КайфКодинг

делюсь кейсом

• переписал клешню так, чтобы она могла общаться с большим количеством людей через ботика в телеграме. У каждого кто пишет свой отдельный файл с историей переписки
• скормил ей базу знаний про мои курсы ~20 .md файлов
• сделал админку для просмотра переписок, через cloudflare tunnel привязал к домену
• Сделал агента, который после 30 новых переписок читает новые переписки, оценивает работу Клавина как продажника по четырём метрикам и переписывает системные промпты чтобы вырастить метрики. Он может и код переписывать сам себе, но ещё ни разу не переписал
• "метрики" подрастают. Субъективно качество ответов растёт. Доверия к метрикам пока что мало
• закинул в свой телеграм-канал "пообщайтесь с ботиком если у вас есть вопросы по моим курсам"
• есть процесс, который оценивает температуру лида. Тёплых лидов ботик присылает админам в личку
• Ботик пообщался с 250 людьми за два дня, прогнозируем 10-15 продаж
• отвечает gemini-3-flash-preview из openrouter, агент который оценивает — opus 4.5 по подписке claude max
• главные проблемы — галлюцинации и вместо моей методологии отвечает дефолтным знанием про продуктовые методологии

Можно потестить ботика @klavinbot

Если бы клешня сразу была развёрнута на VPSке, а не на ноутбуке, тогда не нужен был cloudflare tunnel

Как мы во Fluently экономим десятки часов в неделю 🤯

Я уже рассказал, как мы автоматизировали службу поддержки (пост). Другой нереально крутой юзкейс - аналитик, который знает все про вашу компанию.

Что мы делаем?

1️⃣ Складываем в одну базу траты по каждому из маркетинговых каналов, атрибуцию пользователей, ивенты по всем платежам и подпискам и даже количество просмотров по каждому видео в TikTok. Там же рядышком лежит база данных самого приложения.

2️⃣ Составляем хороший readme файл, который кратко описывает природу этих данных и всякие специфические штуки, нужные для работы с ними.

Добавляем примеры SQL-запросов на пару сложных вопросов. Написать их можно так же с AI, но главное проверить ручками и убедиться, что они корректные. Это сильно бустит качество аналитика.

3️⃣ Кладем все в claude проект и кайфуем 👌

Такой аналитик может ответить почти на любой вопрос. Если захотите, то он даже соберет вам data room под фандрейз!

У нас бесконечный список вопросов, что мы ему задаем, но вот пару примеров:
• Какой у нас MRR и как он изменился за день?
• Какая доля нового ревенью приходится на каждый из каналов?
• Какой ARPPU первого платежа на iOS vs Android?
• Какая разбивка наших пользователей по регионам?
• Сколько пользователи наговорили с тьютором за последний месяц?

Теперь не нужно иметь аналитика, который будет уходить на часы (или не дай бог дни), чтобы ответить на ваш вопрос. Можно ЗА СЕКУНДУ его задать, получить ответ и сразу же пойти действовать. Если честно, я даже не знаю, как раньше без этого жил!

Если соберем 400🔥, то с меня пост про еще одно крутое применение AI в бизнесе, которым, наверное, сейчас пользуются всего единицы.

P.S. На картинке выдача на запрос "нарисуй понедельный stacked bar chart новых подписок по регионам с ноября по январь"

Как Colgate заменила $50K исследование 8ю промптами (+ Бонус)

Помните пост про предсказание покупок с помощью LLM? Один из авторов исследования — Thomas Wiecki — рассказал про проект, который они сделали с Colgate-Palmolive: заменили consumer survey стоимостью $50K восемью промптами. 57 продуктов, 90% корреляция с реальными покупателями, без файнтюнинга.

3) При помощи LLM генерируем виртуальных покупателей (типа того, как мы делали с юзерами) и просим их ответить по шкале. НО вот тут зарыта собака: обычно при прямом промптировании LLM на шкалу от 1 до 5, они достаточно плохо это делают (сдвинутые распределения, несоответствующие реальности).

4) Поэтому ресерчеры чуть подкрутили этот шаг: сначала они просят LLM сгенерировать текстовый ответ а-ля "выглядит прикольно, я бы наверное попробовал, если не очень дорого и работает стабильно", а потом по смыслу - специальным методом, который назвали Semantic-Similarity Rating - маппят эти ответы на шкалу. И сразу получилось адекватно - 90%+ корреляция результатов реальных и виртуальных покупателей.

