Пределы профессионализма

Про мультиагентов немного Я сначала хотел написать другой пост, но произошла любопытная ситуация, поэтому решил поделиться интересным кейсом о мультиагентах. Несмотря на то что термин, по сути, применим, он скорее запутывает тех, кто не в теме. Кроме того, он порождает завышенные ожидания: мол, сейчас мы создадим крутого суперагента, подключим пачку MCP-серверов, и он будет работать вместо нас. А «кожаным мешкам» останется только, как в стратегиях реального времени (RTS), реагировать на сообщения в духе: «Хозяин, нужно больше токенов!». В ближайший год такого не будет. И следующий кейс частично отвечает на вопрос «почему?». С разницей в один день(!) вышли две статьи: «How we built our multi-agent research system» от Anthropic — компании, создавшей, на мой взгляд, наиболее продвинутого ИИ-агента Claude Code. И статья «Don’t Build Multi-Agents» 😁 от Cognition.ai — компании, которая создала Devin, также инструмент для разработки. Если вы, как разработчик, хотите «вкатиться» в ИИ, то крайне рекомендую прочитать обе. Казалось бы, противоречие. Но на самом деле это не так. Если обобщить, то позиции компаний следующие. Anthropic отмечает, что хотя они не рекомендуют создавать мультиагентные системы без острой необходимости (принцип «Keep it simple»), для исследовательских и поисковых задач такой подход оказался эффективным. Ключ к успеху — четкое определение границ задач для агентов-исполнителей, строгий контроль использования инструментов и продуманные правила масштабирования в зависимости от сложности задачи. По их словам, это работает значительно лучше векторного поиска. Cognition.ai, в свою очередь, делится опытом применения мультиагентного подхода (несколько агентов-исполнителей с общим оркестратором) для задач написания кода. Изначально субагенты часто «лажали» из-за нехватки общего контекста. Когда же им стали передавать весь контекст, возникла другая проблема: субагенты не знали о действиях друг друга. В результате Cognition.ai пришли к выводу, что параллельно работающие мультиагенты в их случае оказались неэффективны, и не рекомендуют такой подход. x x x x x Итог — разные задачи и разные подходы к их решению. Область явно не вышла даже на второй этап S-образной кривой. Эта сфера еще будет развиваться и «устаканиваться». На данный момент есть попытки стандартизации (например, MCP-серверы), но они пока довольно слабые. 🚀 [[Пределы профессионализма]]

Декомпозиция по точкам неопределённости. Часть 2 Предыдущий пост породил больше вопросов, чем ответов. Поэтому расписываю технику прояснения точек неопределенности с примерами. Предположим, я хочу написать приложение. Оно состоит из 4-х взаимосвязанных модулей. Я опытный разработчик, и уже много раз делал что-то похожее на 1й, 2й и 4й модули. А вот третий модуль — ни разу, и пока даже не знаю, как его можно реализовать. Наивная/интуитивная, но неправильная декомпозиция будет выглядеть как "Реализовать модуль 3". Авось прорвемся. В таком варианте : – инструмент, библиотека или фреймворк, который я планировал применить для создания 3го модуля, может вообще не подойти. Придется переделывать. – может оказаться что сделать "модуль 3" раз в 10 сложнее, чем я предполагал. → раз в 10 дольше. Как правильно поступить: 01. понять, что «модуль 3» — точка неопределенности. 02. понять, для реализации каких функций нужен «модуль 3». 03. сделать серию МАКСИМАЛЬНО дешевых и быстрых тестов для подтверждения гипотез, можно ли с помощью выбранного фреймворка реализовать нужные функции. 04. сделать декомпозицию 05. верно оценить время и сложность. Практически все люди, которые болтают про планирование и декомпозицию, пропускают шаги 01 → 04. Как следствие работают большими блоками, и плохо отдыхают, чем снижают выработку в течение дня на десятки процентов. И нередко считают, что «планирование/декомпозиция не работает» ← Предыдущая техника #1000техник@prof_limits

