Сможет ли GPT справиться с диктантом для третьего класса?
Часть 1 (Часть 2)
Потенциальная задачка от заказчика – разработать ИИ-корректора, который находит и исправляет ошибки в документах, презентациях и тд, хотят все сделать на ЛЛМ.
Быстрый тест:
- на входе: текст для третьего класса с 15 ошибками;
- на выходе: список ошибок и исправленный текст;
- тестируем GPT, YandexGPT и GigaChat.
Исходный текст с ошибками:
Солнце.
Выплыла из-за леса сонце. Повеселела лесная паляна. Капельки расы заиграли в каждом цветке, в каждой травинке. Но вот набежала тучя и закрыла всё небо. Загрустила природа. Столп пыли полетел к озиру. От реского ветра с деревьев посыпались сухие сучя. Лес глухо и грозно зашумел. На земле поевились мокрые пятна. С халмов потикли ручьи. Удары грома аглушили всю месность. Но граза быстро прошла. И снова над лесом светит солнце.
Результаты на картинке: модель и количество найденных ошибок. Интересно, что ни одна модель не нашла проблем с окончанием в слове Выплыла.
На самом деле, такие задачи решаются уже довольно давно другими методами. ЛЛМ скорее смогут помочь в с обработкой нестандартных форматов, с соответствием текста нужной стилистике и правилам оформления от заказчика.
Хороших выходных!
👍 Подпишитесь — @experiment_ai
Часть 1 (Часть 2)
Потенциальная задачка от заказчика – разработать ИИ-корректора, который находит и исправляет ошибки в документах, презентациях и тд, хотят все сделать на ЛЛМ.
Быстрый тест:
- на входе: текст для третьего класса с 15 ошибками;
- на выходе: список ошибок и исправленный текст;
- тестируем GPT, YandexGPT и GigaChat.
Исходный текст с ошибками:
Солнце.
Выплыла из-за леса сонце. Повеселела лесная паляна. Капельки расы заиграли в каждом цветке, в каждой травинке. Но вот набежала тучя и закрыла всё небо. Загрустила природа. Столп пыли полетел к озиру. От реского ветра с деревьев посыпались сухие сучя. Лес глухо и грозно зашумел. На земле поевились мокрые пятна. С халмов потикли ручьи. Удары грома аглушили всю месность. Но граза быстро прошла. И снова над лесом светит солнце.
Результаты на картинке: модель и количество найденных ошибок. Интересно, что ни одна модель не нашла проблем с окончанием в слове Выплыла.
На самом деле, такие задачи решаются уже довольно давно другими методами. ЛЛМ скорее смогут помочь в с обработкой нестандартных форматов, с соответствием текста нужной стилистике и правилам оформления от заказчика.
Хороших выходных!
👍 Подпишитесь — @experiment_ai
Сможет ли GPT справиться с диктантом для третьего класса?
Часть 2 (Часть 1 здесь)
Попросил gpt o3 написать самый лучший промпт для большой языковой модели, задача которой – корректура текстов на русском языке. Прогнал на модельках с тем же текстом, что и в прошлый раз, добавил модельки от гугла, сравнил с старыми результатами.
Напомню, что в исходном тексте 15 ошибок.
Результаты в основном, ожидаемо, улучшились! Целых 5 моделей набрали максимальный балл, 15 из 15! Интересно, что на Gemini Flash 2.0 расширенный промпт произвел обратный эффект😅
Сам промпт будет в комментариях.
Следующий шаг – увеличить выборку текстов хотя бы до 10, увеличить разнообразие ошибок.
👍 Подпишитесь — @experiment_ai
Часть 2 (Часть 1 здесь)
Попросил gpt o3 написать самый лучший промпт для большой языковой модели, задача которой – корректура текстов на русском языке. Прогнал на модельках с тем же текстом, что и в прошлый раз, добавил модельки от гугла, сравнил с старыми результатами.
Напомню, что в исходном тексте 15 ошибок.
Результаты в основном, ожидаемо, улучшились! Целых 5 моделей набрали максимальный балл, 15 из 15! Интересно, что на Gemini Flash 2.0 расширенный промпт произвел обратный эффект😅
Сам промпт будет в комментариях.
Следующий шаг – увеличить выборку текстов хотя бы до 10, увеличить разнообразие ошибок.
👍 Подпишитесь — @experiment_ai
Интерактивный отчет ИИ-2027: машины захватят землю и уничтожат людей к 2030?
