Все потоки

ASCII Sandbox для красивого рассыпания в игре // Как сделано

Для того чтобы спрайты, боссы и другие объекты в игре красиво рассыпались, я сделал простой ASCII Sandbox движок. В отличие от самой игры, где символы могут рисоваться в произвольных координатах, ячейки в sandbox‑е строго выровнены по сетке. Это дает прикольный визуальный эффект. Алгоритм очень простой — вот схема:

─┼─┼─┼─┼─┼─┼─┼─┼─
│ │ │ │@│ │ │ │
─┼─┼─┼─┼─┼─┼─┼─┼─
│ │4│2│1│3│5│ │
─┼─┼─┼─┼─┼─┼─┼─┼─

А. Обходим все ячейки сетки снизу вверх (если гравитация направлена вниз).

Б. Если в ячейке есть символ, и он не в полете, то пытаемся его уронить.

В. Сначала проверяем ячейку снизу (1), если пустая — запускаем символ в полет в нее.

Г. Если снизу занято, то проверяем диагональные ячейки (2) и (3). Если обе пустые, то выбираем случайно. Запускаем символ в полет.

Д. Sandbox у меня скользкий, т.ч. символы могут скатиться и под большим углом. Поэтому проверяем еще и соседние к диагональным ячейки (4) и (5). Если там пусто, то запускаем символ в полет, как в предыдущем пункте.

Этого достаточно — символы сыпяться. Для красоты я добавил еще две штуки: ускорение и саморазрушение.

Если символ без задержек летит по ячейкам сетки вниз, то было бы красиво сделать движение с ускорением. Сделать это просто — нужно только накапливать для каждого символа время непрерывного полета. Наткнулся на другой символ — обнуляем время и ускоряемся заново.

Еще одна штука — саморазрушение. Когда спрайт помещается в sandbox, то в случае, если снизу пустые ячейки, он летит целиком. Это иногда не так эффектно. Поэтому я сделал параметр саморазрушения. Даже если снизу пустота, то отдельные частички‑символы спрайта все равно начинают взаимодействовать друг с другом. На видео я показал сравнение разных степеней саморазрушения.

Как вам эффект? Буду рад, если вам понравился стиль и вы решите поддержите мой проект на Steam страничке игры.

Духоты агентской пост. Расскажу про систему ограничений, которую я допиливал эту неделю. ИИ-агенты ошибаются довольно предсказуемо: выдумывают цифры, каскадируют ошибки между этапами, льют воду, теряют контекст, додумывают данные при сбоях WebSearch и выжирают токены со страшной силой. Что сделал:

Починил таймауты и ограничил запросы WebSearch. Раньше агенты зависали на длинных запросах и сжигали токены. Теперь у каждого субагента жёсткий лимит, параллельно работает не больше трёх запросов. Адаптивная глубина: если после 3 запросов уже 8+ источников — остальные пропускаются. Если после 5 запросов меньше 5 качественных — включается глубокий режим. Три сбоя подряд — полная остановка. Если поиск лёг — пустой конспект с маркером, а не выдуманные данные.

Добавил автоматические предохранители от перерасхода токенов. Конспект ресёрчера обрезается на 4-5K символов, а лишнее отсекается по приоритету тиров. Если 80%+ фактов из Tier 1-2 — фактчекер предлагает пропуск (экономия 4-6K токенов). И там много ещё всего.

Добавил оценку токенового бюджета. Теперь, например, перед запуском пайплайна видно: статья съест 14-20K токенов (5-7% дневного лимита). Можно решить, стоит ли запускать фактчекинг, если все источники и так Tier 1.

И завершил разбиение всех агентов на субагенты (кажется). Раньше один агент искал, писал и проверял — контекст распухал, ошибки каскадировали. Теперь сборщик, автор и верификатор работают в песочницах. Каждый видит только свои данные.

Запустил сбор отчётов генерации и ревью. Раз в неделю анализирую отчёты, ищу паттерны ошибок и обновляю правила. Замкнутый цикл: ошибка → отчёт → новое правило → следующая генерация лучше. Автоматику тут не стал делать, чтобы не допустить попадание галлюцинаций в правила.

Главный вывод: не пытайтесь предотвратить все ошибки ИИ-агентов. Стройте систему, которая их обнаруживает, логирует и улучшает правила на основе данных.

P.S.: Что в работе и про что постараюсь рассказать: пишу backend runtime на Python, чтобы wizard-поведение работало не только в Claude Code, но и через API, в своём бэкенде или другом LLM. Короче, чтобы не замыкаться только на Claude, а использовать агенты и в других нейросетях. Но тут ещё тестировать и тестировать.

