Рабочее развитие инженеров-менеджеров (МИМ)

Новая модель выходит быстрее, чем успеваешь привыкнуть к названию предыдущей.

А дальше начинается любимый спорт 2026 года: сравнить бенчмарки, выяснить, кто теперь "умнее", попробовать на своей задаче — и через неделю повторить всё заново.

Участник наших практикумов пишет, что пробует новые модели с тем же harness (рабочая обвязка агента: файлы, правила, инструменты и способ работы) и FPF. И в его проектной работе разница между моделями стала гораздо менее заметной.

Вполне логично. Модель сегодня одна, завтра другая. А проект всё тот же.

И специалист всё так же знает вещи, которых AI никто не рассказывал: что проверить первым, какой вариант сразу отбросить, какому источнику уже нельзя доверять, почему два похожих случая требуют разных решений.

Часто эти правила даже не записаны. Специалист просто много лет знает, что "сюда сначала не лезем" и "вот это пока рано принимать".

Ну а агенту остаётся как-нибудь догадаться :)

Завтра на пятом практикуме разбираем DPF и LPF — как собирать такие профессиональные правила для предметной области, проекта или команды, чтобы ими могли пользоваться люди и AI-агенты.

Сгенерировать черновик агент умеет быстро. Сделать из него рабочий DPF — уже отдельная работа: проверить источники, границы применимости, результат и понять, когда всё это придётся пересматривать.

9 августа, 11:30–14:30 МСК.
Практикум — DPF и LPF.
@SystemsSchool_bot
Меню → Оплатить участие

Предметные области меняются. Способ рассуждения должен пережить их смену.

На FPF-практикумах этот рабочий язык проверяют при обновлении самого FPF и на задачах участников.

За месяц в FPF добавлено 24 738 строк, удалено 16 152. Один AI-агент вносил изменения, второй проверял их в отдельном контексте. Анатолий ставил задачи и возвращал результат на переработку, когда агент терял предмет, расходился с источниками или выбирал неверное направление.

Агенты работали круглосуточно, человек удерживал критерии и направление. Сильная модель может за несколько суток провести объём работы, который человеку пришлось бы выполнять неделями.

Участники наблюдают за этой масштабной AI-native разработкой изнутри и переносят тот же способ работы в свои проекты.

Анатолий:

IBM занималась табуляторами для механизированных бухгалтерий, затем компьютерами-мейнфреймами, затем подарила миру персональный компьютер, а сейчас — облака, микропроцессоры, квантовые компьютеры. Мир меняется, предметные области меняются, способы рассуждений тоже меняются — но они по крайней мере переживают смену предметных областей.

В одном проекте инженеру и менеджеру приходится переключать внимание между разными системами, участниками, документами и решениями. При этих переключениях важно сохранять предмет рассуждения и приходить к пригодному следующему ходу.

Например, в проекте одного из участников AI-агент предложил разумный следующий ход, но восстановил недостающий смысл по привычной логике и пропустил маршрут из вложенного документа. Внутри ответа всё сходилось, с источником — нет. Проект разворачивался в ложном направлении.

Потом привыкается, в голове включается значок: "недостаточно конкретности, могут быть искажения в восстановлении текста, опять вместо фрукта подставят яблоко, когда у меня точно авокадо".

❗️ Сегодня этот навык разбираем на четвёртом практикуме:
"Точность языка: как слова вроде "готово", "качество" и "согласовано" срывают планы"

Будем разбирать, как замечать смену смысла в ответах AI, удерживать один предмет между документами и понимать, какую дальнейшую работу действительно открывает фраза.

В серии осталось две онлайн-встречи. Присоединиться можно со своей задачей. После подключения откроются записи и материалы всех прошедших практикумов.

Присоединиться:
https://t.me/SystemsSchool_bot
Подробнее:
https://system-school.ru/list
Вопросы и рассрочка:
https://t.me/alyona_girassol

Каждый цех ускорил свою работу. Премьера всё равно опоздала

За две недели до гастрольного тура технический прогон нового шоу занял почти одиннадцать часов вместо запланированных шести.

Репетиция началась поздно, аренда вышла за бюджет, несколько сцен прошли без полного света.

