Владилен: IT в эпоху AI

Владилен: IT в эпоху AI pinned a video

🧠 Начните здесь изучение ИИ

Я собрал бесплатный раздел со своими материалами по ИИ и выстроил их в понятной последовательности – от первых шагов до создания собственных AI-систем и продуктов.

Внутри есть 3 маршрута:
– Начать работать с AI и собрать своего первого агента
– Разобраться в AI Engineering и агентских системах
– Превратить идею в работающий AI-продукт

К каждому материалу я добавил не только видео, но и:
– текстовую версию
– полезные ссылки и инструменты
– шаблоны и дополнительные материалы
– практические задания

Получается одна точка входа, где можно последовательно прокачиваться в ИИ, а не собирать знания по случайным роликам и постам.

Раздел буду постоянно обновлять по мере выхода новых материалов.

Welcome & Enjoy 🚀

Прилетел фидбек по уроку — очень приятно и ценно 🤜

С материалом урока ознакомился! Спасибо за ваши усилия! Очень интересная информация! Что касается меня то я взглянул на то что делаю под другим углом, через node js))) Да и говорить об этом можно вечно! Меня это также захватывает и вдохновляет как и Вас! Один из моих проектов это попытка создать Dark Factory! Конечно же со всеми слоями! И Ваши труды очень полезны для многих людей которые волбще только вникли в эту суть! А Вы показываете на низком уровне им, то о чем многие говорят слишком абстрактно! Даже не знаю что и лучше! Когда-то я спорл со своим гуру о том что читать электросхемы по транзисторам и конденсаторам не совсем круто, когда схема состоит из миллионов деталей, поэтому и придумали интегрированные мкросхемы... в общем сейчас вижу аналогию с этим! Но всегда интересовался основой, низким уровнем, и хотел знать не только как сделать , а и почему именно так это работает! И за это Вам спасибо!🙏

Урок для тех, кто хочет разобраться бесплатно доступен тут: https://t.me/vladm/1618

Посмотрел доклад с deep tech night от Ивана Сапожкова, руководителя группы базовой ML-инфраструктуры Яндекса, про инфраструктуру RL-обучения.

Так вот, мы сейчас все обсуждаем агентов на уровне моделей, промптов, инструментов, памяти и харнесов. В общем, на уровне того, что видит разработчик и пользователь.

А под этим уже приходится переделывать и сам процесс обучения моделей.

Когда модель обучают на агентных задачах через RL, вокруг неё приходится строить целую распределенную систему. Одна часть в режиме инференса генерирует траектории для обучения — модель взаимодействует со внешними средами, выполняет код, ищет информацию, вызывает инструменты. Полученные данные затем через очереди и буферы попадают в обучающую часть, где уже обновляются веса модели.

И всё это надо синхронизировать так, чтобы одни процессы не стояли и не ждали другие.

На бумаге красота. Генерация ровно успевает поставлять данные, обучение успевает их переваривать..

Только живёт такой идеальный баланс недолго. Траектории сильно отличаются по длине: одна задача заканчивается быстро, другая уходит в длинное рассуждение, делает несколько вызовов инструментов или долго взаимодействует со средой. В итоге где-то простаивают вычислительные мощности, где-то копятся данные, а несколько длинных генераций могут задерживать весь следующий шаг обучения.

Поэтому в Яндексе пришли к гибридной схеме: генерацию и обучение балансируют по времени, а незаконченные траектории сохраняют и продолжают на следующем шаге. Система подстраивается под реальную нагрузку и не пытается один раз идеально поделить железо.

Я всё к тому, что агентный бум уже перестраивает нижние этажи ML-стека.

Пользователь видит чат с агентом. Мы с вами видим инструменты и харнесы. А ещё ниже команды пересобирают RL-инфраструктуру, потому что обучение моделей на таких задачах создаёт совсем другой профиль нагрузки — длинные и непредсказуемые генерации, внешние среды, tool calls и дорогой инференс прямо внутри training loop.

Мы сейчас, конечно, увлеченно крафтим свои харнесы. Но дальше гонка пойдёт ещё и за инфраструктуру, которая умеет эффективно обучать такие системы и не сжигать вычисления на ожидании.

Короче, снаружи агентная революция выглядит как удобный интерфейс. В машинном отделении у неё – инференс, очереди, буферы, длинные хвосты и очень дорогие GPU.