ㅤ Декомпозиция по точкам неопределённости Декомпозиция задач — не просто модный термин из мира продуктивности, а реальный инструмент, который способен радикально изменить подход к работе. Впрочем, многие сталкиваются с ощущением, что этот инструмент не работает: вроде бы разбил задачу на части, а дальше всё застопорилось. Причина кроется в одной детали, которую часто упускают из виду — неопределённости. Вспоминаю, как на курсе «Продуктивность 101» мы разбирали планирование линиями. Суть подхода проста: прежде чем дробить задачу, важно определить точки неопределённости — те самые моменты, где привычная логика разложения перестаёт работать. Именно здесь большинство планов рушится, а энергия уходит в никуда. Вместо того чтобы пытаться разложить всё до конца, стоит остановиться на этих точках и заранее исследовать, что может пойти не так. Иногда достаточно пары часов вдумчивой работы, чтобы найти решение и убрать лишние риски. Этот подход не только экономит силы, но и напрямую связан с отдыхом. Когда работаешь одним большим блоком, усталость накапливается лавинообразно, а результат оказывается далёк от желаемого. Строго говоря, я рассматриваю более часа работы без каких-либо отдыхов как ошибку. Декомпозиция позволяет двигаться небольшими блоками задач, делать паузы и возвращаться к задаче с новыми силами. В итоге продуктивность растёт, а выгорание отступает. × × × 01. Определить точки неопределённости. 02. Прояснить возможные проблемы в этих точках. 03. Найти решения для устранения рисков. 04. Двигаться короткими отрезками, делая паузы. ← Предыдущая техника #1000техник@prof_limits

ㅤ Quantified self становится реальностью Когда-то идея «квантифицированной жизни» казалась чем-то из мира футурологии. Трекеры сна, шагомеры, приложения для учёта привычек, транскрипты. Всё это выглядело как игрушки для гиков, но теперь ситуация изменилась. Появление мощных ИИ-инструментов дало этой концепции совершенно новый смысл. Обычный диктофон, который можно купить на маркетплейсе за пару тысяч рублей, превращается инструмент сбора уникального контекста — без лишних затрат и подписок. Правда здесь нужно сделать оговорку, что такое устройство хорошо работает только в абсолютно тихой среде - грабли на которые я сам уже наступил) Возможность записывать мысли, разговоры, наблюдения и даже случайные идеи в течение дня открывает совершенно иной уровень саморефлексии. Память == не нужна. По крайней мере частично. Всё фиксируется, а ИИ способен быстро структурировать и анализировать эти данные. Такой подход позволяет не только экономить время, но и замечать закономерности, слепые зоны, которые раньше ускользали из поля зрения. Большинство западных решений для лайфлоггинга остаются недоступными или неоправданно дорогими. Подписки на облачные сервисы, платные расшифровки, ограничения по региону — всё это превращает простую идею в дорогое удовольствие. Однако, если собрать свою систему на базе обычного диктофона, появляется гибкость: можно хранить данные локально, выбирать удобные способы обработки и не зависеть от капризов зарубежных сервисов. Всё, что нужно — минимальный набор техники и немного энтузиазма. Такой подход не только экономит деньги, но и даёт контроль над собственными данными. Пара юзкейсов : - идя на повторную встречу с потенциальным бизнес-партнером - у вас уже есть анализ его личности и вопросы с учетом контекста. - общаясь со знакомыми и друзьями вы больше не пропускаете полезные знания, которые фильтруются и автоматом добавляются к вам в базу. - если вы консультируете - система регулярно выдает вам рекомендации как можно усилить формат и высылает action points клиентам. - и еще десятки возможностей ... × × × В итоге лайфлоггинг становится не экзотикой для гиков, а реальным инструментом, высвобождая внимание для более важных задач. 🚀 [[Пределы профессионализма]]