Собственно, бонус: запилили с дружбаном agent skill для этого - забирайте:
1) Описываешь свой продукт/концепт
2) Агент генерит 5-8 персон (возраст, доход, локация — именно эти параметры важны)
3) От лица каждой персоны пишет текстовую реакцию
4) SSR конвертирует текст → распределение по шкале Ликерта
5) Получаешь скор, разбивку по сегментам + текстовое описание

ВАЖНО:
Когда НЕ юзать такой скилл: нишевые и B2B продукты без онлайн-обсуждений. И когда есть деньги на настоящие исследования 😉

P.S. будем разбирать эту тему на AI Native Product Team, кстати

В пятницу 20го февраля с 17 по 19мск делаю стрим по этой теме: https://luma.com/gl62ay8z

Обсудим, как AI меняет работу продакта с 2х точек зрения:
1) Как разрабатывать продукты быстрее и качественнее при помощи AI?

2) Как разрабатывать продукты, в которых AI это продукт, то есть он управляет бизнес-логикой и выполняет функции продукта?

13 февраля 2026 года. В интервью Financial Times СЕО подразделения AI компании Microsoft заявил, что вся сегодняшняя работа «белых воротничков» за компьютером (финансисты, юристы, маркетологи и т.д.) будет полностью автоматизирована в течение ближайших 12 - 18
месяцев.

В то время как Илон Маск говорит о том, что к концу года «код будет не нужен», становится понятно: от простого кодирования важно переходить к ясному формулированию задач и процедур. Что всегда было непросто.

И OpenAI, и Anthropic публикуют руководства о том, как правильно думать о скиллах — как их описывать, структурировать и создавать.

Ключевые рекомендации:

Структура скилла:
• Описание должно содержать ЧТО делает скилл + КОГДА его использовать
• Добавляйте негативные примеры ("НЕ используй когда...") — это улучшает точность на ~20%
• Встраивайте шаблоны и примеры прямо в скилл, а не в системный промпт

Как писать инструкции:
• Конкретика вместо абстракций: не "валидируй данные", а "запусти python scripts/validate.py --input {filename}"
• Документируйте обработку ошибок явно
• Держите основной файл компактным — детали выносите в отдельные файлы

Тестирование:
• Скилл должен срабатывать на 90% релевантных запросов
• Не должен срабатывать на нерелевантные
• Итерируйте на сложной задаче пока не заработает, потом извлекайте подход в скилл

Главная мысль: самое время учиться автоматизировать нетривиальные процессы. Тривиальные будут автоматизированы без вас уже завтра.

Рекомендую изучить подробные инструкции от обеих компаний:
• OpenAI: developers.openai.com/blog/skills-shell-tips/
• Anthropic: claude.com/blog/complete-guide-to-building-skills-for-claude

#ai #skills #automation #openai #anthropic

—————————
Мысли Рвачева
—————————

Google выгоняет сотрудников, не готовых работать с ии

Сегодня Google запустил программу добровольного ухода для тех, кто не хочет перестраиваться под искусственный интеллект. Компания открыто заявила: эпоха традиционной работы заканчивается.

Главное о программе:

🔅 Добровольный выбор: сотрудники сами решают — адаптироваться или уйти с компенсацией. Это не увольнение, а предложение расстаться «по-хорошему».

🔅 Новая реальность: Google переходит на формат, где ИИ — основа рабочего процесса. Разработчики теперь не пишут код вручную построчно, а формулируют задачи для нейросетей и управляют архитектурой. Этот подход называют вайбкодингом.

🔅 Волна идет дальше: аналитики прогнозируют, что в ближайшие 12–18 месяцев Microsoft, Meta, Amazon и другие гиганты запустят похожие программы. Рынок требует тех, кто умеет работать С ИИ, а не вместо него.

🔅 Окно возможностей: пока массового требование только начинает появляться, те, кто осваивает AI-инструменты прямо сейчас, получают серьезное преимущество на рынке труда.

Это сигнал всей индустрии: времена меняются быстрее, чем кажется. Вайбкодинг из эксперимента превращается в стандарт работы.

Когда мы опережаем Гугл

Десятиминутная анимационная файтинг сцена с помощью относительно новой китайской seedance 2 от компании-разработчика TikTok. Автор потратил $60 на всю работу.