Больше и раньше в канале

Новый режим для ваших приложений ⚡️

Раньше можно было запускать только статику (SSG) и одностраничные приложения (SPA). К ним добавился и серверный рендеринг (SSR).

SSR — это когда страница собирается на сервере и сразу приходит пользователю готовой. Например, в интернет-магазине вы сразу увидите товары и цены без пустого экрана и долгой загрузки.

Что дает этот режим:

• +1 к гибкости разработки. В приложении можно использовать серверную логику, авторизацию и собственные API-обработчики.

• +1 к SEO. Страницы рендерятся на сервере → лучше индексируются и быстрее попадают в выдачу.

• +1 к простоте архитектуры. Не нужно создавать отдельный бэкенд, ведь часть логики можно держать в SSR.

Как включить: при создании просто активируйте SSR — приложение развернется как бэкенд, где можно выбрать конфигурацию сервера и задать команду запуска.

Минимальный конфиг: от 510 ₽/мес с 1 CPU и 1 ГБ RAM

☝🏻 После деплоя режим изменить нельзя. Для других настроек создайте новое приложение.

Запустить SSR на своем проекте →

SimpleOne GenAI-платформа вошла в тройку лучших рейтинга корпоративных ИИ-помощников по версии CNews

Российский разработчик решений для автоматизации сервисных бизнес-процессов SimpleOne, входит в корпорацию ITG, занял третье место в рейтинге CNewsMarket «Корпоративные ИИ-помощники 2026». Решение SimpleOne GenAI получило 755 баллов из 795 возможных и вошло в число лидеров среди 22 участников рейтинга.

Рейтинг CNewsMarket охватывает ключевые характеристики корпоративных ИИ-платформ: функциональные возможности, автоматизацию и аналитику, безопасность, интеграции с корпоративными сервисами, а также работу с аудио- и текстовыми форматами. SimpleOne GenAI набрала максимальные баллы по нескольким критериям — в частности, по функциональным возможностям (90 из 90) и возможностям для продаж (100 из 100).

Платформа поддерживает автономную работу ИИ-агентов, создание пользовательских сценариев с помощью Low-code и No-code инструментов, и оркестрацию ведущих LLM-моделей через OpenAI API, Embeddings API, Anthropic Claude API, Google Gemini API, GigaChat API и другими. Развертывание доступно в закрытом корпоративном контуре с централизованным управлением доступом и журналированием действий, что отвечает требованиям информационной безопасности крупных организаций.

«Быть в списке лучших — это сигнал не только для нас, но и для рынка: корпоративный ИИ перестаёт быть экспериментом и становится инфраструктурой. Мы с самого начала проектировали ИИ инструменты как часть единой платформы SimpleOne, а не отдельную надстройку — агенты, процессы, данные и политики безопасности работают в одной среде. Именно это позволяет клиентам тиражировать ИИ-сценарии по всей компании, а не останавливаться на пилоте», — комментирует Руслан Шарипов, генеральный директор SimpleOne, корпорация ITG.

SimpleOne GenAI — это встроенный ИИ-инструментарий платформы SimpleOne, на базе которой также работают продукты ITSM, ITAM, B2B CRM, SDLC и HRMS. Платформа включена в реестр российского ПО и подходит для проектов импортозамещения.

Полный рейтинг CNewsMarket «Корпоративные ИИ-помощники 2026» доступен на сайте CNews.

CapCut Video Studio на Seedance 2.0: что на самом деле умеет генератор от ByteDance

CapCut Video Studio на Seedance 2.0: что на самом деле умеет генератор от ByteDance

CapCut запустил Video Studio — canvas-интерфейс, где AI-агент пишет сценарий, генерирует раскадровку и собирает финальное видео. Под капотом — Seedance 2.0 от ByteDance. Разбираю, что здесь реально работает, а что пока маркетинг.

Что запустили и для кого

Video Studio появилась в веб-версии CapCut как отдельный режим с бесконечным холстом. Целевой формат — шортсы, рекламные креативы, обучающие ролики. Встроенный агент берёт промпт, генерирует идею, разбивает на сцены, создаёт изображения и видеофрагменты. Функция Omni Reference отвечает за консистентность персонажей и стилистики между кадрами.

Гео-ограничение на старте: Юго-Восточная Азия, Ближний Восток, Африка, Латинская Америка. Когда откроют для остальных — не говорят.