ㅤ Необычные методы : томатный сок, пощёчины и электрошок В мире продуктивности иногда встречаются методы, которые на первый взгляд кажутся дикими, но при этом эффективными. Несколько лет назад по интернету разошлась история о человеке, который нанял девушку, чтобы она давала ему пощёчину каждый раз, когда он отвлекался от работы. Результат оказался нехилым: время, потраченное на бессмысленный скроллинг соцсетей, почти исчезло. Такой подход называют отрицательной стимуляцией — когда за нежелательное поведение следует неприятное последствие. Вдохновившись своим экспериментом, парень создал устройство PAVLOK — браслет, который бьёт током при наступлении определённых условий. Всё программируется: хочешь — пусть тебя наказывает за прокрастинацию, хочешь — за пропущенную тренировку. Pavlok интегрируется с кучей сервисов, и можно придумать десятки сценариев: от публичных выступлений до трейдинга, где за маржин-колл вместо уведомления прилетает разряд. В реальном времени тренер может корректировать ошибки, а привычки формируются быстрее, потому что мозг отлично понимает язык боли. Не всем по душе такие радикальные методы. Для многих проще и безопаснее использовать более мягкие варианты отрицательной стимуляции. Например, лак для ногтей с горьким вкусом помогает избавиться от привычки грызть ногти. Или публичная декларация: пообещал друзьям, что если не выполнишь задачу — выпьешь томатный сок, который терпеть не можешь. Даже такие простые меры работают, потому что неприятные ощущения или социальное давление заставляют мозг искать способы избежать наказания. Отрицательная стимуляция особенно полезна в ситуациях, где цена ошибки слишком высока. Например, тренировки с имитатором ножа, который бьёт током при касании, позволяют быстрее и надёжнее поставить навыки самозащиты. Мозг лучше понимает цену ошибки от разряда тока, чем от простого порицания тренера. × × × Этот приём не универсален и требует осторожности. Некоторые люди быстро устают от постоянного давления и просто перестают играть по неприятным правилам. Но сам факт существования таких методов расширяет арсенал инструментов для формирования привычек и освоения новых навыков. Иногда именно необычные подходы дают неожиданный результат — и позволяют взглянуть на мотивацию под новым углом.ㅤ 🚀 [[Пределы профессионализма]]

ㅤ Вся жизнь на диктофоне Когда в последний раз вы пытались вспомнить, о чём договаривались на том самом важном звонке месяц назад? Или ловили себя на мысли: «‎Кто вообще это говорил, и почему я это не записал?» С появлением языковых моделей с огромным контекстом — со значительными оговорками до 10-ти миллионов токенов — у нас впервые появляется реальный шанс не только хранить, но и эффективно использовать весь этот поток разговоров. Вместо того, чтобы надеяться на память или вручную пересматривать записи, вы просто загружаете месячные транскрипты всех созвонов и… задаёте вопрос. «‎В какой момент мы обсуждали скидку для клиента X?» — и получаете ответ за секунды. Тесты на «‎поиск иголки в стоге сена» показывают, что такие модели действительно находят нужные детали в огромных массивах текста. Альтернатива — векторные базы, которые тоже умеют искать, но не всегда так гибко отвечают на сложные вопросы, поэтому может потребоваться несколько запросов. В бизнесе это открывает новые горизонты: анализ ошибок в продажах, разбор коммуникационных провалов, поиск лучших практик. Представьте: вы автоматически сохраняете все разговоры в Obsidian или другую базу, где они становятся частью вашей личной базы знаний. Причём автоматизация уже доступна условно бесплатно: аудиозапись уходит в облако, потом через N8N и Deepgram (у них $100 бесплатных транскрипций) превращается в текст — и готово. Меня особенно вдохновляет идея «‎полуавтоматического дневника»: самые интересные разговоры не теряются, а становятся частью истории. Это почти как memex — концептуальный аппарат для хранения всей человеческой памяти, только теперь в виде носимых диктофонов, которые записывают и транскрибируют всё, что с вами происходит. Всё это на самом деле — уже реальность. Осталось только решить: продолжить терять важные детали или начать собирать свой контекст. Чуть позже расскажу, какие конкретно решения можно использовать уже сейчас

🟥 Можете ли вы доверить принятие решений ИИ? Когда-то личный ассистент был роскошью: секретарь, который разбирает почту, составляет презентации, следит за календарём. Сегодня всё это — задачи, которые берёт на себя искусственный интеллект. Я впервые это почувствовал, когда попросил ИИ не просто оформить список литературы, а подобрать нужный стиль, проверить источники и даже подготовить слайды для выступления. Время, которое раньше уходило на рутину, теперь освобождается для действительно важных дел. Что особенно поражает — гибкость и постоянное развитие таких цифровых помощников. Их можно настраивать под себя, они учатся на ваших предпочтениях и становятся дешевле. В какой-то момент я поймал себя на мысли: почему бы не делегировать ИИ не только оформление документов, но и часть решений? Например, автоматически отклонять 80% типовых и неинтересных запросов по работе, которые только отвлекают. К слову в телеге уже давно есть возможность ботам писать от вашего имени и даже инициировать диалоги. Или подключать внешние сервисы для поиска информации(привет DeepResearch), чтобы не тратить время на бесконечные вкладки в браузере. Конечно это все требует навыков в разработке и ИИ-инжиниринге, но все же. Это концепция персональных рабов помощников, которые не просто ждут команды, а активно защищают от импульсивных поступков, фильтруют входящую информацию, общаются с внешним миром от вашего имени. Представьте: ваш ИИ уже интегрирован с вашей базой знаний, сам переносит встречи, отвечает на стандартные вопросы клиентов, а вы занимаетесь только тем, что действительно требует вашего внимания. Переход к такому формату не происходит за один день. Я сам сейчас нахожусь на довольно базовом уровне по сравнению с тем что уже возможно. Но момент когда при старте проекта я буду посылать 5-6 разумных ботов общаться с потенциальными подрядчиками/экспертами/партнерами от моего имени ощущается как очень близкий. Думаю 1-2 месяца.