Часть 1
Публикую первую часть заметок на основе интерактивного отчета ИИ-2027, написанного Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland, Romeo Dean. Авторы провели огромную методологическую работу, подробнее про их подходы и оценки можно почитать на этой странице. Отдельно хочется отметить эстетичность и красоту оформления работы!
2025
У моделей OpenAI активно развиваются навыки кодинга и исследований, именно они позволят в будущем максимально ускорить прогресс компании.
Появляются первые ИИ-агенты, но они не стабильны, да и никто пока толком не знает, что же понимать под ИИ-агентом!
При этом компании по всему миру активно ищут возможности для эффективного внедрения ИИ в бизнес, проводят много экспериментов, инвестируют в эту область, чтобы не остаться "за бортом".
Пример сервиса по внедрению ИИ в бизнес: https://www.glean.com/
OpenAI строит самый большой в мире распределенный датацентр для обучения своих моделей, по мощности эквивалентный 2.5 млн GPU H100s.
❓ Авторы поднимают важный вопрос: насколько безопасен распределенный датацентр, насколько чисто физически защищены провода между его зданиями, насколько они защищены от прослушки?
Главная цель – прогресс моделей и систем на их основе в ИИ-исследованиях. Ведь это позволит компании ускорять собственные исследования, вместо найма тысяч исследователей запускать десятки тысяч своих агентов на GPU, которые не только умные, но и трудолюбивые, работают 24 / 7!
🤔Однако остро стоит вопрос безопасности моделей и их alignment! Непонятно, как узнать, настоящие ли внутренние установки и цели модели? Откуда мы знаем, что модель просто не подстраивается под то, что от нее ожидают? Вдруг честность – это просто инструмент для модели, и она только притворяется такой? Пока что непонятно! Увы, методы интерпретируемости еще недостаточно развиты для этого.
Интересные кейсы, когда модели вели себя совсем не дружелюбно к своим пользователям: раз, два.
2026
Авторы считают, что к началу 2026-го ставка OpenAI на использование ИИ для ускорения исследований начнет приносить плоды – они ускорят свой алгоритмический прогресс на 50% за счет внедренных ИИ-агентов!
❗️Отсюда следует неочевидный вывод – вопросы безопасности выходят на новый уровень! Ведь раньше в худшем сценарии условные китайские шпионы могли украсть алгоритмические секреты, а сейчас утечка весов последних моделей может ускорить алгоритмический прогресс конкурентов на 50%!
Продолжение следует!
🐺 Подпишитесь — @experiment_ai
Часть 1
Публикую первую часть заметок на основе интерактивного отчета ИИ-2027, написанного Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland, Romeo Dean. Авторы провели огромную методологическую работу, подробнее про их подходы и оценки можно почитать на этой странице. Отдельно хочется отметить эстетичность и красоту оформления работы!
2025
У моделей OpenAI активно развиваются навыки кодинга и исследований, именно они позволят в будущем максимально ускорить прогресс компании.
Появляются первые ИИ-агенты, но они не стабильны, да и никто пока толком не знает, что же понимать под ИИ-агентом!
При этом компании по всему миру активно ищут возможности для эффективного внедрения ИИ в бизнес, проводят много экспериментов, инвестируют в эту область, чтобы не остаться "за бортом".
Пример сервиса по внедрению ИИ в бизнес: https://www.glean.com/
OpenAI строит самый большой в мире распределенный датацентр для обучения своих моделей, по мощности эквивалентный 2.5 млн GPU H100s.
Главная цель – прогресс моделей и систем на их основе в ИИ-исследованиях. Ведь это позволит компании ускорять собственные исследования, вместо найма тысяч исследователей запускать десятки тысяч своих агентов на GPU, которые не только умные, но и трудолюбивые, работают 24 / 7!
🤔Однако остро стоит вопрос безопасности моделей и их alignment! Непонятно, как узнать, настоящие ли внутренние установки и цели модели? Откуда мы знаем, что модель просто не подстраивается под то, что от нее ожидают? Вдруг честность – это просто инструмент для модели, и она только притворяется такой? Пока что непонятно! Увы, методы интерпретируемости еще недостаточно развиты для этого.
Интересные кейсы, когда модели вели себя совсем не дружелюбно к своим пользователям: раз, два.
2026
Авторы считают, что к началу 2026-го ставка OpenAI на использование ИИ для ускорения исследований начнет приносить плоды – они ускорят свой алгоритмический прогресс на 50% за счет внедренных ИИ-агентов!