За этим слоем я теперь тоже буду внимательно следить.

Математик МГУ: «Нейросети уже умнее меня»

Полтора года назад Саша Вотяков скинул мне доклад AI 2027. Я его прочитал, и после этого развернул всю карьеру в сторону ИИ. И это было правильным, сами видите, что происходит и произошло за последние полтора года с нишей.

Александр окончил мехмат МГУ, был призёром Всероса по математике и много лет готовил олимпиадников. И он спокойно признаёт: нейросети решают олимпиадные задачи лучше, чем он сам.

Что обсудили:
– правда ли агенты OpenAI решили задачу тысячелетия и что математики на самом деле называют словом «решила»
– как нейросети учились играть в футбол и научились набивать очки вместо голов, и почему эта история на самом деле пугает
– почему нейронка почти всегда говорит, что ты прав, и какие вопросы ей лучше вообще не задавать
– его прогноз для тех, кто сейчас просто перекидывает задачи начальника в ChatGPT/Claude
– как прокачивать мышление и алгоритм принятия решений

«Если ты уже сейчас заменяешь себя нейронками, то не переживай, тебя потом бигтехи заменят нейронками»

▶️ Смотреть на Youtube

Канал Саши: https://t.me/votyakov_ar_life

Упоминаем в выпуске:
– AI 2027, сценарий развития ИИ: https://ai-2027.com
– Tim Urban, The AI Revolution (Wait But Why, 2015): https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
– Михай Чиксентмихайи, «Поток. Психология оптимального переживания»

Подкаст уже на финальном рендере

Один из любимейших и полезных разговоров за все время ведения подкастов у меня. С Александром

Вам точно понравится!

Кто контролирует работу AI-агента?

Вчера вечером еду на дачу и за рулем, с телефона решил протестить анимацию в Claude.

Написал в Codex сценарий ролика для урока про агентскую разработку и устройство харнеса и… отдал на производство в Claude.

Примерно с таким промптом:

Бро сними мне мульт по сценарию, используй этот скилл: https://github.com/kuhnhomeuk-cell/procedural-film/

Напомню, за рулем. С телефона. Меня это бесконечно поражает.

Анимации делаются на HTML. Качество невероятное.

Сам урок, кстати, можно забрать тут: https://irreplaceable-ai.ru/products/ai-engineer/from-coding-to-agent

У бизнеса появился ещё один канал, в котором важно быть заметным — ответы нейросетей.

Пользователь может не идти в Яндекс или Google, а сразу спросить ChatGPT, Алису или Perplexity, какой сервис выбрать или где заказать услугу. И получить несколько конкретных рекомендаций.

Вопрос — будет ли среди них ваш бренд.

Работу с видимостью бренда в ответах нейросетей называют GEO — Generative Engine Optimization.

Вручную за этим сложно следить: запросов могут быть сотни, моделей несколько, а ответы меняются со временем. Понять, что именно происходит с вашим брендом в GEO, помогает ГЕОранк.

Добавляете бренд, конкурентов и запросы потенциальных клиентов. Сервис проверяет ответы ChatGPT, Алисы, Gemini, Perplexity, DeepSeek, других моделей и показывает:
— как часто ваш бренд упоминают и рекомендуют, на каких позициях он появляется;
— каких конкурентов рекомендуют чаще;
— в каком контексте говорят о компании и на какие источники ссылаются;
— по каким запросам вас находят;
— меняется ли видимость после работы с GEO.

Можно отслеживать динамику: как меняется видимость после работы с сайтом, контентом и внешними площадками.

Но дело не только в цифрах. ГЕОранк анализирует результаты и даёт рекомендации: какие зоны проседают, с какими источниками стоит работать и где есть потенциал для роста.

Проверить свой бренд → georank.ru

Дамы и господа, приглашаю на МИТАП

В Москве 27 сентября в 13:00 у нас пройдет живой митап от клуба Незаменимых.

Кратко:

- 3 доклада и 4 часа полезного нетворка
- доклад от Владилена на тему "Как я настроил с ИИ продвижение продуктов и бренда"
- доклад от участника клуба про разработку и удешевление пользования моделями
- доклад Алексея Гладкова про его опыт создания Agentic OS
- после доклада неформальное автепати в ресторане

У нас осталось 10 мест и потому делюсь с вами. Кто в МСК и давно хотел познакомиться и поговорить про актуальные темы в ИИ – велком!

