Скормил новому встроенному скиллу Claude Code датасет на 76 лет — только ранги, без чисел. Модель сама выбрала перевёрнутую лог-ось, проверила палитру математикой и починила наезжающие подписи. Разбираю, как /dataviz устроен изнутри и почему из всех решений кодом проверяется только цвет

Пять промптов, один злой скилл и парсер Хабра: полевой отчёт не-разработчика о двух часах в Claude Code

MacBook M3, 16 ГБ, никакого облака. Поставил свежую Gemma 4, написал инструмент: кидаешь картинку с графиком или таблицей — получаешь CSV. Три кейса из семи — идеально. На остальных модель начала врать, причём аккуратнее, чем говорила правду: вместо рваных реальных чисел подсовывала гладкие выдуманные. Разобрал по шагам — сетап на маке, грабли с llama.cpp, сам инструмент — и собрал карту, где локальному зрению можно верить, а где оно тихо галлюцинирует

Если твой агент обвешан пошаговыми инструкциями и десятком узких инструментов под каждый шаг — он, скорее всего, работает хуже, чем мог бы. Звучит контр‑интуитивно, но это прямой вывод из инженерных постов Anthropic за последний год: чем умнее становится модель, тем сильнее прежняя обвязка её сдерживает.

За год правила производства агентов пересобрались. Появилось семь отдельных дисциплин. Это первая из двух частей: здесь — четыре дисциплины‑фундамента, на которых держится рабочий агент, а не демка. И три из этих четырёх — не про то, что добавить, а про то, что убрать лишнее и довериться модели.

Транскрибируем любое видео локально, прямо на Mac. Бесплатно, приватно, с качеством на уровне платных сервисов. Полный гайд: настройка, скрипт и промпт для саммари

«Мусор на входе — мусор на выходе» работает не только с нейросетями. Пять уроков делегирования, которые промпт-инженеры выучили раньше всех

Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic (research_lead_agent.md и research_subagent.md), собираю чек-лист из 13 блоков и шаблон SKILL.md. На руки — конкретный артефакт, по которому можно пройтись по своему агенту.

Анатомия одного вечера: создал агента для своего дайджеста за $1.70, прошёл через провал Quickstart и нашёл скрытые места Console. Что узнал — и где личное использование AI-агентов сейчас на самом деле.

Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

В первой части я показал, как пузырьковая диаграмма помогает увидеть связи в данных, которые не видны в таблице. Но как только данных становится больше — всё начинает ломаться: пузырьки наезжают друг на друга, цвета путают, а статичная картинка перестаёт что-то объяснять.
Это тот момент, где многие говорят: «Ну значит, инструмент не подходит».

На практике — подходит. Просто его нужно довести до рабочего состояния.

В этой части разберу три вещи, без которых bubble chart в реальных задачах не живёт:

• как справляться с наслоением,

• как использовать цвет без визуального шума,

• и как добавить время, чтобы график начал показывать не только «что есть», но и «что происходит».

Покажу на том же кейсе складской аналитики — с интерактивными приёмами, которые реально работают в дашбордах и на встречах.

Как понять, куда на самом деле уходят деньги, если смотреть на них как на поток, а не как на набор категорий.

На реальном примере показываю, как из банковской выписки собрать Sankey-диаграмму, где помогает AI, где ошибается и какие решения приходится принимать.

В итоге получается не статичная картинка, а интерактивная модель, с которой можно работать: разбирать структуру расходов, видеть взаимосвязи и находить узкие места.
Подход применим не только к личным финансам, но и к бизнесу — для анализа движения денег, затрат и сложных процессов.

Будет полезно дизайнерам, аналитикам и всем, кто работает со сложными системами.

Расскажу я вам о способах визуализации данных, которые помогают бизнесу быстро оценивать информацию и принимать обоснованные решения. Постараюсь объяснить теоретические аспекты и продемонстрировать на практическом примере. Донести плюсы и минусы этих визуализаций.