Инженер Контекста

Как устроена работа редакции в технологической компании?

Евгений Левашов, руководитель группы контента VK Tech, рассказывает, как вместе с командой он превращает сложные технические продукты в понятный и полезный контент для ИТ-аудитории.

В карточках — о задачах, ежедневной работе, переходе из «жесткого» ИТ в контент и о самом большом профессиональном вызове, с которым он сталкивается прямо сейчас.

Коллеги взяли у меня небольшое интервью.

Интересный сегодня получился дайджест, иногда понапишешь всякого, и аж самой нравится, надо же ⌨️

😶‍🌫️ Я не забыл. Традиционный дайджест Хабра:

1. УЗИарт: как врач УЗИ создал себе программу для автоматической подготовки медицинских протоколов — сильно ностальгическая статья, так как я много такого софта видел, когда работал сисадмином в больнице.

2. Камера за 1000 руб, в которой есть всё — интересный опыт. Я на такие гаджеты всегда смотрю с опаской, в моих глазах дёшево — не равно качественному. И даже скорее наоборот: дёшево — просто выброшенные деньги. Но опыт коллег показывает другое.

3. Подтверждение ИТ-компетенций на ГосУслугах, стоит ли доверять? — уже нашли время проверить свои компетенции на Госуслугах. Я нет, но подумывал протестировать. А тут подъехал хороший разбор тестов.

4. Нейробиология восприятия: почему мы никогда не увидим мир «глазами» животного — без комментариев, научный взгляд зоопсихолога на сенсорные миры собак и кошек. Читать обязательно.

5. Domain-Driven Design: чистый подход к проектированию бизнес-логики — напоследок наша статья про подход к проектированию сложных систем Domain-Driven Design. Как изолировать бизнес-логику от технических деталей?

#habr

В связи с этим пятничный опрос:

Про технику обратного плана и ChatGPT

Представьте: у вас есть черновик статьи, но что-то не так. Мысли отличные, но структура — полный хаос. Знакомо? Обратный план — это процесс анализа уже написанного текста. Вы пишите мысли на статью, а потом разбираете материал, чтобы понять:

1️⃣ Какие основные идеи в каждом абзаце?
2️⃣ Логично ли они выстроены?
3️⃣ Есть ли пробелы или избыточные детали?

Такой подход выявляет скрытые структурные проблемы текста, проверяет фокус каждого абзаца, помогает найти места, где нужно больше аргументов или объяснений, и конечно, улучшает логику повествования.

А теперь к промтам, которые помогут вам автоматизировать процесс анализа текста через нейросети. Вот примеры:

🖍️ Базовый анализ структуры:

Создай обратный план для этого черновика. Для каждого абзаца предоставь:

- Одно предложение с основной мыслью.
- Функцию этого абзаца в общей аргументации.
- Любые структурные проблемы, которые ты замечаешь.

Текст:

🖍️ Проверка связности:

Проанализируй этот черновик и предоставь:

— Обратный план в виде буллитов с основными идеями.

Сделай анализ: 

— Является ли повествование связным?
— Где оно теряет логику или становится избыточным?
— Какие пробелы есть в логике?»

Текст:

🖍️ Обратная связь от аудитории:

«Я пишу для людей, которые []. Создай обратный план, который оценивает:

— Основное сообщение каждого абзаца.
— Резонирует ли каждая часть с этой аудиторией.
— Где я могу упустить их ключевые проблемы.
— Предложения для лучшего эмоционального контакта.

Что можно сделать с обратным планом — тоже проверить его промтами:

🖍️ Поиск пробелов в контенте:

На основе этого обратного плана, какие три самых важных структурных улучшения мне стоит сделать? Для каждого предложения объясни, как именно внедрить изменения.

🖍️Анализ серии статей:

Я пишу серию статей о []. Создай план, который оценивает:

— Как этот пост может генерировать новые идеи.
— Может ли этот пост существовать отдельно.
— Пробелы, которые должны быть закрыты в будущих постах.

#контентменеджерское #техноредакторское #ai

Технический прогресс похоронил чит-коды.

“Cheat” в переводе с английского значит «мошенничество». Но чит-коды, напротив, никакого обмана не несли.

Команды оставляли сами разработчики для тестов и отладки игр. Если тебе нужно пройти в 18 комнату уровня, проще пролететь сквозь стены в режиме бессмертия, чем пробиваться через 17 арен с монстрами, например. Технологии развивались и в средах разработки стало можно тестировать проект, не запуская скомпилированную версию, переключаться в режим отладки, менять параметры кнопками в интерфейсе. Поскольку для разработки чит-коды перестали быть необходимостью, никто их больше и не придумывает.

Читерство при этом никуда не делось: ломают код, продают специальные приложения для взлома игр. Но это больше относится к играм мультиплеерным, где есть соревновательность: таблицы рейтингов, ранги, известность, просмотры, деньги и т.д.

Для одиночных игр чаще используют трейнеры. Это программы, запущенные одновременно с игрой, которые по нажатию назначенной клавиши переключают режимы. Например, “f2”, чтобы не тратилась энергия в “Graveyard Keeper”.

Читы в одиночных играх ничего не нарушают. Как максимум, вы украдёте у себя впечатления от игры. Но чаще работает в обратную сторону. Геймдеву может быть обидно, что задуманный им игровой опыт пользователь ломает, применяя читы. Но ими же игрок докручивает игру до комфортного ему вида. Или открывает новые возможности, залазит в разные места, куда не мог пробраться обычными способами. Или просто веселится, заставляя машины летать, а граждан виртуального города впадать в безумие.
Любой творец, создав произведение, должен мириться с тем, что воспринимающий его пропустит через личный опыт. И на выходе может увидеть совсем не то, что показывал автор. А если основная цель искусства - вызывать эмоциональный отклик, то чит-код, сделавший игру веселее, только помогает, верно?

