Operator от OpenAI
Сегодня наш первый быстрый тест Operator от OpenAI. Operator — это система на основе моделей gpt (насколько известно, теперь на базе gpt-o3), которая может взаимодействовать с вашим рабочим столом, вашими файлами.

Тест 1
Берем черновик урока на одном из разрабатываемых в Standard Data электронных курсов. Даем доступ по ссылке на редактирование. Передаем ссылку в Operator и просим прямо в гугл-документе вычитать текст и оставить гугл-комментарии.

Далее можно онлайн наблюдать, как в браузере происходит чтение документа и комментирование. В «трансляции» все хорошо, комментарии пишутся, более-менее осмысленные. Но вот после окончания работ заметки Operator в документе почему-то не отобразились.

Содержательно комментарии с первого захода вышли, конечно, осмысленные, но пользы бы в процессе разработки принесли минимально.

Тест 2
Передаем в оператор список источников, просим изучить материалы на тему ИИ за последнюю неделю и записать в тот-же гугл-документ все важные факты, мысли, тезисы.

Получилось хорошо, записал интересные мысли, в документе все корректно отображается. Самостоятельно на поиски потратился бы минимум час, а не 2-3 минуты ожидания.

Operator прочитал далеко не все нужные статью, но даже текущая выжимка оказалось полезной.

Немного нечестный пример, так как такой результат можно было получить и просто с gpt-o3. Только без записи напрямую в гугл-док.

Тест 3
Просим сходить Operator на сайт Y Combinator, найти все проекты 2023-2024 годов, у которых сейчас хотя бы 2 открытые вакансии. Это решаемая задача, на сайте есть вся информация. Проектов много, поэтому руками делать долго.

Operator думал-думал, но в гугл-документ, к сожалению, записал совсем немного компаний. На самом деле, их в разы больше. Видимо, устал!

Уверен, что в перспективе Operator — полезный инструмент. Со временем найдутся сценарии использования, экономящие людям и компаниям часы ручной работы.

И держите птенца верхом на коте, как на коне, в исполнении Sora.
Всем хороших выходных!

Дайджест 25.05.2025

Посты этой недели

1) Выжимки звонков, которые любят коллеги
Делаем выжимку звонка с помощью транскрибации, LLM и финальных ручных правок.
Просмотров: 53
Реакций: 14

2) Дайджест 20.05
Подводим статистику 34 постов в канале.
Просмотров: 56
Реакций: 11

3) Статистика для дайджеста с помощью ИИ
Вытаскиваем данные канала из telegram и быстро получаем статистику с помощью LLM.
Просмотров: 71
Реакций: 14

4) ИИ-презентации и сайты
Генерируем на основе текста презентацию или сайт с помощью ИИ.
Просмотров: 41
Реакций: 14

5) ИИ-анимация для логотипа
Промо-видео на 5 секунд для логотипа с помощью Sora.
Просмотров: 42
Реакций: 16

6) Operator от OpenAI
Тестируем Operator, сможет ли собрать нужные данные в интернете и записать в гугл-док?
Просмотров: 33
Реакций: 11

7) Птенец верхом на коте, как на коне
Развлекательный пост с помощью Sora.
Просмотров: 37
Реакций: 13

Всем отличной недели!

ИИ-классификатор вопросов
В одном из проектов по внедрению образовательного ИИ-ассистента возникла задача: если пользователь просит контакты для связи, нужно выдать конкретные ФИО и номер телефона.

Подход в лоб — добавить в промпт, что если пользователь просит контакты, нужно выдать вот это. Такой вариант не дает 100% уверенности в точности и полноте. Он ведет себя особенно плохо, если контекст переписки с учеником уже объемный, и конкретная инструкция про контакты может «потеряться».

К тому же, если, например, в системе есть дополнительный слой безопасности на основе LLM для отсечения вопросов не по теме образовательного курса, то вопрос по контактам может быть просто не пропущен этим слоем безопасности.

Поэтому альтернативный подход — добавить отдельный слой на основе легкой LLM для классификации видов вопросов по курсу. Легкая ЛЛМ очень точно может по сути вопроса классифицировать, это вопрос по теории, по практике, по ДЗ, запрос на контакты или что-то еще!

Далее в случае классификации вопроса LLM как «запрос контактов», уже детерминировано отдаем контакты, избегая всевозможных галлюцинаций.

Да, в обоих случаях галлюцинации на запрос контактов возможны. Но вероятность ошибки LLM во втором случае сильно меньше.

Lovable для ИИ-прототипирования

Lovable — один из инструментов для быстрого ИИ-прототипирования. Он позволяет по простому текстовому запросу получить рабочий прототип за несколько часов, хотя раньше бы на него ушло несколько недель работы команды из продакта, дизайнера и разработчиков.

