💰 Инвестиции
• Mercury ведет переговоры о раунде с оценкой $5B+ — Привлечение средств и покупка payroll-стартапа Central.
• Chime запускает Chime Prime: 5% cash back — Новый премиальный уровень при входящих переводах от $3,000.
• Mercury ведет переговоры о раунде с оценкой $5B+ — Привлечение средств и покупка payroll-стартапа Central.
• Chime запускает Chime Prime: 5% cash back — Новый премиальный уровень при входящих переводах от $3,000.
Для SaaS осталось всего два пути
Дэвид Джордж, партнёр a16z дает прогноз
Эпоха комфортной середины закончилась.
Путь первый: ускорить рост выручки на 10+ п.п. YoY за счёт по-настоящему новых AI-продуктов в течение 12–18 месяцев.
Путь второй: перестроить компанию для достижения истинной операционной маржи свыше 40% (в идеале — 50%), включая компенсации акциями (SBC).
1️⃣ Seat-based → Token/Consumption pricing
твоя модель ценообразования услуг агентства должна включать outcome/token компонент. У вас немного времени, ценообразование на основе мест не исчезнет за одну ночь. Но вы должны серьёзно отнестись к этому вызову: нельзя отмахнуться от новой модели ценообразования и нового интерфейса. Если агент не может автономно потреблять ваш продукт и платить за него, скорее всего, вы ещё не там.
Управленцы нового времени займут свои места. Всего 5 чел.
Что делать с этими людьми?
1. поставить их во главе непрезентабельных, но критически важных проектов по сбору информации:
- спринты по захвату процессов вокруг каждого высокоценного рабочего процесса;
- сбор стандартных операционных процедур, тикетов, расшифровок, документов с требованиями, политик, заметок CRM, логов поддержки, данных о событиях и маршрутов согласований.
2. Настройте оценки точности, обработки исключений, задержки и стоимости
3. Поручите этим пяти людям эту задачу — каждому в своей зоне ответственности — немедленно.
4. Тем кто не справился за месяц — уволить. Теперь у вас обновлённая и заряженная команда топ-менеджеров, готовая к борьбе.
5. Сократите накладные расходы на коммуникацию до как можно более близких к нулю.
6. Убедитесь, что все ваши лучшие продуктовые менеджеры максимально близки к клиентам. Они не могут тратить ни минуты. Их работа — поиск product market fit; убедитесь, что никакое устаревшее наследие их не блокирует.
7. Задача инженеров — обеспечить, чтобы основная инженерная архитектура компании развивалась так же быстро, как ваши передовые продуктовые менеджеры.
===
Помните: первый и самый очевидный источник экономии от AI для ваших клиентов — это эффективность труда, а значит, именно на местах (seats) они будут искать сокращение затрат. Новый же рост, напротив, будет всё больше сосредотачиваться в токенах, потреблении, автоматизациях, результатах и рабочих процессах под управлением машин.
Если вы не на пути токенов — значит, вы стоите не в самой быстрорастущей части бюджета.
2️⃣ Выход на прибыльность в 40%+
1. требует большего, чем 10% или 20% сокращений штата. Это означает: сглаживание уровней управления, стандартизацию внедрения, минимизацию нестандартных сервисов, уничтожение комитетов, повышение цен там, где вы контролируете рабочий процесс или издержки переключения, перевод клиентов из «длинного хвоста» на более высокие базовые тарифы или отпускание их, а также учёт каждой акции как трансфера от владельцев к сотрудникам.
2. AI должен изменить форму компании. Структура затрат должна измениться вместе с ним.
3. С первого дня вам нужно понять, как выглядит меньшая, но ещё более мотивированная и производительная рабочая сила
4. Первое, что вы сделаете — это радикально увеличите бюджет на токены в расчёте на одного инженера. Если ваши инженеры не тратят реальные деньги на токены, они, вероятно, недостаточно стараются. У лучших инженеров и об управлении 20–30 агентами одновременно.
5. готовиться к значительному сокращению штата
===
Ключевой вопрос
Основатели должны поместить один вопрос на первую страницу каждой презентации для совета директоров: по какому пути мы идём?
+10 п.п. роста выручки за счёт принципиально новых AI-продуктов? Или истинная операционная маржа 40%+, включая SBC?
Инвесторы должны задавать тот же вопрос — настойчивее, чем сейчас.
Дэвид Джордж, партнёр a16z дает прогноз
Эпоха комфортной середины закончилась.
Путь первый: ускорить рост выручки на 10+ п.п. YoY за счёт по-настоящему новых AI-продуктов в течение 12–18 месяцев.
Путь второй: перестроить компанию для достижения истинной операционной маржи свыше 40% (в идеале — 50%), включая компенсации акциями (SBC).
план на 12–18 месяцев должен быть нацелен на что-то одно
твоя модель ценообразования услуг агентства должна включать outcome/token компонент. У вас немного времени, ценообразование на основе мест не исчезнет за одну ночь. Но вы должны серьёзно отнестись к этому вызову: нельзя отмахнуться от новой модели ценообразования и нового интерфейса. Если агент не может автономно потреблять ваш продукт и платить за него, скорее всего, вы ещё не там.
