Как заставить ИИ кодить по вашим стандартам, а не галлюцинировать? Разбираем Agent OS v2
Знакомая боль: вы даете задачу ИИ-агенту, он пишет код. Вроде работает. Но стоит попросить доработать следующую фичу — и начинается хаос. Агент «забывает» контекст, игнорирует архитектуру и лепит костыли.
В итоге вместо ускорения вы тратите часы на код-ревью и объяснение прописных истин.
Это классическая проблема «дрейфа» (drift), когда ИИ теряет фокус. Решение — не бесконечные промпты, а смена методологии. Брайан Касл выкатил Agent OS v2 — open-source систему, которая внедряет Spec-Driven Development в работу с нейросетями.
Разберем, как это меняет правила игры для продуктовых команд.
Почему это важно для CPO и техлидов?
Agent OS — это не очередной инструмент, а «операционная система» для управления любыми ИИ-кодерами (Claude, Cursor, Gemini). Она решает две фундаментальные задачи:
1. Адаптация стиля: Заставляет агентов копировать ваши паттерны разработки. ИИ начинает писать код так, как это сделал бы ваш сеньор-разработчик.
2. Системность: Внедряет жесткий стандарт разработки через спецификации.
Как это работает: Алгоритм из 3 шагов
Вместо хаотичных чатов процесс строится вокруг артефактов в репозитории.
Шаг 1. Фундамент (`plan product`)
На старте создаются три файла: Миссия продукта, Роадмап и Техстек. Это «долгосрочная память» проекта. Агент всегда сверяется с ними, прежде чем написать строчку кода.
Шаг 2. Формирование спецификации (`shape spec` → `write spec`)
Агент не бросается кодить сразу. Сначала он проводит интервью с вами:
· Задает уточняющие вопросы
· Принимает макеты и скриншоты
· Генерирует файл
Затем на его основе пишется
Шаг 3. Реализация (`implement` vs `orchestrate`)
Самое интересное в версии 2.0 — гибкость.
· Implement: Один агент последовательно закрывает задачи. Идеально для мелких фич.
· Orchestrate: Режим для крупных задач. Система дробит спецификацию и делегирует куски разным субагентам (особенно мощно работает в связке с Claude Code).
Результат в цифрах и фактах
· 0% Vendor Lock-in: Работает с любым стеком и любой LLM.
· Консистенция: Агент не «дрейфует» от задачи к задаче, так как каждый шаг опирается на утвержденную документацию.
· Онбординг: Новые разработчики (и новые агенты) сразу видят контекст и правила игры в файлах проекта.
Знакомая боль: вы даете задачу ИИ-агенту, он пишет код. Вроде работает. Но стоит попросить доработать следующую фичу — и начинается хаос. Агент «забывает» контекст, игнорирует архитектуру и лепит костыли.
В итоге вместо ускорения вы тратите часы на код-ревью и объяснение прописных истин.
Это классическая проблема «дрейфа» (drift), когда ИИ теряет фокус. Решение — не бесконечные промпты, а смена методологии. Брайан Касл выкатил Agent OS v2 — open-source систему, которая внедряет Spec-Driven Development в работу с нейросетями.
Разберем, как это меняет правила игры для продуктовых команд.
Почему это важно для CPO и техлидов?
Agent OS — это не очередной инструмент, а «операционная система» для управления любыми ИИ-кодерами (Claude, Cursor, Gemini). Она решает две фундаментальные задачи:
1. Адаптация стиля: Заставляет агентов копировать ваши паттерны разработки. ИИ начинает писать код так, как это сделал бы ваш сеньор-разработчик.
2. Системность: Внедряет жесткий стандарт разработки через спецификации.
Как это работает: Алгоритм из 3 шагов
Вместо хаотичных чатов процесс строится вокруг артефактов в репозитории.
Шаг 1. Фундамент (`plan product`)
На старте создаются три файла: Миссия продукта, Роадмап и Техстек. Это «долгосрочная память» проекта. Агент всегда сверяется с ними, прежде чем написать строчку кода.