Невидимые улучшения Или мой отзыв на «Додзе» Прошло полгода с момента запуска клуба «Додзе по привычкам», участники которого ежемесячно ставят себе новые привычки под моим наблюдением. Я тоже участник, и также как все отчитываюсь о своих успехах и неудачах каждый день. Решил подвести итоги прошедших 6 циклов, и понял, что многое поменялось за это время. Полгода в додзе — это целая коллекция новых привычек, которые постепенно меняют мою жизнь. Со временем привычки перестают быть чем-то искусственным и становятся частью фона, как будто всегда были здесь. 📺 Например, YouTube на компьютере исчез из жизни полностью. Вместо бесконечных видео — короткая утренняя лента новостей по искусственному интеллекту, которая не затягивает, а помогает держать руку на пульсе. На телефоне — только полезные подписки, никакой информационной жвачки. 😴 Сон наконец-то стал управляемым. Почти всегда удаётся ложиться до полуночи, и это не магия, а результат простого приёма: планировать интересные дела на вечер. Когда вечер заранее расписан, исчезает соблазн бессмысленно тянуть время перед экраном. Появилась и другая связанная привычка — регулярная утренняя работа. Если ночь прошла спокойно, утро становится временем для глубокой работы, и день сразу складывается иначе. 🏋️‍♂️ Тренировки встроились в расписание почти автоматически. Сначала была цель не сидеть больше часа без разминки, а потом это переросло в полноценные занятия. За несколько месяцев выросла выносливость, улучшились силовые показатели, гибкость стала заметно лучше. Даже дыхание изменилось — максимальное потребление кислорода выросло на несколько пунктов. Не всё даётся одинаково легко. Например, привычки, связанные с питанием, требуют больше усилий. Периодическое голодание или отказ от еды после шести работают только тогда, когда заранее приготовлена еда на несколько дней вперёд. Стоит немного расслабиться — и привычка перестает работать. Но если барьеры проработаны, возвращаться к нужному режиму становится проще. Мелкие технические приёмы тоже работают на автомате. Телефон большую часть времени в чёрно-белом режиме — и сразу меньше желания листать ленту. Несколько оповещений в течение дня напоминают о важных делах, не давая провалиться в рутину. Самое интересное — эффект привыкания. Когда привычки становятся частью жизни, перестаёшь замечать, как сильно изменился. Кажется, будто всегда было так: меньше отвлечений, больше пользы, задачи выполняются быстрее, а стратегические цели становятся все ближе. Только если оглянуться назад, становится видно, сколько всего изменилось за полгода. Привычки, которые казались сложными, теперь включаются почти автоматически, потому что заранее известны все барьеры и способы их обойти. Постепенное развитие привычек — это про накопительный эффект. Маленькие изменения, которые на дистанции превращаются в ощутимый прогресс. Даже если кажется, что ничего особенного не происходит, стоит посмотреть на стартовую точку — и разница становится очевидной. Зайти в «Додзе» можно тут Узнать больше: пост в канале / сайт → Отзывы участников: здесь

