Хотите узнать, как вы выступлили? Я Создала и обучила AI ассистента (ну, а как сейчас без ИИ) и этот гад оценил моё выступление на 6 из 10.

Ну, ладно, это был спонтанный тестовый кружок, но сам факт! Считаю, что это свинство, друзья мои. Учишь его, учишь, а он предатель и гадёныш.
Новость в том, что не одной мне отныне страдать.

Малыш Чак - к вашим услугам!
Загружаете видео или аудио и через минуту получаете развёрнутую обратную связь. Как говорится, не успеете заскучать.

Что особенно круто и предмет ношей особой гордости - он расскажет вам, как улучшить ваше выступление и куда стоит развиваться дальше.

Мы, конечно же, его ещё обучаем и развиваем, он пока не самый лучший тренер по публичным выступлениям. Однако, точно превосходит некоторых кожаных специалистов:)

Пользуйтесь и рассказывайте мне, пожалуйста, как он вам. https://clck.ru/3Q8ZSA

Love Mark — стоит ли оно того?

Так о многом хочется написать, даже жаль, что работа с написанием текста требует от меня больших усилий, чем их поглощение и переваривание.

Сейчас активно учусь, большей частью в Hard Skills, так как технические аспекты развиваются уж очень стремительно - надо поспевать за ними. Не все моменты можно почерпнуть из голой документации, бывает эффективней скомпилированный учетный курс взять и плотненькое за него засесть.

Как раньше писал, проходил курс по Java разработке на нетологии - ругался и на курс и на организацию учебы. Материал вроде дали, польза вроде есть, а не то…

Следующим по рекомендации мне зашел курс на stepik.org - и…

https://iostech.ru/2025/11/love-mark-стоит-ли-оно-того/

Full text: Так о многом хочется написать, даже жаль, что работа с написанием текста требует от меня больших усилий, чем их поглощение и переваривание.
Сейчас активно учусь, большей частью в Hard Skills, так как технические аспекты развиваются уж очень стремительно - надо поспевать за ними. Не все моменты можно почерпнуть из голой документации, бывает эффективней скомпилированный учетный курс взять и плотненькое за него засесть.
Как раньше писал, проходил курс по Java разработке на нетологии - ругался и на курс и на организацию учебы. Материал вроде дали, польза вроде есть, а не то… 
Следующим по рекомендации мне зашел курс на stepik.org - и тут начал получать удовольствие от материала, структуры, подачи. 
Вроде курсы и курсы, ну языки разные, Java и Python, что же еще не так?
 
Степик не бесплатный, но если в нетологии просто курс за деньги, пусть и с дипломом гос.образца, то курс на степике написан автором с истинной любовью к предмету и заботой о студентах.
Ощущение этой разницы заставило меня вспомнить одну из лекций, которые слушал в рамках курса miniMBA - про LoveMark. Невозможно выстроить любимый потребителями бренд без любви к ним.
Не устаю это повторять - востребованность и успешность продукта это еще не все, это не гарантия любви клиентов.
Вот Сбера - он реально классный и он везде. Сервисы Сбера удобные и решающие широкий спектр задач и нужд клиента. Является ли бренд “Сбер”- LoveMark клиентов? Вот не очень.
А вот некоторые курсы на Stepik.org - например этот определенно теперь эталон Love подхода к клиенту.
 
У вас как с любовью? Закладываете в дизайн продукта?

Такое нам надо!
Попробуйте сходить!

Менеджмент, как оказывается, штука хорошо изученная и классифицированная.
Пришла пора готовиться к подведению итогов месяца / квартала / года - надо оценить сотрудников и дать им развернутую обратную связь, а как?
Вопрос возник - отвечаю.
Для структурирования обратной связи можем применить что-то из моделей: SBI, IBOFF и SLC. Что это? Да вот:
📌 Модель SBI
- Situation (ситуация)
- Behavior (поведение)
- Impact (влияние/результат)

Эта модель помогает чётко описать конкретную ситуацию, поведение сотрудника в этой ситуации и последствия данного поведения. Цель — сделать обратную связь конструктивной и конкретной, чтобы сотрудник понимал, какие именно поступки привели к определённым результатам.

Преимущества:
- Конкретность: ситуация детально очерчена, сотрудники понимают контекст происходящего.
- Объективность: акцент делается на фактах, а не субъективных оценках личности сотрудника.
- Вдохновение к развитию: осознание последствий своего поведения стимулирует корректировку действий.
---
📌 Модель IBOFF
- Issue (проблема/ситуация)
- Benefit (выгода от решения проблемы)
- Options (варианты решений)
- Follow-up (контроль выполнения)
- Feedback (обратная связь после реализации предложенных вариантов)

Этот подход ориентирован на решение проблемной ситуации путём анализа её негативных аспектов, определения выгоды от устранения недостатков, поиска возможных путей исправления и последующего контроля выполнения принятых мер.

