате спросить что-то по материалу - Можно получить суммаризацию, транскрипцию, и писать заметки - Можно создать и кастомизировать карточки для проверки знаний 💳Сколько стоит? Бесплатный тариф включает 2 чата в день, 3 файла или ссылки, pdf до 20Мб, 1 лекция в день. Переходите по ссылке, пользуйтесь и делитесь с друзьями и однокурсниками. Есть русский язык, работает без VPN. #инструменты@ai_skillful | Подпишись! 🙏🙏🙏🙏

Как я писал промпты для GigaChat. Занимался задачкой классификации текстов. Было у меня порядка 2000 готовых тегов. Сделал рыбу промпта с помощью Anthropic Prompt Generator, перевел на русский с помощью Google Translate (промпт же для российской модели). В исходном виде было примерно так:

Вы — помощник ИИ, специализирующийся на анализе образовательных материалов и выборе наиболее подходящих тегов для них. Ваша задача — выбирать теги, которые точно отражают содержание и тематику материалов на основе их названия и описания.

Дальше перечисляю 2к тегов и дополняю всякими инструкциями. Гружу в GigaChat с нулевой температурой, и получаю сообщение:

Не люблю менять тему разговора, но вот сейчас тот самый случай

Иду в GigaChat Playground, копирую промпт, вставляю список из 2к тегов, каждый в новой строке, запускаю промпт и...работает! Находит нужные теги, еще и свои додумывает, хотя в инструкции просил этого не делать, и температура нулевая. Почему в коде не работает? - подумал я. Оказалось, дело в способе перечисления тегов. Я по привычке разделил теги запятой:

prompt = prompt_template.replace("{{TAGS}}", ", ".join(tags))

И когда, я сделал каждый тег в новой строке:

prompt = prompt_template.replace("{{TAGS}}", "\n\n ".join(tags))

Цензор GigaChat'a пропустил такой вариант, воспринял теги не как часть инструкций, а как перечисление доступных тегов. Но проблема генерации лишних тегов все равно оставалась. Поэтому я доработал рыбу промпта, добавив упоминание доступных тегов как можно ближе к началу промпта, и получилось:

Вы — эксперт специализирующийся на анализе и классификации образовательных материалов. Ваша задача — из заранее подготовленного списка тегов, выбирать те теги, которые наиболее точно отражают содержание и тематику материалов на основе их названия и описания.

И даже версия GigaChat Lite неплохо справляется с этой задачей. #кейс@ai_skillful

Закончил сегодня курс "Погружение в AI" на платформе СберУниверситета. В целом было достаточно полезно. Систематизировал верхнеуровневое понимание ML/DL подходов. Слушал недавно собеседование с дата саентистом, и понимал о чем он говорит. Была идея сделать рубрику "DS на понятном", в котором раскрывать ML подходы простым языком, насколько это возможно в этой сфере. Хотите?

🤖 Еще один ИИ кодинг агент - Roo Code. И честно сказать, он очень неплох! Что мне понравилось? 🚀 Способ распространения: это по сути VSCode расширение, ставится быстро, также быстро обновляется. В отличие от OpenHands, который ставится через Docker, и на каждый тред создает отдельный контейнер. 🛠 Гибкие настройки: в Roo Code можно создавать профили настроек - можно настроить разные модели, температуру, какие команды автоматически исполнять, а для каких требовать разрешение. Также можно задавать rate limit запросов к API, автоматическое переключение между моделями, и так далее. В OpenHands ты можешь только выбрать модель. 💆Пользовательский опыт: когда запускаешь задачу в реальном времени видишь потребление токенов, как в самих токенах, так и в реальной валюте. Видишь сколько процентов контекстного окна занято, и сколько кешировано. Так же видишь сколько денег уходит на каждый API запрос. Так же он спрашивает разрешения на просмотр файлов, и когда нужно указать какой-то секретный ключ, он останавливает работу, и дожидается когда ты ему его отправишь. OpenHands создает .env, и вставляет пустые значения. 💅Встроенный улучшатель промптов: Когда пишешь задачу для ИИ агента, рядом всегда есть кнопочка, которая сделает твой промпт более точным и структурированным. Мне прям очень зашла эта фича. И это не все возможности! Там еще есть Browser Automation, и возможность расширить возможности ИИ агента, с помощью Model Context Protocol (MCP). Наслаждайтесь: https://github.com/RooVetGit/Roo-Code Делитесь с друзьями и коллегами! #инструменты@ai_skillful #ИИАгенты@ai_skillful #ai4development #ai_agent