📚 Как не устареть вместе с вашей ИИ-системой Если вы, как и я, много ИИжинирите — создаете разные связки из ИИ-инструментов — то наверняка сталкивались с эффектом новой модели. Когда выходит свежая версия, она зачастую быстрее, качественнее и дешевле справляется с задачами, чем ваша тщательно выстроенная система из более простых аналогов. И тут возникает закономерный вопрос: а стоит ли вообще сейчас вкладываться в сложные алгоритмы, или лучше подождать, пока модели станут ещё мощнее и доступнее? Ведь искусственный интеллект уже радикально меняет продуктивность интеллектуального труда. То, что раньше требовало часов и команд специалистов, сегодня нередко делается за пару минут и одним человеком. Но есть две важные тенденции: 1️⃣ — модели стремительно умнеют. 2️⃣ — тот же уровень интеллекта дешевеет в разы, иногда в 10 раз за год. Получается, что ваши инвестиции в автоматизацию могут устареть буквально за несколько месяцев. Я на себе это прочувствовал: собрал сложную систему, а через полгода новая модель делает то же самое, но проще и почти бесплатно. Было немного обидно, но и поучительно. Что из этого следует? Сейчас разумнее вкладываться в компоненты, которые не зависят от конкретных моделей. Например, в удобный пользовательский интерфейс или в системы, которые грамотно собирают и структурируют контекст. Как говорится «context is the king». Чем лучше вы подаете ИИ нужную информацию, тем качественнее результат. А вот сложный инжиниринг — цепочки из десятков промтов, хитрые костыли и ухищрения — скорее всего, устареют быстрее, чем вы их окупите. Вместо этого лучше строить гибкие инструменты, которые легко подключаются к новым, более мощным моделям. Например, не делать пошаговые запросы в ChatGPT, а создать платформу для цепочек преобразований, которую можно адаптировать под любую модель. Про подобные системы я рассказывал на «Личной ИИ-экосистеме». И когда выйдет новая версия, вы просто меняете движок, а вся остальная система остаётся актуальной. 📝 В общем, если коротко: сейчас время строить фундамент, а не вытачивать сложные надстройки. Потому что модели будут становиться умнее и дешевле, а вот хороший контекст и удобный интерфейс — это инвестиции, которые точно окупятся.

Воздух и продуктивность Пару лет назад я впервые услышал термин Sick Building Syndrome — «синдром больного здания». Это когда плохой воздух в помещении буквально делает людей уставшими, раздражительными и неработоспособными. И это не метафора, а вполне себе медицинский диагноз. Давайте разберёмся, что в воздухе влияет на нас сильнее всего. Во-первых, температура. Если в комнате слишком холодно, организм включает режим выживания: растёт кортизол, появляется тревожность, и мозг начинает прокрастинировать. Слишком жарко? Тогда, наоборот, расслабляемся, и концентрация падает. Второе — уровень CO2. Он накапливается очень быстро, особенно в аудиториях и маленьких комнатах. Высокий CO2 — это не только зевота и лень, но и плохой сон. Кстати, если вы просыпаетесь с сухостью во рту — это может быть сигналом, что ночью вы дышали через рот из-за нехватки кислорода. Третье — частицы пыли. Они раздражают дыхательные пути, вызывают аллергию и просто мешают нормально дышать. Четвёртое — влажность. Она связана и с температурой, и с пылью. Сухой воздух сушит слизистые, а слишком влажный — идеальная среда для плесени. Что с этим делать? Вариантов много. Очистители воздуха вытягивают пыль и аллергены. Увлажнители спасают от сухости. Бризеры подают свежий воздух с улицы, очищая его по пути. Иногда достаточно просто регулярно проветривать. А чтобы понять, что именно у вас не так, нужны датчики. Датчик CO2 — дешёвый и очень полезный. Датчики пыли — тоже недорогие. Влажность можно измерить за копейки, правда, точность у таких приборов не всегда идеальная. В общем, если хотите добавить к своим 1000 техникам продуктивности ещё одну, очень недооценённую, — начните с воздуха. Иногда достаточно открыть окно или включить очиститель, чтобы мозг заработал в полную силу. Проверено на себе. ← Предыдущая техника #1000техник@prof_limits