Шаг 2. Формирование спецификации (`shape spec` → `write spec`)
Агент не бросается кодить сразу. Сначала он проводит интервью с вами:
· Задает уточняющие вопросы
· Принимает макеты и скриншоты
· Генерирует файл
requirements.mdЗатем на его основе пишется
spec.md — четкая техническая инструкция с юзкейсами и границами скоупа.Шаг 3. Реализация (`implement` vs `orchestrate`)
Самое интересное в версии 2.0 — гибкость.
· Implement: Один агент последовательно закрывает задачи. Идеально для мелких фич.
· Orchestrate: Режим для крупных задач. Система дробит спецификацию и делегирует куски разным субагентам (особенно мощно работает в связке с Claude Code).
Результат в цифрах и фактах
· 0% Vendor Lock-in: Работает с любым стеком и любой LLM.
· Консистенция: Агент не «дрейфует» от задачи к задаче, так как каждый шаг опирается на утвержденную документацию.
· Онбординг: Новые разработчики (и новые агенты) сразу видят контекст и правила игры в файлах проекта.
👍3❤2🔥1
Совет самому себе
>> Перестань «нахватываться» верхушек.
💭 Твой кратчайший путь — это глубокое понимание оценки качества (Evals). Тот, кто умеет измерять галлюцинации ИИ, управляет продуктом. Тот, кто просто промптит — остается пользователем.
===
Распарсил своё интервью в крупный Бигтех, и понял что deep dive не моё. Мне интересен БИЗНЕС (процессы, маркетинг, продукт, продажи, воронки). Data Science, ML, RAG, K8s, Docker, Dataframes, Eval и тп. — это всё прикольно-интересно, но не вызывает дикого восторга и желания проводить здесь часы...
===
Какие топики спрашивают на DS / ML продактов на интервью:
- Для чего и как в стриминг API (WebSockets)
- Большой фокус RAG (кстати, самый прибыльный навык)
- Плюсы/минусы CAG vs RAG
- Agentic RAG (когда сначала планирует поиск)
- трейсинг и отладка LLM (на каком шаге агент ошибся, LangFuse)
- Docker и Kubernetes (K8s)
- Векторный поиск (если у тебя данных на млрды токенов)
- Про векторные БД (Qdrant, Pinecone), эмбеддинги, LlamaIndex
- Простые агенты (LangChain)
- Мульти-агенты (LangGraph, Tool Use)
- Оценки качества (EVAL, Precision, Recall)
- Третья нормальная форма (3NF)
- Косинусное расстояние между векторами
- Agentic AI (в 2026 начинают писать ИИ агентов, которые будут выполнять часть работы. например «AI Аналитик», который пишет SQL-запросы к витринам данных)
- Роутинг запросов, оркестрация агентов
- Безопасность (lost-in-the-middle, guardrails, риск цепочки, минимизация)
- Производительность и UX (респонс, галлюцинации → Способы борьбы с ними)
Примеры вопросов:
Как ты оцениваешь стоимость инференса при масштабировании ассистента на всю компанию (100 млрд токенов в базе)?
Почему для внутреннего ассистента Яндекса ты выберешь конкретную модель (например, GPT-4o vs. Claude 3.5 Sonnet) под задачу написания SQL?
В каких случаях ты вынесешь логику из промта в код (few-shot примеры vs. динамическая подгрузка через RAG)?
Как ты предотвращаешь «дрейф инструкций» (instruction drift) в длинных промтах для ассистента с контекстом в 2 млн токенов? → А как ты проверяешь, что длинный промт не стал работать хуже после добавления новых правил?
Опиши архитектуру оркестратора, который должен решить, какому из 5 узкоспециализированных агентов передать запрос пользователя.
>> Перестань «нахватываться» верхушек.
===
Распарсил своё интервью в крупный Бигтех, и понял что deep dive не моё. Мне интересен БИЗНЕС (процессы, маркетинг, продукт, продажи, воронки). Data Science, ML, RAG, K8s, Docker, Dataframes, Eval и тп. — это всё прикольно-интересно, но не вызывает дикого восторга и желания проводить здесь часы...
