اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
AI для Всех
رفتن به کانال در Telegram
Канал, в котором мы говорим про искусственный интеллект простыми словами Главный редактор и по рекламе: @crimeacs Иногда пишут в канал: @GingerSpacetail, @innovationitsme
نمایش بیشتر📈 تحلیل کانال تلگرام AI для Всех
کانال AI для Всех (@nn_for_science) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 15 497 مشترک است و جایگاه 8 426 را در دسته فناوری و برنامهها و رتبه 43 263 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 15 497 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 13 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 194 و در ۲۴ ساعت گذشته برابر 2 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 102.81% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 11.20% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 15 933 بازدید دریافت میکند. در اولین روز معمولاً 1 736 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 32 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند claude, llm, контекст, параметр, точность تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Канал, в котором мы говорим про искусственный интеллект простыми словами
Главный редактор и по рекламе: @crimeacs
Иногда пишут в канал: @GingerSpacetail, @innovationitsme”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 14 ژوئن, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
15 497
مشترکین
+224 ساعت
+207 روز
+19430 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئن '26
ژوئن '26
+137
در 3 کانالها
مه '26
+480
در 9 کانالها
Get PRO
آوریل '26
+131
در 6 کانالها
Get PRO
مارس '26
+229
در 3 کانالها
Get PRO
فوریه '26
+159
در 2 کانالها
Get PRO
ژانویه '26
+92
در 5 کانالها
Get PRO
دسامبر '25
+223
در 10 کانالها
Get PRO
نوامبر '25
+98
در 4 کانالها
Get PRO
اکتبر '25
+176
در 5 کانالها
Get PRO
سپتامبر '25
+238
در 15 کانالها
Get PRO
اوت '25
+166
در 7 کانالها
Get PRO
ژوئیه '25
+272
در 16 کانالها
Get PRO
ژوئن '25
+192
در 9 کانالها
Get PRO
مه '25
+203
در 10 کانالها
Get PRO
آوریل '25
+258
در 5 کانالها
Get PRO
مارس '25
+394
در 21 کانالها
Get PRO
فوریه '25
+405
در 14 کانالها
Get PRO
ژانویه '25
+1 299
در 32 کانالها
Get PRO
دسامبر '24
+194
در 12 کانالها
Get PRO
نوامبر '24
+93
در 8 کانالها
Get PRO
اکتبر '24
+548
در 19 کانالها
Get PRO
سپتامبر '24
+182
در 4 کانالها
Get PRO
اوت '24
+134
در 8 کانالها
Get PRO
ژوئیه '24
+151
در 11 کانالها
Get PRO
ژوئن '24
+124
در 8 کانالها
Get PRO
مه '24
+417
در 15 کانالها
Get PRO
آوریل '24
+151
در 5 کانالها
Get PRO
مارس '24
+213
در 8 کانالها
Get PRO
فوریه '24
+532
در 11 کانالها
Get PRO
ژانویه '24
+1 016
در 18 کانالها
Get PRO
دسامبر '23
+377
در 11 کانالها
Get PRO
نوامبر '23
+360
در 16 کانالها
Get PRO
اکتبر '23
+606
در 18 کانالها
Get PRO
سپتامبر '23
+369
در 0 کانالها
Get PRO
اوت '23
+265
در 0 کانالها
Get PRO
ژوئیه '23
+181
در 0 کانالها
Get PRO
ژوئن '23
+252
در 0 کانالها
Get PRO
مه '23
+1 609
در 0 کانالها
Get PRO
آوریل '23
+314
در 0 کانالها
Get PRO
مارس '23
+583
در 0 کانالها
Get PRO
فوریه '23
+550
در 0 کانالها
Get PRO
ژانویه '23
+755
در 0 کانالها
Get PRO
دسامبر '22
+776
در 0 کانالها
Get PRO
نوامبر '22
+338
در 0 کانالها
Get PRO
اکتبر '22
+395
در 0 کانالها
Get PRO
سپتامبر '22
+174
در 0 کانالها
Get PRO
اوت '22
+321
در 0 کانالها
Get PRO
ژوئیه '22
+513
در 0 کانالها
Get PRO
ژوئن '22
+638
در 0 کانالها
Get PRO
مه '22
+685
در 0 کانالها
Get PRO
آوریل '22
+122
در 0 کانالها
Get PRO
مارس '22
+136
در 0 کانالها
Get PRO
فوریه '22
+187
در 0 کانالها
Get PRO
ژانویه '22
+67
در 0 کانالها
Get PRO
دسامبر '21
+104
در 0 کانالها
Get PRO
نوامبر '21
+464
در 0 کانالها
Get PRO
اکتبر '21
+1 301
در 0 کانالها
Get PRO
سپتامبر '21
+59
در 0 کانالها
Get PRO
اوت '21
+252
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 13 ژوئن | +4 | |||
| 12 ژوئن | +4 | |||
| 11 ژوئن | +10 | |||
| 10 ژوئن | +6 | |||
| 09 ژوئن | +13 | |||
| 08 ژوئن | +7 | |||
| 07 ژوئن | +3 | |||
| 06 ژوئن | +11 | |||
| 05 ژوئن | +2 | |||
| 04 ژوئن | +9 | |||
| 03 ژوئن | +12 | |||
| 02 ژوئن | +19 | |||
| 01 ژوئن | +37 |
پستهای کانال
Сегодня был на HSBC Office of the CFO & Fintech Innovation Day.
