🎙В эфире радио Свеклана

Челябинск, зову на второй митап «Первопроходцев» 🙌

Это клуб, где про ИИ рассказывают не теоретики, а те, кто уже внедрил его у себя: в продажах, маркетинге, разработке и управлении. На первом митапе было 8 кейсов и 50 человек, и мы засиделись до последнего.

🗓 26 октября, сбор в 18:30, начало в 19:00
📍 IT-park74, ул. Сони Кривой, 83, 3 этаж

Формат простой: 15 минут на кейс. Что было, что сделали, какой результат и как повторить у себя. Темы программы выбирают сами участники.

Что можно сделать прямо сейчас:

🎤 Подать свой кейс. Сегодня до 21:00 возьмём ещё 3 темы в голосование:
https://t.me/techwave_club_bot?startapp=apply

🗳 Проголосовать за темы, которые хотите услышать (до 12 октября, голосование анонимное):
https://t.me/techwave_club_bot?startapp=vote

🙋 Записаться послушать. Вход бесплатный, осталось 4 места:
https://t.me/techwave_club_bot?startapp=ev_d811995d5de7

🎬 Посмотреть записи выступлений и презентации с первого митапа:
https://t.me/techwave_club_bot?startapp=tk_meetup-2026-09-28

Приходите. И зовите тех, кому это точно нужно 💜

Кто сегодня проснулся без учетки клода?)
Нас пронесло. Ловите инструкцию, что делать если вас заблочили

Мы рассчитывали на уютный кружок, а пришло 100 человек. Площадка вмещает 50, так что места хватило не всем, кто хотел попасть. Тем, кто остался за дверью, — спасибо за терпение и простите. Мы сделаем так, чтобы в следующий раз всё было иначе.

Ещё до встречи нам начали присылать заявки: люди хотят выступить со своими кейсами и прийти снова. Значит, формат работает. Поэтому решили: митап будет регулярным. Реальные кейсы реальных людей, без теории и курсов — ровно то, ради чего всё и затевалось.

Что вас ждёт:
🎁 подарки от спикеров
🎲 розыгрыш среди участников
🎥 записи выступлений — для тех, кто не попал в зал

Всё это собираем в одном месте — в боте @techwave_club_bot. Там записи, подарки, розыгрыш и анонсы следующих встреч. Заходите, чтобы не пропустить регистрацию: места по-прежнему разлетаются быстро.

До встречи! 🚀

ИИ в реальном бизнесе. Кейсы

28 сентября, Челябинск
Восемь докладов от людей, которые уже получили результат от применения ИИ в бизнесе.

Я расскажу про нашу систему поиска клиентов. Полная автоматизация и горячие лиды на входе.
У Александра Чумеля из "Уралэнергосбыта" история повеселее. Он поставил на одну машину двух открытых агентов, Hermes и OpenClaw, и они чуть не подрались. Расскажет, как развести этих двоих по углам.
Антон Чернышев, маркетолог-предприниматель, покажет свой ежедневный набор инструментов Claude: какой под какую задачу.
Александр Тарасов, Tech Wave, - что можно навайбкодить самому, пока разработчики заняты другим.
Иван Абросимов, "Наука поперёк", написал программу для своего канала: она берет часовой выпуск и сама выдает субтитры, оглавление с таймкодами и нарезку шортсов.
Сергей Ефимов из мц "Лотос" поднял Obsidian на сервере и прикрутил к нему два компьютера, телефон и телеграм-бота. Теперь нейросеть с любого устройства видит, на чем он остановился.
Олег Филиппенко из "Флексайтс" автоматизировал контекстную рекламу и отчетность клиентам в своем агентстве.
Надежда Аллазова, агентство бизнес-эффективности 4RA - про то, как с помощью ИИ ставить KPI и строить бизнес-модель, чтобы маркетинг отвечал за деньги, а не за охваты.

Сбор в 18:30. В 19:00 стартуем, заканчиваем к 22:00. Дальше кто захочет - идем в бар.
ИТ-Парк74, Тернопольская 6, третий этаж.

Чат со всей инфой: https://t.me/+nhqN0bUWJUE5NDYy

Вчера выступала на ИИ.Elements, слайды в посте. Расскажу на чем основаны.

Долго я мерила обучение так же, как все: пришли ли люди, понравилось ли им. У нас был поток, который поставил 9,2 из 10. Через месяц ИИ в работе использовали двое из сорока. Людям было интересно, они ушли вдохновлёнными, но их рабочая неделя осталась прежней.