Решения появились сразу 💪

Технический директор предложил добавить монтажников. Художник-постановщик — отказаться от части декораций. Режиссёр — сильнее давить на площадку. Финансовый продюсер — сократить саундчек.

У каждого подразделения был свой предмет внимания и разумный способ улучшить собственную работу 🤩

Световой цех заранее собирал крупные стойки, чтобы уменьшить число соединений на площадке. Звуковой добавил резервное оборудование. Декорационный делал конструкции более цельными ради художественной точности.

Каждое локальное решение выглядело полезным. Вместе они увеличивали массу оборудования, число машин, время разгрузки, потребность в мощности и площадь хранения.

Отдельные части становились лучше. Готовность шоу в целом ухудшалась.
Это один из сильных ходов второго FPF-практикума: симптом ещё не сообщает, что именно следует менять.

Задержка могла относиться к световому комплексу, декорациям, логистике, работе принимающей площадки или устройству всего гастрольного юнита.

Выбор каждого из этих предметов привёл бы команду к разным решениям.

Когда предмет был назван, команда смогла сравнивать уже варианты устройства всего шоу: сколько времени займёт развёртывание, во что оно обойдётся, насколько сохранится художественный замысел и сможет ли решение работать на разных площадках.

Так появляется архитектурное решение.
Но даже хорошее решение пока ничего не перестраивает.

Красивая схема не разгружает машины. Согласованный вариант не соединяет оборудование. Запланированная репетиция ещё не состоялась. А состоявшаяся репетиция сама по себе не доказывает, что шоу теперь готовится за шесть часов.

И здесь команда легко произносит знакомую фразу:
"Мы поизучали вопрос".
Что именно появилось после изучения?
Способ, по которому можно перестроить работу?
План будущих действий?
Понимание, что команда готова начинать?
Сведения о том, что уже сделано?
Подтверждение, что время подготовки действительно сократилось?

Это пять разных ответов. Каждый открывает своё продолжение.

Если способ ещё не выбран, подробный план будет преждевременным. Если план готов, но нет людей, оборудования или подтверждённых условий площадки, работа не начнётся. Если все задачи выполнены, остаётся проверить, изменилось ли то, ради чего их выполняли.

❗️ AI способен за минуту собрать убедительный список действий. Главный вопрос в этот момент звучит проще:
Какой ответ нам действительно нужен сейчас?

Когда человек умеет это различать, AI становится полезнее. Он помогает получить конкретный следующий результат вместо очередного документа, который выглядит законченно, но пока не двигает проект.

Именно этому посвящён третий FPF-практикум: как после принятого решения понять, чего ещё не хватает до реальной работы и наблюдаемого изменения. Центральное различение практикума проходит между способом, планом, готовностью, состоявшейся работой и тем, что в итоге изменилось.

Перед встречей можно взять одно решение из своего проекта и спросить:
"Что должно измениться в реальности?"
"Что нам нужно получить следующим?"
"Как мы поймём, что работа состоялась?"
"Как узнаем, что она дала нужное изменение?"

Сегодня, 26 июля, участники будут разбирать этот переход на собственных рабочих ситуациях.

Научиться раньше видеть, какого результата не хватает, и получать его вместе с AI до дорогих проб:
https://t.me/SystemsSchool_bot

Вопросы по участию и оплате:
https://t.me/alyona_girassol

Стоимость уже купленного практикума можно учесть при переходе на серию. Оставшуюся сумму можно внести частями.

Можно всё сделать правильно — и всё равно поехать на красный

На втором FPF-практикуме Анатолий рассказал, как впервые выехал в город на ГАЗ-51. Он безошибочно выполнил выученную последовательность: зеркало, ручник, передача, перегазовка. Машина тронулась — и инструктор тут же нажал тормоз.

Пока начинающий водитель был занят правильными действиями, зелёный свет успел смениться красным.

В этом и сложность любого нового рабочего навыка. Сначала каждое действие требует отдельного внимания. Позже последовательность становится привычной, и человек успевает видеть ситуацию целиком.

С AI-агентом этот переход особенно важен - он способен очень быстро выполнить поставленную задачу. Человеку нужно успеть понять, какую задачу действительно стоит запускать, по каким критериям выбирать решение и что проверять по ходу работы.