Вот о чем думают CFO крупнейших компаний: можно ли безопасно пустить AI в настоящий workflow, где есть деньги, контроль, комплаенс, ответственность и риск публичного факапа.
A16Z почти прямым текстом говорят, что finance-команды в AI-native компаниях теперь гораздо меньше и появляются позже. Раньше первый finance hire часто нанимали на $10-20M ARR. Сейчас некоторые компании тянут намного дольше, потому что один сильный оператор с AI-инструментами может закрывать больше, чем раньше закрывала маленькая команда.
Но это не история про «людей заменят агенты».
Скорее наоборот: люди остаются, но меняется их роль. Хороший CFO становится ближе к продукту и операциям. Он не просто выбирает SaaS и делегирует внедрение, а сам тестирует инструменты, собирает workflows, смотрит на cost controls, спрашивает «зачем нам вообще Salesforce/NetSuite/очередная система, если можно собрать процесс иначе?»
AI spend супер на повестке дня. Tokens, model usage, retries, agent runs - это уже не инженерная мелочь, а серьезная строка COGS и governance surface.
Кажется, что в regulated finance «probably correct» не работает.
Сейчас спрос на слой контролируемого исполнения:
— какие данные использовались
— какая политика применялась
— кто смотрел рекомендацию
— что AI предложил
— что человек исправил
— что ушло в систему
— можно ли потом доказать, почему решение было принято
Первая волна AI в enterprise была про demos.
Вторая будет про trust.
Третья — про workflows, которые постепенно получают автономию, но только после того, как заслужили ее.
Вот такая вот, сейчас ситуация в AI-native finance.
| 2 | Выиграл хакатон от Airtable!
В Нью-Йорке проходит абсолютно безумная Tech Week, в рамках которой Hyperagents (версия клешни с человеческим UI от Airtable) устроили хакатон. Кто за час навайбкодит самый убедительный outreach. В касте так задания каждому был выбран рандомный другой фаундер в комнате. Моя идея победила!
Я взял наш с Антоном https://funnel.fyi и прогнал через нее сайт, Funnel мгновенно нашел что можно поправить на лендинге, а Hyperagents собрали симпатично выглядящий видос и презентацию (покажу отдельно).
И вуаля - я победил 🥇
Может и вам полезно будет - попробуйте! | 3 647 |
| 3 |  AUTO-IMPROVE
Заставил AI бесконечно улучшать свою работу - и запретил ему верить самому себе на слово.
Так появился новый скилл для Claude - auto-improve.
Auto-improve позволяет улучшить любой артифакт, который совместим с git:
• AI предлагает маленькое улучшение.
• Другой AI проверяет результат по понятным критериям.
• Если стало лучше - изменение сохраняется.
• Если нет - автоматически откатывается.
Благодаря git: каждая версия сохранена, каждую можно сравнить, каждую можно вернуть.
И так по кругу, пока результат перестает улучшаться.
Это можно применять почти ко всему:
• тексты
• письма
• лендинги
• README
• инструкции
• промпты
• код
• договоры
Вообще ко всему, где можно описать, что значит «хорошо».
Самое интересное: критерии тоже можно улучшать.
Например, можно взять книгу, статью, гайделайн или внутренний стандарт компании.
Превратить это в список требований.
И дальше AI будет улучшать работу уже не «на вкус», а по этим требованиям.
Технически это похоже на GAN для текста: один агент генерирует, другой проверяет.
Или на маленький локальный RLAIF-loop: улучшение → оценка → принятие или откат.