❗️Отсюда следует неочевидный вывод – вопросы безопасности выходят на новый уровень! Ведь раньше в худшем сценарии условные китайские шпионы могли украсть алгоритмические секреты, а сейчас утечка весов последних моделей может ускорить алгоритмический прогресс конкурентов на 50%!
Продолжение следует!
Please open Telegram to view this post
VIEW IN TELEGRAM
Ai-2027
AI 2027
A research-backed AI scenario forecast.
Recraft vs GPT: визуальный рассказ
Подход
Сравниваю Recraft ai и GPT в задаче генерации последовательности картинок с сохранением персонажа.
Оказывается, в Recraft пока что нет возможности напрямую контролировать персонажа, но можно попробовать +- его сохранить, например, прописывая в каждой картинке образ героя и сохраняя стиль генерации.
Шаги:
- попросил ГПТ сочинить краткую визуальную историю из пяти картинок, подробно описать каждую картинку. По личным предпочтениям попросил использовать тему космоса;
- одну за другой генерирую картинки в Recraft;
- аналогично, в GPT.
Впечатления
В целом, от Recraft очень хорошие впечатления, похоже на смесь Figma и Miro на максималках за счет ИИ. Если рассматривать крутизну для потенциальных иллюстраторов, то кажется, Recraft топ из-за возможности более детальных настроек, чем тот же ГПТ. Когда добавят возможность сохранять персонажа, будет вообще супер!)
Интересно, что Recraft ругался на безобидные промпты, писал, что контент может быть приемлем не всем аудиториям😐 Обходится это несколькими попытками генерации, обычно после 1-2 раз он соглашался и генерил таки, что нужно!)
Отдельно приятно, что основатель этого сервиса – бывшая главы отдела разработки систем машинного обучения «Яндекса» Вероники Дорогуш!
Саммари рассказа от GPT:
Юная рыжеволосая девочка обнаруживает странность: ночью на тихом лесном озере отражение кометы не совпадает с реальностью. Следуя необычной дорожке из светящихся ступеней и волшебных бабочек, она попадает на парящий остров с удивительными светящимися растениями и добрыми существами из звёздного света. Одно из существ дарит ей волшебное семечко-звезду. Вернувшись домой, девочка сажает семечко, из которого вырастает прекрасное сияющее дерево, превращая обычное место в сад, наполненный волшебством, красотой и гармонией.
Результат
Первые картинки, вытянутые по вертикали – это резальтат GPT, квадратные – Recraft.ai.
Напишите, какие вам больше нравятся?
🐺 Подпишитесь — @experiment_ai
Подход
Сравниваю Recraft ai и GPT в задаче генерации последовательности картинок с сохранением персонажа.
Оказывается, в Recraft пока что нет возможности напрямую контролировать персонажа, но можно попробовать +- его сохранить, например, прописывая в каждой картинке образ героя и сохраняя стиль генерации.
Шаги:
- попросил ГПТ сочинить краткую визуальную историю из пяти картинок, подробно описать каждую картинку. По личным предпочтениям попросил использовать тему космоса;
- одну за другой генерирую картинки в Recraft;
- аналогично, в GPT.
Впечатления
В целом, от Recraft очень хорошие впечатления, похоже на смесь Figma и Miro на максималках за счет ИИ. Если рассматривать крутизну для потенциальных иллюстраторов, то кажется, Recraft топ из-за возможности более детальных настроек, чем тот же ГПТ. Когда добавят возможность сохранять персонажа, будет вообще супер!)
Интересно, что Recraft ругался на безобидные промпты, писал, что контент может быть приемлем не всем аудиториям😐 Обходится это несколькими попытками генерации, обычно после 1-2 раз он соглашался и генерил таки, что нужно!)
Отдельно приятно, что основатель этого сервиса – бывшая главы отдела разработки систем машинного обучения «Яндекса» Вероники Дорогуш!
Саммари рассказа от GPT:
Юная рыжеволосая девочка обнаруживает странность: ночью на тихом лесном озере отражение кометы не совпадает с реальностью. Следуя необычной дорожке из светящихся ступеней и волшебных бабочек, она попадает на парящий остров с удивительными светящимися растениями и добрыми существами из звёздного света. Одно из существ дарит ей волшебное семечко-звезду. Вернувшись домой, девочка сажает семечко, из которого вырастает прекрасное сияющее дерево, превращая обычное место в сад, наполненный волшебством, красотой и гармонией.