1️⃣ После второго практикума один из участников разбирал качество продукта, который выпускает подрядчик. Общая формулировка превратилась в конкретные условия приёмки: выход продукта, pH, активность воды и органолептический профиль.

До этого AI мог предложить десятки способов "повысить качество". После уточнения критериев стало понятно, какое качество требуется получить, что измерять и какую свободу можно оставить производителю.

2️⃣ В другом проекте, после второго практикума, участник определил архитектурный ход, подготовил точную постановку, и Codex примерно за час довёл её до функции в работающем ПО.

Оба случая объединяет один момент: скорость AI стала полезной после точной постановки человеческой работы.

Именно эту способность участники собирают на серии практикумов.

На первом учились разбирать ответ AI-агента, находить первый полезный результат и выбирать продолжение.

На втором — определять, что именно требуется изменить и по каким характеристикам сравнивать варианты.

На третьем разберём следующий вопрос: что нужно получить сейчас, чтобы проект мог двигаться дальше? Иногда требуется выбрать способ, иногда подготовить план или проверить готовность работы. В другой ситуации работа уже идёт, и нужно вовремя понять, туда ли она ведёт.

Если вы прошли только один практикум, у вас уже есть стартовые движения.

Серия нужна, чтобы соединить их в рабочую способность и применять достаточно быстро для живой проектной ситуации🚦

Для выпускников прежних программ это актуализация. В обновлённом FPF стали точнее понятия, отношения и проверки, которые нужны при постановке задач AI-агентам. Выбор критериев и проверка направления работы по-прежнему требуют серьёзного человеческого внимания.

Сначала приходится сверяться с материалами и разбирать каждый ход отдельно.

✅ После практики подмена становится заметна прямо на встрече, в документе или перед запуском агента — пока ещё можно спокойно изменить решение.

Где у вас сейчас свой красный свет?
Задача уже отдана AI, хотя критерии ещё размыты?
Способ выбран по привычке или первому совету?
Работа быстро движется, но вы пока не уверены, что в нужную сторону?

В воскресенье, 26 июля, продолжим работу на третьем FPF-практикуме.

Если у вас куплен один практикум, его стоимость учтём при переходе на серию. Оставшуюся сумму можно разделить на части.

Если вы присоединяетесь только сейчас, в закрытых чатах собраны записи, материалы и пошаговые инструкции. Они помогут пройти состоявшиеся встречи и включиться в текущую работу группы.

Подключиться к серии:
https://t.me/SystemsSchool_bot

Начать с бесплатного практикума:
https://t.me/mim_workdev/189

Автоматический вход в чат третьего практикума закроется в субботу вечером.

Вопросы и помощь с оформлением:
https://t.me/alyona_girassol

За что здесь будут продолжать платить?

За способность быстро увидеть, какая работа действительно меняет результат, а какая просто съедает бюджет и время.

Можно бесконечно рефакторить код, улучшать внутренний процесс, доводить документ или автоматизацию. Часть этой работы нужна.

Но часы и деньги конечны, поэтому в какой-то момент приходится отвечать: где и как именно происходящее улучшает результат, ради которого клиент, пользователь или организация вкладываются в проект?

Людей, которые умеют это показать и внятно объяснить, замечают.

Им доверяют более сложные решения, бюджеты и проекты, потому что они связывают локальную работу с результатом целого.

В этом фрагменте Анатолий формулирует вопрос жёстко.

Его смысл в восстановлении системной связи: работа должна менять целевую систему, а её изменение — давать нужный эффект в окружении. Когда эту связь невозможно объяснить, стоит пересмотреть выбранную работу, предмет изменения или сам проект.

На втором FPF-практикуме участники разбирали, что именно менять, какие характеристики важны и какие варианты устройства стоит сравнивать. Тем, кто проходил резидентуры, сама логика может быть знакома.

Ценность серии сейчас в технологической актуализации. FPF получил обновлённый язык, связи и проверки, а знакомые различения стали точнее и пригоднее для работы с AI-агентом.

Даже выбор критериев, который у опытного специалиста может занимать много времени, теперь можно разбирать, проверять и передавать агенту гораздо аккуратнее.

Сейчас мы переходим от отдельных запросов к совместной работе человека и нескольких AI-агентов🔥

❗️Здесь уже мало хорошего промпта. Нужен общий рабочий язык, в котором ясно, что меняется, по каким критериям сравниваются варианты и что именно должен проверить каждый участник.