Код:
https://github.com/crimeacs/auto-improve | 3 718 |
| 4 | Уже сегодня (через 2 часа) буду рассказывать про память и цикл авто-улучшения на вебинаре CYBER.FUND
Послушать можно тут | 3 454 |
| 5 | 🧵 Попробовал dynamic workflows в Claude Code.
Вчера, Anthropic выпустил режим, в котором Claude сам разбивает большую задачу на подзадачи, запускает parallel subagents, проверяет результаты и собирает финальный ответ.
В announcement они приводят примеры вроде bug hunt по всей кодовой базе, большие миграции и тп.
Мое первое ощущение: /Workflows одна из первых «agent swarm» фичей, которая выглядит как реальный рабочий инструмент.
Ты даешь задачу - Claude уходит на 30–50 минут, пишет код, правит ошибки, проверяет себя и продолжает.
На мой взгляд, самая вишенка не в том что много параллельных агентов жрут токены, а в цикле generator → validator.
Одна часть системы делает изменения: код, refactor, tests.
Другая пытается это проверить: смотрит diff, ищет ошибки, думает про edge cases.
Это немного похоже на GAN, только для engineering workflow.
Сгенерировал → проверил → нашел проблему → исправил.
Тесты пока не всегда понятно насколько хорошие, но свои ошибки оно уже реально ловит.
Чего мне не хватает - прозрачного этапа планирования.
Сейчас ощущение такое: «вот задача, иди делай».
А идеальный flow был бы:
сначала Claude предлагает план;
ты его правишь;
добавляешь constraints, success criteria, важные файлы и проверки;
и только потом запускаешь workflow.
Мой вывод: направление очень сильное!
Поделитесь с коллегами, если тоже следите за тем, как coding agents становятся рабочим процессом.
Блог-пост | 101 016 |
| 6 | 🌪️Серверы мониторятся. А воронка - нет.
После релиза всё может выглядеть нормально: сайт открывается, серверы живы, логи чистые. Но заявки почему-то не приходят.
Причина может быть не в продукте, а в мелком недочете по пути:
- форма молча падает,
- checkout/signup застрял,
- CTA ведёт не туда,
- оффер непонятен,
- и тп
Вы можете продолжать лить трафик и думать, что “продукт не зашёл”, хотя на самом деле сломался один шаг в воронке.
Для решения этой проблемы мы с другом сделали Funnel.fyi: кидаешь URL - агент проходит сайт как пользователь, находит где теряются люди, показывает evidence и пишет fix prompt для Cursor / Claude / Codex.
Попробуйте 👇:
https://www.funnel.fyi
В комменты кидайте, что сканировали и где агент был прав / тупил - это поможет нам докрутить продукт. | 3 912 |
| 7 | Можно много слушать классных кейсов и теории о том как стать ИИ-нейтив, но самое лучшее — это увидеть примеры того как работают фаундеры:
Как у них выстроена система хранения данных и контекста?
Как управляются сессии?
Какие фичи они делают для своих харенсов?
Какие процессы автоматизируют?
Как строят скилы и агентов?
Как структурируют семантическую и процедурную память?
В следующий понедельник проведу виртуальный воркшоп, где 4 фаундера (я буду только модерировать) покажут свои сетапы и воркфлоу.
Правила: запрещены слайды и теория, только шаринг экрана и живые демо по 15 минут + ответы на вопросы.
Регистрация тут, не нужно подписываться на каналы, бесплатно, никакой рекламы. Но на Английском. | 3 552 |
| 8 | Что чаще всего ломается в AI-built продуктах перед запуском? | 3 857 |
| 9 | 70% вакансий ты можешь даже не увидеть 👀
Многие хорошие вакансии для разработчиков, проджектов, аналитиков, дизайнеров и маркетологов просто не доходят до джоб-бордов.
Компаниям за рубежом часто быстрее закрыть позиции через рефералов, кинуть клич среди знакомых или написать пост в LinkedIn.
А значит, такие возможности нужно находить путём нетворка: искать сотрудников, кто порекомендует тебя в команду, писать нанимающим менеджерам или фаундеру напрямую...
Это и есть так называемый «теневой рынок вакансий». Никакой магии — просто другой маршрут к офферу 🙂
26 мая в 19:00 мск Даша Шульгина, фаундер AgileFluent, разложит по полочкам:
→ Как находить международные позиции, которых нет в открытом доступе, и выходить на нанимающих менеджеров;
→ Что конкретно писать в LinkedIn, чтобы отвечали, а не игнорили;
→ Как перестать воспринимать нетворк и холодные контакты как попрошайничество.
