Магия упрощения пользовательского опыта на примере установки n8n
В апреле мы, в Amvera Cloud, запустили n8n как преднастроенный сервис и столкнулись с тем, что разворачивать его неудобно.
Для работы сервиса требовалось после запуска создать домен, открыть порт, добавить домен в переменную и перезапустить проект. Звучит просто, но без документации далеко не каждый пользователь справлялся.
Плюс, не все могли найти преднастроенный n8n у нас в интерфейсе.
А простота создания и эксплуатации — это важно, особенно для такого сервиса, как наш.
Что мы сделали
– Теперь домен создаётся прямо при запуске проекта и сразу добавляется в нужную переменную. Это сократило создание n8n буквально до ввода названия проекта и нажатия кнопки “создать”.
– Добавили плитку с преднастроенными сервисами, чтобы их создание было максимально простым.
Плитка преднастроенных сервисов
Результат
Создание таких сервисов как n8n, Keycloack и других, от нажатия первой кнопки до перехода по выделенному бесплатному домену занимает буквально 20 секунд и требует нажатия двух кнопок и заполнения одного поля с названием проекта!
В ближайшие дни мы добавим возможность обновлять версии сервисов одной кнопкой и сделаем несколько инструкций для таких нестандартных ситуаций, как использование ffmpeg.
Генерим интерфейс ЛЮБОГО приложения за один клик — релизнулась топовая тулза для дизайнеров Aura, которая сможет создать работу от прототипа до финального анимированного макета.
• Все просто — вводим текстовый промпт и получаем результат за секунду. • Макеты легко экспортируются в Figma или в HTML. • Если нет вдохновения — в открытом доступе сотни шаблонов, которые можно свободно юзать в работе. • БЕСПЛАТНО.
Вышла нейросеть для расшифровки скриншотов — Snippai. Работает Gemini или GPT-4. Умеет перегонять формулы со скринов в LaTeX-формат, решать задачи и примеры, генерировать код по скринам или тексту, преобразовывать таблицы в Markdown, извлекать, переводить и пояснять текст. Доступна на macOS, Windows и Linux.
Дал одинаковое задание ChatGPT и Claude: создать интерактивную игру с кодом и интерфейсом. Задача комплексная — нужно и код написать, и текст придумать, и интерфейс сделать
Наши испытуемые
ChatGPT: 4.1, o3, Codex-1
Claude: Sonnet 3.7, Sonnet 4, Opus 4
💬 Исходный промпт для всех моделей выбрал такой Каждая модель ИИ получила идентичное задание
Давай сделаем игру на основе этого промпта
Придумай 10 заранее заготовленных Change (сам придумай) - и в формате истории рассказываешь что бы произошло
I want to simulate a new reality by altering a single variable. I'll give you the change, and you'll break down the cascade of consequences — starting from the most fundamental shift down to specific, real-world effects — so I can trace the full chain of cause and reaction. Let's begin with: [change]
Напиши код с интерфейсом
Да, промпт без всяких изысков и правил написания правильного промпта. Без указания ролей, структуры и тому подобного. Специально, что бы не фреймить модели на слишком точную задачу
Результаты по моделям ⤵️
ChatGPT семейство 💫
GPT o3 — 80 строк, 6KB Самый компактный код, но с серьезными косяками: текст размазан по экрану, нет viewport для мобилок, поверхностное выполнение основной задачи.
GPT 4.1 — 137 строк, 5KB Наиболее сбалансированный результат среди ChatGPT. Есть viewport, чистый ES6+ код, корректная мобильная версия. Но отсутствуют медиазапросы и не подсвечивается выбранный вариант.
Codex-1 — 105 строк, 6KB Единственный из ChatGPT написал интерфейс на русском. Технически грамотно, но слабо раскрыл суть задачи — вместо каскада последствий дал простые описания в 2-3 предложения.
Claude семейство 💗
Sonnet 3.7 — 317 строк, 20KB Структурированный подход с выпадающими списками и кнопками выбора. Хорошо выполнил часть с "каскадом последствий". В 3.2 раза тяжелее ChatGPT решений, но функциональность это оправдывает
Sonnet 4 — 562 строки, 33KB Появились переходы между страницами с искусственными загрузками через setTimeout. Модель уже начала осознавать UX-принципы: время ожидания увеличивает вовлеченность
Opus 4 — 497 строк React, 26KB Полноценный React-компонент с JSX, анимациями и пошаговым интерфейсом. Opus реализовал не прототип, а интерактивный полноценный опыт, который можно хоть сейчас отправлять на прод
Главные выводы
ChatGPT: Vanilla JS, минимализм, работает и хорошо, файлы 5-6KB Claude: Продуманная архитектура, UX-решения, выглядит вау, файлы 20-33KB
Разница в подходе и результате очень значительная — от HTML до React-приложений
Детальный разбор каждой модели, анализ кода, ссылки на GitHub, сравнение стоимости токенов, любопытные наблюдения о "личности" моделей и практические рекомендации для выбора — всё это в полной статье 👈
АГЕНТНАЯ ЭКОНОМИКА. Микро-дайджест недели. Интересные мысли.