Следующий семинар начинается с практического вопроса: каким способом вы собираетесь получать нужное изменение?

По привычке, по совету коллеги, по первому ответу AI или после сравнения применимых вариантов? Когда способ уже понятен, следующий вопрос может относиться к плану, готовности работы, её выполнению или проверке того, что изменилось в реальности.

Начать знакомство можно с бесплатного практикума и получить первый результат на собственной задаче:
https://t.me/mim_workdev/189

Присоединиться к серии (можно двигаться в своём темпе, можно догнать по инструкциям):
@SystemsSchool_bot

Уже оплаченный отдельный семинар поможем учесть при переходе на серию. Оплату можно разделить на части. Вопросы по доступу и условиям участия:
@alyona_girassol

Смешно, пока такой ответ не выглядит достаточно убедительно, чтобы съесть рабочую неделю🫠

Особенно когда AI помогает тщательно улучшать один участок проекта, а через несколько дней выясняется: менять нужно было другое. Работа выполнена, но результата, ради которого её начинали, нет — хотя на экране всё выглядело безупречно.

Сегодня на практикуме по архитектурному мышлению участники будут разбирать ситуации из своих проектов: что именно менять, как это связано с остальной системой и по каким признакам понять, что решение действительно улучшает результат.

❗️ К серии из пяти практикумов по работе с AI-агентом на собственном проекте можно присоединиться и сейчас.

Участники проходят путь от точной постановки задачи до проверки решения и его применения в работе. После подключения откроются все материалы. Тем, кому важно быстро включиться в сегодняшний практикум, я направлю короткую инструкцию. Оплату можно разделить на части.

Подключиться:
@SystemsSchool_bot

Вопросы, доступ и варианты оплаты:
@alyona_girassol

Что сможет первая сотня, когда у проекта появится карта?

К работе в серии из пяти FPF-практикумов уже подключились около 100 человек: участники и команда.

Во время подготовки Анатолий Левенчук несколько раз пересобирал материал, возвращаясь к одному вопросу:

"Что сможет делать после этой серии первая сотня?"

На втором практикуме участники начнут строить рабочую карту проблемы из своего проекта: определять систему, в которой она возникла, видеть её место в большем целом, выбирать характеристики, по которым сравнивать решения, и строить несколько вариантов устройства.

Без такой карты приходится двигаться серией проб. Например, задержка может относиться к работе отдельного участка, всей производственной линии или системы поставки. Пока предмет изменения выбран неточно, команда легко ускоряет одну часть и ухудшает результат целого.

Карта помогает отсеять лишние ходы до того, как на них потрачены время и силы.

Только за последнюю неделю OpenAI выпустила GPT-5.6 для сложной профессиональной и агентной работы и представила GPT-Red — систему автоматического тестирования других AI на уязвимости. Moonshot выпустила Kimi K3 — модель на 2,8 трлн параметров с контекстом до миллиона токенов.

❗️ Чем сильнее становятся модели, тем дороже обходится ошибка в выборе цели: AI-агент быстрее и убедительнее выполняет работу, которая не решает исходную проблему.

Для первых трёх практикумов уже собран рабочий справочник более чем из 270 слайдов. В материал второго практикума встроены семь практических заданий: от взгляда на систему снаружи и изнутри до сравнения архитектурных вариантов и выбора следующего хода. На встрече участники пройдут основной маршрут, а затем смогут возвращаться к подробностям вместе с AI-агентом по мере развития своих проектов.

✅ На выходе — рабочая карта проблемы из вашего проекта: что именно менять, по каким характеристикам сравнивать варианты и какой следующий ход выбрать вместе с AI-агентом.

Эта карта станет опорой для следующих практикумов серии: о работе, точности языка и переходе к DPF.

Проверить собственную ситуацию можно уже сегодня. Возьмите одну повторяющуюся проблему и ответьте на четыре вопроса:

— В какой системе наблюдается проблема?
— Что именно в её работе должно стать лучше?
— Какое улучшение одной части может ухудшить общий результат?
— Какие два варианта устройства системы можно сравнить?