Я вам советую зайти в твиттер и поискать другие примеры по запросу seedance 2 — там очень много смешного и грустного.

Стоимость продакшен топовых игр, кино, сериалов падает в сотни раз, но это не отнимает требования наличия таланта (пока). А еще вы можете прислать психоделический блокбастер с клиентом в главной роли каждому кто перешел с тарифа «про» на «про Макс». Не знаю зачем, но можете.

Подосоветовали утилитку CodeGraphContext, она позволяет проанализировать исходники проекта и построить из них граф кодовой базы, да не простой, а такой с которым можно через MCP подружить любой кодовый агент. Вроде как обещают, что агент должен начать грамотнее генерить код.

Плюс можно по кодовой базе такую вот занятную визуализацию построить, в качестве примера взял мой проект openapi-to-mcp, на вид очень неплохо получилось, дальше попробую повайбкодить его со включенным MCP.

Привет, родители! 👋

Сделал для наших детей игру-тренажёр таблицы умножения 🎮⚔️

🏰 «БАШНЯ МОНСТРОВ» — это tower defense, где монстры ползут к замку, а чтобы их победить, нужно решать примеры на умножение!

Чем крута:
🧠 Подстраивается под скорость ребёнка — не слишком быстро, не слишком медленно
🔥 Комбо-система и монеты за правильные ответы — дети сами просят ещё!
💥 Эпичные эффекты при попадании — вспышки, частицы, заморозка
📈 Сложность растёт постепенно: от ×2 и ×10 до ×7 и ×8

А главное — там есть ТАБЛИЦА РЕКОРДОВ! 🏆
Каждый вписывает своё имя и соревнуется:
⚡ Кто быстрее решает
🎯 Кто больше правильных ответов наберёт
🏆 Кто наберёт больше очков

Работает прямо в браузере, ничего устанавливать не нужно 👇

https://claude.ai/public/artifacts/6ef0bc2b-baeb-4f51-8657-ec04e8f33f19

Могу порекомендовать вот этот выпуск про тестирование: https://www.youtube.com/watch?v=SEfAGnQURQs

Там, правда, взгляд на тесты со стороны BE разработчиков, и уровень дискуссии явно не для начинающих, но есть интересные мысли, поэтому рекомендую для общего развития.

Выделю интересные таймкоды:
05:40 — Как нейросети и личный опыт влияют на качество тестов
10:24 — Пирамида тестирования, стратегии и интеграционные тесты
14:11 — Библиотеки, транзакции и альтернативные подходы
18:56 — Критика пирамиды, микросервисы и сила интеграционных тестов
23:38 — Мифы, сложности написания и важность интеграционного подхода
31:14 — Дебаггинг, логирование и тесты для сложных кейсов
40:41 — Тесты пользователей, репозитории и события
47:18 — Проблемы с интеграцией Spring Boot и различия между моками и стабами
53:58 — Оптимизация, контекст и TDD в действии
01:10:07 — Фикстуры: от введения до организации данных
01:16:44 — Оверкил, дизайн и тестирование в разных языках
01:40:38 — Плагины, история тестов и рефакторинг
01:49:03 — Моки, стабы и влияние на архитектуру
02:15:34 — Прагматичный подход, TDD и архитектурные выводы

Это создатель самого нашумевшего ИИ продукта 2026 года OpenClaw Питер Штейнбергер за работой.

Давай поймем, что происходит на его многочисленных мониторах и раскроем его рабочий стек - может что-то нам самим пригодится.

Сразу бросается в глаза обилие окошек с работающим Claude Code — я насчитал 12.

Тут я задумался над своим стилем вайбкодинга, ведь у меня в работе обычно всего лишь один агент.

Осознал, сколько времени теряю, дожидаясь окончания работы одного агента. Забираю фишку Питера — вайбкодить сразу множество фич одновременно.

Далее заметно окно X — видимо, создатель OpenClaw непрерывно мониторит рекомендации ленты с новыми ИИ тулзами и продуктами. Это ок, но можно сэкономить время — мне приходит готовая подборка новостей из Х, собранная агентами.

Виден и Discord — разработчик постоянно на связи с комьюнити OpenClaw.

На ноутбуке внизу заметно разделение на подокна через tmux. Для редактирования (предположу, конфигов) используется Neovim, также открыт мониторинг процессов через htop. Похоже ноутбук используется в качестве DevOps-центра.