===
Какие топики спрашивают на DS / ML продактов на интервью:
- Для чего и как в стриминг API (WebSockets)
- Большой фокус RAG (кстати, самый прибыльный навык)
- Плюсы/минусы CAG vs RAG
- Agentic RAG (когда сначала планирует поиск)
- трейсинг и отладка LLM (на каком шаге агент ошибся, LangFuse)
- Docker и Kubernetes (K8s)
- Векторный поиск (если у тебя данных на млрды токенов)
- Про векторные БД (Qdrant, Pinecone), эмбеддинги, LlamaIndex
- Простые агенты (LangChain)
- Мульти-агенты (LangGraph, Tool Use)
- Оценки качества (EVAL, Precision, Recall)
- Третья нормальная форма (3NF)
- Косинусное расстояние между векторами
- Agentic AI (в 2026 начинают писать ИИ агентов, которые будут выполнять часть работы. например «AI Аналитик», который пишет SQL-запросы к витринам данных)
- Роутинг запросов, оркестрация агентов
- Безопасность (lost-in-the-middle, guardrails, риск цепочки, минимизация)
- Производительность и UX (респонс, галлюцинации → Способы борьбы с ними)
Примеры вопросов:
Как ты оцениваешь стоимость инференса при масштабировании ассистента на всю компанию (100 млрд токенов в базе)?
Почему для внутреннего ассистента Яндекса ты выберешь конкретную модель (например, GPT-4o vs. Claude 3.5 Sonnet) под задачу написания SQL?
В каких случаях ты вынесешь логику из промта в код (few-shot примеры vs. динамическая подгрузка через RAG)?
Как ты предотвращаешь «дрейф инструкций» (instruction drift) в длинных промтах для ассистента с контекстом в 2 млн токенов? → А как ты проверяешь, что длинный промт не стал работать хуже после добавления новых правил?
Опиши архитектуру оркестратора, который должен решить, какому из 5 узкоспециализированных агентов передать запрос пользователя.
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
The Most Profitable AI Skill in 2026 (RAG Masterclass)
📈 Make Money with AI Systems (step-by-step roadmap): https://bit.ly/4nKx261
🔮 Get an AI Diagnostic for you business: (Teddy AI): https://teddyai.webflow.io/
🤩 FREE Blueprint: https://nn9xz00q.paperform.co/
🎙️ Glaido Waitlist: https://glaido-beta.paperform.co/…
🔮 Get an AI Diagnostic for you business: (Teddy AI): https://teddyai.webflow.io/
🤩 FREE Blueprint: https://nn9xz00q.paperform.co/
🎙️ Glaido Waitlist: https://glaido-beta.paperform.co/…
🔥5❤1
Forwarded from Нейроцех (Михаил Шумовский)
Прочитал тут классное исследование Ленни Рачицкого — про то, как разные спецы уже используют нейросети в работе и чего им не хватает.
Ленни Рачикий — бывший продакт-лид в Airbnb, а сейчас автор одной из самых популярных рассылок о продуктовом менеджменте с более чем 670 тысячами подписчиков. Недавно он опубликовал большое исследование о том, как люди в технологических компаниях используют ИИ. Опросили 1750 человек — продакт-менеджеров, инженеров, дизайнеров и основателей стартапов.
Начну с главного: 55% опрошенных говорят, что ИИ превзошел их ожидания, а почти 70% отмечают, что качество их работы улучшилось. Больше половины экономят минимум полдня в неделю на своих основных задачах.
Теперь про каждую роль отдельно.
Из инструментов: ChatGPT лидирует почти везде — им пользуются 57,7% продактов, 49,6% дизайнеров и 72,1% основателей. Claude на втором месте. Но у айтишников картина другая: Cursor (33,2%), ChatGPT (30,8%) и Claude Code (29%) идут практически вровень. Разработчики выбирают специализированные инструменты под свои задачи, а не универсальные чаты.
Еще один показательный момент: 83,6% опрошенных назвали хотя бы один инструмент, без которого им было бы очень некомфортно работать — настолько глубоко ИИ уже встроился в рабочие процессы.
Короче, дизайнерам повезло меньше всего. Они все делают своими руками. Хотя все так упорно который год кричат, что дизайнеров заменят первыми
Ну и го в комментах рассказывать, ускоряют вас нейронки или нет и для каких задач в их используете ↓↓↓
#мнения
@neurozeh
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤2
↓↓↓
В 2023 и 2024 годах приложения ИИ были ориентированы на общение. Некоторые из них представляли собой очень сложных собеседников! Но их влияние было ограниченным.