У нас встреча пройдет в очень атмосферном крутом месте!

Для регистрации вам нужно заполнить форму и мы вам пришлем детали

forms.gle/YReMTwcxbxeeHCfh9

P.S. Фотка со сходки клуба в Питере этим летом на яхте

Самая мощная модель нужна далеко не каждому запросу

Недавно писал про OpenClaw и то, сколько всего сейчас происходит не столько с самими моделями, сколько вокруг них: память, инструменты, браузер, работа с контекстом. Так вот, вышла новость о том, что похожую архитектурную логику теперь можно увидеть и в Alice AI, которая теперь сама выбирает модель под запрос.

Простому вопросу — быстрый ответ. Если же нужно сопоставить несколько документов, что-то посчитать и учесть кучу условий, система может подключить режим «Эксперт».

Логика понятна. Гонять каждый запрос через самую тяжёлую модель — дорого и долго, а будет ли ответ от этого лучше, ещё вопрос.

Под капотом тут две отдельные задачи. Роутер решает, какой модели отдать запрос. Харнесс уже организует саму работу: передаёт контекст, даёт доступ к поиску и файлам, позволяет вызывать инструменты и использовать результаты этих вызовов на следующих шагах.

Например, если надо сравнить несколько документов, недостаточно просто скормить модели один промпт. Нужно разобрать файлы, найти нужные куски, при необходимости что-то посчитать, а потом собрать всё это обратно в один ответ. И вот эта часть вокруг модели сама по себе довольно большая инженерная задача.

Для пользователя это выглядит так: загружаешь файлы и описываешь, что нужно сделать. «Эксперт» может включиться автоматически, но его можно выбрать и вручную. По ходу видно, какие шаги выполняет Алиса и к какой информации обращается.

В интервью Forbes Валерий Стромов объяснил экономику этой схемы: значимая часть запросов просто не требует самого дорогого и мощного интеллекта. Поэтому роутер должен сам понимать, какая модель справится с задачей за минимальную стоимость.

До «Эксперта» на своих реальных рабочих задачах я пока не добрался, поэтому про качество судить не буду. Но подумал вот о чём: если собираешь свой AI-продукт и что-то работает не очень, я бы теперь не первым делом бежал менять модель на более дорогую. Сначала стоит посмотреть, что именно она видит, какие инструменты ей дали и не теряется ли по дороге нужный контекст.

Вполне возможно, что чинить надо вообще не модель.

Владилен: IT в эпоху AI pinned a photo

Что теперь должен уметь разработчик?

Я записал новый бесплатный урок – "От AI-кодинга к AI Engineering".

Это технический ролик про архитектуру.

Я взял обычный React-проект и на его примере показал, что происходит, когда мы перестаём просто просить ИИ написать код и начинаем строить собственных ИИ-агентов.

Внутри урока:
– сначала даём задачу готовому кодинговому агенту и смотрим, как он работает с проектом;
– затем буквально на TypeScript собираем своего простого агента: модель, инструменты, чтение и изменение файлов, запуск задач;
– разбираемся, почему фраза агента «готово» ещё не означает, что задача действительно выполнена;
– смотрим, что произойдёт, если дать агенту слишком много прав – например, разрешить ему без ограничений работать с файлами и терминалом;
– добавляем ограничения, проверки, лимиты и наблюдаемость;
– а потом используем то же самое ядро уже для другого агента, который работает не с кодом, а с данными приложения и запрашивает подтверждение перед изменениями.

И вот здесь, на мой взгляд, становится хорошо видно, в чём вообще заключается работа AI Engineer. Спойлер: не в том, чтобы писать код быстрее руками.

И даже не только в том, чтобы хорошо пользоваться Cursor, Claude Code, Codex или другими инструментами.

А в том, чтобы уметь строить программный слой вокруг AI:
давать модели нужные инструменты,
ограничивать её возможности,
контролировать действия,
проверять результат
и встраивать всё это в реальное приложение.

Под видео я также оставил исходный код проекта, чтобы можно было скачать его и самостоятельно посмотреть, как всё устроено.

Урок бесплатный.