Результат
Первые картинки, вытянутые по вертикали – это резальтат GPT, квадратные – Recraft.ai.
Напишите, какие вам больше нравятся?
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Какие картинки лучше?
Anonymous Poll
76%
GPT (вытянутые по вертикали)
18%
Recraft.ai (квадратные)
6%
Одинаково не нравятся
Стендап от GPT
Попросил разные модельки придумать шутку про дата инженеров, результаты ниже! Мем от GPT в придачу :)
4.5
- Почему дата-инженеры не ходят в баню?
- Потому что они боятся, что их данные утекут!
o4-mini-high
- Почему дата‑инженер в России обожает зиму?
- Потому что его Data Lake замерзает и превращается в Read‑Only Lake – теперь никто случайно не удалит таблицу!
o4-mini
- Почему дата‑инженер всегда спокоен?
- Потому что даже его завтрак проходит через репликацию и резервное копирование!
o3
- Почему российский дата‑инженер не боится конца света?
- У него на всё есть файл backup_финальные_окончательные_v2_FINAL.parquet
Кажется, что стендаперы могут быть спокойны (пока что, ха-ха)!
Хотя одна шутка мне зашла!
А вам? Расскажите!
🐺 Подпишитесь — @experiment_ai
Попросил разные модельки придумать шутку про дата инженеров, результаты ниже! Мем от GPT в придачу :)
4.5
- Почему дата-инженеры не ходят в баню?
- Потому что они боятся, что их данные утекут!
o4-mini-high
- Почему дата‑инженер в России обожает зиму?
- Потому что его Data Lake замерзает и превращается в Read‑Only Lake – теперь никто случайно не удалит таблицу!
o4-mini
- Почему дата‑инженер всегда спокоен?
- Потому что даже его завтрак проходит через репликацию и резервное копирование!
o3
- Почему российский дата‑инженер не боится конца света?
- У него на всё есть файл backup_финальные_окончательные_v2_FINAL.parquet
Кажется, что стендаперы могут быть спокойны (пока что, ха-ха)!
Хотя одна шутка мне зашла!
А вам? Расскажите!
Please open Telegram to view this post
VIEW IN TELEGRAM
Интерактивный отчет ИИ-2027: машины захватят землю и уничтожат людей к 2030?
Часть 2 (Часть 1 здесь)
🔥 ИИ-захват: Китай vs OpenAI (2026–2027)
Середина 2026: Китай в погоне за OpenAI
Компартия Китая осознала стратегическую важность ИИ-гонки (наконец-то!).
DeepSeek молодцы, но отставание от OpenAI стабильно растёт (не менее 6 месяцев). Ведь сейчас большая часть алгоритмического прогресса происходит с помощью ИИ! Соответственно, чем слабее лучшая модель, тем медленнее прогресс!
У Китая всего 12% мировых мощностей для ИИ, централизуют ресурсы и объединяют команды, но пока без успеха.
Китай планирует украсть веса моделей OpenAI. Но это не алгоритм украсть — это несколько терабайт, хранящихся на защищенных серверах, копирование которых заметят мгновенно. Сложнейшая задача: выбрать оптимальный момент, когда защита еще не максимальна, но и модели успели как можно больше развиться! Ведь если красть, то ту модель, которая даст наибольшее ускорение!
Конец 2026: ИИ — next big thing
OpenAI выпускает Agent-1-mini (в 10 раз дешевле!). Рынок джунов в шоке — ИИ реально отбирает работу.
Минобороны США плотно садится на контракты с OpenAI.
2027 — год ускорения:
ИИ начнет быстро захватывать мир, принося огромную экономическую пользу.
Авторы отчета подчеркивают, что далее их прогноз становится сильно менее надежным, так как в 2027 году влияние ИИ на мир начнет быстро усиливаться, добравшись до точки, где ИИ уже может приносить реальную экономическую пользу, замещая людей – очень сложно предсказать эффект такого сдвига!
Общее ожидание от 2027: ИИ превзойдет не только лучших программистов и исследователей в ИИ, но и вообще всех людей во всех интеллектуальных задачах.
На картинке визуализация прогресса на начало 2027.
Как вы думаете, что нужно делать в такой ситуации начинающим специалистам? Текущие 10-11-классники, чем им идти заниматься, чтобы не остаться у пустого корыта?
Напишите в комментариях!