После мастер-класса у тебя будет конкретный маршрут: где искать скрытые вакансии, как выходить на нужных людей и что им писать — без ощущения, что ты кого-то напрягаешь.
Регистрируйся в ботике👈🏻
#текстприслан | 4 313 |
| 10 |  📍 Hunters Point, Qweens | 3 793 |
| 11 | Mira — топ-1 AI-агент в Telegram 💫
Крутейшая альтернатива OpenClaw, которая работает из коробки в один клик.
Cаб-агенты, 1000+ MCP, работа в групповых чатах.
Через Mira можно автоматизировать:
🔄 ремайндеры и автономные задачи
📈 трейдинг и мониторинг
🤖 AI-ботов и агентов
✍️ генерацию и автопостинг контента
📊 Gmail, Calendar, Notion, GitHub и другие сервисы
Без настройки серверов, API и сложного сетапа.
#пост прислан | 4 238 |
| 12 |  📡 Я сделал Chappe - CLI для Telegram-каналов, которую могут использовать Claude Code, Codex, OpenClaw и другие агенты.
Смысл простой: агенту мало уметь “написать пост”.
Чтобы реально растить канал, ему нужны суперсилы:
— видеть историю постов
— понимать, что форвардят
— находить темы, которые дают reach
— читать комменты как research-инбокс
— вытаскивать вопросы аудитории
— сравнивать канал с другими
— предлагать следующие посты не из головы, а из данных
— публиковать только через явную policy, чтобы не устроить пожар
Chappe даёт агентам доступ к этому слою.
Это не Telegram bot и не очередной “AI-постогенератор”.
Это command-line поверхность для канала: локальная SQLite-память, TDLib-синк, JSON для агентов, briefing, top posts, comments mining, draft/lint/preview/publish.
То есть Claude - это такая маленькая редакция:
data scientist - смотрит на цифры
head of growth - ищет, что разносится
editor - предлагает темы и точки зрения
operator - готовит черновики и соблюдает правила публикации
Главный герой проекта - Chappie, маленький смотритель сигнальной башни. Он сидит над каналом и показывает агенту, где настоящий сигнал.
Open-source:
→ github.com/crimeacs/chappe
Поставить в один клик (просто вставь это в Claude/Codex/OpenClaw/Hermes):
Install Chappe if needed with `curl -LsSf https://raw.githubusercontent.com/crimeacs/chappe/main/scripts/install.sh | CHAPPE_CHANNEL=@your_channel sh`, then run `chappe --pretty onboard --channel @your_channel`, follow `agent_guided_setup`, ask me only for required Telegram values, sync 100 recent posts with comments after auth is ready, and produce a channel briefing with post ids, metrics, audience questions, growth experiments, and data-quality notes. If Chappe itself fails, patch locally only to unblock, then move the fix into https://github.com/crimeacs/chappe and propose a PR. Replace @your_channel with my Telegram channel handle. | 4 314 |
| 13 | В эти выходные еду на Ниагару с The RV Escape.
Осталось 2 места в RV-туре из Нью-Йорка: Watkins Glen, Niagara Falls, Maid of the Mist, Cave of the Winds, природа, дорога и ночевки в доме на колесах.
Даты: 23-25 мая
Цена: $1000 / $1800 за двоих
Группа: до 6 человек
Если хотите поехать со мной, пишите сразу в Telegram: @thervescape
Ссылка на тур:
https://thervescape.com/niagara-may-23-25/ru | 3 918 |
| 14 |  📍Williamsburg, NYC | 4 102 |
| 15 | Ищете стабильную платежную систему для бизнеса?
💰 platega — прием платежей на сайте, в приложении и Telegram.
Все популярные методы оплаты в одном сервисе.
Быстрое подключение от 24 часов и стабильные выплаты.
👉 Подробнее на сайте platega.io
#текстприслан | 4 154 |
| 16 | 🪞 Я написал пост про новый Claude Skill, который ловит «ИИ-палевы» в тексте. И пропустил пост через сам скилл.
Скилл нашёл 6 нарушений в собственном анонсе. Главное нарушение: длинное тире, шесть штук. ChatGPT ставит его на каждом шаге рассуждения.
Живые люди ставят его раз в неделю. Я попался на том самом тэлле, ради которого писал инструмент.