Если вы, как и я, много ИИжинирите — создаете разные связки из ИИ-инструментов — то наверняка сталкивались с эффектом новой модели. Когда выходит свежая версия, она зачастую быстрее, качественнее и дешевле справляется с задачами, чем ваша тщательно выстроенная система из более простых аналогов. И тут возникает закономерный вопрос: а стоит ли вообще сейчас вкладываться в сложные алгоритмы, или лучше подождать, пока модели станут ещё мощнее и доступнее? Ведь искусственный интеллект уже радикально меняет продуктивность интеллектуального труда. То, что раньше требовало часов и команд специалистов, сегодня делается за пару минут и одним человеком. Но есть две важные тенденции. Первая — модели стремительно умнеют. Вторая — тот же уровень интеллекта дешевеет в разы, иногда в 10 раз за год. Получается, что ваши инвестиции в автоматизацию могут устареть буквально за несколько месяцев. Я на себе это прочувствовал: собрал сложную систему, а через полгода новая модель делает то же самое, но проще и почти бесплатно. Было немного обидно, но и поучительно. Что из этого следует? Сейчас разумнее вкладываться в компоненты, которые не зависят от конкретных моделей. Например, в удобный пользовательский интерфейс или в системы, которые грамотно собирают и структурируют контекст. Как говорится "context is the king". Чем лучше вы подаете ИИ нужную информацию, тем качественнее результат. А вот сложный инжиниринг — цепочки из десятков промтов, хитрые костыли и ухищрения — скорее всего, устареют быстрее, чем вы их окупите. Вместо этого лучше строить гибкие инструменты, которые легко подключаются к новым, более мощным моделям. Например, не делать пошаговые запросы в ChatGPT, а создать платформу для цепочек преобразований, которую можно адаптировать под любую модель. Про подобные системы я рассказывал на "Личной ИИ-экосистеме". Тогда, когда выйдет новая версия, вы просто меняете движок, а вся остальная система остаётся актуальной. В общем, если коротко: сейчас — время строить фундамент, а не вытачивать сложные надстройки. Потому что модели будут становиться умнее и дешевле, а вот хороший контекст и удобный интерфейс — это инвестиции, которые точно окупятся.

Как выбрать рабочее место: разбор двух кейсов Для всех кто проголосовал за второе рабочее место, я спешу вас огорчить. Это генерация через midjourney. Можете полюбоваться другими работами этого автора. Давайте все же разберем каждый из вариантов, если убрать вкусовщину и смотреть только на функциональность. 1️⃣Первый кейс: Эргономика и функциональность Плюсы: 📌 Эргономика. Всё под рукой, ничего не мешает, можно сидеть часами, не вспоминая про спину или шею. 📌 Функциональность. Рабочее место заточено под разные сценарии: хочешь — монтируй видео, хочешь — веди стрим, хочешь — работай с текстами. Мониторы огромные, места на экране хватает для всего. 📌 Организованность. Нет хаоса, всё структурировано, легко поддерживать порядок. Минусы: 📌 Обеднённая среда. Здесь нет намёка на возможность переключиться или отдохнуть. Возможно, фото фикуса на боковом мониторе сработает, но этого недостаточно. 📌 Монотонность. Всё слишком стерильно: если ты вдруг захочешь отвлечься, тебе придётся либо выходить из комнаты, либо просто смотреть в стену. В науке это называется обедненная среда. 2️⃣ Второй кейс: Природа и отдых Плюсы: 📌 Возможности для отдыха. Можно в любой момент оторваться от экрана и посмотреть вдаль — доказанный способ дать глазам (и мозгу) передышку. К слову, для глаз это почти единственный способ. 📌 Природа. Виды на зелень, воду, солнце — всё это не просто эстетика. Есть масса исследований: регулярный контакт с природой снижает уровень стресса и повышает креативность. 📌 Переключение. В бухте всегда что-то происходит: смена картинки за окном помогает мозгу не зацикливаться на рутине. 📌 Солнце и воздух. Свет и свежий воздух — не просто приятные бонусы, а факторы, напрямую влияющие на внимание и работоспособность. Внутри квартир в 99% случаев нет достаточно хорошей вентиляции. Вы же не проветриваете каждые 20 минут комнату, ведь да? При гипоксии показатели внимания кратно ухудшаются. 📌 Творческий беспорядок. Среда насыщена деталями. Это гуд. Доказано на всех: от улиток до офисных работников. В таком сеттинге у вас практически нет выбора отдыхать или нет. Все происходит само. Минусы: 📌 Эргономика страдает. Нет даже пространства для ног, столик неудобный, кресло — так себе. Но всё это можно поправить: сменить стул/стол, добавить подставку. 📌 Солнце иногда мешает. Эту проблему решает простая штора или жалюзи. Таким образом прям правильного ответа нет. Любое из мест имеет право на жизнь, и каждое из них можно улучшить для получения необходимых результатов

Какое рабочее место бы выбрали при прочих равных?