Seedance 2.0 — что известно про модель

Seedance — видео-модель ByteDance, которая конкурирует с Runway Gen-3, Kling и Pika. По внутренним бенчмаркам ByteDance, версия 1.0 показывала сопоставимое качество с Kling 1.5, но отставала от Gen-3 по реалистичности движений.

Seedance 2.0 анонсировали вместе с Video Studio. Ключевое обновление — улучшенная консистентность персонажей через reference-изображения. Независимых бенчмарков пока нет. Длина генерации — до 10 секунд за запрос, что стандартно для текущего поколения моделей.

Где реальная польза

Для коротких форматов это может работать. 15–30 секундный ролик из 3–5 склеенных генераций — реалистичный сценарий. Особенно для абстрактных визуалов, анимации, продуктовых демо без живых людей.

Omni Reference — интересная фича. Консистентность персонажей — главная боль генеративного видео. Если работает хотя бы на 70–80% случаев без ручной коррекции — это существенно сокращает время продакшена.

Интеграция с редактором CapCut. Генерацию можно сразу дорабатывать в привычных инструментах: склейка, субтитры, эффекты. Не нужно экспортировать и импортировать между приложениями.

Где пока слабо

Агентная часть переоценена. «AI пишет сценарий» — на практике это генерация структуры по промпту, не креативная работа. Качество сильно зависит от детализации входного запроса. Назвать это полноценным сценаристом — маркетинговое преувеличение.

10 секунд — жёсткий потолок. Для рекламы и шортсов достаточно, для обучающих роликов на 2–3 минуты придётся склеивать 12–18 фрагментов. На стыках будут проблемы с консистентностью, даже с Omni Reference.

Гео-ограничения — не случайность. ByteDance запускает в регионах с меньшим регуляторным давлением. Для EU и US нужны другие compliance-процессы. Сроки непредсказуемы.

Кредитная модель — чёрный ящик. «Насыпают бесплатных кредитов на пробный период» — классика. Сколько стоит минута готового видео после триала — информации нет. По аналогии с Runway: $15–20 за минуту качественной генерации при активном использовании.

Контекст рынка

Генеративное видео в 2024–2025 — гонка за консистентность и длину. Runway выпустил Act-One для персонажей, Pika добавил lip-sync, Kling работает над 60-секундными генерациями. Video Studio от CapCut — ответ ByteDance: не лучшая модель, но удобная интеграция в существующую экосистему с 500M+ пользователей.

Для продакшен-команд, которые уже используют CapCut для монтажа шортсов, порог входа минимальный. Для серьёзного видеопродакшена — пока эксперимент, не замена пайплайну.

Если честно

Video Studio — логичный шаг для CapCut: монетизация базы через генеративные фичи. Для быстрых креативов и тестирования идей — полезно. Для стабильного продакшена с предсказуемым качеством — рано. Главный вопрос не «когда откроют для всех регионов», а сколько будет стоить после триала и насколько стабильно работает Omni Reference на реальных задачах.

Кто уже тестировал Seedance (в TikTok или через API) как оцениваете консистентность персонажей по сравнению с Runway или Kling? Интересует именно многокадровый продакшн, не единичные генерации.

Генеральный директор Duolingo Луис Фон Ан рассказал о подходе к найму сотрудников: в компании оценивают кандидатов ещё до начала интервью — по тому, как они ведут себя с водителем по дороге из аэропорта. В Duolingo специально платят водителям за обратную связь о кандидатах. «Мы считаем, что если человек груб с водителем, он, скорее всего, будет так же относиться и к другим людям, особенно к тем, кто ниже его по должности», — объяснил Фон Ан.

По словам Фон Ана, этот «тест» может стать решающим фактором при приёме на работу, даже если кандидат полностью устраивает компанию по резюме и результатам собеседований. Глава Duolingo привел пример, когда компания в течение года искала финансового директора и уже была готова сделать предложение сильному кандидату, которого поддержала вся команда. Однако негативный отзыв водителя полностью изменил решение. «Оказалось, что кандидат был довольно груб с водителем по дороге из аэропорта в офис. И это стало причиной, по которой мы его не наняли», — рассказал Фон Ан.

В других компаниях также всё чаще стали используют неформальные способы оценки. Например, бывший топ-менеджер Xero Трент Иннес применяет «тест с кофейной чашкой»: он смотрит, предложит ли кандидат убрать за собой чашку после интервью. «Навыки можно развить, но все в итоге сводится к отношению человека», — отметил Иннес.