Дайджест по материалам Fast Company, Venture Beat, The Atlantic,
Как Open AI страхуется от возможного замедления интереса со стороны инвесторов к появлению AGI и ASI
OpenAI представляет собой ярчайший пример того, как компании, ориентированные на искусственный интеллект, могут эволюционировать, чтобы выжить.
Самые мощные технологические компании добиваются успеха не только благодаря своим индивидуальным программным продуктам и гаджетам, но и за счет создания экосистем связанных сервисов.
OpenAI можно рассматривать как еще одну технологическую компанию, идущую по стопам Meta, Apple и Google, стремящуюся не просто вдохновлять пользователей новыми открытиями, но и удерживать их в линейке бесконечно обновляемых продуктов.
А это значит ровно то, что они способны убить немало стартапов своими планами развития.
С другой стороны, AGI это довольно условный термин...
Если бы показать сегодняшний Chat GPT людям в 2020 году, многие бы тогда сказали, что это AGI.
По сути Сэм Альтман в своем интервью на Snowflake Summit 2025 говорит, что кривая роста когнитивности моделей останется в том виде в котором мы ее наблюдали последние годы, по крайней мере в течение следующих 5 лет. Я давал ссылку на это интервью в прошлом дайджесте, прочитайте, там очень много интересных мыслей.
В тоже время, откуда совсем не ждали:
Даже если волна ИИ не заменит вас и вашу роль, она может заменить место вашей работы.
Бизнес может попасть под гораздо больший удар, чем сами люди. Т.е. потерять работу можно быстрее не потому что вас сократят, а потому что у компании, в которой вы работаете, какой-нибудь Айвентор (технологический предприниматель нового поколения) просто отберет долю рынка. AI isn’t coming for your job, it's coming for your company
Старый интернет был создан для людей. Новый будет создан для ИИ-агентов.
Агенты уже пытаются работать в мире, созданном человеком. Нажимают кнопки. Перетаскивают курсоры. Заполняют формы.
Но это как надеть на робота перчатку и сказать ему притвориться, что у него есть пальцы. Пока это работает, но это дико неэффективно!
Потому что через пять лет это будет не человек, нажимающий «купить сейчас». Это будет ваш агент на базе искусственного интеллекта, действующий от вашего имени, принимающий сотни решений в день, и не только о покупках, но и о планировании встреч, бронировании поездок, просмотре контента и обсуждении услуг во всех областях цифровой жизни. Agent-based computing is outgrowing the web as we know it
Уже писал об этом пару недель назад, и эта тема оч активно развивается в сети.
Подписывайтесь, чтобы не пропустить дайджест в ленте, если такие мысли по теме вам интересны. Я пока экспериментирую со временем публикаций.
Выбрать облачный сервис с помощью ИИ не отходя от кассы
Когда заходите на наш сайт, можете увидеть симпатичный розовый шарик, который предлагает помочь в создании готовой инфры.
Через него можно ввести запрос и получить от нейронки варианты сборки, которые мы можем предложить для бизнеса и личного пользования (кстати, такая фича есть только у нашего облака 😏).
Пример: Подобрать отказоустойчивую облачную инфраструктуру для SaaS-платформы с 50 000 активных пользователей в сутки.
ИИ-помощник сразу даст варианты сборки и ее конечную стоимость. Нужен кастом? Тогда можете написать сюда.
Лайфхак: Советуем проверить актуальные решения, даже если вы уже юзаете наши сервисы в облаке — вдруг появилось что-то покруче?
Apple покажут обновленную iOS уже сегодня на WWDC 2025 — это может стать крупнейшим обновлением iPhone за 12 лет. Ожидается, что в обновленной iOS появится расширенная интеграция искусственного интеллекта и машинного обучения, включая улучшенные голосовые ассистенты и новые возможности для персонализации. Возможно, Apple представит обновленные инструменты для разработки и использования AI прямо на iPhone, что откроет новые горизонты для пользователей и разработчиков.
Ждем стеклянный интерфейс и поддержку Gemini. Начало сегодня в 20:00 мск.