👉 Забрать урок:
https://irreplaceable-ai.ru/products/ai-engineer/from-coding-to-agent

Если вы JavaScript / TypeScript-разработчик и хотите понять, куда сейчас двигается разработка с AI – думаю, этот разбор будет очень кстати.

А если после урока захотите пойти глубже, там же можно будет посмотреть программу AI Engineer. Мы сейчас запускаем 2 поток и вы можете на него попасть.

Мой любимый кодинг-агент – не Claude Code или Codex. Гайд по Pi

Делюсь полезнейшим инструментом и гайдом как им пользоваться.
ПАЙ – минимальный харнес, который вы кастомизируете под себя. Зачем? Чтоб лишнего не тянул и лучше работал. Например, это экономит около 40% потребления токенов, в отличии сложных харнесов.

Внутри настройка и демонстрация работы на проекте.

Ниже, мои плагины, которые использую для кастомизации:

1. Context7 – актуальная документация внутри агента
GitHub: https://github.com/upstash/context7

2. Pi Web Access – поиск в интернете
Добавляет агенту веб-поиск и чтение страниц.
https://pi.dev/packages/pi-web-access

3. Pi Lens – диагностика кода
Pi начинает получать дополнительную инфо от линтеров и других инструментов вокруг кода.
https://pi.dev/packages/pi-lens

4. Pi Interview – пусть агент сначала задаёт вопросы
Завтавляет агента уточнить требования:
– какая авторизация
– какие роли
– какая база
– какие ограничения
https://pi.dev/packages/pi-interview

5. Plannotator – ревью плана до написания кода
Агент сначала строит план реализации.
https://pi.dev/packages/%40plannotator/pi-extension

6. Pi Interactive Shell – нормальная работа с живыми процессами
Нужен, если агенту приходится взаимодействовать с:
— dev-серверами
— интерактивными CLI
— процессами, которые работают долго
— командами, которым нужен ввод пользователя
https://pi.dev/packages/pi-interactive-shell

7. Prompt Template Model – свои готовые workflow
Можно сделать собственные команды под повторяющиеся задачи.
Например:
/review
И внутри уже будет задано:
– какую модель использовать
– какой skill подключить
– что именно проверить
– в каком формате вернуть результат
https://pi.dev/packages/pi-prompt-template-model

8. Pi Powerline Footer – нормальный статус агента
Добавляет информативную нижнюю панель.
Можно видеть:
– текущую модель
– Git-ветку
– заполнение контекста
– стоимость
– другую информацию о текущей сессии

https://pi.dev/packages/pi-powerline-footer

Смотреть гайд на:

Youtube | Rutube


А если вы хотите разобраться в том, что такое харнесс, как агенты работают под капотом и чем на самом деле занимаются AI-инженеры – я выпустил бесплатный урок на 40 минут

Я, конечно, всё прекрасно понимаю – ИИ действительно очень мощный.

Но не до такой степени. Причём далеко.

Даже на личном опыте: эти Фэйблы и Астры периодически предлагают такие странные решения, что их приходится останавливать, корректировать и перепроверять. Речь не про какую-нибудь маленькую функцию.

Архитектурные решения, оптимизация, работа с базами данных, устройство больших систем – здесь без опыта ты просто не всегда поймёшь в моменте, что агент что-то не то делает. А говорит он при этом уверенно.

Для небольшого "битубисаса" это ещё может прокатить. Для серьезного энтерпрайза – уже совсем другая история.

При этом есть еще один важный нюанс.

Мозги модели уже не единственный решающий фактор. Всё большую роль играет харнес вокруг неё.

Как агент получает контекст: какие у него инструменты, как устроена память, как он проверяет собственную работу: какие ограничения у него есть, как несколько агентов работают с одним большим проектом и как всё это тестируется и наблюдается.

Разработчикам теперь приходится строить инфраструктуру, в которой агенты вообще способны нормально поддерживать сложные проекты.

Мне кажется именно туда и идет весь рынок. Потому что более простая модель внутри грамотно построенного харнеса иногда может дать результат не хуже более мощной модели, которую просто бросили в репозиторий со словами: "не делай ошибок, заработай мне миллионы".

Но чтобы построить такой харнес – снова нужны инженерные знания. Так что инженером быть всё ещё важно. Просто теперь хороший инженер – это не тот, кто соревнуется с ИИ в написании кода. Эта глава закрыта.