Преимущества:
- Ориентация на результат: фокусировка на конкретных проблемах и выгоде от их разрешения.
- Развитие креативности: необходимость придумывать несколько вариантов решения способствует гибкости мышления.
- Системный подход: предусматривает контроль исполнения изменений и последующий фидбек.
---
📌 Модель SLC
- Specifics (конкретика)
- Learning (учеба, развитие)
- Coaching (менторство, наставничество)

Модель SLC нацелена на создание позитивной среды обучения через наставничество и предоставление обратной связи, помогающей сотруднику развиваться профессионально. Она подчеркивает важность конкретного примера, роста компетенций и регулярного сопровождения профессионала в процессе совершенствования.

Преимущества:
- Обучение и рост компетенции: регулярные встречи помогают сотрудникам учиться и улучшаться.
- Наставничество: наличие коуча обеспечивает поддержку и мотивацию.
- Формирование долгосрочных целей: постоянное внимание к развитию позволяет ставить амбициозные цели и достигать их.

Тут вразумели и думаем выбрать что-то одно и всем развернуть эдтот самый фидбек?
Не работает - ситуативный менеджмент говорит нам, что выбор модели управления контекстозависим, что применимо и к обратной связи.
Неизменно лишь одно - выбрали модель и обязательно в подготовке к встрече сделали по ней заметки, которые и используете на встрече.

Зачем СTO пишет код?

🦾Чтобы оставаться в курсе, что реально работает: Использует современные AI-инструменты, понимает преимущества и ограничения каждого, что помогает делать правильные стратегические решения по технологиям и найму.
🦾Потому что это его страсть: Ему больше нравится строить вещи и решать технические проблемы, чем заниматься организационным управлением и людьми. В этой роли он максимизирует свою эффективность.
🦾AI-инструменты увеличили его производительность: Раньше у него почти не было времени на код, сейчас с помощью AI он стал в 2-3 раза продуктивнее, концентрируясь на принятии решений, а не на написании каждой строчки кода вручную.

- в статье https://iostech.ru/2025/11/стратегия-сто-в-эпоху-развития-ai/ больше моих мыслей по этому вопросу.

«На небе только и разговоров, что о море и о закате» — ой, это не про нас 😄

Сейчас на всех IT-конференциях одно модное словечко: AI (или «ЭйАй» — по-нашему).

🤔 Но как добавить реальной пользы этим AI-powered штукам? Чтобы они не просто болтали, а делали.

Сидел я, думал, как бы докрутить эту дурашку хоть до 0.2 Джарвиса (помощника Тони Старка, если что).

И нашел интересное! Есть MCP (Model Context Protocol) — открытый стандарт, своего рода «USB‑C для ИИ» 🔌

Проще говоря: MCP — это единый способ, по которому LLM (типа ChatGPT, Claude) общаются с внешним миром: календарями, почтой, задачами, базами данных.

С чем конкурирует? С Function Calling (OpenAI), Tool Use (Anthropic) и другими. Но у него ключевые плюсы:
✅ Не зависит от модели (работает с GPT, Claude, Llama)
✅ Динамическое обнаружение инструментов
✅ Постоянное соединение и работа с ресурсами

📌 Когда что выбрать? Кратко:

• MCP: Для сложных систем, где несколько ИИ должны работать с одними инструментами (например, в компании).
• Function Calling: Самый быстрый старт, если вы в экосистеме OpenAI.
• Классические API: Когда ИИ — не главный герой вашего продукта.

Я уже прикрутил доступные MCP-серверы к своим помощникам. Теперь они: 📅 смотрят в календарь, ✅ проверяют задачи в Тудушнике, ✉️ готовят письма. Стало значительно лучше!

Но чувствую, это только вершина айсберга.
Инструмент надо изучить глубже!

https://modelcontextprotocol.io/docs/getting-started/intro

Обожаю момент ловли инсайта — не процесс, а сам результат! 😎 Особенно когда он помогает доформулировать мысль, которая крутилась в голове, и вдруг — всё укладывается в стройную картину.💆
Жаль, что не всегда успеваешь записать её, пока она свежая и чёткая. Вчера с женой обсуждали майндсеты — образы мышления и принятия решений. Выделили два:
• Doer: “Потерплю, сэкономлю, но сделаю сам” 👨‍🌾
• Entrepreneur: “Пойму задачу, привлеку ресурсы, сэкономлю время”🤵‍♂️
Оба имеют право на жизнь, но в нашей суровой северной ментальности стоит развивать второй — предпринимательский.

Преимущества зависят от контекста.

А ещё есть корпоративные майндсеты, ну те, которые помогают в корпоративно жизни.
Сегодня запомнился “достигатель”, которого можно описать цитатой председателя совета директоров банка — “Если я сам в своём кабинете тебе ещё не отказал в реализации того, что ты хочешь сделать — значит, ты для этого сделал ещё недостаточно”

Мотивирует?

По следам поста про "Зачем СТО пишет код" - пишу про "Почему СТО не должен писать код" и коротко не получается.
Получается очень контекстозависимо.
Версии от TechCrunch victim до GreenField хипстеров.

Потому спрошу у вас:
Какие причины видите, по которым CTO лучше уже не писать промышленный код?