❓ Что если не ты прокрастинируешь, а окружение тебя топит? Иногда хочется найти ту самую методику, которая наконец наведёт порядок в делах и превратит жизнь в стройную систему. 📌 Но правда в том, что никакая техника или список дел не спасут, если кругом царит хаос. Вы замечали, что даже самый вдохновляющий понедельник легко превращается в несвязную кутерьму одним-двумя чужими опозданиями? Или если в вашем коллективе царят бесконечные авралы, будь ты хоть супергероем организационной дисциплины – всё равно станешь заложником общей неразберихи. Это, кстати, один из наиболее повторяющихся паттернов у участников всех потоков курса Продуктивность 101. 📌 Я вспоминаю, как мой приятель сменил коворкинг на домашний кабинет. Чудо! Спокойствие позволило ему писать статьи за пару недель, хотя раньше на это уходили месяцы. Все потому, что в новой обстановке выключились "каналы хаоса": лишние разговоры, дерганья и общий суетный фон. Окружение влияет настолько мощно, что иногда разумнее не искать внутренний дзен, а оценить окружение и честно ответить: помогает оно вам или топит? 📌 Вот, что действительно увеличивает продуктивность: умение использовать окружение как ресурс, а не источник помех. Для начала, элементарный тактический уровень — ограничьте источники отвлечений, наладьте четкие процессы, минимизируйте "шум". Дальше – делегируйте то, что не требует ваших уникальных компетенций. Пусть коллеги сами разбираются со своими зонами ответственности, чем вы будете влезать в их задачи. Создайте вокруг ядро людей и процессов, которые помогают вам сфокусироваться, а не затягивают в водоворот суеты и хаоса. 📌 Если читаете этот пост , и понимаете, что гребёте против течения — возможно, пора прибегнуть к хирургическим мерам и переменам на стратегическом уровне. Иногда лучший вклад в свою продуктивность — это сменить офис, а иногда работу или даже город, который вас истощает. Потому что токсичная среда всё равно затянет вас в свою воронку, как бы вы ни боролись. Продуктивность — не гвоздь, который нужно вколотить силой в бетон, а скорее сад, где всё зависит от почвы, воды и солнца. 📌 Стоит ли пытаться вырастить цветы среди камней? Порой главный навык — распознавать, в какой почве вы оказались.

⌨️ Сплит-клавиатуры 🕹 Когда я только начинал вести данный канал, я написал, что себе в качестве игрушки купил раздельную клавиатуру. Сейчас же я не представляю своей регулярной работы без этого инструмента. На самом деле, вся история по сплитами заслуживает отдельного большого лонгрида, который, в принципе, уже написали за меня. Но сегодня я хочу резюмировать список преимуществ и сложностей работы с такой клавиатурой. ✍️ Бонусы : - Эргономика. Не зря такие клавиатуры еще называют эргосплитами. Если вы купили даже самый простой вариант, то о туннельном синдроме, можете забыть. Собственно, это и было основной причиной, почему я перешел на сплиты - как-то ночью проснулся от боли запястья. - В продолжении темы про эргономику такая клавиатура намного лучше подходит к строению нашего тела. Потому что, например, если взять большие пальцы (а это наши самые сильные пальцы ) то, как правило, на два пальца приходится всего лишь одна клавиша — пробел. В сплитах на каждый большой палец приходится по 2–5 клавиш. - Полная программируемость. Да, сплиты можно программировать и прошивать самыми разнообразными способами, которые делают из них универсальный инструмент. К тому же вся прошивка носится всегда с собой, вне зависимости от ПК, к которому вы подключаете клаву. У меня есть целые отдельные слои для разных приложений, вроде Obsidian, захвата экрана и так далее. ✍️ Минусы : - Стоимость. Как правило, хороший сплит стоит в разы больше, чем средняя клавиатура. Даже механическая. - Нужна слепая печать. Без этого никуда, к сожалению. - Относительно долго переучиваться. Если вы много печатаете и упорны, то на это уйдет где-то две недели. В других случаях займет еще больше времени. - Риск стать "клавиатурным маньяком")) #1000техник@prof_limits 🔙 предыдущий пост

🥷 Тем временем в нашем клубе по внедрению привычек "Додзе" участники продолжают менять свое поведение и жизнь из месяца в месяц. Под этим постом участники "Додзе" будут делиться своими результатами и отзывами. Вписаться в "Додзе" можно тут Узнать больше о клубе: пост в канале / сайт