Часть 2 (Часть 1 здесь)
🔥 ИИ-захват: Китай vs OpenAI (2026–2027)
Середина 2026: Китай в погоне за OpenAI
Компартия Китая осознала стратегическую важность ИИ-гонки (наконец-то!).
DeepSeek молодцы, но отставание от OpenAI стабильно растёт (не менее 6 месяцев). Ведь сейчас большая часть алгоритмического прогресса происходит с помощью ИИ! Соответственно, чем слабее лучшая модель, тем медленнее прогресс!
У Китая всего 12% мировых мощностей для ИИ, централизуют ресурсы и объединяют команды, но пока без успеха.
Китай планирует украсть веса моделей OpenAI. Но это не алгоритм украсть — это несколько терабайт, хранящихся на защищенных серверах, копирование которых заметят мгновенно. Сложнейшая задача: выбрать оптимальный момент, когда защита еще не максимальна, но и модели успели как можно больше развиться! Ведь если красть, то ту модель, которая даст наибольшее ускорение!
Конец 2026: ИИ — next big thing
OpenAI выпускает Agent-1-mini (в 10 раз дешевле!). Рынок джунов в шоке — ИИ реально отбирает работу.
Минобороны США плотно садится на контракты с OpenAI.
2027 — год ускорения:
ИИ начнет быстро захватывать мир, принося огромную экономическую пользу.
Авторы отчета подчеркивают, что далее их прогноз становится сильно менее надежным, так как в 2027 году влияние ИИ на мир начнет быстро усиливаться, добравшись до точки, где ИИ уже может приносить реальную экономическую пользу, замещая людей – очень сложно предсказать эффект такого сдвига!
Общее ожидание от 2027: ИИ превзойдет не только лучших программистов и исследователей в ИИ, но и вообще всех людей во всех интеллектуальных задачах.
На картинке визуализация прогресса на начало 2027.
Как вы думаете, что нужно делать в такой ситуации начинающим специалистам? Текущие 10-11-классники, чем им идти заниматься, чтобы не остаться у пустого корыта?
Напишите в комментариях!
С чего начать ЛЛМ-проект?
Возьмем два проекта с ЛЛМ:
1) ИИ-ассистент, отвечающий на вопросы школьников по конкретному курсу.
2) ИИ-корректор, подсвечивающий все ошибки в документе (в том числе, в таблицах и на картинках).
Опыт и здравый смысл подсказывают, что начать надо с обсуждения критериев успеха! Как система будет тестироваться, какие метрики нужно считать, какие пороговые значения для каждой из метрик?
Краткое описание используемых нашей командой Standard Data подходов:
1) ИИ-ассистент для школьников
- прогон ассистента на валидационном тестовом набор вопросов с автоматической оценкой ответов по критериям с помощью подхода LLM as a judge.
- обратная связь от живых людей (обычно от преподавателей или методистов) в процессе ручного тестирования ассистента.
- итерируемся по обоим этапам.
Отдельный хороший вопрос, как корректно настроить метрики из автоматической оценки, чтобы они осмысленно бились с оценками от живых людей на реальном тесте — нетривиальная задача!
2) ИИ-корректор
- создание набора материалов для валидации. Например, для начала несколько страниц плотного текста из нужной сферы (юридическая, HR и тд). Разметка всех имеющихся ошибок и их местоположения в документе.
- поиск и вывод местоположения и типов всех ошибок в тексте с помощью ЛЛМ (или связка классических инструментов + ЛЛМ).
- подсчет нужных метрик вроде accuracy, recall, precision по отдельным типам ошибок.
Обратите внимание, что второй проект гораздо проще и однозначнее в плане оценки качества, хотя и там есть свои подводные камни (например, если ИИ-корректор еще должен работать с оформлением, стилем и тд)! А в первом очень много субъективной оценки диалогов, там почти невозможно на старте учесть все нужные критерии качества, как и рассмотреть всевозможные сценарии общения с школьником. Кроме того, обратите внимание, что процесс тестирования ИИ-ассистента подразумевает активное вовлечение живых тестировщиков, а это тоже отдельная нетривиальная задача на стороне заказчика –– привлечь нужное количество достаточно заинтересованных сотрудников!
В качестве завершения, ловите два полезных видео и короткий курс про оценку систем на основе ЛЛМ: видео 1, видео 2, короткий курс.
Возьмем два проекта с ЛЛМ:
1) ИИ-ассистент, отвечающий на вопросы школьников по конкретному курсу.
