Я написал бота, который смотрит переписку в групповом рабочем чате, утром за прошедший день извлекает выданные задачи, выделяет из них ещё не выполненные и добавляет их в Telegram чек-лист с указанием инициалов исполнителя.
Итого в чате всегда свежий список задач к исполнению.
Ну и расшифровка голосовиков, ессно.
Решилась проблема "выдал поручение и забыл".
Сделано на n8n + telegram http-mtproto bridge + OpenRouter.
HTTP-Mtproto bridge нужен, потому что:
В telegram bot api пока что нет методов работы с чеклистами и приходится их создавать от имени юзербота.
n8n не умеет обращаться к mtproto, поэтому пришлось сделать микросервис, который принимает на вход payload по http и конвертирует его в команду mtproto. (github)
Как я понял из переписки в комментариях, эта теория выведена из долгих разговоров в ИИ.
У ИИ есть два опасных свойства:
Глюки и неспособность оценить собственную уверенность в правильности ответа. Другими словами, может пороть дичь с покерфейсом.
Тенденция валидировать собеседника. То есть, она с гораздо большей вероятностью будет искать подтверждение утверждениям пользователя, чем их опровержение.
В частности, из-за этого ИИ не пригоден как психолог - в какие бы дебри саморазрушения не уходил собеседник, ИИ всегда будет это одобрять.
В сочетании со свойством человеческой психики искать везде взаимосвязи, тандем человек - ИИ может при наличии фиксации на определенном утверждении нагенерить бесконечное количество теорий.
Читая теорию автора, мне показалось, стоя наблюдаю то же самое — результат того, что к ИИ принесли утверждение и заставили искать подтверждения.
Проверочным упражнением можно было бы попробовать запросить у ИИ опровержения этой теории и сравнить объем подтверждений и опровержений.
Лайфхак - если подключить к этому workflow mcp-сервер телеграмма (с поиском по чатам, например, fast-mcp-telegram), то можно вместо дайджеста статьей из веба делать дайджест из любимых канальчиков телеграмма, на постоянную проверку которых не хватает времени.
Понравилась структура сущностей (project brief, decisions, system patterns, links), но кажется, что он сильно жрет контекстное окно из-за длинной стратегии, обилия инструментов и необходимости многоступенчатой работы с инструментами.
Ты пробовал другие инструменты памяти?
Просто text-file based memory rules а ля cline memory bank?
У меня достаточно достойные (по моей оценке :))) ) результаты получаются при подключении к голому Курсору двух подходов - памяти (просто на .md файлах, по системе Cline Memory Bank) и новой фичи планирования Курсора - перед большими изменениями сначала задать мне вопросы, построить и обсудить со мной план работ и подходы.
Нарадоваться не могу - уже забыл, когда код руками писал.
В том числе все рефакторинги тоже делает ИИ.
Получается гораздо быстрее, чем если бы я писал сам.
Плюс заметил психологический эффект - стал меньше уставать, чем раньше, когда надо было весь контекст держать в голове самостоятельно.
Задачки по геометрии ИИ решает плохо - известный факт.
Но в остальном, если подать в него доки с примерами, должен справляться, нет?
Я много раз проходил ситуацию, когда надо было работать со свежими инструментами, разработанными в 2025 году, и context7 с доками помогал ИИ переставать глючить и выдавать рабочий код с первого раза.
Видимо нет. Попробовал зайти на https://aistudio.google.com/apikey и получил стандартную страницу, что сервис недоступен в моем регионе.
У меня есть что-то подобное, но вид сбоку.
Я написал бота, который смотрит переписку в групповом рабочем чате, утром за прошедший день извлекает выданные задачи, выделяет из них ещё не выполненные и добавляет их в Telegram чек-лист с указанием инициалов исполнителя.
Итого в чате всегда свежий список задач к исполнению.
Ну и расшифровка голосовиков, ессно.
Решилась проблема "выдал поручение и забыл".
Сделано на n8n + telegram http-mtproto bridge + OpenRouter.
HTTP-Mtproto bridge нужен, потому что:
В telegram bot api пока что нет методов работы с чеклистами и приходится их создавать от имени юзербота.
n8n не умеет обращаться к mtproto, поэтому пришлось сделать микросервис, который принимает на вход payload по http и конвертирует его в команду mtproto. (github)
Я использую бесплатные модели от OpenRouter.
