TGViewer
Аналитическая мастерская Аналитическая мастерская @analystcraft · 19 subscribers
Post #15 18
🛠 Две недели «Аналитической мастерской». Что успели сделать?

Честно говоря, за последние две недели произошло гораздо больше, чем я ожидал. Появились новые материалы, публичные выступления, первые кейсы, где коллеги начали применять метод у себя на проектах, и очень много полезной обратной связи.

Что уже сделали.

✅ Провели открытый доклад «Source Map для системного аналитика» в Клубе технических аналитиков.

На реальном кейсе интеграции с Acme Pay показали, как собрать System Context Pack всего за 14 минут из четырех разрозненных источников. После доклада подготовили handout с кратким описанием метода — его уже можно скачать на сайте.

✅ Полностью разобрали кейс Acme Pay.

За эти две недели по шагам прошли весь процесс:

• Source Map;
• Review Findings;
• Task Pack.

Параллельно обсуждали более философский вопрос — где сегодня проходит граница между AI и инженером, который принимает решения.

✅ Открыли все материалы кейса.

Контракт, Confluence, POC, переписка с провайдером и GitHub-репозиторий доступны всем желающим. Очень хотелось показать не выдуманный пример из презентации, а настоящие рабочие артефакты, на которых можно самостоятельно пройти весь процесс.

Неожиданно случился Habr.

Большая статья про System Context Pack уже была готова к публикации, но вместо публикации мой аккаунт неожиданно перевели в режим read-only с формулировкой «размещение сгенерированных статей».

Получилась довольно любопытная история, которую разберу отдельно. Думаю, многим, кто использует AI при подготовке технических материалов, она покажется знакомой.

Сам материал никуда не исчез — он просто переезжает в блог AnalystCraft и на VC.

Что дальше?

📚 Большой worked example «Как собрать System Context Pack».

📚 Каноническая статья про Source Map для системного аналитика.

🚀 И, наконец, открываем набор на второй поток «Вайб-аналитики».

Это по-прежнему не курс про один инструмент. Мы будем строить собственный AI Workspace, работать с проектным контекстом, собирать агентные пайплайны и учиться использовать AI как инженерный инструмент, а не как ещё один чат с красивыми ответами.

И в завершение — вопрос к коллегам.

Что в проектах с несколькими источниками требований оказывается самым сложным именно для вас?

— найти противоречия между документами;
— понять, какому источнику доверять;
— удержать весь контекст в голове;
— или что-то совсем другое?

Пишите в комментариях. Самые интересные истории обязательно разберём в следующих публикациях. 👇
More from @analystcraft
  1. Oct 7, 2026В этом фрагменте — авторская метафора: LLM похожа на хорошо подготовленного джуна. Она быс…
  2. Oct 7, 2026Мы приняли один измеримый тест нового формата внутри существующего урока. Это не запуск но…
  3. Oct 6, 2026Код обновился. А документация? Документация должна меняться вместе с кодом: реальные сцена…
  4. Oct 5, 2026Kafka: единый канал данных, но не для больших файлов Чем меньше отдельных каналов приёма д…
  5. Oct 5, 2026Мы подготовили учебный комплект о ситуации, в которой код и тест согласованы, а пользовате…
  6. Oct 3, 2026API вернул 500. Что будет с вашими данными? Фрагмент закрытой платной лекции с обсуждением…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →