Михаил Минт

Месяц как ковыряюсь в Инвестминт — оптимизация, автоматизация, разбор семилетних завалов. Структурирую, упрощаю.

Со стороны это выглядит странно: что-то ломается, я чиню, снова работает. Но в целом всё становится проще, быстрее, удобнее.

Логичный вопрос: зачем, если и так норм?

Два ответа.

Первое — готовлю переезд на другой стек. Чтобы сайт грузился быстрее и новые фичи с данными выкатывались быстрее.

Второе — думаю про приложение для iPhone и Android. Тут тоже без подготовки никак, но с AI это делается ощутимо быстрее и в каком-то смысле проще.

Вот, собственно, чем сейчас занят.

Вопросы — пишите.

@mintering

Господи, дай мне спокойствие принять то, чего я не могу изменить, мужество изменить то, что я могу, и мудрость отличить одно от другого.

Вспомнил эту цитату и задумался. Иногда от ИИ получаю ответ, от которого взрывает мозг. Сидишь такой: «блин, я вообще никогда так на это не смотрел». И думаешь, какой же он умный, капец.

А в соседнем чате тот же ИИ выдаёт ересь. Бред, банальщину, всё притянуто за уши. Как будто говоришь с самым тупым существом на свете.

И тут параллель просится: дай мне мудрость отличить, где ИИ говорит гениально и это стоит слушать, а где херню и надо игнорировать.

@mintering

Апдейт по быстрым дивидендам

Последние дни дивиденды сыпятся пачками. Первые наработки с ИИ-анализом дают сбои: правлю одно, лезет другое. Но ситуация стабилизируется, алгоритм умнеет и уже научился жевать нестандартные кейсы.

Радует, что процесс улучшается. Для меня это и есть самое важное. За это я люблю программирование: исправил баг, больше такой ошибки нет, идёшь дальше. Автоматизация работает.

Впереди дивидендный сезон, крупные игроки уже начали объявлять. Доходность выше 10%, не редкость.

Сервис в двух видах:
1. Сайт fastdiv.ru: push-уведомления, расширенная инфа по дивидендам, календарь
2. Закрытый телеграм-канал: упрощённая версия, нативно в Telegram

@mintering

Полностью с нуля переделал раздел с прогнозами и идеями. Смотрите на Инвестминт

@mintering

Память в ИИ работает. Не для красоты профиля, а как инструмент.

Кидаю гитхаб-репу: чем это может быть мне полезно? Читаю ответ, решаю: брать или нет.

Память затачивается под меня. Не копит мусор, оставляет то, что зашло в работу.

Скульптор отсекает всё лишнее, пока не проступит фигура. Тут так же: с каждым отказом копия становится точнее. Копия меня и моих проектов.

@mintering

Регулярно хожу в одну и ту же кафешку завтракать. Беру круассан с ветчиной и сыром, большой латте в стаканчике на обычном молоке. Сахар и корицу не добавляю. Диктую последние четыре цифры номера, плачу по QR.

Раньше на кассе стояла девушка, помнила всё. Мне это было приятно.

Последние пару недель там другая. Обслуживала меня уже раз пять. И каждый раз по новой: какой размер, кружка или стаканчик, четыре цифры не помнит, на терминале включает оплату картой. Иногда я сам тянусь и жму “5”, чтобы вылез QR. Бесит.

А хочется прийти и услышать: “Здравствуйте, Михаил, вам как обычно?”. Ответить “да”. Увидеть QR, навести камеру, оплатить. Всё.

К чему я. Это же ровно то, что происходит с ИИ. В каждом новом чате заново: кто ты, что делаешь, чего хочешь. Трата времени и нервов. Поэтому самое полезное, что можно сделать: настроить память и подгружать её в контекст новых чатов.

@mintering

А вот еще новость, самый популярный OpenClaw (362 тысячи звёзд уже, офигеть), теперь можно развернуть на Бегет как я понял нативно.

За почти 700 рублей в месяц у вас свой ИИ живущий на сервере VPS 24/7.

@mintering

Вчера OpenAI выкатили GPT Image 2. Пишут, что самый большой гэп в плане прироста. Буду тестировать.

https://arena.ai/leaderboard/text-to-image

@mintering

Путь чата на Инвестминт

Сначала подключил готовый сервис. Работает из коробки. Но переписки лежат у них, вид какой дали, а чем больше трафика, тем толще счёт.

Съехал на бесплатный аналог, который ставится на свой сервер. На бумаге красиво: данные мои, плачу только за железо. На практике оно жрёт память как не в себя, каждое обновление что-то ломает, а под мои хотелки никто его допиливать не будет.

Плюнул, написал свой. Лёгкий, в сто раз экономнее. Всё ровно как надо: один клиент, один диалог, видно когда собеседник печатает, аватарка оператора, выкатка за 10 секунд. Захочу прикрутить AI-ответы, прикручу за вечер. Код мой.

Мораль простая: готовое не всегда выручает. Иногда проще написать своё, чем ломать чужое об колено.

@mintering

Наговорил в часы — получил текст

Мысли приходят на ходу — в зале, на прогулке, за рулём. Писать неудобно, а диктовка в заметки часто врёт.

Сделал так: наговариваю в Диктофон прямо с часов. Дома компьютер сам расшифровывает запись и кладёт текст в общую папку. Дальше ИИ читает, раскладывает по категориям — идея, задача, факт, напоминание — и добавляет в мою память. В следующей сессии ассистент уже всё помнит и подтягивает нужное в контекст.

Вывод: идея, сказанная за 10 секунд, не теряется, не лежит мёртвым грузом в папке, а сразу попадает в систему. Голова свободна — всё что подумал, уже записано, разобрано и доступно.

@mintering

Как выбрать LLM-модель для задачи — и почему рейтинги не помогут

У меня парсер новостей: читает десятки Telegram-каналов, классифицирует, извлекает тикеры и сентимент, собирает сюжеты. Работал на gpt-4.1-mini. Модели за год ушли далеко — пора обновлять.

Открыл арены. На llmarena и MERA (русскоязычный бенчмарк) сверху Claude Opus, потом GPT-5, Qwen3, DeepSeek. Ранжирование красивое.

Проблема: арены меряют "приятность ответа человеку", а не мою задачу. Там голосуют за красивые общие эссе. А мне надо, чтобы модель прочитала "Сбер повысил дивиденды" и вернула строгий JSON с тикером SBER и типом "dividend". Это другой навык.

Ещё нюанс: флагманы для такой работы — оверкилл. Opus стоит в 50 раз дороже мелких моделей. Для классификации "это новость или конкурс на айфон" его мощь не нужна.

Поэтому буду тестировать сам. План универсальный — пригодится любому, у кого есть повторяющаяся задача на LLM:

• Собрать 100 реальных примеров со своими метками. У меня архив в Airtable с уже расклассифицированными статьями. У вас — размеченный датасет или примеры, сделанные вручную.

• Взять 5-6 кандидатов разного ценового уровня. Я беру gpt-4.1-mini, Haiku 4.5, Gemini 2.5 Flash, Qwen3-30B, Qwen3-4B, DeepSeek V3. От $0.05 до $5 за миллион токенов.

• Прогнать через OpenRouter. Один API, один ключ, разные модели меняются строкой в коде. Не надо коллекционировать ключи от каждого вендора.

• Собрать метрики: точность, ложные срабатывания, пропуски, сколько раз модель сломала JSON-схему, стоимость на 1000 вызовов, скорость.

• Посмотреть глазами 10-20 расхождений. Часто выясняется, что в вашей разметке ошибки, а "худшая" модель на самом деле права.

Бюджет на всё — пара часов и $1-2. Зато решение обосновано данными, а не ощущением "Claude вроде хороший".

Вывод: рейтинги дают шортлист. Финальный выбор — только на своих данных. Это правило работает и для моделей, и для любых других инструментов.

🔥 — круто
🤔 — ничего непонятно

@mintering

Сделал себе виртуальный совет директоров

Надоело получать советы одним голосом. Собрал скилл consult — 14 ролей-экспертов отвечают на один вопрос, каждая в своём характере. Growth-маркетолог, финдиректор, ушедший клиент, конкурент, поведенческий психолог и ещё десяток. В конце — сводка инсайтов и топ-3 действия.

Планирую допилить до отдельного сервиса для предпринимателей и руководителей. Штука оказалась полезной не только мне.

Первым кейсом прогнал через него reportx. Вердикт был жёсткий: продукт не про то, цена сломана, SEO нет, лендинг непонятный. Спорить было нечем.

Раньше человек должен был сам найти нужный отчёт на e-disclosure, скачать архив, разархивировать, загрузить на сайт, заплатить 190 рублей — и только потом получить анализ одного документа.

После «совета директоров» сделал наоборот: сам скачал отчёты, вычитал, проанализировал и собрал готовый разбор по каждой компании.

Больше не «загрузи PDF за 190 рублей», а справочник по компаниям IMOEX из МСФО-отчётов. Готово 10 разборов, Газпром открыл публично — посмотреть можно без регистрации: reportx.ru/companies/gazp

Это как если бы у вас в команде был финансовый аналитик, который уже всё прочитал.

@mintering

Увидел интересную глубокую цитату, делюсь:

Two key lessons:
1. You can read every book ever written, but knowledge means little without real-world experience.
2. Every single person you meet is fighting a battle you know nothing about.

Два ключевых урока:
1. Вы можете прочитать все когда-либо написанные книги, но знания мало что значат без реального жизненного опыта.
2. Каждый человек, которого вы встречаете, ведет борьбу, о которой вы ничего не знаете.

@mintering

Топ 10 ИИ моделей:
• Текст
• Код
• Голос

@mintering

ААееее)

Mac Mini пришёл. Ещё больше ИИ в моей жизни :-)

Исправил ошибки, которые нашел за последние дни в обработке дивидендов, убрал дублирование, привёл в порядок ленту.

fastdiv.ru

@mintering

Обновил раздел новостей. Если вы ведёте портфель в сервисе, то увидите вкладку "мои акции". Там будут отображаться новости только по вашим акциям.

https://investmint.ru/news/

@mintering

Написали в комментариях, что звука у упражнений нет, добавил.

Думаю ещё сделать упражнение по дыхательным практикам, делает кто-то?

glazfit.ru