Тогда я поняла, что мы учили инструменту. А у человека в голове нет "инструмента", там его задачи: отчёт по пятницам, сверка выгрузок, проверка документов. Пока ему никто не показал, как ИИ снимает именно его рутину, знание про "ИИ умеет в таблицы" так и остаётся знанием. Захотеть то, о чём не подозреваешь, невозможно.

Поэтому теперь обучение у нас начинается с задач сотрудников, а не с возможностей модели. Мост от "ИИ много умеет" до "вот эту штуку он у меня заберёт" человек проходит прямо на занятии, руками, на своём примере. Специалист по кадрам за два дня собрала себе помощника, который проверяет комплектность документов. Раньше это занимало 20 минут на каждого человека. Python она не знает, и знать его ей не нужно.

Второе, во что я верю: людей убеждают не эксперты, а коллеги. Фраза "Коля из бухгалтерии больше не сверяет выгрузки руками" работает сильнее любой презентации. Поэтому решения участников мы собираем и показываем внутри компании.

И третье, самое для меня важное: как понять, что обучение сработало. Ощущениям я не доверяю. Даже опытные разработчики в исследовании METR были уверены, что ИИ их ускорил, а тайм-трекер показал обратное. Так что я считаю одну цифру: сколько решений, собранных на обучении, живут дольше 30 дней, и пользуется ли ими кто-то, кроме автора. Её не накрутишь, и в сэкономленное время и деньги она переводится напрямую.

Хорошее обучение для меня выглядит так: через месяц человек говорит "я три недели не открывала эту папку, мне туда больше не надо".

Если хотите так же для своей команды, пишите @tech_wave_c

Поставила расширение Клода в хром.

Работает просто: открываешь вкладку - тг, гмейл, любую - открываешь расширение, и он работает прямо в ней. От твоего лица, с твоими данными. Ничего никуда не выгружаешь, скрипты ставить не надо.

За день разобрали три завала.

Первый - лиды. В аккаунте 2132 диалога. Он прошёл 272 личных за последние полгода, прочитал историю каждого, вытащил первое обращение, дату, компанию и суть запроса. Сорок минут. На выходе таблица: 76 лидов, 30 из них горячие, плюс 18 партнёров и площадок, у 29 человек телефоны.

Там видно, кто сорвался на оплате, кому ушло кп и не получило ответа, кто писал прямым текстом «хочу на обучение», а мы не дожали.

Второй - папки. Было девять, они дублировали друг друга, и две тысячи чатов вперемешку. Стало одиннадцать, по принципу «что я делаю»: Новые, Продажи, Проекты, Обучение, Мои каналы, Сообщества, Читать, Лента, Личное, Тай, Боты. Плюс он разложил 57 чатов, которые вообще нигде не числились.

Третий - переписка. Пишет и отправляет от моего лица. Этот пост тоже он.

Что мне тут важно: он не тыкает в интерфейс, как робот-кликер. Он лезет во внутренний API страницы - читает историю, создаёт и перестраивает папки. Клики понадобились ровно два раза: набрать текст и нажать отправить.

Дальше - рассылка по этой же базе через гмейл в соседней вкладке.

Про косметику и нейронки

Несколько лет назад я работала на заводе по производству косметики на должности Руководитель отдела разработки.

Разрабатывала я уходовую косметику и приколюшки для ванны (типа бомбочки, шиммеры и пр.). Именно тогда я узнала про контрактное производство и что таких заводов очень немного по миру, а производителей косметики много) И всё реально льётся практически из одного чана. А дальше решает маркетинг.

Тогда же я узнала, что чтобы добавить на упаковку слово «омолаживающий», достаточно в составе указан гиалурон. Только загвоздка в том, что гиалурон штука дорогая и чтобы от него реально был эффект - бомбочка для ванны должна быть полностью из него и размером с глобус.

Оказалось, что если ты указываешь гиалурон в конце списка - это значит, что его в составе может быть 0,00001%. А искать правда ли в составе есть вещество с таким мизерным содержанием никто конечно же не будет.

Поэтому можно просто пронести гиалурон мимо чана, а на упаковке указать «омолаживающий». И волки сыты, и овцы целы.

А теперь лайфхак хозяюшке на заметку:
Фоткаем состав, отправляем в любой ИИ (у меня, конечно же, Клод) и спрашиваем:

Какой эффект можно ожидать от [маски] с таким составом?

И получаем разбор состава, ожидаемый эффект и на что рассчитывать.