Откуда правила. У Wikipedia есть открытая страница про признаки ИИ-текста, которую коммьюнити обновляет быстрее, чем любой локальный rule-list. Сейчас там ~50 слов, ~80 фраз, и десяток паттернов: типичные глаголы делового английского, риторический контраст в духе «не просто A, а B», тройные перечисления через запятую, штампованные первые строчки писем.
Я взял эту страницу и сделал из неё Claude Skill: ai-tells-validator.
Каждый запуск тянет свежую версию (час mtime-кэша), парсит её, режет ваш драфт по живому каталогу.
Две команды:
🔍 validate, найти все тэллы в драфте
✍️ rewrite, позвать Claude и переписывать, пока валидатор не загорится зелёным (до 3 попыток)
Реальный кейс. Батч из 44 холодных писем для outbound. По зрительному прогону казалось, что нужно поправить 6-7. Валидатор завернул 38. Почти все на одном или двух длинных тире. Без скилла этот батч ушёл бы в почту руководителям, и каждый прочитал бы первый абзац как «о, это ИИ написал».
Главная фишка не в правилах, их можно скопипастить с любого блога. Главная фишка в источнике правил, потому что он живой. Коммьюнити ловит новые тэллы быстрее, чем кто-либо из нас успевает их заметить.
🔗 github.com/crimeacs/ai-tells-validator
📚 каталог: en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing | 4 910 |
| 17 |  5 мыслей после ужина с партнёром a16z Zane Lackey
1. AI - это не “ещё один cloud”. По масштабу, ИИ ближе к индустриальной революции + электричеству. По крайней мере, так на это смотрят инвесторы.
2. Сейчас можно взлететь с маленькой командой + AI tooling + tokens вместо десятков людей и огромного cloud burn.
3. Venture нужен не всем. Но если идёшь в VC, ставка должна быть большой. Инвесторы покупают не “полезную фичу”, а огромный рынок и ощущение inevitability.
4. Старые, скучные категории могут внезапно стать интересными. Хороший pitch: “эта область 20 лет была ужасной - вот почему, и вот что AI наконец изменил”.
5. Build vs buy не умер. AI позволит компаниям строить больше внутреннего софта, но настоящий enterprise product - это поддержка, безопасность, документация, фичи и ответственность. Это всё ещё покупают.
Главный вывод: сейчас выигрывают не те, кто просто “добавил AI”, а те, кто понял, какую старую боль AI делает наконец решаемой. | 4 133 |
| 18 | 🕵️♂️ AI-продукт недели: damnlines.com
Сайт показывает очереди в хайповые места Нью-Йорка в реальном времени: камеры → computer vision → счетчик людей → «стоит идти или нет».
Построил Lucas Gordon, инженер из NYC; публично проект идет через G26 LLC.
Главный урок: ценность часто не в «суперумной модели», а в том, чтобы воткнуть простой AI pipeline в правильное место реальности.
Вот например моя любимая slice пицца: https://damnlines.com/camera/lindustrie-pizzeria | 5 109 |
| 19 | Как я сделал предиктор виральности для Hacker News
Собрал штуку, которую сам давно хотел: клон Hacker News, куда можно вставить draft поста до публикации и увидеть:
— предсказанный score
— p10–p90 диапазон
— похожие старые HN-посты
— почему модель так думает
— и примерные комменты, которые тебе прилетят
Сегодня запостил это на сам HN:
https://news.ycombinator.com/item?id=48109136
Ниже - как оно устроено.
Зачем
HN - странная платформа.
Я захотел сделать инструмент, который хотя бы примерно отвечает на вопрос:
“Этот заголовок вообще имеет шанс?”
Данные
Собрал через публичный Algolia HN Search все посты с 2007 года, которые набрали ≥5 очков.
Получилось 148,421 истории.
Главная деталь: сплит строго хронологический:
— train: до июля 2025
— validation: август–декабрь 2025
— holdout: январь 2026+
Random split здесь ломает задачу. Если случайно перемешать данные, модель начинает подсматривать в будущее через kNN-соседей: на трейне выглядит умной, в проде разваливается.
Это была первая грабля, на которую я наступил.
Эмбеддинги и соседи
Для каждого поста беру title + первые ~200 символов body и прогоняю через Gemini embeddings.
В Postgres / pgvector храню:
— halfvec(3072) для cosine search
— bit(3072) для быстрой бинарной префильтрации
Поиск двухступенчатый: сначала быстрый HNSW по бинарке, потом cosine re-score по halfvec.
На 148K постов p50 получается около 50 мс.
Модель
Поверх kNN-соседей обучен LightGBM на 31 фиче.