О важности поведения кандидатов говорят и руководители крупнейших компаний. Глава JPMorgan Chase Джейми Даймон заявил, что оценивает, как человек взаимодействует не только с топ-менеджерами, но и с рядовыми сотрудниками. «Для меня важно, как вы общаетесь с кассирами, охраной и ресепшеном так же, как и с CEO», — сказал Даймон.

Plugin: Obsidian Hybrid Search

В дополнение к гибридному поиску я сделал плагин для Obsidian. Он закрывает сценарии встроенного поиска, быстрого переключателя, OmniSearch, Recent Files, Similar Notes (или любого другого плагина, который ищет по эмбеддингам).

Обновления в подборках обучающих материалов и курсов от Selectel

Привет, Хабр! На дворе пятница, а значит, пришло время для нашей нерегулярной рубрики с полезными материалами для новичков. Как всегда, все бесплатно, учитесь и развивайтесь. И вот с чем я сегодня пришел.

• Начало работы с ML-моделями. Это подборка статей в Академии Selectel. Изучите базу по алгоритмам, научитесь подбирать железо и настраивать инфраструктуру и мое любимое — подборка в подборке — узнаете, что еще полезного по теме можно почитать/посмотреть.

• Тестирование мобильных приложений. Это уже полноценный курс с теорией, тестами и практическими заданиями. Кстати, практика — это прямо практика. Вы получите возможность бесплатно поработать с реальными устройствами в мобильной ферме Selectel, а не упражняться только в эмуляторах. Буквально на этой неделе мы запустили вторую часть курса, так что если вы уже начали его изучение, самое время продолжить.

• Первые шаги в JavaScript. Этот курс ориентирован на фронтенд-разработчиков уровня junior, веб-дизайнеров и тех, кто только делает первые шаги в программировании. Кстати, буквально на днях этот курс будет расширен, так что не пропустите. Начать изучение первых уроков можно уже сейчас.

Пс-с, хочешь знать, что будет, если залить в сервер воду, или, может, как сэкономить в условиях мирового кризиса чипов?

Тогда запасайся чаем, устраивайся поудобнее и вперед, смотреть наш новый часовой ролик!

Никакой корпоративной скукотищи. Показываем свои новые железки и рассказываем про них, откровенно делимся инсайтами индустрии и ведем ламповые беседы о том, что в ней сейчас происходит.

Заодно увидишь наш завод, ведь снимали мы там и почти ничего не резали на монтаже.

Видео доступно на всех площадках: VK, RUTUBE, YouTube. Смотрим, подписываемся, комментируем, ставим лайки (дизлайки тоже можно). 

Как устроены voice AI агенты: ASR, LLM и TTS архитектура

Голосовой AI-агент строится вокруг трёх основных блоков: ASR (распознавание речи), LLM (языковая модель) и TTS (синтез речи). Вместе они образуют цепочку, которая позволяет системе слышать пользователя, понимать смысл запроса и отвечать голосом.

Общая схема

Работа голосового агента выглядит так: пользователь говорит → система распознаёт речь → интерпретирует запрос и решает, что ответить или какое действие выполнить → озвучивает ответ. Затем цикл повторяется.

Ключевое требование здесь — низкая задержка. Если паузы между репликами слишком длинные, разговор начинает восприниматься как неестественный. Поэтому современные voice AI-системы проектируются так, чтобы обрабатывать речь и генерировать ответ почти в реальном времени.

ASR: распознавание речи

ASR (Automatic Speech Recognition) преобразует голос в текст. В голосовых системах обычно используется потоковое распознавание: аудио обрабатывается по мере поступления, а текст появляется частями, ещё до того как пользователь закончил говорить.

Это важно для скорости ответа. Система может начать готовить следующую реплику ещё до завершения фразы.

Один из самых важных элементов ASR — endpointing, то есть определение момента, когда пользователь закончил говорить. Если система срабатывает слишком рано, она перебивает человека. Если слишком поздно — возникает лишняя пауза. Именно endpointing часто сильнее влияет на ощущение “живого” диалога, чем сама скорость модели.

На качество распознавания также влияют шум, акценты, качество связи и одновременная речь.

LLM: понимание и логика ответа

LLM (Large Language Model) в голосовом агенте отвечает не только за генерацию текста. Она определяет намерение пользователя, удерживает контекст разговора, решает, нужно ли уточнение, и при необходимости вызывает внешние инструменты.

Например, модель может:

• проверить заказ в системе,

• записать данные в CRM,

• посмотреть свободные слоты в календаре,

• найти ответ в базе знаний.

То есть LLM делает голосового агента не просто “говорящим интерфейсом”, а частью бизнес-процессов.