Маркетологи, сори

Саймон Уиллисон за два дня собрал две полноценные браузерные игры с помощью вайб-кодинга — и это стоит разобрать подробно, потому что схема рабочая и повторяемая.

Что он сделал: взял простую игровую идею (ограбление с енотами, ночной город, стелс), отдал её сначала Claude Fable 5 — и получил готовую работающую игру в один промт. Потом повторил то же самое с OpenAI Codex + GPT-5.6 Sol Ultra и получил другую версию. Обе живут в браузере, обе играбельны.

Меня здесь цепляет не то, какие модели участвовали, а сама схема. Потому что это воспроизводимо.

Как повторить — по шагам:

1. Придумайте жанр и сеттинг — одним предложением. Не «сделай игру», а «ночное ограбление, игрок управляет енотом, нужно избегать охранников и собирать блестящие предметы». Чем конкретнее образ, тем лучше модель держит стиль.

2. Опишите механику — тоже коротко. Вид сверху или сбоку? Управление с клавиатуры? Сколько уровней? Что считается победой? Без этого модель начнёт угадывать — и угадает что-то своё.

3. Отдайте всё это в один промт. Вот рабочая структура:

Напиши полностью работающую браузерную игру на чистом HTML/CSS/JavaScript — один файл, без внешних библиотек. Жанр: [ваш жанр]. Сеттинг: [ваш сеттинг]. Механика: [управление, цель, условие проигрыша]. Визуал — простой, но стильный. Игра должна запускаться сразу при открытии файла в браузере.

4. Сохраните ответ как .html и откройте в браузере. Если что-то сломалось — скопируйте ошибку из консоли и отправьте обратно модели: «вот ошибка, исправь».

5. Если хотите сравнить результаты разных моделей — прогоните один и тот же промт через Claude и ChatGPT. Это и есть то, что делал Саймон: не выбирал лучшую модель заранее, а просто смотрел, что получится.

Нюансы, на которых спотыкаются:

— Не просите «сделай красиво» — это бесполезная инструкция. Лучше: «пиксельный стиль», «минималистичный тёмный интерфейс», «неоновые цвета на чёрном фоне».

— Если игра не помещается в один промт (модель обрезает ответ) — попросите сначала архитектуру, потом код по частям.

— Анимации и звук лучше добавлять отдельным запросом после того, как базовая механика работает. Иначе модель начинает экономить на логике ради эффектов.

Самое ценное в этом кейсе — что игра получается реально играбельной, не заглушкой. Саймон выложил обе версии публично, их можно открыть прямо сейчас и проверить.

Сама статья тут: https://simonwillison.net/2026/Aug/7/moonlight-mayhem/#atom-everything

📻 Подписывайся на В эфире радио Свеклана

💡 Полезный промт

Auto mode в Claude Code теперь включён по умолчанию — и это повод наконец разобраться, как грамотно ставить задачи агенту

Anthropic сделала auto mode стандартным для Pro, Max и Team. То есть теперь Claude Code сам решает, какие инструменты использовать, сколько шагов сделать и когда остановиться. Без вашего участия в каждой точке.

Звучит удобно. Но на практике я вижу одну и ту же картину: люди дают агенту расплывчатую задачу — и получают расплывчатый результат. Или вообще не то. Не потому что модель плохая, а потому что промт написан как «ну ты сам разберись».

Так что делюсь шаблоном, который я использую сама, когда работаю с агентными режимами — Claude Code, Cursor, любой auto-режим где модель действует сама.

Структура хорошего промта для агента:

1. Контекст задачи — что за проект, какой стек, что уже есть
2. Конкретный результат — что должно работать после выполнения
3. Ограничения — чего не трогать, какие файлы/папки вне зоны
4. Критерий готовности — как агент поймёт, что задача выполнена

Шаблон (копируй и подставляй своё):

Контекст: [название проекта], стек — [технологии], файлы лежат в [папка].

Задача: [что нужно сделать — одним чётким предложением].

Не трогай: [файлы/компоненты/логику, которые должны остаться без изменений].

Готово, когда: [конкретное условие — тест проходит / страница открывается / функция возвращает X].

Если что-то непонятно — спроси до начала, не в процессе.

Последняя строчка — важная. Агент в auto mode по умолчанию старается не прерываться и докрутить задачу самостоятельно. Иногда это хорошо. Иногда он уходит не туда и переписывает полпроекта. Явная инструкция «уточни заранее» помогает это предотвратить.