Ключевой навык при работе с GPT — критическое мышление. Без него никак 😎

С вечеринки жена притащила домой какую-то фигурку — странную, но милую. Спросил у GPT, что это такое.

Результат:
Алиса: уверенно заявила, что это "брейнрот" и сразу предложила купить набор. Коммерсантка, что сказать.
Perplexity: спокойно и чётко — «Брекнрот», вот имя, вот описание, всё по делу.
GIGA: «Это персонаж из советского мультфильма “Летучий корабль”. Лягушка, с колесом вместо тела и палками вместо ног».
Обожаю, его галлюцинации 🐸✨

Context engineering vs prompt engineering

Пару последних недель я часто сталкиваюсь с публикациями коллег, посвящёнными ожиданиям и оценке эффективности внедрения инструментов на основе искусственного интеллекта. В профессиональном сообществе нередко звучит мнение, что без ИИ сегодня «ничего не работает», и что любые инструменты на его основе якобы гарантированно дадут эффект.

С августа я занимаюсь процессом популяризации и внедрения AI‑инструментов в нашу производственную среду. Для нас производство — это, прежде всего, разработка программных продуктов, поэтому речь идёт о внедрении ИИ в контур PDLC (Product Development Lifecycle). Однако, вопреки ожиданиям, эти решения не «взлетают» так, как рассчитывалось.

https://iostech.ru/2025/12/context-engineering-vs-prompt-engineering/

🚀 Учимся на ошибках: 10 правил для AI-агентов с итогового митапа сообщества разработчиков


Все любят учиться — особенно на чужих ошибках. Я, например, обожаю ретроспективы и митапы, где разбирают три главных вопроса:

Что пошло не так?

Чему научились?

Что вынесли на будущее?

Вчера как раз прошёл финальный митап разработчиков AI-агентов для производственных процессов. Собрал для вас ценные инсайты — прямую выжимку их опыта.

Итак, 10 правил, которые стоит запомнить каждому, кто работает с агентами:

1. Хорошая идея — лишь начало. Без качественной реализации она ничего не стоит.

2. Команда — важнее технологии. Успех проекта решают люди.

3. Один агент — одна задача. Чем уже фокус, тем выше эффективность.

4. Профессиональные сообщества — сила. Используйте распределённый опыт и экспертизу.

5. Пользователь всегда хочет «другое». Смотрите на продукт с разных сторон, общайтесь с максимальным количеством юзеров.

6. Документация — это искусство. Всегда найдётся тот, кому не понятно.

7. Пользователь ждёт «серебряную пулю». И это нужно учитывать, управляя ожиданиями.

8. Масштабирование закладывается заранее. Хочешь роста — думай об архитектуре с самого начала.

9. Метрики — это всё. Определи, как их собирать и анализировать, ещё до старта.

10. Промпты можно отладить на чистом GigaChat. Качество работы агента начинается с качества запроса.

Это стоит выучить как мантру.
Согласны?

Продолжаю делиться инсайтами с митапов разработчиков ИИ-агентов.

Опытные AI инженеры рассказали о реальных сложностях, с которыми столкнулись в процессе создания AI-агентов, о новых навыках, которые им пришлось осваивать, и о том, как первоначальная оценка «да тут на 2-3 недели работы» превращалась в 5 месяцев от идеи и сбора команды до первого пром-релиза.

Итак, на что стоит обратить внимание и что нужно «прокачать» в своем стеке:
- LangChain - фреймворк, который значительно ускоряет разработку сложных LLM-приложений, избавляя от необходимости создавать базовую инфраструктуру с нуля.
- LangGraph - мощное расширение LangChain для построения агентских систем со сложной, нелинейной логикой, управляемыми потоками выполнения и сохранением состояния.
- LangFuse - must-have инструмент для production-среды. Помогает понять работу сложных цепочек, оптимизировать затраты и улучшать качество через детальный анализ трассировок и метрик.
- SkillFlow - фреймворк для создания кооперативных мульти-агентных систем, где каждый агент обладает уникальными, специализированными навыками.
- ChainLit (Claude) - самый быстрый способ «завернуть» вашу LLM-логику в полноценное веб-приложение с современным чат-интерфейсом.

Понятно, что для учебных или простых кейсов LangGraph и SkillFlow могут быть избыточны. Но мы с вами говорим о создании решений enterprise-уровня, да?

Поэтому обязательно изучайте, как эти инструменты применяются на практике: сами тестируйте, включайте в требования к вакансиям, добавляйте в LiveCode-интервью или просите показать примеры в портфолио на GitHub

Вот и мой план на поучиться в новогодние каникулы созрел.

Спасибо вам за то, что читаете. А вот что ИИ думает про то, что вы можете найти в моем канале.
Похоже на правду?

За тренд за Щелкунчика.
К пятнице впрочем каждый из нас немного Щелкунчик…
Давайте в комменты по мему - какой ты Щелкунчик сегодня!

Вот и до меня докатилось отключение подписки Perplexity PRO, купленной по серой схеме.

https://habr.com/ru/news/980202/

В целом подписка и её возможности интересные, но надо подумать над продлением, получше изучить возможности доступных нейросеток.

Какие ваши рекомендации?