Императивное, декларативное и генеративное программирование.
Создатели фреймворка SwiftUI всегда подчёркивают, что он создан на основе парадигмы декларативного программирования. В отличие от предыдущего фреймворка UIKit, который характеризуется как пример императивного программирования.
Когда речь заходит о том, чем императивное программирование отличается от декларативного, то объяснение чаще всего сводится к тому, что при декларативном программировании разработчику нужно просто сказать, что ему нужно и SwiftUI это сделает. А если используется UIKit, то здесь типа надо все сделать самому.
Честно говоря, не очень внятное объяснение, поэтому попробую описать это различие сам на одном примере.
Итак, если в UIKit нам нужно вывести на экран список элементов, то мы используем TableView или CollectionView, которые уже подписаны на 2 протокола, а затем должны реализовать 3 метода: количество секций, количество строк в секциях, и в третьем методе скомпоновать ячейку и прописать загрузку в неё данных.
Та же задача в SwiftUI решается следующим образом:
Т.е., меньше кода, меньше времени тратится на реализацию задачи.
Можно, конечно, называть это декларативным программированием. Но можно считать это и следующим этапом развития высокоуровневого программирования. Когда-то программисты писали машинный код, потом языки программирования становились все более высокоуровневыми, все более понятными человеку. И вот теперь наступил новый этап, когда программирование стало ещё более высокоуровневым. Уже можно использовать более короткие высокоуровневые инструкции.
Наконец, самое интересное, что с этой же точки зрения можно рассматривать и программирование с помощью ИИ. Т.е., в тех же UIKit и SwiftUI, и в других языках программирования, разработчик пишет инструкции техническим языком, которые понятны в основном ему как человеку, но не очень понятны обычным людям. А теперь, в промтах, можно использовать уже и не технические инструкции.
Например, уже даже не надо писать команду List и т.д., а достаточно сказать ИИ "сделай список из таких-то элементов".
Таким образом, получается, что использование ИИ при написании кода - это следующий этап развития высокоуровневого программирования.
И поскольку ИИ везде называют генеративным, а его действия по написанию текстов, кода, созданию изображений и т.д., как генерация, то этот этап высокоуровневого программирования тоже можно назвать генеративным.
Коротко о том, чем гиганты индустрии баловали нас на этой неделе:
🟡PrettyPrompt — вышло расширение для браузера для написания идеальных промптов; 🟡Sora — видеогенератор от OpenAI добавили в Bing Video Creator, где его можно потестить бесплатно; 🟡Captions — выпустили нейронку для генерации видео с ИИ-актерами; 🟡OpenAI — раскатали для всех агента Codex для подписчиков Plus и врубили улучшенную память для всех юзеров ChatGPT; 🟡Luma — выкатили фичу для редактирования видео в Dream Machine; 🟡Altar 2.0 — бесплатный ИИ-помощник, который работает как мультиагентная система; 🟡Higgsfield — добавили создание говорящих ИИ-аватаров; 🟡ElevenLabs — представили новую модель для генерации озвучки — Eleven V3; 🟡HeyGen — прокачали свой генератор аватаров; 🟡Manus — выкатили сразу несколько обновлений: генерацию видео, поиск изображений и интеграцию с One Drive; 🟡Google — показали свой новый генератор мультфильмов.
С начала года Anthropic тестирует Claude Code — терминального агента для программирования на больших языковых моделях. Совсем недавно, 4 июня, инструмент добавили в подписки Pro и Max. Энтузиасты с удовольствием принялись тестировать продукт.
Как на личном примере показал микроблогер snwy, не обходится без курьёзов. Как утверждает программист, он попросил агента исправить баг парсера и прилёг. Когда энтузиаст вновь подошёл к компьютеру, Mac уже не загружался, выдавая ошибку об отсутствии операционной системы.
Вероятно, Claude Code дохимичился до того, что снёс содержимое системного диска. Что конкретно случилось, автор твитов не рассказывает. Указывается лишь, что на этой машине утилита для выполнения команд с полномочиями суперпользователя sudo была настроена с директивой NOPASSWD, чтобы при вызове команды пароль вводить не приходилось.
👍 OpenAI презентовали серьезное обновление в ChatGPT. Если кратко, то бота теперь можно заставить полноценно работать за вас
В нейронку прикрутили прямой коннект с рабочими сервисами по типу Github, Dropbox, Gmail и т.д. Какие это открывает возможности?
ИИ сам вытащит весь контекст из рабочих аккаунтов и будет в состоянии взять задачу в таск-трекере, написать код, протестировать его, прислать отчет на почту и залить изменения на Github.