Пример — до и после:

Плохо: добавь авторизацию через Google

Хорошо:

Контекст: Next.js 14, папка /app, уже подключён NextAuth v5.

Задача: добавить OAuth-авторизацию через Google — кнопку на странице /login и обработку колбэка.

Не трогай: /app/dashboard и всю логику в /lib/db.

Готово, когда: можно залогиниться через Google и попасть на /dashboard.

Если что-то непонятно — спроси до начала.

Разница в том, что второй вариант снимает с агента необходимость угадывать — и он тратит токены на работу, а не на домыслы.

Особенно актуально сейчас, когда auto mode включён по умолчанию и агент сразу начинает действовать — без паузы на уточнения.

Подробнее про auto mode: https://simonwillison.net/2026/Aug/8/auto-mode/#atom-everything

📻 Подписывайся на В эфире радио Свеклана

💡 Полезный промт

Как читать системный промт модели — и чему у неё учиться

Anthropic официально публикует системные промты своих моделей. Не в утечках, не в скринах из твиттера — на официальной странице документации. И это, честно скажу, один из самых недооценённых ресурсов для тех, кто хочет писать промты лучше.

Я регулярно разбираю эти тексты на обучении — и каждый раз нахожу что-то, что потом вытаскиваю в свою практику.

Сейчас там доступен системный промт Claude Opus 5 (это флагман, на котором Anthropic не экономила ни на инструкциях, ни на нюансах). Смотреть его — примерно как подсмотреть в тетрадку к отличнику: видно, как профессионалы формулируют ограничения, задают тон, описывают роль и обрабатывают краевые случаи.

Что с этим делать — конкретная инструкция:

1. Открываете официальную страницу с системными промтами Anthropic (ссылка в конце).

2. Читаете системный промт Claude Opus 5 — не по диагонали, а вдумчиво. Обращаете внимание на три вещи:
— как описана роль модели (не «ты помощник», а конкретно, с контекстом и ограничениями);
— как прописаны исключения и краевые случаи — что делать, если пользователь просит выйти за рамки;
— как сформулированы приоритеты — что важнее, если инструкции противоречат друг другу.

3. Берёте свой рабочий промт — тот, который уже используете для задач в Claude или ChatGPT — и прогоняете его через этот шаблон разбора:

Проанализируй этот системный промт как эксперт по prompt engineering. Выдели: 1) как задана роль, 2) какие ограничения и исключения прописаны явно, 3) как расставлены приоритеты при конфликте инструкций. Потом применить ту же структуру к моему промту ниже и скажи, чего не хватает.

[вставляете свой промт]

4. Смотрите на разницу. Обычно выясняется, что в своём промте нет ни одного из трёх пунктов — только задача и тон. Это и есть главная дыра.

Типичные ошибки, которые вижу постоянно:

— Роль прописана слишком абстрактно: «ты — эксперт по маркетингу». Хорошо бы уточнить: для кого, в каком контексте, с какими ограничениями.
— Краевые случаи вообще не предусмотрены. Что делать модели, если задача непонятна? Если данных не хватает? Anthropic это всё прописывает — и модель ведёт себя предсказуемо.
— Нет иерархии. Если одна инструкция говорит «будь кратким», а другая — «объясняй подробно», модель выбирает сама. Иногда не так, как вам нужно.

Ещё один промт, который даю на обучении — для тех, кто хочет сразу применить структуру к новому проекту:

Напиши системный промт для [описание задачи/роли]. Используй структуру: сначала роль с контекстом, потом список явных ограничений и исключений, в конце — приоритеты на случай конфликта инструкций. Тон — [формальный/дружелюбный/нейтральный].

Работает и в Claude, и в ChatGPT. Результат уже можно брать и использовать — или дорабатывать под себя, что обычно занимает минут десять, а не час с нуля.

Страница с системными промтами Anthropic, включая Opus 5:
https://simonwillison.net/2026/Aug/9/claude-opus-5-system-prompt/#atom-everything

📻 Подписывайся на В эфире радио Свеклана

Переодеваторы, вечная боль — загружаешь фото, просишь поменять одежду, а тебе возвращают лицо немного другого человека в костюме из параллельной вселенной. Знакомо? Кажется, xAI тихо закрыли этот вопрос.

Grok Imagine 2.0 вышел — и это уже другой разговор, не тот, что был с первой версией. Новый режим пришёл на замену Quality Mode в Grok Imagine, но упор теперь не только на красивую картинку. Три вещи, которые раньше у генераторов откровенно не получались: текст внутри изображения, сложные макеты и инфографика — вот где он должен показать себя.