Приложения ИИ 2026 и 2027 годов будут ориентированы на действия. Они будут ощущаться как коллеги. Использование увеличится с нескольких раз в день до круглосуточного, ежедневного, с параллельным запуском множества экземпляров. Пользователи не будут экономить несколько часов время от времени – они перейдут от работы в качестве рядового сотрудника к управлению командой агентов.
Помните все эти разговоры о продаже работ? Теперь это возможно.
на подумать:
Какую работу вы можете выполнить?
Какие новые возможности открывают агенты с долгосрочным горизонтом планирования?
Как вы будете коммерциализировать эту работу?
Как будет развиваться интерфейс вашего приложения в вашей области, по мере того как пользовательский интерфейс будет расти от чат-бота до делегирования задач агентам?
Вы можете выполнять эту работу надежно?
Вы постоянно совершенствуете свою систему управления?
У вас налажена надежная обратная связь?
Как продать эту работу?
Можно ли установить цену и представить её в выгодном свете, учитывая ценность и результаты?
(С)
В 2023 и 2024 годах приложения ИИ были ориентированы на общение. Некоторые из них представляли собой очень сложных собеседников! Но их влияние было ограниченным.
Приложения ИИ 2026 и 2027 годов будут ориентированы на действия. Они будут ощущаться как коллеги. Использование увеличится с нескольких раз в день до круглосуточного, ежедневного, с параллельным запуском множества экземпляров. Пользователи не будут экономить несколько часов время от времени – они перейдут от работы в качестве рядового сотрудника к управлению командой агентов.
Помните все эти разговоры о продаже работ? Теперь это возможно.
на подумать:
Какую работу вы можете выполнить?
Какие новые возможности открывают агенты с долгосрочным горизонтом планирования?
Как вы будете коммерциализировать эту работу?
Как будет развиваться интерфейс вашего приложения в вашей области, по мере того как пользовательский интерфейс будет расти от чат-бота до делегирования задач агентам?
Вы можете выполнять эту работу надежно?
Вы постоянно совершенствуете свою систему управления?
У вас налажена надежная обратная связь?
Как продать эту работу?
Можно ли установить цену и представить её в выгодном свете, учитывая ценность и результаты?
(С)
🔥3
AI радикально меняет роль Product Manager
PM всё чаще превращается в «агента + судью», где главная ценность — в постановке проблемы, вкусе и управлении AI-инструментами (Cursor, Claude и т.д.), а не в написании PRD.
Вот как сейчас выглядит управление продуктами
Работа продакта же: в ясном мышлении, принятии правильных решений и управлении системой
PM всё чаще превращается в «агента + судью», где главная ценность — в постановке проблемы, вкусе и управлении AI-инструментами (Cursor, Claude и т.д.), а не в написании PRD.
Вот как сейчас выглядит управление продуктами
Работа продакта же: в ясном мышлении, принятии правильных решений и управлении системой
👍3🔥1💯1
Глобальный adoption ИИ по отчету Microsoft
В ОАЭ 64% рабочего населения использует ИИ, в США — 24% (24-е место). Разрыв между Севером и развивающимися странами вырос до 10,6%. DeepSeek в Африке: 2-4x рост за счет бесплатности и партнерств, ускоряя adoption в underserved рынках.
Валим.
Гуглим DIFC Виза в ОАЭ, принятая в 2025 году для привлечения талантов в ИИ.
В ОАЭ 64% рабочего населения использует ИИ, в США — 24% (24-е место). Разрыв между Севером и развивающимися странами вырос до 10,6%. DeepSeek в Африке: 2-4x рост за счет бесплатности и партнерств, ускоряя adoption в underserved рынках.
Валим.
Гуглим DIFC Виза в ОАЭ, принятая в 2025 году для привлечения талантов в ИИ.
👍1🔥1
Почему ваш контент не работает? Проблема не в качестве.
Директор по маркетингу вчера сказал мне: "У нас столько неиспользованного контента, это просто безумие."
Знакомо?
Большинство команд штампуют вебинары, статьи и лонгриды — а потом продвигают их парой постов в LinkedIn и переключаются на следующий проект.