На мониторе справа ничего примечательного, открыт базовый VSCode.

По железу — видно два макбука про, мак мини, два монитора и веб-камера.

Общая стоимость сетапа Питера порядка 500-700 тыс. рублей (два макбука про + мак мини + моники), но основной кост у него явно на токены Claude Code. Уверен, что с 12 одновременно работающими агентами ни в какую подписку он не влезает.

@neurovibe_ai

Штош, после выхода модели 5.3, пришлось докупить кодекс за 200 баксов, чтобы иметь больше лимитов.

Он реально настолько хорош. Давно забытое чувство, когда можно не следить за контекстом, и оно просто работает само.

Больше всего боюсь, что скоро понерфят, т.к. это практически правило при выходе сильных моделей.

PS По ощущениям — ничего общего с кодексом 5.2. Абсолютно другая модель, где-то потерялась циферка мажорного релиза.

Инсайты от Claude Code

Вы же уже запустили /insights в последней версии Claude Code? По целям и подходу очень напоминает мой Claude Reflect - улучшать ваш опыт работы с CC через анализ ваших разговоров с ним.

Посколькуо в понедельник я буду на митапе в Сиэттле рассказывать про reflect, то как раз решил сравнить их —> мое, немного biased, мнение:
1) Оба анализируют вашу переписку с Claude Code, чтобы дать вам обратную связь о том, как вы с ним работаете и как могли бы улучшить вашу работу.

2) Insights более дискретный имхо - за раз анализируют сразу все, claude reflect - более гранулярный (per repo), continuous, работает по ходу дела. Мне показалось, что /insights отдает слишком большое внимание недавним кейсам - см аттач по кейсу, что был вчера - и меньше ловит в моменте: /claude-reflect же наоборот - ловит ваши исправления в моменте

3) Оба советуют скиллы, которые можно создать и инструкции, что можно добавить в claude.md. Интересно, что пока /insights не предлагает прямо редактировать claude.md и сразу создавать скиллы, а просто выплевывает отчет; в то время, что как раз это делает reflect. И следит за тем, чтобы claude.md не разрастался


4) Наверное, обобщить разницу можно так: /insights скорее отвечает на вопрос "что произошло", а reflect - что надо изменить. То есть круг замыкается в действие, а не просто инсайты. Но, я думаю, это они тоже сделают :)

Если вы используете оба, то буду рад за обратную связь - поможет мне сделать доклад адекватнее

Разработчики OpenAI с 31 марта будут обязаны использовать агентов, писать код вручную - только в крайних случаях

Это прямое распоряжение президента OpenAI Грега Брокмана. Он связал его с корневым переломом в качестве кода агентов - оно превзошло ручное написание.

Могу сказать, что за последний год не написал ни строчки кода сам, только промпты. И если в начале 2025 года процесс выглядел «написал код - скинул ошибки - агент переписал», то с приходом Opus 4.5 код пишется с первого раза и без ошибок.

Отдельный вопрос, что не у всех компаний есть доступ к Opus 4.6. Могу сказать, что опенсорсные модели GLM 4.5, Kimi 2.5 абсолютно точно позволяют писать в агентском режиме 100% кода. Они уже догоняют по качеству проприетарные, чуть хуже, но не критично.

Убежден, что уже сегодня ручное программирование - это хобби, зарядка для мозга, наподобие игры в шахматы.

Почему компании должны оплачивать медитации своих сотрудников, проигрывая в скорости конкурентам?

#тренды #vibecoding

@neurovibe_ai

📈 4% всех публичных коммитов на GitHub сейчас делает Claude Code

SemiAnalysis выпустили анализ роста Claude Code. Цифры впечатляют:

- 135K+ коммитов в день
- Рост в 42,896 раз за 13 месяцев
- Прогноз: 20%+ всех коммитов к концу 2026

Что говорят разработчики:
- Andrej Karpathy замечает атрофию навыков ручного кодинга
- Malte Ubl (CTO Vercel): "Моя новая основная работа - направлять AI исправления"
- Boris Cherny: "Практически 100% нашего кода пишет Claude Code"

Еще интересное из отчета: Anthropic теперь добавляет больше revenue каждый месяц чем OpenAI. Рост ограничен только доступностью compute.

🔗 newsletter.semianalysis.com/p/claude-code-is-the-inflection-point

#claudecode #claude #anthropic #github #ai

—————————
Мысли Рвачева
—————————