Если требуется глубокое погружение в тему, то чат-бот поймет это и начнет копать по необходимости.
Завариваем чай, откидывает спинку кресла и наблюдаем за нашим цифровым сотрудником.
🟡Появилась генерация видео. Агент по промпту создает целые истории, похожие на мини-фильм, тут есть все: продуманные сцены, логика и реалистичная анимация.
🟡Добавили поиск изображений. Делаем запрос, а ИИ за вас прошерстит весь интернет в поисках нужной пикчи.
💸 Закрой ДОЛГИ с помощью ChatGPT — есть семь топовых промтов для устранения беспорядков в финансах 💸
🔠 Грамотно ведем бюджет и при этом не экономим на каждой мелочи Вот мой ежемесячный доход: [вставь сумму]. Составь простой бюджет, чтобы хватало на аренду, еду, накопления и немного жизни. Без жёстких ограничений.
🔠 Проверяем все подписки, которые съедают ваши деньги Вот за что я сейчас плачу: [вставь список сервисов]. Какие из них можно спокойно отключить, глядя на пользу и приоритет?
🔠 Выясняем самые большие траты Задай мне 5 умных вопросов, чтобы выяснить, на что я трачу больше, чем думаю, и подскажи, как это остановить.
🔠 Создаем подушку безопасности Хочу накопить 10 000 долларов за 90 дней. Построй для меня план, чтобы это было реально и не ощущалось как голодовка.
🔠 Бюджет в игровой форме с кайфом Преврати мой бюджет в игру: каждую неделю — челлендж и маленькая награда. Хочу, чтобы не в напряг, а в кайф.
🔠 Оценочка своего состояния Задай мне несколько вопросов о привычках и оцени моё финансовое здоровье. Подкинь 3 простых способа быстро прокачать его.
🔠 Ревизия ваших денег и способ начать копить бабосик Вот мои доходы и долги: [вставь данные]. Помоги выстроить схему, чтобы закрывать счета, копить и всё же жить по-человечески.
Решил понять, как сейчас можно создавать ИИ-агентов. Вариантов так много, что голова может пойти кругом. Я попытаться увидеть в этом систему.
Принципиально есть три основных направления.
1. Засучить рукава и писать много кода самому
Нужно неплохо знать какой-нибудь язык программирования (сюрприз!).
Лучше всего — Python, потому что он используется для LLM и это как бы "родной" язык для работы с ИИ. Но и другие языки тоже вполне подойдут. У меня есть некоторый опыт с Node.js, поэтому я, например, использую его.
С точки зрения сложности проекта средний ИИ-агент — это довольно простая программа.
У вас может быть веб-сервер на базе Express или просто скрипт. Триггером (тем, что запускает агента) может выступать любой планировщик или внешняя система, которая вызывает агента через веб-хук.
Например, написал пользователь на сайте сообщение. Ваш сайт посылает запрос вашему серверу и там уже агент начинает свою работу.
Во варианте с написанием кода у вас максимум гибкости, возможностей и... кайфа от процесса, если вы любите кодить. Можно реализовать любую сложную логику.
Писать агентов реально интересно, потому что это не просто примитивный CRUD. Нужно продумывать воркфлоу и порой взаимодействие между агентами. Я уж не говорю про механизмы самообучения.
2. Писать меньше кода за счет использования фреймворков
Пожалуй, это самый оптимальный и адекватный подход, если вы планируете создавать сложные агенты.
Под "сложными" я имею ввиду автономные агенты и команды агентов.
Автономный агент может сам принимать решения, что дальше делать в зависимости от ситуации. То есть это не фиксированная if-else логика.
Например, в аутриче важно фокусироваться на ценных лидах. Чем лучше подобраны лиды, тем больше эффективность кампаний.
У вас может быть главный агент ("мозг") и команда вспомогательных агентов, отвечающих за определенные задачи, такие как обогащение данных о лиде, скоринг и категоризация, написание писем, личных сообщений.
Главный агент может использовать вспомогательные агенты в зависимости от ценности лида. Особо ценный лид может быть передан в обработку нескольким аутрич-агентам (e-mail, личные сообщения), а менее ценный — только e-mail-аутрич-агенту. E-mail-агент может поменять текст следующего письма, если в личных сообщениях лид что-то написал другому агенту и контекст поменялся.
Суть тут в том, что решение принимается динамично за счет LLM. И еще нужен общий контекст между агентами, чтобы все это работало в унисон.
Фреймворки тут могут быть очень полезны, потому что в них реализованы инструменты для всего этого, и вам не придется изобретать необходимую логику с нуля. Также фреймворки поддерживают интеграции со многими сервисами, поэтому опять же надо меньше кода писать самому.