Они фокусируются на объёме. Но проблема не в объёме.
Проблема в дистрибуции.
Нельзя ожидать ROI от контента, если вы продвигаете его всего парой постов. Дистрибуция — это не второстепенная задача. Именно она определяет успех.
Стратегия дистрибуции для B2B с длинными циклами продаж:
1️⃣ Темы основаны на данных из клиентских исследований и звонков с продажами
2️⃣ Выбираем 3 экспертов, готовых развивать личный бренд в LinkedIn
3️⃣ Часовое видеоинтервью с каждым экспертом по теме
4️⃣ Один лонгрид + 5 видеоклипов + 8 постов из каждого интервью
5️⃣ Публикуем с личных профилей экспертов 3-5 раз в неделю Личные профили дают в 5x больше охвата, чем корпоративные страницы
6️⃣ Перепрофилируем контент:
• Статьи и видео на сайт
• Полные интервью на YouTube
• Еженедельная рассылка с инсайтами
7️⃣ Через 3 месяца: LinkedIn Thought Leader Ads на лучшие посты
8️⃣ Через 6 месяцев: программа employee advocacy для масштабирования
Результат? Один час интервью превращается в месяцы контента с реальным охватом.
Директор по маркетингу вчера сказал мне: "У нас столько неиспользованного контента, это просто безумие."
Знакомо?
Большинство команд штампуют вебинары, статьи и лонгриды — а потом продвигают их парой постов в LinkedIn и переключаются на следующий проект.
Они фокусируются на объёме. Но проблема не в объёме.
Проблема в дистрибуции.
Нельзя ожидать ROI от контента, если вы продвигаете его всего парой постов. Дистрибуция — это не второстепенная задача. Именно она определяет успех.
Стратегия дистрибуции для B2B с длинными циклами продаж:
1️⃣ Темы основаны на данных из клиентских исследований и звонков с продажами
2️⃣ Выбираем 3 экспертов, готовых развивать личный бренд в LinkedIn
3️⃣ Часовое видеоинтервью с каждым экспертом по теме
4️⃣ Один лонгрид + 5 видеоклипов + 8 постов из каждого интервью
5️⃣ Публикуем с личных профилей экспертов 3-5 раз в неделю Личные профили дают в 5x больше охвата, чем корпоративные страницы
6️⃣ Перепрофилируем контент:
• Статьи и видео на сайт
• Полные интервью на YouTube
• Еженедельная рассылка с инсайтами
7️⃣ Через 3 месяца: LinkedIn Thought Leader Ads на лучшие посты
8️⃣ Через 6 месяцев: программа employee advocacy для масштабирования
Результат? Один час интервью превращается в месяцы контента с реальным охватом.
👍1
Microsoft ранжировал 40 профессий по уязвимости к ИИ
Ищем себя.
Ищем себя.
40 профессий с наибольшим влиянием ИИ
- Переводчики и устные переводчики
- Историки
- Бортпроводники
- Торговые представители услуг
- Писатели и авторы
- Представители службы поддержки клиентов
- Программисты инструментов ЧПУ
- Телефонные операторы
- Билетные агенты и туристические служащие
- Теле- и радиоведущие
- Брокерские служащие
- Консультанты по управлению фермами и домашним хозяйством
- Телемаркетологи
- Консьержи
- Политологи
- Аналитики новостей, репортеры, журналисты
- Математики
- Технические писатели
- Корректоры и редакторы
- Хостес и администраторы
- Редакторы
- Преподаватели бизнеса в вузах
- Специалисты по связям с общественностью
- Демонстраторы и промоутеры продукции
- Агенты по рекламным продажам
- Служащие по открытию новых счетов
- Статистические ассистенты
- Служащие пунктов проката
- Специалисты по данным (Data Scientists)
- Персональные финансовые консультанты
- Архивариусы
- Преподаватели экономики в вузах
- Веб-разработчики
- Управленческие консультанты (Management Analysts)
- Географы
- Модели
- Аналитики маркетинговых исследований
- Диспетчеры службы общественной безопасности
- Операторы коммутаторов
- Преподаватели библиотечного дела в вузах
🔥3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Главное из выступления Илона Маска на ВЭФ
О количестве роботов:
Роботов будет больше, чем людей. У каждого человека на Земле будет свой робот. Это неизбежно, просто потому что их полезность слишком высока, а стоимость производства будет падать
О сроках:
Tesla Optimus могут поступить в открытую продажу уже к концу 2027 года. А к концу 2026 искусственный интеллект превзойдет возможности любого отдельного человека
Об экономике будущего:
Мы движемся к эпохе не "безусловного базового дохода", а "универсального высокого дохода". Роботы обрушат стоимость товаров и услуг, сделав труд опцией, а не необходимостью для выживания
О смысле жизни:
Человеческое сознание — это крошечная свеча в огромной темноте. Мы должны сделать всё, чтобы этот свет не погас. Именно поэтому нам нужно стать мультипланетарным видом
↓↓↓
И я хочу быть частью этих глобальных перемен
Поэтому...