Если вы можете хотя бы черново ответить на эти вопросы, у вас уже есть материал для архитектурного разбора. Если пока виден только симптом, его тоже можно принести на практикум.

Завтра, 19 июля, группа продолжит работу на встрече "От системного мышления к архитектурному мышлению".

Сразу после подключения вы получите запись и материалы первого практикума, а также инструкцию по подготовке ко второй встрече.

Подключиться к серии: @SystemsSchool_bot
Вопросы и помощь с оформлением: @alyona_girassol

FPF — это нитро для проектной работы с AI

В гоночных играх кнопка нитро даёт резкое ускорение. Можно быстро вырваться вперёд. Но ошибка в траектории сразу становится дороже.

В работе с AI такое ускорение полезно, когда человек умеет:

— удерживать, ради какого решения вообще запускается работа;
— различать выполненную работу и результат;
— замечать, когда агент ушёл в побочную проработку;
— возвращать работу к следующему полезному ходу.

✅ Скорость становится преимуществом, когда человек удерживает траекторию и направляет AI к полезному следующему ходу.

Участники первого практикума уже проверяют это на своих проектах: точнее задают назначение результата, раньше замечают лишнюю проработку и получают рабочие ходы, которые можно сразу применять в проекте.

Для части участников серия начала окупаться уже после первого практикума: меньше времени уходит на лишнюю проработку, результаты легче применять, а найденный способ работы можно повторять в следующих задачах.

В NFS нельзя было прокачать все характеристики сразу. На одной трассе решала управляемость, на другой — скорость или запас нитро. В проектной работе действует та же логика: сначала выбирают характеристику, которая сейчас сильнее всего ограничивает результат, затем меняют устройство под неё. Стартовой конфигурации хватает на первые задачи. Более сложные проекты требуют следующей сборки.

❤ Что именно менять в проекте?

Один и тот же симптом может указывать на проблему в детали, продукте, рабочей системе, организации или отношениях между участниками.

От этого выбора зависит само решение.

Именно это будем разбирать 19 июля на втором практикуме "От системного мышления к архитектурному мышлению".

Речь пойдёт о том, как:
— выбрать целое, которое нужно менять;
— назвать характеристики, по которым будет виден выигрыш;
— собрать несколько вариантов устройства;
— сравнить их последствия;
— принять архитектурное решение с ожидаемым выигрышем, ценой выбора и следующим рабочим ходом.

Если в вашем проекте уже виден симптом, но пока неясно, что именно менять, приносите его на практикум 🎢

Участие и чаты: @SystemsSchool_bot
Любые вопросы: @alyona_girassol

Узнали механику?
🔥 — да, та самая NFS
❤️ — уже тюню рабочую связку с AI
👍 — пока еду на базовой настройке

Перед длинной работой AI-агента проверьте три вещи

Современные AI-агенты читают и изменяют файлы, собирают исследования, пишут код и ведут длинную работу через множество ходов.

❌ Ошибка в постановке может стоить нескольких часов движения в неверном направлении.

Перед запуском полезно ответить на три вопроса:

— Для каких дальнейших шагов вам нужен результат?
— Что вы сможете сделать после его получения?
— По какому признаку станет понятно, что работу нужно продолжить, остановить или перенаправить?

Без этих ориентиров агенту приходится самостоятельно выбирать структуру результата и направление дальнейшей работы.

После первого FPF-практикума один из участников нашёл причину слабых результатов именно здесь. Он передавал агенту большой массив проектных документов, но не указывал, для какого следующего действия нужен ответ. Теперь его работа начинается с назначения результата.

У другого опытного резидента МИМ агент подготовил большой SoTA-пакет по администрированию, а затем увлёкся подробной проработкой второстепенных элементов. Ходами из практикума удалось вернуть агента к целевой задаче: уточнить проблемы административной работы и отразить решение в регламенте.

А формат рабочей группы усиливает результат. Участники наблюдают за чужими постановками, рабочими продуктами и ходом рассуждения, забирают подходящие решения в свои проекты и замечают возможные тупики до того, как потратят на них собственные часы.

Агент способен быстро собрать материал, предложить структуру и провести длинное рассуждение.

Человек удерживает предмет, критерии результата и направление следующего хода.

FPF даёт для этого общий рабочий язык. Он помогает различать ситуацию проекта, описание, метод, план, выполненную работу и полученный результат.

Первые участники уже используют этот язык в работе. Они точнее задают назначение результата, раньше замечают уход агента в побочные задачи и вмешиваются до того, как длинный проход превратится в часы лишней проработки 🔥

Так проявляется практическая отдача FPF: меньше времени уходит на результаты, которые трудно применить, а следующий рабочий ход появляется быстрее.

Чем дольше и самостоятельнее работает агент, тем выше ценность такой управляемости.

Следующий вопрос возникает сразу после точной постановки задачи: что именно нужно менять в проекте?

❤ 19 июля на втором практикуме "От системного мышления к архитектурному мышлению" будем разбирать, к какому целому относится проблема, где проходит граница этого целого и к каким последствиям приведут разные варианты изменения. Третий практикум продолжит эту работу и поможет провести принятое решение через метод и план к выполненной работе.

К серии по-прежнему можно присоединиться: первая встреча и дополнительные материалы доступны сразу после оформления.

@SystemsSchool_bot

Завтра участники получат FPF, который ещё сегодня ночью меняется под семинар

Обычно к семинару готовят слайды.

Здесь прямо перед стартом Анатолий дорабатывает сам FPF.

Не косметически. По сути.

В процессе подготовки первого семинара стало видно место, где PatternID всё ещё может выглядеть для участника как загадочная ссылка: AI что-то нашёл, ответил на плотном FPF-языке, а дальше может оказаться непонятно, как из этого получить рабочий результат в своём проекте.

И вот это место сейчас закрывается.

Через DRR на 270K знаков, 14 проходов, двух AI-агентов и ручное руководство Анатолия меняется терминология применения FPF и уточняется сам метод применения паттернов.

Если перевести с внутреннего языка на человеческий:

❗️ завтра будут разбирать не просто "что такое FPF", а как разговаривать с FPF о его применении.

🔥🔥🔥

Как взять свою ситуацию.

Как понять, какой паттерн к ней относится.


Как получить первый рабочий результат: запись, карточку, сравнение, архитектурную постановку, заготовку DPF

или следующий ход для AI-агента.

✅ Именно поэтому серия становится сильнее прямо на старте.

Добро пожаловать на фронтир, коллеги🥰

Пять семинаров уже воспринимаются участниками как маршрут: почти все выбрали полный набор, а не одну встречу. Поэтому первый семинар перестраивается как вход в общий язык всей серии.

Дальше поверх этого будут архитектурные ходы, рабочие процессы, точность языка, DPF и первые выходы к LPF.

Завтра начнётся живое формирование языка группы: первые вопросы, первые ошибки применения, первые DPF-пробы.

Новая версия FPF потом будет доступна как материал.

❤ Завтра участники получают больше — online объяснение зачем появились эти изменения и как превращать их в рабочий ход, разборы на месте и первый опыт применения нововведений к своим проектам.

Старт — завтра, 12 июля, 11:30 МСК.

Пререквизитов нет.

Подключиться:
@SystemsSchool_bot

Подробности:
https://system-school.ru/list

Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне:
https://t.me/alyona_girassol

✅ Одни и те же AI — в разных руках

Кейс Slopfix, который сегодня обсуждали, хорошо показывает новую норму: одни команды быстро собирают продукт с помощью AI, другие потом разбирают последствия этой скорости.

На выходе у первых — красивый интерфейс, много кода, ощущение почти готового решения.

Вторые приходят тоже с AI-агентами, но начинают с другого вопроса: что эта система вообще должна делать?

Дальше начинается инвентаризация функций, чистка, проверка и ограничения, чтобы мусор избыточность снова не нарастала.

❤ Этот сюжет легко перенести за пределы кода.

В любой работе можно быстро получить регламент, который никто не сможет применять; DPF "по всей области сразу"; красивый пересказ без источников; план, похожий на выполненную работу; уверенный AI-ответ, который ведёт проект по ложному основанию.

❌ Самый дорогой сценарий — обнаружить это через полгода.

Тексты были.
Планы были.
Ответы были.
Ощущение движения было.

А пригодного рабочего результата не появилось.

Вот почему серия по FPF, DPF и LPF сейчас настолько актуальна.