Важен тот, кто понимает систему достаточно хорошо, чтобы правильно интегрировать ИИ в работу. ИИшка это топ, но заменять он будет тех, кто отключил свою голову.

Вы что думаете на этот счет?

Что останется программисту, когда код начнёт писать AI

А вот собственно, и сам подкаст!

В гостях Константин, DeusOps: предприниматель, инженер, преподаватель. У него аутстаф-компания, гик-кофейня в Петербурге и прошлое офицера коммерческой гильдии в World of Warcraft. Разговор о том, что ИИ уже заменил в реальном бизнесе: агент Тина работает вместо проджект-менеджера, кофейней управляет MCP-сервер, а платформу, которую команда делала 4 года, выбросили и пересобрали с Claude Code.

Много внимания уделили тому, как не уходить в идеализацию разработки ради разработки, а заканчивать проекты и доводить их до рабочего результата. Это очень важно в наш технологичей век, когда от идеи до реализации практически отсутствует время. Нужно уметь этим пользоваться.

Еще мы подняли важный вопрос мидлов на рынке. Нынешние мидлы вырастут в сеньоров, а джун, который просто оператор Claude, в мидла нативно не вырастет. Останутся те, кто может остановить модель и сказать, как сделать архитектуру лучше, и те, кто умеет собирать harness вокруг агента.

Кстати, этому и посвящён мой новый практикум: агент у всех один и тот же, разница в том, что вы дали ему на входе – контекст проекта, порядок работы, инструменты и проверки перед публикацией. ПРАКТИКУМ «3D AGENT» — 1 490

Смотреть выпуск:

Youtube | Rutube

На днях я выложу важный разговор с Константином и важный он по нескольким причинам:

— человек действительно не словом, к делом показывает как реализовывать проекты и использовать себе технологии во благо. В мир ИИ, когда, казалось бы, все делать проще — проектов делается меньше. На это есть рациональные причины, которые можно починить

— внутри, помимо практика с рынка мы обсудили конкретные техники и фреймворки, которые позволяют начать действовать от вечной идеализации и прокрастинации к результату. На мой взгляд это и есть ключ в текущем мире сверхскоростей

Ну а еще Костя крутой спикер с невероятным жизненным опытом. Скоро выложу на канал 🤜

💸Как платить за Spotify, Cursor, ChatGPT и другие любимые подписки?…

Если ты читаешь это, скорее всего, у тебя уже была проблема: надо оплатить подписку или купить иностранный софт, а российскую карту не принимают.

Mirocard решает это за пару минут 💳

Это сервис, где можно выпустить виртуальную карту, пополнив баланс рублями через СБП, и платить за:

- Midjourney
- ChatGPT
- Figma
- ElevenLabs
- Claude
- Netflix
- Spotify
И еще сотни подписок...

Оформление из любой точки мира за пару кликов!👁

ОТКРЫТЬ КАРТУ

Claude Code — полный курс. От первого промпта до субагентов и скиллов

Дамы и господа, делюсь следующим полезным видео для вас.

Технология в представлении не нуждается. Если вы хотели не освоить — даю отличный повод.

Внутри: установка и режимы работы, plan mode, CLAUDE.md и spec.md, контроль изменений через git diff, sandbox и rewind, MCP-серверы, субагенты, скиллы и бонус — запуск Claude Code на локальной модели через Ollama.

Смотреть на YouTube


А так же скромный анонс нового полезного тренинга в честь моего ДР:

🚀 Соберите и опубликуйте свой 3D-лендинг с AI-агентом — от настройки контекста и инструментов до готовой публичной ссылки. Практикум «3D Agent»: 7 уроков, ~2 часа практики — 1 490 ₽

Муха научилась программировать

Ту самую муху в симуляции научили программировать. Она смогла используя только свои мозги разворачивать бд в supabase

Вайбкодеры начали напрягаться, ai engineers дышат спокойно — их не заменят 🤜

Новая обложка Time

Классный нарратив, про текущий "мега хайп" опасности.

В целом, если задуматься, то все это отличная маркетинг стратегия для получения новых ресурсов. И Дарио и Альтману очень выгодно разгонять историю про невероятно умную новую модель для... привлечения инвестиций на новый компьют.

Оставлял свой комментарий на тему решения задач тысячелетия тут: https://tass.ru/obschestvo/28111815