О количестве роботов:
Роботов будет больше, чем людей. У каждого человека на Земле будет свой робот. Это неизбежно, просто потому что их полезность слишком высока, а стоимость производства будет падать
О сроках:
Tesla Optimus могут поступить в открытую продажу уже к концу 2027 года. А к концу 2026 искусственный интеллект превзойдет возможности любого отдельного человека
Об экономике будущего:
Мы движемся к эпохе не "безусловного базового дохода", а "универсального высокого дохода". Роботы обрушат стоимость товаров и услуг, сделав труд опцией, а не необходимостью для выживания
О смысле жизни:
Человеческое сознание — это крошечная свеча в огромной темноте. Мы должны сделать всё, чтобы этот свет не погас. Именно поэтому нам нужно стать мультипланетарным видом
↓↓↓
И я хочу быть частью этих глобальных перемен
Поэтому...
🔥1
BECOME AI Native with PROSHINSKY.COM
Запустил proshinsky.com
— услуги по ИИ-зации бизнеса (а в будущем и роботизации). Рынок у этого >$500 трлн. по оценке Nvidia.
Пул услуг включает весь мой накопленный за 3 года опыт:
🔗 ИИ консалтинг в классическом понимании мертв (из-за ИИ), но КАК внедрить чтобы был рост метрик — та ещё задача. Поэтому я внедряю только то, в чем уверен и то, что могу посчитать. С гарантией прироста метрик.
🔗 Vibe-code разработка – как сервис по быстрому запуску Веб-продуктов. Пока есть «окно возможностей» — не каждый может запилить себе веб-продукт. Я могу. Это является продолжением моего 9-летнего опыта в роли продакт-менеджера.
🔗 ИИ связки (в работе) — готовые ИИ-решения под типовые бизнес задачи (обзвон клиентов, контроль коммуникаций с клиентами, создание креативов и т.д.), которые можно «сегодня купил → завтра получаешь результат»
🔗 ИИ практикум (B2B) — базовый курс, который позволит за день удвоить, а кому-то даже утроить эффективность своей работы (в феврале/марте будет обучение для B2C)
🔗 Тренинг «ИИ для коммерции» (B2B) — 80% контента для коммерческих отделов (маркетинг, продажи, Operations). Флагманский тренинг с фокусом на практику
🔗 ИИ директор на аутрсорсе — для тех, кому очень хочется с ИИ «всех победить», но: а) нет времени б) нет того, кто знает что и как делать в) нет тех, кто гарантирует результат г) а если есть — нет стратегического виденья (решить задачу да, комплексно внедрить и поставить процесс — нету).
==
Подробнее — пишите в ЛС
— услуги по ИИ-зации бизнеса (а в будущем и роботизации). Рынок у этого >$500 трлн. по оценке Nvidia.
Пул услуг включает весь мой накопленный за 3 года опыт:
==
Подробнее — пишите в ЛС
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
ИИ для продакта & CPO | Влад Прошинский pinned «Запустил proshinsky.com — услуги по ИИ-зации бизнеса (а в будущем и роботизации). Рынок у этого >$500 трлн. по оценке Nvidia. Пул услуг включает весь мой накопленный за 3 года опыт: 🔗 ИИ консалтинг в классическом понимании мертв (из-за ИИ), но КАК внедрить…»