Фокус будет не на "правильном промпте" — мы будем разбираться с рабочей технологией, которая начинается раньше промпта:

предметная вводная → DRR → источники → паттерны → проверки → DPF для области → LPF для практики команды или проекта.

Подход к FPF через мантры усиливает вход в практикумы, как чек-листы внимания: что увидеть, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуться к источникам.

За счёт этого сложное получает канву. Можно самому разбирать AI-ответ, рабочий документ, регламент, план или первую версию DPF.

К семинарам готовится отдельный слайдомент: слайды, конспект и рабочий учебник в одном формате.

После семинара к нему можно будет возвращаться как к карте: перечитывать, разбирать с AI-агентом вместе с FPF, адаптировать карточки под свою ситуацию и поднимать вопросы к источникам, проверкам и рабочим ходам.

🔧 То есть вход становится проще.

Глубина при этом остаётся взрослой.

В чате первого семинара уже появился первый большой слайд из слайдомента. Это тот самый эффект подглядывания в рабочую кухню: материалы ещё собираются, но уже видно, как будет устроен вход в серию.

❗️❗️❗️ Для тех, кто оформил полный маршрут: вас уже около 80 человек, но не все дошли до чатов.

Считайте, что ключи уже выданы. Ниже направляем ссылки на чаты (сегодня и завтра ещё автоматом принимаются все заявки) — подключайтесь, чтобы не догонять потом обсуждение.

Для тех, кто ещё присматривается: после старта материалы останутся, но общий язык группы, первые вопросы, первые DPF-пробы и разборы начнут собираться уже сейчас.

❗️ Если хотите идти со всей группой, но сейчас неудобно оплатить весь маршрут сразу, напишите Алёне. Подберём вариант оплаты. Нам важнее, чтобы человек дошёл до практики.

Серия стартует уже в это воскресенье, 12 июля, в 11:30 МСК.

Пререквизитов нет.

Присоединиться через бота:
@SystemsSchool_bot

Подробнее:
https://system-school.ru/list

Первый чат: https://t.me/+9pcaL4TTo7NkN2Q6
Второй чат: https://t.me/+fpQb7iqRDpVlZDFi
Третий чат: https://t.me/+rzQIrCe-yCFmNTVi
Четвёртый чат: https://t.me/+hDt1SysUDJEzMWVi
Пятый чат: https://t.me/+aHVId8Z4OU84Mjgy

✅ Качественный продукт почти невозможно создать из нескольких слов

Со стороны могло показаться, что кто-то просто умеет "разговаривать с AI" на недоступном уровне.

AI-агенты ему отвечают глубже. Видят слабые места. Разводят то, что раньше смешивалось. Показывают, где текст может и полезный, но по нему ещё нельзя действовать.

❗️За этим стоит не талант к формулировкам, а нормальная инженерная работа: понять, что система должна делать, где источники, какие ограничения важны, что проверять и какой результат годится для следующего шага.

Это уже видно по рынку.

Появляются команды, которым платят не за создание очередного AI-продукта, а за разбор последствий поспешной AI-сборки. Один свежий пример — Slopfix: три инженера берут $10 000 за неделю работы по чистке раздутого AI-generated кода.

Начинают они не с переписывания кода, а с инвентаризации того, что приложение вообще должно делать.

И показательная деталь: они тоже используют AI-агентов. Только ключевые решения остаются за людьми.

❤ И вот здесь начинается наша тема.

Если просто попросить AI: "сделай DPF по моей области", он что-то сделает. Длинное, уверенное, местами полезное.

А потом выясняется — область взята слишком широко, источники слабые, паттернов ещё нет, локальная практика не разведена, результат больше похож на справочник или красивую заготовку.

Это не провал.

Это точка, где чужое мастерство должно стать вашим рабочим навыком.

На серии с Анатолием будем разбирать технологию этой работы: как собрать предметную вводную, дойти до DRR, перейти к паттернам, проверить источники, отделить DPF для области от LPF для локальной практики команды, проекта или организации.

То, что со стороны выглядит как "AI поумнел", на практике собирается из точных ходов.

❗️Важный момент — про "ошибку" в боте.

Для тех, кто уже проходил резидентуры, стажировки или старые программы Рабочего развития в МИМ с наставником, отдельное уточнение: если в боте для вас по-прежнему отображаются отдельные условия участия для серии семинаров по FPF/DPF/LPF — это корректно.

Так мы учитываем уже пройденный путь — вы работали с языком МИМ, предъявляли результаты наставникам, тем самым участвовали на практике в развитии сообщества и помогали развивать материалы.

Для наших выпускников серия может сработать как технологическая актуализация.
Для тех, кто собирается в резидентуры осенью — как усиление входа.

Если сомневаетесь, относятся ли к вам отдельные условия, напишите Алёне:
@alyona_girassol

Бот:
@SystemsSchool_bot

Подробности о серии:
https://system-school.ru/list

Похоже, серия по FPF и DPF становится сериалом.

Когда мы запускали пять практикумов, их можно было воспринимать как пять отдельных тем:

1. FPF-грамотность.
2. Архитектурное мышление.
3. Рабочие процессы.
4. Точность языка.
5. Свой DPF.

Сейчас видим, что почти все участники выбрали не один семинар, а весь маршрут. Также, продолжаем рассматривать ваши кейсы с пробами DPF — для применения AI в российских СЭД, для Jira и продуктовой команды, для личной IWE, для рабочих процессов и локальных практик.

И ключевая сложность, с которой многие сталкиваются — DPF не может быть точно подготовлен из запроса в несколько слов.

Если просто сказать AI "сделай DPF по моей области", можно получить длинный, местами полезный, но ещё непригодный рабочий документ. Где-то будет слишком общо. Где-то область окажется размером "на пять томов". Где-то получится каталог идей, но ещё не паттерны, по которым человек и AI-агент смогут действовать.

Поэтому Анатолий сейчас перестраивает серию как связный маршрут от строгого AI-ответа на "птичьем языке" FPF — к понятному действию в вашем проекте.

✅ Первый семинар задаёт декодер.

Участник берёт ответ AI-агента и учится понимать:

— о чём этот ответ и какой ход он предлагает;
— какой рабочий объект этот ход меняет или создаёт;
— где граница допуска: что уже можно делать, а куда надо вернуться к источникам, людям или фактам.

Кто-то погрузится, кто-то актуализирует, кто-то пропитается.

Но именно отсюда потом развернётся весь сериал, где финальной развязкой станут собственные DPF и LPF — будем разбираться как сделать предметный или локальный регламент, чтобы AI отвечал ближе к логике вашей области, проекта и команды.

❤ Важный поворот: теперь разговор пойдёт и об LPF.

DPF — для предметной области.

LPF — для локальной практики: организации, проекта, команды, роли или рабочего контекста.

Это как раз то место, где многим не хватало точности: одно дело "AI знает нашу область", другое — "AI понимает, как у нас здесь принято действовать, что считается ошибкой, где источники, кто принимает решение и какой результат годится для следующего шага".

Сейчас FPF тоже дорабатывается прямо перед стартом серии.

✅ Анатолий дописывает новые связки, готовит более понятный вход через "мантры" FPF, чтобы новичкам было за что зацепиться, а опытным участникам было куда углубляться.

И дальше из этого собирается более точный рабочий язык.

Здесь мантры — это короткие рабочие формулы, в которые упакованы сложные различения FPF. Они дают участнику простую канву внимания: что увидеть в ситуации, какой объект назвать, какой ход выбрать, где проверить основание и когда вернуть вопрос к источникам.

Их сила в том, что сложная теория начинает работать как навык: фраза легко запоминается, многократно применяется на разных задачах и постепенно перестраивает само мышление человека и AI-агента в одной предметной области.

Серия стартует 12 июля.

Подробности и участие:
https://system-school.ru/list

Двое из ларца всё сделают одинаково с лица.

Если не объяснять AI-агентам, что считается хорошей работой, получится бодрое "и так сойдёт".

Как пишет Цепков на Хабре:

"просто сказать "используй системный подход" — недостаточно".

AI-помощнику нужен рабочий язык: что считать системой, какие ограничения держать, где проверять ошибку и какой результат годится для следующего шага.

Про это FPF и DPF: они помогают человеку и AI-помощнику думать в одной предметной области.

Статья на Хабре:
https://habr.com/ru/articles/1056178/

Подробности о серии практикумов с Анатолием Левенчуком:
https://system-school.ru/list