Примеры подобных фреймворков: AutoGen (Python), CrewAI (Python), LangChain (Python, Node.js).
3. Писать минимум кода и создавать ИИ-агентов в конструкторах.
Сейчас есть много, так называемых, "no-code" решений для создания ИИ-агентов. Тут большой набор вариантов, начиная от тех, что попроще (Zapier, make.com) и заканчивая более продвинутыми (n8n, pipedream).
Все эти платформы — это что-то вроде Scratch для взрослых.
Суть сводится к тому, что вы создаете нужный вам воркфлоу и настраиваете интеграции через интерфейс приложения.
Простые агенты можно создавать вообще без единой строчки кода. Сложные агенты скорее всего не получится реализовать из-за ограничений.
Тут максимум хайпа, потому что люди, не умеющие писать код, получили возможность ✨ творить ✨ .
--- Некая матрица принятия решения, как я это вижу
💡 Хочу построить простого агента или не умею кодить (тогда сложного агента создать не получится). ➡️ Использовать конструкторы.
💡 Хочу сложного агента и умею кодить на Python. ➡️ Юзать фреймворк или писать с нуля. Скорее всего юзать фреймворк более оправдано, потому что есть из чего выбрать.
💡 Хочу сложного агента и умею кодить на др. языках (например, Node.js) ➡️ Писать с нуля.
Исследование показало, что искусственный интеллект может создавать смешные интернет-мемы, но самые остроумные шутки по-прежнему придумывают люди. Учёные сравнили мемы, созданные людьми, искусственным интеллектом и в сотрудничестве человека с ИИ. Результаты показали, что у машин есть потенциал, но человеческая интуиция в юморе пока незаменима.
Суть проблемы заключается в понимании границ креативности ИИ. Может ли машина по-настоящему понять культурный контекст, иронию и нюансы, необходимые для качественного юмора? Исследователи из Технологического института KTH, Мюнхенского университета Людвига‑Максимилиана и Дармштадтского технического университета провели масштабный эксперимент для ответа на этот вопрос.
В ходе исследования три группы участников создавали мемы. Первая группа состояла только из людей, вторая использовала языковую модель для генерации мемов, а третья совмещала работу человека и ИИ. Затем почти 100 человек оценивали созданные мемы по креативности, юмору и желанию поделиться. В среднем мемы, полностью созданные ИИ, получили более высокие оценки.
Однако самые смешные и запоминающиеся отдельные мемы были созданы людьми. В то же время, совместная работа человека и ИИ привела к появлению наиболее креативных и виральных мемов. Это говорит о том, что ИИ отлично справляется с генерацией большого количества идей, но человеческое участие необходимо для отбора и доработки лучшего контента.
На бенчмарках модель заметно подросла и «поумнела» на задачах кода, логики и точных наук.
– 82.2% на задачах по программированию (Aider Polyglot) – 86.4% на вопросах по естественным наукам (GPQA) – 21.6% на Humanity’s Last Exam (тест на мышление и знания)
Цены в API: — до 200K токенов: $1.25 input / $10 output — больше 200K: $2.50 / $15 (за 1M токенов)
Представлен ультимативный бесплатный гайд по вайб-кодингу, в котором есть всё. Автор — ведущий инженер Google. Внутри проекта описаны лучшие техники промптинга, готовые шаблоны, фреймворки, сценарии — всё продумано до мелочей. Там нет устаревших советов, всё подогнано под новейшие модели и ИИ-сервисы.
Теперь не нужно рыться в интернете часами — ИИ сделает всю нудную работу за вас: найдёт информацию, оформит отчёты, создаст таблицы, гайды, презентации. В итоге получается целая интерактивная книга по вашей теме: внутри находятся графики, иллюстрации и дашборды.
Бонус: на базе собранных данных можно даже создавать целые приложения. Пробуем и экономим время!
Привет, меня зовут Александр, я аналитик в Альфа-Банке. Однажды я устал, что на Feature Store, на платформе для дата-инженеров (DE) и дата-саентистов (DS), невозможно ничего найти.
Поиск по контексту отсутствует. Приходится руками шерстить огромное количество ETL-проектов в поисках той самой полезной информации, полагаясь сначала на удачу, а после — на опыт и помощь коллег.
Feature Store сама по себе — платформа, которая должна упрощать работу коллег с большими данными, упрощает бюрократию жизненного цикла создания ETL, ввода моделей в промышленную эксплуатацию. Но какой же поиск там...В общем, хотелось бы улучшить процесс по поиску данных в ней.