Фичи: score ближайших соседей, доля frontpage-попаданий, плотность neighborhood, свежесть соседей, длина заголовка, Show HN / Ask HN, знаки препинания, цифры, время публикации, день недели, доменные priors.
Важная деталь: kNN при тренировке тоже time-causal.
Для поста из 2025 года нельзя искать соседей из 2026-го. Только прошлое. Иначе вся честность хронологического сплита исчезает.
Модель имеет четыре головы:
— median score
— p10
— p90
— вероятность score ≥100
Инференс без ML-рантайма
LightGBM компилируется через m2cgen в чистый JavaScript.
В итоге:
— нет Python-сайдкара
— нет ONNX
— нет ML runtime
— нет отдельного сервиса
— Vercel function просто исполняет JS if-else дерево
Бандл около 10 MB, инференс sub-ms.
До этого пробовал onnxruntime-node, но cold start на Vercel был 1.5–3 секунды. Для такой штуки это слишком больно.
Holdout
Метрики на честном holdout:
— Spearman ρ = 0.33 по log-score
— MAE log = 1.65, то есть часто примерно x5 в сырых очках
— AUC для score ≥100 = 0.67
— Precision@30 = 0.83
Это не “я предсказываю HN”.
Скорее: из заголовка и исторических аналогов можно вытащить примерно треть сигнала.
Симулятор комментов
Моя любимая фича.
Система ищет похожие старые HN-посты с реальными комментами, берёт top comments из этих тредов и просит Gemini Flash сгенерировать возможные реакции:
— скептик
— педант
— tangent guy
— корректор
— поддерживающий комментатор
Но каждый simulated comment должен быть grounded в реальном HN-комменте.
Rewriter и Auto-improve
Есть rewriter: он берёт твой title, смотрит на соседей, предлагает три улучшенных варианта и снова прогоняет их через модель.
Auto-improve делает это в несколько раундов и показывает hill-climb: как заголовок постепенно двигается к более сильной версии.
Live calibration ledger
Чтобы не рисовать красивые ML-графики задним числом, я добавил /predictions.
Каждые 10 минут systemd-таймер берёт top-30 реального HN, прогоняет через predict endpoint и пишет в Postgres:
— что модель предсказала
— что реально произошло потом
Ошибки видны вживую. Их нельзя ретушировать.
Код
Всё открыто под MIT:
github.com/crimeacs/foresyn-hackernews
Можно форкнуть под Reddit, X, Product Hunt или любую платформу, где есть исторические посты и outcome.
Я запостил это на HN сегодня.
Перед публикацией модель предсказала моему собственному title 32/99 virality и около 12 raw points.
Теперь live ledger покажет, была ли она хоть немного права.
Show HN:
https://news.ycombinator.com/item?id=48109136
Буду рад апвоуту, комменту или честному roast’у ❤️ | 4 728 |
| 20 | Проанализировал 150к постов на HackerNews и сделал модель, которая поможет завируситься
Ты час подбираешь заголовок для Show HN, нажимаешь submit - и через 30 минут либо летишь в топ, либо тихо умираешь в /newest.
И почти невозможно понять, почему.
В выходные я собрал инструмент, который сам давно хотел:
→ hackernews.foresyn.ai
Это клон HN, где можно прогнать свой Show HN до настоящего поста.
Пишешь title + url + description - и модель показывает:
— сколько очков можно ожидать
— реалистичный p10–p90 диапазон
— похожие прошлые HN-посты
— что тебе, скорее всего, напишут в комментах
— как можно улучшить заголовок
Особенно горжусь - симулятором комментов
Он ищет реальные старые HN-комменты к похожим постам и показывает, кто придёт душнить:
“we built this in 2017”
“why not SQLite?”
“how is this different from X?”
“pricing?”
Ещё есть Auto-improve: модель сама генерит варианты заголовка, перескоривает и greedily лезет вверх до плато.
И Live ledger: каждый день скорим настоящую HN frontpage и публикуем ошибку модели:
→ hackernews.foresyn.ai/predictions
В понедельник я хочу запостить это на сам Hacker News.
До этого очень нужно, чтобы люди попробовали сломать штуку.
Особенно если вы уже постили на HN:
верите ли скору?
где UX бесит?
какой prediction выглядит нелепо?
Про то, что под капотом напишу отдельный пост: 148K HN-постов, Gemini embeddings, halfvec индекс, LightGBM поверх 31 фичи, kNN-сигналы, domain priors, time-of-day, title craft.
→ Попробуйте! | 84 043 |