В отличие от общения с LLM, например, в ChatGPT, такие инструменты дают возможность не просто получить код, а сразу запустить, увидеть результат и даже разместить проект в интернете («захостить»), чтобы можно было им делиться.

Другие похожие инструменты и их минимальный порог входа:
- Bolt, Lovable — если совсем не знакомы с программированием или нужно очень быстро получить простой прототип веб-сервиса.
- Replit — если у вас небольшой опыт в программировании, знаете азы. Более гибкий, но нужно уже хотя бы немного понимать код.
- Windsurf, Copilot, Cursor — если вы сами разработчик и вам нужна максимальная гибкость, контроль над происходящим.

Конечно же, все эти инструменты — не волшебная таблетка! С их помощью сейчас можно создавать прототипы только простых распространенных сервисов, код которых LLM видела во время обучения. Например, простые лендинги, формы для опросов, авторизацию и т.д.

Если стоит задача разработки сложного сервиса с большим количеством интеграций, требованиями к высокой нагрузке и безопасности, то здесь инструменты вроде Lovable пока не подойдут. По крайней мере, на текущий момент.

Кроме того, даже простые сервисы не создаются по одному щелчку. Нужно уметь четко формулировать требования: структурированно, без воды, выделяя главное и отсеивая менее приоритетную функциональность. Чаще всего понадобится итеративный процесс доработок: написали промпт → получили результат → протестировали → нашли проблемы → возвращаемся к новым промптам.

Но при всех нюансах и минусах — это революция для продактов и предпринимателей: вместо долгих согласований, бюджетов на миллионы рублей и месяцев ожидания – всего несколько часов и минимальные вложения. Очевидно, что с развитием моделей и подобных инструментов сложность и уровень прототипов будут расти, открывая всё больше возможностей даже для нетехнических предпринимателей.

Кажется, нас ждёт взрыв новых ИТ-продуктов!

Лендинг в Lovable
Нужно сделать лендинг для тестирования гипотезы, но страх белого листа не дает начать? Знакомо? Если да, то теперь преодолеть этот страх и начать стало гораздо проще! Вот этот лендинг получилось сделать суммарно меньше чем за 15 минут: ссылка

Комментарий: Lovable пока что работает лучше всего на английском языке, поэтому все промпты, тексты лучше писать ему на нем. Когда получится финальный результат, то можно будет просто перевести на русский.

Шаги:
1) В отдельном документе записываем в свободном формате всю важную для лендинга информацию. Например: краткое описание, чем занимается компания, какой продукт, кто ее клиенты, позиционирование и тд.

2) Открываем ChatGPT, загружаем туда получившийся текст и просим из неструктурированной информации о компании создать структуру и наполнение лендинга (если нужно, правим вручную).

3) Открываем Lovable, пишем промпт, просим создать лендинг на основе текста, полученного от ChatGPT.

4) Если есть элементы брендинга (логотип, картинки с примерами стиля), то можете тоже добавить к промпту. Если есть нарисованный UI/UX можно загрузить и попросить сделать лендинг четко по образу и подобию.

5) Запускаем разработку, ждем минуту-две.

После первой генерации обычно уже получается довольно хороший прототип! Но 100% вам захочется что-то изменить. Например, добавить кнопку и задать логику происходящего при ее нажатии. Возможно, вы захотите добавить форму для заявок. Или даже «прикрутить» к лендингу базу данных! Все это тоже можно и очень просто!

Как делать все это, узнаем в следующих постах!

ИИстория аватарки канала

Хотелось сделать что-нибудь небанальное, близкое автору.
Был вариант обратиться к иллюстратору или дизайнеру из нашей команды, но канал ведь про эксперименты с ИИ!

Сразу появились опасения: нельзя допустить стоковской картинки, которая одновременно обо всем и ни о чем. Из постов выше мы с вами помним, что для «живой» картинки требуется авторское интересное видение, в центре должна лежать оригинальная идея. Желательно с проработкой деталей.

Дабы не погружаться в творческие муки, автор спросил себя, а что интересно в данный момент, что нравится? Помимо математики и технологий всегда нравились спорт и некоторые закоулки искусства. В спорте — танцы и большой теннис, в направлениях искусства — абстракционизм.

Так довольно быстро родилась идея — намек на теннисный мяч в стиле Пита Мондриана.

Ушло порядочно времени и итераций, чтобы объяснить GPT 4o, что:
- сам мяч круглый;
- внутри «мозаика» только на основе прямоугольников;
- при этом линия, как у теннисного мяча, должна быть гладкой;
- внутри эта линия должна быть тоже из прямоугольников.

При работе с ИИ, в том числе при создании иллюстраций, стараюсь следовать нескольким принципам:
- действуем пошагово;
- сначала получаем наиболее «общие» элементы;
- далее уже дорабатываем детали;
- на каждом шаге проверяем, что предыдущие наработки не сломались;
- максимально точно формулируем, что хотим, без воды;
- при этом избегаем лишнего перегруза контекста в одном промпте.