✍️ Не всё то золото, что алгоритмом помечено Неделю тестировал умную категоризацию новостей по ИИ с помощью WPM метрики (Wows per minute), про которую упоминал на недавно прошедшем стриме. Вкратце — метрика вычисляет, сколько раз было бы произнесено «ВАУ» при чтении текста за минуту. Промпт использовал в точности такой же, как в этом фреймворке. 🥺 В категорию Trash попадали все новости, чей WPM был меньше 6. Good, соответственно, от 6 до 8. И больше 8 — это Excellent. 🥺 Результаты интересны, хотя фильтры я точно буду дорабатывать — буду делать их более кастомными. 🥺 В категорию Trash в 19 из 20 случаев реально попадали новости, которые не заслуживали моего внимания вообще. 🥺 В категорию Good иногда попадали новости, которые в себе не несут никакой полезной нагрузки, и где-то половина были интересными. В Excellent примерно так же, как и в Good. Интересная закономерность: эмоциональные возгласы блогеров типа «я шел к этому 10 лет!» LLM воспринимает за чистую монету и помещает такой контент в Excellent. В целом, эксперимент считаю удачным, и точно буду создавать и тестировать собственные фильтры.

🕹 А я тем временем продолжаю улучшать курс «Продуктивность 101». Недавно начал добавлять ИИ компоненты в основной алгоритм. Это не какое-то следование трендам и хайпу, а скорее необходимость. В обратной связи с предыдущих потоков затраты времени на планирование в топе основных проблем. Также в топе затраты на изменения плана при случайных сбивках. ⏹️ Затрат на сбивки можно избежать, если проанализировать прошлые планы и внести соответствующие изменения в свои процессы. А вот с времязатратами на планирование ничего не поделаешь. Некоторым участникам приходилось выделять на планирование около часа в день, и даже в таком варианте это давало множество преимуществ и оптимизаций. ⏹️ Однако, так как люди обычно не хотят напрягаться, а я особенно. Хорошо было бы, если бы план был готов минут за 5-10 по предварительно обозначенным задачам. А еще лучше наговаривать эти задачи голосом. ⏹️ В итоге основные сложности у участников возникают с двумя частями моего алгоритма, которому я обучаю на базовом курсе. Первая часть — это планирование сложных задач или проектов. Там сейчас большой многоэтапный процесс. И второе — распределение задач во времени на основе имеющихся индивидуальных закономерностей и ограничений. ⏹️ Например, есть одна очень частая ошибка: ставить сложные задачи на конец рабочего дня. Трудоспособность человека к вечеру падает — и это нужно принять как ограничение/закономерность. И таких закономерностей нужно знать и учитывать десятки, что бывает довольно «больно» для мозга. ⏹️ Я уже поработал с алгоритмом планирования сложных задач и на данный момент получил неплохие результаты. Комбинацией инструментов получилось достичь хорошей автоматизации на тестовых данных. Пока пробую на своих личных проектах, которые уже завершил.

Значит ли это, что можно переставать учиться писать/печатать? Нет. Когда мы говорим, у нас включаются разные режимы работы. Например, в deep work режиме голос может стать проблемой. Если же мы разгребаем текучку, то быстрое голосовое "разбрасывание" задач - самое то. Наверняка, вы когда-нибудь слышали про "мышление письмом". Это именно про это. О том же писал и Пол Грэхем, правда очень декларативно. Это скорее мнение. Более детально эту мысль выразил Выготский :

Я уже как-то указывал на то, что все исследования письменной речи детей показывают, что она трудна для ребенка раннего возраста, потому что она требует произвольного употребления тех самых речевых функций, которые непроизвольно ребенок употреблял уже раньше. Если, например, ребенок очень живо рассказывает о каком-нибудь событии, а потом с величайшим трудом очень упрощенными фразами передает это письменно, то это происходит главным образом потому, что в письменной речи он должен произвольно сделать то, что непроизвольно он делает в устной речи.

Л.С.Выготский, Умственное развитие детей в процессе обучения, Ленингард, Государственное учебно-педагогическое издание, 1935г., с. 106 Другими словами: во время письма у нас включается «другое» мышление, нежели во время речи. Это мышление той самой «системой 2» по Канеману.