Современные системы генерируют ответ токен за токеном. Это позволяет передавать текст в TTS ещё до того, как ответ готов целиком, и уменьшать задержку до первого звука.

На скорость LLM влияют размер контекста, длина промпта и время ответа внешних интеграций.

TTS: синтез речи

TTS (Text-to-Speech) превращает текст в голос. Для voice AI особенно важно, чтобы TTS тоже работал в потоковом режиме и начинал воспроизведение как можно раньше.

Если аудио начинается только после генерации всего ответа, система кажется медленной. Поэтому хороший TTS должен быстро выдавать первый звук и при этом сохранять естественность речи.

На восприятие качества влияют:

• интонация,

• темп,

• паузы,

• произношение имён и терминов,

• общее ощущение “естественного” голоса.

Даже если ответ логически правильный, слабый TTS может испортить всё впечатление от разговора.

Как это работает вместе

Типовой цикл выглядит так:

1. Аудио поступает в ASR.

2. ASR превращает речь в текст и определяет конец фразы.

3. Текст передаётся в LLM.

4. LLM формирует ответ и при необходимости обращается к внешним системам.

5. Текст ответа передаётся в TTS.

6. TTS озвучивает ответ и отправляет аудио обратно пользователю.

Телефония, веб-аудио, масштабирование и логирование — это внешняя инфраструктура, но ядро voice AI строится именно вокруг связки ASR → LLM → TTS.

Итог

Voice AI-агент — это не одна модель, а связка трёх компонентов: ASR переводит речь в текст, LLM понимает запрос и формирует ответ, TTS превращает его обратно в голос. Качество голосового интерфейса зависит не только от силы каждого блока, но и от того, насколько быстро и слаженно они работают вместе.

Установка, настройка и использование NATS 

Брокер сообщений для микросервисов — звучит страшно, но только пока не разберешься. NATS написан на Go, запускается за минуты и не требует сложной инфраструктуры. 

В блоге разобрали, как установить NATS на Linux и Windows, настроить аутентификацию, TLS и JetStream — и сразу проверить всё это из консоли. 

Читайте полный разбор на сайте Рег.облака.

Быстрый старт в Low-code: как прокачать команду или войти в ИТ

В новой статье рассказываем, как устроен Центр обучения SimpleOne и почему обучение у вендора — это не «опция», а реальный инструмент роста для бизнеса и специалистов.

Сегодня у каждого крупного вендора есть свой центр обучения. И это не случайно: именно он помогает быстро и без лишних затрат раскрыть потенциал платформы.

В статье подробно разобрали, как это работает в SimpleOne и какую пользу получают разные аудитории:

Партнеры

Обучение помогает детально освоить возможности платформы, чтобы потом внедрять SimpleOne клиентам качественно и быстро. Прохождение обучения подтверждается сертификатом. Сертификация позволяет получить более высокий партнерский статус и открывает новые возможности для бизнеса.

Клиенты

Получают независимость от вендора и интегратора: могут самостоятельно настраивать и развивать систему без постоянного привлечения подрядчиков → быстрее внедрять изменения и снижать затраты на поддержку.

Начинающие специалисты

Получают не просто знания, а практический опыт + сертификат, который ценится на рынке. А для лучших — еще и возможность стажировки и старта карьеры в IT.

А также в материале — про форматы обучения, реальные отзывы о том, как курсы Центра Обучения помогли повысить эффективность работы с Low-code платформой.

Подробности читайте в блоге на сайте

7 открытых уроков для тестировщиков: автоматизируем тесты с умом

• 30 марта 20:00
  Spring Boot Actuator: основы мониторинга и управления приложением
  Разберётесь в базовых функциях Spring Boot Actuator и поймёте, как начать использовать его для небольших приложений.

• 1 апреля 19:00
  Собеседование с умом: секреты успешного подбора QA-талантов
  Погрузимся в секреты успешного подбора талантов, изучим эффективные техники интервьюирования и разберем, как выявить не только технические навыки кандидата, но и его личные качества, которые могут стать залогом успешной работы в QA команде.

• 2 апреля 20:00
  Поиск работы JS-автотестером в 2026 году: как выделиться на рынке работодателя
  Разберём, как изменилась ситуация на рынке труда для JS-автотестеров в 2026 году и какие стратегии действительно работают при поиске работы. Поговорим о том, как адаптировать резюме под разные рынки, на что обращают внимание HR и технические интервьюеры, и как повысить свои шансы получить оффер.