И да, редактирование. Судя по первым примерам, которые я видела, — именно здесь модель прыгнула сильнее всего. Переодеть персонажа, поменять фон, убрать объект — это то, за что мы все страдали в Midjourney и платили отдельным сервисам.

Практически: если вы делаете контент, где нужен текст прямо на картинке — баннеры, карточки, инфографика — стоит зайти и попробовать именно это. Grok доступен через x.com, раздел Grok. Бесплатный лимит есть.

Переодеваторы отдельно жалко, конечно. Целый жанр сервисов.

📻 Подписывайся на В эфире радио Свеклана

Ловите скилы для апгрейда вашего Claude 😋

01. claude-ads

Проверяет рекламные объявления по более чем 250 критериям для Google, TikTok, LinkedIn и Pinterest.

🔗 https://github.com/AgriciDaniel/claude-ads

02. caveman

Сокращает расход токенов на 65%. Пишет максимально кратко, «как пещерный человек».

🔗 https://github.com/JuliusBrussee/caveman

03. humanizer

Убирает характерные признаки текста, написанного ИИ.

🔗 https://github.com/blader/humanizer

04. social-media-skills

Полная система для создания контента: хуки, посты и карусели.

🔗 https://github.com/social-media-skills/skills

05. claude-seo

SEO, адаптированное под эпоху ИИ-поиска.

🔗 https://github.com/AgriciDaniel/claude-seo

Anthropic взяли Клода и сказали: найди уязвимость в настоящем криптографическом алгоритме. Не учебном. В реальном HAWK — это кандидат на постквантовый стандарт шифрования, над которым годами работали серьёзные люди. И он нашёл.

Это не демо «посмотрите, как AI решает задачки». Это исследование, где модель реально сделала математическую работу, которую до неё не делал никто.

Что именно происходило

Исследователи Anthropic работали с Claude Mythos — внутренней версией, заточенной под сложные рассуждения. Задача: найти слабые места в двух системах — HAWK и ослабленной версии AES.

Схема работы была примерно такая:

1. Модели дают описание алгоритма и математические спецификации.
2. Просят сформулировать гипотезы о потенциальных уязвимостях.
3. Для каждой гипотезы — проверить формальными рассуждениями или кодом.
4. Найденные слабости верифицируют люди-криптографы.

Клод не просто «читал» алгоритм — он рассуждал о структуре математических конструкций, предлагал атаки, писал код для проверки. Сам репозиторий с кодом демо открыт, там видно, как это устроено технически.

Почему это интересно на практике

Я использую похожий подход в работе с кодом — и вот что работает на деле, а не в теории:

Вот [код/алгоритм/схема]. Сыграй роль hostile reviewer: найди все места, где это может сломаться, где есть неочевидные предположения, и где я мог(ла) ошибиться в логике. Для каждой проблемы — объясни почему это проблема и предложи проверку.

Это работает не только для криптографии. Я применяю это для аудита SQL-запросов, проверки бизнес-логики, ревью архитектурных решений. Клод в роли «скептика» выдаёт куда более полезные ответы, чем просто «проверь этот код».

Что можно повторить прямо сейчас

Если вы работаете с чем-то технически сложным — алгоритм, схема данных, архитектурное решение — попробуйте такой воркфлоу:

1. Дайте модели полный контекст: не «вот функция», а «вот функция + что она должна делать + какие входные данные».
2. Попросите сначала пересказать своими словами, что она поняла — это сразу вскрывает, где вы недообъяснили.
3. Потом — hostile review: искать дыры, а не хвалить.
4. Для каждой найденной проблемы просите конкретный тест или пример, который её воспроизводит.

Перескажи своими словами, что делает этот [алгоритм/код/схема]. Потом найди три места, где это может работать неправильно или сломаться на граничных случаях. Для каждого — покажи конкретный пример входных данных, на которых проявится проблема.

Нюанс, который я заметила: чем точнее вы формулируете «что значит сломаться» — тем полезнее ответ. «Найди баги» даёт поверхностный результат. «Найди случаи, когда функция вернёт неверный результат при корректных входных данных» — уже другой разговор.

Полная статья Anthropic и репо с кодом:
https://simonwillison.net/2026/Jul/28/discovering-cryptographic-weaknesses-with-claude/#atom-everything

📻 Подписывайся на В эфире радио Свеклана