Создание промптов для AI кодинг агентов. Я много пишу про OpenHands, и разных ИИ агентов которые пишут код, запускают, тестируют, ставят зависимости и так далее. И как я говорил, самая решающая вещь в этом деле это промптинг - то есть умение четко и понятно сформулировать мысль для ИИ. Нашел тут интересный сервис copycoder.ai, который помогает решать эту задачу. Он помогает создавать подробные промпты. Хотел показать свой скринкаст, но оказалось надо 15$ заплатить, чтобы попробовать. Попробую на следующей неделе. Покажу, что получилось. #инструменты@ai_skillful

Github Copilot выпустил в феврале 2025 года ИИ-агента для VSCode. Пока только в версии Visual Studio Code Insider. Я решил протестировать и сравнить с Cursor и OpenHands. Записал небольшой скринкаст. Задачу выбрал простейшую - отрефакторить файл bot.py, состоящий примерно из 500 строк, разбив его на несколько обработчиков и сложить их в папку handlers. 📝 Что из этого вышло: - Несмотря на задачу сформулированную на русском, общался со мной на английском. - Рассуждения не такие подробные как в OpenHands. - Задачу сделал, НО, код не запустился, и даже после 4-5 итераций, он запутался как правильно нужно импортировать модули, менял импорт туда-сюда-обратно, я не стал его дальше мучить. - Когда он предлагал установить pip зависимости, только раза с 3 понял, что он забыл активировать окружение. Короче, этот выпуск еще экспериментальный, вполне возможно к релизу сделают что-то внятное, но пока этим пользоваться не очень удобно. 🤡А знаете какая самая напрягающая штука в Cursor и Copilot? Кнопка "Apply" . Она вызывает тревогу и стресс, потому что, перекладывает ответственность за исправления от ИИ на пользователя. То есть, банально, если ты не вник в то, что сделала ИИ, то ты просто не можешь принять взвешенное решение. А это дополнительный порог входа для начинающих. В OpenHands такого нет, он внес изменения, запустил, проверил, отдал рабочее. 🔥Ставьте огонечки, если хотите скринкаст с OpenHands.

2 подхода к обучению моделей в машинном обучении: с учителем и без учителя. 🎓 Продолжаю проходить курс "Погружение в AI" от СберУниверситета, делюсь интересными выжимками простым языком. В машинном обучении (ML) существует два основных подхода к обучению моделей: обучение с учителем (supervised learning) и без учителя (unsupervised learning). Эти подходы различаются тем, каким образом данные используются для обучения модели. 👩‍🏫 Обучение с учителем предполагает наличие у нас размеченных данных, то есть таких данных, где каждому входному значению соответствует известное выходное значение (метка). Например: входными данными могут быть изображения животных, а метками – названия этих животных («кошка», «собака» и т.п.). Задача алгоритма заключается в том, чтобы научиться предсказывать выходные значения (метки) на основе входных данных. Для этого модель обучается на размеченном наборе данных, корректируя свои параметры так, чтобы минимизировать ошибку между предсказанными и истинными метками. 👾 При обучении без учителя у нас нет заранее известных меток для каждого примера данных. Модель должна самостоятельно находить закономерности и структуры в данных. Этот подход используется тогда, когда мы хотим выявить скрытые зависимости или группы внутри данных. Например, представьте, что вы пришли в незнакомый город и пытаетесь понять, где находятся разные районы. У вас нет карты, но вы замечаете, что в одном районе много кафе и магазинов, в другом — парки и детские площадки, а в третьем — офисы и бизнес-центры. Так вы начинаете интуитивно делить город на зоны. Вот примерно так же работает обучение без учителя. #урок@ai_skillful

DeepSeek API стал немножечко оживать. Пользоваться уже можно, если у вас ранее был API KEY, но пока денег на баланс положить нельзя. Мои тестовые 5$ которые я положил для своего бота @DeepSeekR1Bot, до сих пор не израсходовались. Когда API отвалилось, я на бота забил немного, а сейчас переписал его с Node.js на Python, с помощью OpenHands, но еще не задеплоил новую версию. А еще нашел интересную рекомендацию по использованию параметра температуры для разных задач. Оказывается для кодинга рекомендуют 0.0. Интересно протестировать.

Типа Napkin.AI - генерируем графики самостоятельно. Думаю уже все слышали об этом нашумевшем AI проекте, который позволяет генерировать инфографику на основе ваших текстов. Это супер полезный тул, чтобы не разбираясь в Excel, быстро сделать красивый график для презентации. Все в сервисе хорошо, кроме непредсказуемого предложения вариантов графиков. Возможно зависит от данных, но я загружал с десяток однотипных данных, и где-то он мне предлагал линейный график, а где-то только столбчатый. А варианта объединить сразу несколько линейных графиков в одном пространстве, просто нет. Что я сделал? Написал промпт, который неструктурированный текст превращает в набор структурированных данных. Ищет зависимости в данных, цифровые представления. Дальше нахожу какой-нибудь график на React.js например. Смотрю в каком формате нужно подставить данные. И составляю второй промпт который структурированные данные перегоняет в этот формат. Подставляю данные в настройки компонента, и вуаля, получаю продвинутый Napkin. В теории можно и в csv перегнать, и с помощью Excel визуализировать. Но у React.js компонентов есть одно маленькое преимущество - гибкая настройка и интерактивное взаимодействие с графиком. #кейс@ai_skillful 🙏🙏🙏🙏