Читеров мультиплеера оставим с их совестью наедине. Бесить людей в каком-нибудь “Counter Strike”, прописав себе 100% попадание в голову — забава для очень несчастных людей.

Раньше мы лазили в специальные библиотеки типа “CheMax”, книжки с кодами, или переписывали на листочки, получив тайные знания от друзей. Когда нужного кода не было, можно было подкрутить переменные с помощью “ArtMoney”, если разберёшься с программой. Когда-то в инете читал, что у читерства была даже своя культура.

Если в современной игре какой-то разработчик оставит чит-код, который вы сможете набрать в консоли или просто ткнув нужный порядок клавиш, отдайте ему дань уважения. Он сделал это не из необходимости, а чтобы напомнить про старые времена и порадовать игрока.

Некоторые коды, наверное, навсегда остались в памяти. Или, как говорят англоязычные: “living in my head rent-free”:
IDDQD
IDKFA
thereisnospoon
whosyourdaddy
allyourbasearebelongtous
nwczion
nwcneo
showmethemoney
leavemealone
aspirine
nuttertools
aezakmi
hesoyam
sv_cheats 1
BAABAACBCAA

Ностальгия

Ускорились или замедлились? #контентменеджерское

Маленькая преамбула: после облачной конфы я, вполне ожидаемо, огребаю последствия того, что отработал её на обезболивающих. Дети, проверяйте зубы вовремя. Короче, последние 3-4 дня отработал (и прожил) вполсилы, но зато было время проанализировать свою работу. Особенно в части использования нейросетей.

Теперь к делу. Я использую нейросети для контента чуть больше чем полгода. На самом деле больше, но вот прям повседневными инструментами они стали только в сейчас. Цель была проста: ускорить свою работу в два-три раза, оптимизировать текучку, даже повысить креативность. Нейросетки замечательно показывают себя в генерации изображений, видео, отвечают на повседневные вопросы, но повысят ли они мою продуктивность? Сейчас можно подвести итог этого внедрения.

⬆️ Что получилось:

1. Оригинальные интересные тексты. Несомненно, нейросети сильно меня в этом бустанули. Несколько промтов, несколько вариантов генераций, редактура полученного и отличный результат готов. Экономия времени в 2-3 раза.

2. Исследование статистики и прогнозирование. Тут нейросети себя показывают отлично. Берём цифры, даём задачу, получаем быстрый результат и корректные прогнозы. То, на что раньше в эксельке тратились дни, сейчас делается за пару часов. И то это время обычно уходит на сбор информации (хотя и это можно оптимизировать нейросеткой).

3. SEO-статьи. Правильный промт и статья, для которой раньше нужно было привлекать авторов, написана. Экономия и в часах, и в людях.

⬇️ Что не получилось:

1. Исследования. Нейросетки очень любят придумать источники, сгенерировать цифры. Приходиться всё проверять, даже если ты сам скормил ей материал для исследования. Даже лучшие нейронки так косячат, и после парочки фейлов я точно не могу доверять выдаче без проверки. На которую уходит порой даже больше времени, чем собирать материалы с помощью дедушкиного гугла.

2. Большие материалы для СМИ или Хабра. Опять же нейросетка перевирает, додумывает, часто ориентируется на устаревшую информацию. Так что тут только автор, редактор, человек.

Что дальше: год назад я совсем не использовал нейронки, сейчас — уже не представляю свою работу без них. Скорее всего уже следующие модели закроют задачи исследования без косяков и написания любых текстов, кроме экспертных и технических. Учимся промт-инжинирингу и разворачивать модели локально.

Через полгода напишу, что ещё изменилось в работе.

Исследование рынка облачных технологий

Apple Hills Digital и VK Tech представляют исследование рынка облачных сервисов России, в котором приняли участие 50 ведущих компаний.

📌 Исследование охватывает трехлетний период развития индустрии, все виды развертывания, инфраструктурные сервисы, платформенные решения и облачное программное обеспечение.

👉 Получить отчет

Сегодня я на VK Cloud Conf.

Стадии карьеры

1. Офигеваешь от кринжа
2. Управляешь кринжом
3. Создаешь кринж

Скайнет переименован в «Gemini Robotics»

Google DeepMind анонсировала новую модель Gemini Robotics On-Device, которая позволяет роботам выполнять сложные задачи без подключения к интернету. Теперь роботы могут не только складывать рубашки, но и адаптироваться к незнакомым ситуациям — например, собирать детали на конвейере, даже если такого опыта у них «в памяти» не было.

Как это работает:
🌟 Локальное ИИ-ядро: Модель запускается прямо на устройстве, не требуя облачных мощностей.
🌟 Настраиваемость: Разработчики могут подправлять поведение роботов через текстовые команды.
🌟 Обучение через демонстрации: SDK от Google позволяет «натренировать» робота, показав ему 50–100 примеров задач.

Пора ли нам бояться? Но вот что тревожно:

😶‍🌫️ Автономность: Роботы больше не зависят от облака. Если раньше их можно было «выключить» через интернет, то теперь они как Терминатор — сами по себе.
😶‍🌫️ Адаптивность: Модель справляется с задачами, которых раньше не видела. Это шаг к ИИ, который может учиться в процессе — как Скайнет, внезапно осознавший себя.
😶‍🌫️ Масштабируемость: SDK позволяет быстро обучать новых роботов. Представьте, как десятки тысяч машин за день учатся «думать» по-новому.

До Скайнета осталось:
1️⃣ Научить роботов шутить.
2️⃣ Дать им доступ к ядерным кодам.
3️⃣ ???
Profit!

#ai
📥Левашов