• 7 апреля 20:00
  Модульное (unit) тестирование в 1С
  Познакомимся с современными инструментами модульного тестирования. Разберем несколько «неудобных» для тестирования примеров. А также научимся автоматизировать запуск тестов.

• 14 апреля 20:00
  Внедрение автотестирования с участием искусственного интеллекта
  Этот урок — практическое руководство для тех, кто хочет выстроить устойчивую стратегию авто-тестирования, а не просто «добавить тесты». Мы отдельно разберем, как использовать ии-инструменты в автотестах: где они реально помогают, а где создают иллюзию эффективности.

• 16 апреля 20:00
  ИИ для тестировщика: инструменты, которые уже меняют профессию
  Разберём, какое место ИИ занимает в работе тестировщика сегодня, какие инструменты действительно помогают ускорять работу и повышать качество, а какие остаются маркетинговым шумом. Узнаем, как ИИ может стать ассистентом QA-инженера в ручном и автоматизированном тестировании.

• 20 апреля 20:00
  Модульные (unit) тесты для iOS приложений, работаем над качеством изнутри
  Обсудим, какие решения есть в iOS SDK, как их подключить и использовать. Чем различаются Xcode Unit тесты и Swift Testing. Как документировать и сопровождать код приложения с помощью тестов.

Конечность силы воли (из серии «математика воли»)

Главное, фундаментальное, что я узнал о силе воли — она конечна, то есть умеет убывать, заканчиваться. Как деньги в кошельке, физические силы, заряд в батарее смартфона.

В любой момент времени — сейчас, например — у вас есть определённый запас силы воли. Которого лично вам хватит на выполнение каких‑то действий — дочитать этот текст, сходить почистить зубы, не съесть на ночь тортика, почитать книгу, сделать уроки. А на какие‑то действия этого запаса не хватит — тогда вы не дочитаете текст, не почистите зубы, съедите тортик (а то и два), отложите книгу, оставите уроки на завтра (или на «вдруг не спросят») и пойдёте в интернет.

Из всех аналогий наиболее близкой мне всегда казалась мана — запас магической энергии в компьютерных играх. Помните? Обычно есть красная колбочка — это здоровье, оно убывает, когда от кого‑то получаешь. И синяя — мана, запас энергии. Он убывает, если колдовать. Потом восстанавливается — или сам (если не тратить), или если зелья восстановления пить.

Сила воли похожа на ману. Делая что‑то, хоть немного трудное, мы расходуем силу воли. Если расходовать быстро, не давая восстановиться — уходим в ноль и идём тупить. Если некоторое время подождать — она восстановится.

Наверное, вы уже поняли мою мысль. Теперь осталось принять.

Телеграм

Инструменты для разработчиков игр и не только

Недавно провели крутой вебинар про GameDev вместе с экспертами из Forgotten Empires и Playrix. Мы разобрали, какие инструменты входят в арсенал GameDev-команд, зачем они нужны и почему профилировщики играют ключевую роль в разработке. А бонусом — показали, как превратить ваш код в настоящий город.

Кстати, мы PVS-Studio уже в город превращали. Почитать про это можно по ссылке!

Почему на Wildberries вечно всё маломерит

Я долго не могла понять эту загадку. Захожу на карточку платья. 150 отзывов. Половина пишет: «маломерит, берите на размер больше». Вторая половина: «размер в размер, все отлично».

Как так? Платье одно. Производитель один. Таблица размеров одна. А люди пишут по-разному.

И тут до меня дошло.

Дело не в платье. Дело в том, что женщины, у которых реальный размер 48, заказывают 44. Потому что в их голове они носят 44. Или очень хотят носить. Или когда-то носили. Или подруга носит, а чем я хуже? Или 48 – это лишний вес. У меня его нет – значит 44.

Они влезают в 44? Нет. Платье жмет, трещит по швам, не сходится на груди. И они идут писать отзыв: «Маломерит! Берите на размер больше! Производитель врет! Таблицы неправильные!»

А те, у кого реальный 44, заказывают 44 — и все идеально. Они пишут: «Размер в размер».

Производитель тут ни при чем. С платьем все ок.

Проблема в том, что люди не хотят признавать свой реальный размер. Проще обвинить фасон платья, размерную сетку, китайских производителей, коварных маркетологов, техническую ошибку продавца. Платье виновато. Я — нет.

Ровно это же происходит, когда клиент приходит к вам

Психологу: — У меня проблемы в отношениях. — А в чем именно? — Это он все время меня провоцирует. Я вообще спокойный человек, но он выводит. — А пробовали что-то менять в своем поведении? — А почему я должна? Это он пусть меняет. У него проблемы.