Zero-shot, few-shot в деятельности. Как достичь единого формата результата? Я уже как-то писал об этих методах промпт-инженерии в рубрике #урок@ai_skillful, и всегда думал, что примеры для few-shot промптов должны быть "из жизни", с просторов интернета, от людей. А сейчас, сижу запускаю одинаковый промпт с инструкцией, но без примеров, на сравнительно схожих транскриптах аудио, и всегда получаю разный формат выдачи, один лучше, другой хуже. Думаю, как бы мне сделать, чтобы формат был всегда одинаковый?! И тут до меня дошло! Few-shot. Берешь один-два результата, который тебе понравился после запуска zero-shot промпта, вставляешь в этот промпт, в качестве примера, все остальные результаты будут в нужном тебе, едином формате. Простая вещь, тыщу раз читал про few-shot. Но только сейчас понял в деятельности, откуда лучше всего брать примеры: из результатов zero-shot. @ai_skillful

🥱 Тот случай, когда OpenHands говорит мне: "Работает - не трогай!". А вообще, это реально круто, я дал задачу, он посмотрел код, и говорит: "Слушай, а у тебя тут все круто, тут менять ничего не нужно", и не меняет ни строчки кода. 🤔 Кажется придется идти в o3-mini-high на консультацию.

Каналу 2 месяца, 250+ подписчиков, спасибо, что с нами! Для тех, кто недавно присоединился, расскажу немного о себе, и ниже оставлю ТОП-5 популярных постов. Об авторе: Привет! Меня зовут Константин, в сфере IT я с 2011 года. Последние несколько лет я руковожу разработкой EdTech проектов на базе искусственного интеллекта. Сейчас работаю в СберУниверситете, развиваю ИИ ассистента в обучении «Истра». До этого работал в Университете 2035 и Самолет Образовании. 1 декабря 2024 года, начал вести этот канал, чтобы систематизировать свои знания по теме ИИ, и делиться полезным контентом. ТОП-5 постов за 2 месяца: 1. Я - тимлид ИИ-агентов или программисты больше не нужны?! 2. Создаем анимированные стикеры для Telegram за один вечер с помощью ИИ. Пошаговое руководство 3. 4 вывода после 7 дней использования ИИ-агента OpenHands. 4. Искусственный интеллект, машинное обучение, глубокое обучение: в чем разница? 5. Скептик, реалист или мечтатель — ваш взгляд на развитие ИИ.

ТОП-3 бесплатных графических интерфейса для Ollama. Полный перечень можно найти на github. 3 место делят между собой - Enchanted, Macai, Ollamac так как они очень похожи между собой. Минималистичный интерфейс, нативный apple design. Если у вас Apple, и вы не дружите с командной строкой (хотя вряд ли, если вы смогли установить Ollama), то это вариант для вас. Практически сразу обнаруживают все Ollama модели, которые у вас установлены. Как говорится, сел и поехал! 2 место - Open WebUI. Когда я только познакомился с Ollama, выбор конечно был значительно скуднее, и тогда я остановился на Open WebUI. Ставил через Docker. Использовал в формате - Q&A, выбирал между моделями, и вобщем-то все. Но сейчас вижу, что туда добавили кучу новых фич, типа: Model Builder – легко создавай и кастомизируй LLM-модели. Python Tool – подключай свои функции и код. Локальный RAG – загружай документы и ищи в них прямо в чате. Web Search – интеграция с поисковыми сервисами. Браузинг – встраивай сайты в диалог. Генерация изображений – поддержка A1111, ComfyUI и DALL-E. 1 место - AI Toolkit for VSCode. Но не потому что, это реально самый крутой GUI для работы с Ollama, а просто потому что я в анамнезе разработчик, провел в VSCode половину своей жизни, я в нем только не ел, и не спал, все остальное предпочитаю делать там. Там даже есть расширение Yandex.Music, что еще нужно для счастья?! Но на самом деле в этом AI Toolkit много крутых фич: - можно использовать локальные модели с Ollama - можно скачать модели с Hugging Face - есть Playground с настройками для моделей - есть возможность загружать датасеты и оценивать работу разных моделей по разным метрикам А это супер круто для промпт-инженеров, которые хотят протестить свои промпты на массиве данных, оценить по параметрам, выбрать лучший промпт и сразу засунуть в код. Короче топчик! @ai_skillful