2) ИИ-корректор, подсвечивающий все ошибки в документе (в том числе, в таблицах и на картинках).
Опыт и здравый смысл подсказывают, что начать надо с обсуждения критериев успеха! Как система будет тестироваться, какие метрики нужно считать, какие пороговые значения для каждой из метрик?
Краткое описание используемых нашей командой Standard Data подходов:
1) ИИ-ассистент для школьников
- прогон ассистента на валидационном тестовом набор вопросов с автоматической оценкой ответов по критериям с помощью подхода LLM as a judge.
- обратная связь от живых людей (обычно от преподавателей или методистов) в процессе ручного тестирования ассистента.
- итерируемся по обоим этапам.
Отдельный хороший вопрос, как корректно настроить метрики из автоматической оценки, чтобы они осмысленно бились с оценками от живых людей на реальном тесте — нетривиальная задача!
2) ИИ-корректор
- создание набора материалов для валидации. Например, для начала несколько страниц плотного текста из нужной сферы (юридическая, HR и тд). Разметка всех имеющихся ошибок и их местоположения в документе.
- поиск и вывод местоположения и типов всех ошибок в тексте с помощью ЛЛМ (или связка классических инструментов + ЛЛМ).
- подсчет нужных метрик вроде accuracy, recall, precision по отдельным типам ошибок.
Обратите внимание, что второй проект гораздо проще и однозначнее в плане оценки качества, хотя и там есть свои подводные камни (например, если ИИ-корректор еще должен работать с оформлением, стилем и тд)! А в первом очень много субъективной оценки диалогов, там почти невозможно на старте учесть все нужные критерии качества, как и рассмотреть всевозможные сценарии общения с школьником. Кроме того, обратите внимание, что процесс тестирования ИИ-ассистента подразумевает активное вовлечение живых тестировщиков, а это тоже отдельная нетривиальная задача на стороне заказчика –– привлечь нужное количество достаточно заинтересованных сотрудников!
В качестве завершения, ловите два полезных видео и короткий курс про оценку систем на основе ЛЛМ: видео 1, видео 2, короткий курс.
Игра в Cursor за 30 минут
1. Скачиваем и устанавливаем Cursor (аналог IDE с встроенным by design ИИ) с их сайта здесь (дают 2 недели триала).
2. Смотрим любое 10 минутное видео вида How to start in Cursor и быстро разбираемся, что как работает.
3. Пишем на английском описание игры (формат, технологии, пожелания и ограничения) и ждем. Если нужно, доустанавливаем нужные библиотеки (хотя Cursor может это сделать сам).
4. Получаем первый прототип, просим запустить его на localhost. Тестируем.
5. Итеративно доводим до +- приемлемого вида: тестируем, записываем баги, передаем в Cursor и так в цикле.
6, Просим адаптировать под мобильную версию браузера.
7. Создаем публичный репозиторий в GitLab и просим захостить все в GitLab Pages, чтобы игрой было проще поделиться.
8. Победа! Первая кривая-косая игра работает!
Конечно, результат – это поделка, не полноценная игра, которую можно выкатывать в продакшн. Но за 30-40 минут первого опыта – отлично! Если нужна помощь, чтобы разобраться с курсором – пишите)
Ловите ссылку: https://experiments-129665.gitlab.io/
1. Скачиваем и устанавливаем Cursor (аналог IDE с встроенным by design ИИ) с их сайта здесь (дают 2 недели триала).
2. Смотрим любое 10 минутное видео вида How to start in Cursor и быстро разбираемся, что как работает.
3. Пишем на английском описание игры (формат, технологии, пожелания и ограничения) и ждем. Если нужно, доустанавливаем нужные библиотеки (хотя Cursor может это сделать сам).
4. Получаем первый прототип, просим запустить его на localhost. Тестируем.
5. Итеративно доводим до +- приемлемого вида: тестируем, записываем баги, передаем в Cursor и так в цикле.
6, Просим адаптировать под мобильную версию браузера.
7. Создаем публичный репозиторий в GitLab и просим захостить все в GitLab Pages, чтобы игрой было проще поделиться.
8. Победа! Первая кривая-косая игра работает!
Конечно, результат – это поделка, не полноценная игра, которую можно выкатывать в продакшн. Но за 30-40 минут первого опыта – отлично! Если нужна помощь, чтобы разобраться с курсором – пишите)
Ловите ссылку: https://experiments-129665.gitlab.io/