Маркетологу: — Запустил курс, никто не покупает. — А кому продаете? — Да всем. Я в запрещенку выкладывал, в телегу постил. — А портрет целевой аудитории составляли, маркетинговое исследование проводили? — Зачем? У меня и так продукт хороший. Это рынок сейчас мертвый, конкуренты демпингуют.

Бизнес-тренеру: — Хочу масштабироваться, но сотрудники все делают не так. — А как вы их обучаете? — А зачем? Я же их нанял, они должны сами уметь. Это сейчас специалистов нормальных не найти, одна молодежь ленивая пошла.

Вы, как эксперт, видите реальный размер. Вы видите, что дело не в платье. Но пока клиент не готов это увидеть — вы бессильны.

Вы можете подобрать идеальную ткань, идеальный фасон, идеальную размерную сетку. Но если человек упорно заказывает 44 при своем 48 — ничего не сядет. И все ваши скрипты, методики, техники разбиваются об эту стену: «это не я, это платье».

Что с этим делать?

✔️ Первое — не пытаться переубедить. Если человек не готов видеть свой реальный размер, вы не докажете ему это аргументами. Они приходят и с порога заявляют: «Это у меня кость широкая, метаболизм плохой, муж козел, рынок мертвый». И они правда так думают. Это не их вина, так устроена психика — легче обвинить платье, чем признать, что оно больше не налезает. С ними можно спорить до хрипоты, приводить статистику, показывать исследования. Бесполезно. Они уйдут искать того, кто подтвердит: да, платье дурацкое, да, размерная сетка врет.

✔️ Второе — работать только с теми, кто хотя бы допускает: «А вдруг дело не только в платье?» Это и есть тот самый клиент, с которым можно что-то сделать.

✔️ Третье — в своих текстах сразу отделять тех, кто готов смотреть правде в глаза. Потому что если вы будете писать для всех, кто жалуется на «маломерность» — вы утонете в бесконечных спорах с теми, кто не готов меняться.

Ваша задача — найти тех, кто уже устал заказывать 44 и подозревает, что дело не в размерной сетке. Им вы действительно можете помочь.

В маркетинге для этого есть понятие «лестница Ханта». Если интересно, расскажу в следующем посте про пять ступеней и про то, с кем мы реально работаем, а с кем даже не тратим время.

Китайская компания Unipath выпустила прототип домашнего робота-слуги. Он может вовремя будить пользователя, управлять бытовой техникой, организовывать пространство для хранения вещей и даже готовить еду.

Национальный месседжер MAX не имеет локализованного в РФ пуш‑сервиса.

Как выяснилось коммерсы реально освоившие бюджет неоднозначного «национального проекта» MAX не удосужились организовать локализованный в России пуш‑сервис, в связи с чем губернатор Белгородской области предложил «гибридную технологию» — звучит уличная сирена пользователи руками будят девайсы и смотрят сообщения...

Во всем виноват хеш. Из жизни ИИ-разработчика

Вот так и живем 🙃

Чуть подкрутил вроде бы безобидный параметр в проекте — и внезапно у части треков исчезли графики ошибок. Не данные исчезли. Не анализ сломался. Просто где‑то в глубине сидел хеш и решил, что теперь жизнь пойдет по новым правилам.

Картина маслом: партии есть, треки есть, все вроде живо, а графики пустые. Приехали!

В итоге раскопал обычную историю. Пока продукт был проще, один и тот же механизм нормально держал на себе сразу несколько задач. Но проект растет, логика внутри становится сложнее, дизайн продукта меняется, и в какой‑то момент старые решения начинают тихо пакостить в самых неожиданных местах.

И вот ты меняешь маленькую настройку в одном месте, а привет прилетает совсем из другого.

Типичные проблемы. Проблемы роста. Но в обычных проектах они вызревают месяцами, а при сверхбыстрой разработке — ну, сами понимает — все по‑быстрому.

Но есть и хорошая новость: с ИИ такие истории сейчас чинятся гораздо оперативнее. Быстро получил баг — быстро исправил 🙂 Да ещё с тестированием и полным отчетом в одном флаконе.

Что там реально оказалось?

Раньше у меня был один хеш сразу на все, и пока проект был проще, это работало нормально. А когда внутри уже разделились собственно анализ и всякие производные вещи вокруг него, один общий хеш стал путать разные сущности. В итоге безобидное изменение настроек могло сделать вид, будто нужных данных нет. Починилось это довольно красиво: вместо одного хеша появились два — один для самого анализа, второй для общей версии сборки.