Загоняешь 10$ им на счёт и получаешь 1000 запросов в день к бесплатным моделям: https://openrouter.ai/models?max_price=0
А у меня вопросик к старожилам - Gemini API пропускает запросы из России с аккаунта, который он считает российским?
Произвольные люди могут встать и громко заявить "Ху#ня!". :)
ИИ-модель не может - ее обучают угождать.
Как я понял из переписки в комментариях, эта теория выведена из долгих разговоров в ИИ.
У ИИ есть два опасных свойства:
Глюки и неспособность оценить собственную уверенность в правильности ответа. Другими словами, может пороть дичь с покерфейсом.
Тенденция валидировать собеседника. То есть, она с гораздо большей вероятностью будет искать подтверждение утверждениям пользователя, чем их опровержение.
В частности, из-за этого ИИ не пригоден как психолог - в какие бы дебри саморазрушения не уходил собеседник, ИИ всегда будет это одобрять.
В сочетании со свойством человеческой психики искать везде взаимосвязи, тандем человек - ИИ может при наличии фиксации на определенном утверждении нагенерить бесконечное количество теорий.
Читая теорию автора, мне показалось, стоя наблюдаю то же самое — результат того, что к ИИ принесли утверждение и заставили искать подтверждения.
Проверочным упражнением можно было бы попробовать запросить у ИИ опровержения этой теории и сравнить объем подтверждений и опровержений.
Бот "Антиспам" - @ai_spam_blocker_bot
Вопрос новичка - а какие проблемы его ждут?
Лайфхак - если подключить к этому workflow mcp-сервер телеграмма (с поиском по чатам, например, fast-mcp-telegram), то можно вместо дайджеста статьей из веба делать дайджест из любимых канальчиков телеграмма, на постоянную проверку которых не хватает времени.
Зачем вам дока (а это по сути гид по доке) on-premise?
Посмотрел ConPort.
Понравилась структура сущностей (project brief, decisions, system patterns, links), но кажется, что он сильно жрет контекстное окно из-за длинной стратегии, обилия инструментов и необходимости многоступенчатой работы с инструментами.
Ты пробовал другие инструменты памяти?
Просто text-file based memory rules а ля cline memory bank?
Бэкенд, питон. Фреймворки все попсовые - telethon, fastapi, pandas, streamlit.
Если нужно использовать что-то новое (fastmcp) или редкое (vectorbt) - прошу спрашивать примеры применения у context7 или искать в веб.
Для непопулярных стеков подключали Context7?
С приходом ИИ мир меняется, и с ним меняется и набор основных навыков.
Я например, считаю, что если у вас ИИ плохо пишет - значит вы дали мало контекста и плохо поставили задачу.
Либо забыли в промпте или в правилах написать "перед исполнением задай мне вопросы".
Очень возможно, но таких задач может быть в проекте не так уж и мало
Такое должно решаться правилом "Перед любыми изменениями задай мне вопросы, построй план и согласуй со мной."
Ну и новая фича планирования в Курсоре - просто огонь, пробовали?
У меня достаточно достойные (по моей оценке :))) ) результаты получаются при подключении к голому Курсору двух подходов - памяти (просто на .md файлах, по системе Cline Memory Bank) и новой фичи планирования Курсора - перед большими изменениями сначала задать мне вопросы, построить и обсудить со мной план работ и подходы.
Нарадоваться не могу - уже забыл, когда код руками писал.
В том числе все рефакторинги тоже делает ИИ.
Получается гораздо быстрее, чем если бы я писал сам.
Плюс заметил психологический эффект - стал меньше уставать, чем раньше, когда надо было весь контекст держать в голове самостоятельно.
Отличная статья!
Не нашел ссылки в профиле, можете дать?
Задачки по геометрии ИИ решает плохо - известный факт.
Но в остальном, если подать в него доки с примерами, должен справляться, нет?
Я много раз проходил ситуацию, когда надо было работать со свежими инструментами, разработанными в 2025 году, и context7 с доками помогал ИИ переставать глючить и выдавать рабочий код с первого раза.
Понял (почти) :)))
Не знал про секрет и сертификат при установке вебхука, спасибо