Друзья, поделитесь вашими иллюстрациями и мыслями в комментариях!

Экспресс-оценка сметы проекта с ИИ. Риски и возможности.

Иногда возникает вопрос, верно ли оценены работы, составлено коммерческое предложение для клиента или запрос для подрядчика. Всегда есть риск что-то упустить. В таких случаях помогает взгляд со стороны – мнение независимого специалиста, который подтвердит точность расчетов. Это особенно важно, если заказчик или менеджер проекта не является профильным специалистом.

Очень удобно, когда под рукой есть внимательный и старающийся проверять факты помощник вроде ChatGPT o3 pro! Он может быстро оценить необходимые ресурсы по вашему проекту. Для этого нужно подробно описать задачу и указать все ключевые нюансы. Если оценки ChatGPT примерно совпадают с вашими расчётами или КП от провайдера – отлично! Если же возникла существенная разница, нужно разобраться: либо ChatGPT ошибся, что можно быстро выяснить, проследив его логику, либо всё-таки заказчик или подрядчик неверно оценил проект.

Интересно, что будет, если и заказчики, и провайдеры одновременно начнут использовать ChatGPT для предварительных расчетов. Тогда все их оценки станут удивительно похожими! 😅 А сам ChatGPT превратится в незаметного серого кардинала всех переговоров и проектов.

Если вы – заказчик и хотите проверить адекватность стоимости проекта, то лучше всего привлечь собственного специалиста или внешних экспертов, а еще лучше – нескольких. Однако если необходимо быстро получить экспресс-оценку, вот простой алгоритм:
1) Открываете ChatGPT (лучше всего системы o1 pro или o3 pro, либо o3 в подписке Plus).
2) Подробно описываете техническое задание с указанием всех ключевых нюансов и ограничений.
3) Обязательно уточняете географию проекта и доступную инфраструктуру.
4) Просите модель оценить необходимые ресурсы для реализации задачи.

При обращении к ChatGPT обязательно уточняйте географию проекта, так как уровень зарплат сильно различается в зависимости от региона. Кроме того, лучше просить считать ресурсы и затраты «в чистом виде», без учёта налогов, маржи и других дополнительных платежей. Эти детали проще добавлять уже в дальнейших итерациях, иначе модель может применить собственные допущения.

Разумеется, важно помнить, что пока что нельзя полагаться на такие оценки на 100%, так как есть ряд ограничений:
1) Возможны «галлюцинации».
Однако системы на основе рассуждающих моделей, такие как o1 pro или o3 pro, делают ошибки значительно реже. Их можно попросить подробно объяснять свою логику и указывать конкретные факты, на которые они опираются.

2) Такой подход хуже работает в сложных продакшн-проектах с огромным количеством узких технических нюансов, известных только профильным специалистам. Подобные детали почти наверняка отсутствовали в обучающей выборке моделей, и это иногда приводит к неточностям.

Тем не менее, в небольших и средних проектах системы уровня o3 pro редко ошибаются на порядок. Это значит, что вы быстро получите вполне адекватную оценку общей сложности и примерный масштаб необходимых ресурсов.

Кстати, если у вас есть интересные запросы, которые хотите закинуть в o3 pro, напишите в комментариях или ЛС, попробуем!

Дайджест постов 14.06.2025

В последнее время была целая серия постов про ИИ-инструменты для прототипирования. Вспомним их!

Важно отметить, что к каналу присоединилось много новых подписчиков – спасибо, что читаете и комментируете! Записал себе на основе обсуждений в чате несколько тем для постов.

Итак, вспомним посты:

Шашки за 3 минуты в Lovable
Создаем игру по описанию, правим, редактируем и играем.

Lovable для ИИ-прототипирования
Краткие вводные про Lovable и другие инструменты для быстрый разработки прототипов с ИИ.

Лендинг в Lovable
Начинаем разработку лендинга продукта, главная цель – получить хорошую основу для дальнейших улучшений.

Подключаем базу данных к посадочной странице
Продолжаем работу над лендингом, создаем форму заказа для клиентов, учимся подключать Supabase.

Чат на сайте, как в ChatGPT
Добавляем на лендинг окошко чата, как в ChatGPT, чтобы клиенты могли задавать вопросы о компании.

ИИстория аватарки канала
Отходим от ИИ-прототипирования. Личная история о разработке аватарки для этого канала, раскрываем смысл задумки.

Прикрутим авторизацию в Lovable
Возвращаемся к лендингу и добавляем возможность регистрации и входа по почте с паролем.

Экспресс-оценка сметы проекта с ИИ. Риски и возможности
Быстрый оценщик объема работ и стоимости – полезный инструмент для заказчиков и провайдеров!

Всем отличных выходных!