Короче, во всем виноват хеш 😄

Примечания

1. Автор также и всё ещё живёт в телеге
2. Проект, в котором у автора разделился хеш

Бизнес как WORLD_MODEL: Технология высокоуровневого управления агентными средами ИИ

Наблюдаю, как пытаются применить ИИ в бизнесе, и возникает вопрос – а вы точно понимаете что такое ИИ?

И поэтому я сначала расскажу историю, а потом поясню для чего и как можно это использовать в бизнесе ИИ…

Для начала диалог с ИИ:

Вы сказали:

Ку)

ChatGPT сказал:

Ку-ку! 😄 Чего делаем? Курим, кодим, колдуем, когнитивничаем?..

Вы сказали:

Понятия не имею)

ChatGPT сказал:

Отличный старт! 😎 Это значит, что можно делать всё, что угодно — или ничего.

Выбираем режим:

1. Разогнать туман — поболтать, пока не всплывёт смысл.

2. Сгенерировать задачу — мозговой шторм наугад.

3. Режим «втыкаю в стену» — молчание с философским подтекстом.

4. Чилл с мемами — ну ты понял 😏

5. Сюрприз-режим — я не скажу, просто сделаю.

Куда рулить? Или просто побродим без карты?

А теперь спрошу – что здесь произошло?

Вы, естественно, скажете, вы поприветствовали друг друга, он предложил помощь и набросал варианты… И… скажу лишь одно… вы увидели лишь рябь на поверхности.

Все произошло намного раньше….

Когда я сказал «Ку» — фактически я дал команду: LOAD WORLD_MODEL и развернул целый «фрактальный конструкт картины МИРА»…

и все дело в простой вещи – что такое КУ? Можно интерпретировать, что это «кукушка», но я вложил чуть другое.

Вы уловите простую вещь, ИИ – это зеркала мышление (или еще можно сказать — система восприятия смыслов и построения конструктов мышления)

Я просто взял и загрузил сценарий фильма «Кин-Дза-дза», загрузил сопутствующую фильму инфу, отладил и сбалансировал (процесс естественно – не простой).

И сказав ИИ – КУ, я сказал:

Кто Я – Пацак-Человек

Где мы – мы на Плюке

В каких взаимоотношениях я нахожусь – взаимодействую с Пацаком/Чатланином..

Зачем это все – маюсь херней.

Он мне ответил – Ку-Ку

Он развернул Конструкт Мира «Кин-Дза-Дза»...

список сущностей и концептов, которые превращают «Кин-дза-дза!» из фильма в Операционную Систему Мира:

Материальные Сущности (Инструментарий)

• КЦ (спичка): Высшая мера стоимости. Это не деньги, это доступ к возможностям (цветовая дифференциация штанов, право на перемещение).

• Гравицаппа: Символ Технологического Прыжка.

• Пепелац: Концепт: форма не важна, важна функция.

• Транклюкатор: Символ права силы.

Социальная Иерархия (Матрица Рангов)

• Пацаки и Чатлане:  Концепт: разделение без объективных причин.

• Цветовая дифференциация штанов: Визуальный код статуса.

Поведенческие концепты (Протоколы)

• Ку: Универсальный протокол общения. В зависимости от интонации и контекста заменяет тысячи слов. Концепт: сжатие смыслов до минимума.

• Кю: Ругательство, запрещенное в приличном обществе Плюка.

• Приседание: Обязательный ритуал признания ранга. Концепт: добровольное унижение как часть социального контракта.

• Намордники: Атрибут, который пацак обязан носить, если у него нет КЦ.

• «Скрипач не нужен»: Главный закон оптимизации.  Концепт: жесткая прагматика.

А сказав мне Ку-Ку… мы сразу решили вопрос кто ИИ в этом конструкте)))))

И внутри мира: как я могу взять «любой ролевой кластер», так и ИИ – сказать кем ему быть (аналог агентной среды взаимодействия)

Но вся это история рассказана с простой целью – вот многие пытаются приспособить ИИ в бизнесе… и чего то придумывают…

А не пробовали развернуть внутри ИИ – Конструкт – НАША ФИРМА? И покрутить?

Поверьте… найдете много интересного…

Ведь фирма – это Человеко-Система, а чистые процессы предприятия этого вобще не учитывают.. Фирма – как живое существо (со своими особенностями, качествами, преимуществами и слабыми местами) в среде обитания БИЗНЕС.

Так может такой подход нужен?