И, не менее важно: вам нужно в ускоренном режиме перестраивать компанию — включая команду топ-менеджеров, — чтобы, найдя соответствие продукта рынку, вы действительно смогли воспользоваться этой возможностью.
Управленцы нового времени займут свои места. Всего 5 чел.
Что делать с этими людьми?
1. поставить их во главе непрезентабельных, но критически важных проектов по сбору информации:
- спринты по захвату процессов вокруг каждого высокоценного рабочего процесса;
- сбор стандартных операционных процедур, тикетов, расшифровок, документов с требованиями, политик, заметок CRM, логов поддержки, данных о событиях и маршрутов согласований.
2. Настройте оценки точности, обработки исключений, задержки и стоимости
3. Поручите этим пяти людям эту задачу — каждому в своей зоне ответственности — немедленно.
4. Тем кто не справился за месяц — уволить. Теперь у вас обновлённая и заряженная команда топ-менеджеров, готовая к борьбе.
5. Сократите накладные расходы на коммуникацию до как можно более близких к нулю.
6. Убедитесь, что все ваши лучшие продуктовые менеджеры максимально близки к клиентам. Они не могут тратить ни минуты. Их работа — поиск product market fit; убедитесь, что никакое устаревшее наследие их не блокирует.
7. Задача инженеров — обеспечить, чтобы основная инженерная архитектура компании развивалась так же быстро, как ваши передовые продуктовые менеджеры.
===
Помните: первый и самый очевидный источник экономии от AI для ваших клиентов — это эффективность труда, а значит, именно на местах (seats) они будут искать сокращение затрат. Новый же рост, напротив, будет всё больше сосредотачиваться в токенах, потреблении, автоматизациях, результатах и рабочих процессах под управлением машин.
Если вы не на пути токенов — значит, вы стоите не в самой быстрорастущей части бюджета.
1. требует большего, чем 10% или 20% сокращений штата. Это означает: сглаживание уровней управления, стандартизацию внедрения, минимизацию нестандартных сервисов, уничтожение комитетов, повышение цен там, где вы контролируете рабочий процесс или издержки переключения, перевод клиентов из «длинного хвоста» на более высокие базовые тарифы или отпускание их, а также учёт каждой акции как трансфера от владельцев к сотрудникам.
2. AI должен изменить форму компании. Структура затрат должна измениться вместе с ним.
3. С первого дня вам нужно понять, как выглядит меньшая, но ещё более мотивированная и производительная рабочая сила
4. Первое, что вы сделаете — это радикально увеличите бюджет на токены в расчёте на одного инженера. Если ваши инженеры не тратят реальные деньги на токены, они, вероятно, недостаточно стараются. У лучших инженеров и об управлении 20–30 агентами одновременно.
5. готовиться к значительному сокращению штата
===
Ключевой вопрос
Основатели должны поместить один вопрос на первую страницу каждой презентации для совета директоров: по какому пути мы идём?
+10 п.п. роста выручки за счёт принципиально новых AI-продуктов? Или истинная операционная маржа 40%+, включая SBC?
Инвесторы должны задавать тот же вопрос — настойчивее, чем сейчас.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
🛠 Инструменты
• Netflix выпускает VOID — Open-source фреймворк для удаления объектов из видео.
• Nous Research обновляет Hermes Agent v0.7.0 — Агентная архитектура с плагинами памяти и браузером Camofox.
• Generalist GEN-1 — Робототехническая модель с надежностью 99% на складах.
• Cursor Warp Decode — Ускорение инференса MoE-моделей в 1,84 раза.
• GLM-5.1 от Z AI — Open-source модель для кодинга, лидер SWE-Bench Pro.
• Google AI Edge Eloquent — Офлайн-приложение для диктовки на базе Gemma.
• Harrier от Microsoft — Open-source модель для RAG-поиска с поддержкой 100+ языков.
• Anthropic Managed Agents — API для развертывания облачных ИИ-агентов с поддержкой кода.
• Apple начинает производство Baltra ASIC in-house — Вертикализация выпуска собственных ИИ-чипов Apple.
• ALTK-Evolve — Инструмент обучения агентов через траектории без раздувания контекста.
💰 Инвестиции
• Anthropic: выручка превысила $30 млрд — Годовой темп выручки (ARR) вырос с $9 млрд до более чем $30 млрд.
• Intel, SpaceX и Tesla: Terafab — Коллаборация гигантов для выпуска чипов нового поколения.
• Zero Shot VC: ставка на прикладную автоматизацию — Фонд $100M инвестирует в автоматизацию заводов и Worktrace AI.
• Anthropic привлекает $1 млрд через private equity — Раунд с Blackstone для масштабной экспансии в корпоративный сектор.
• Poke привлек $25 млн — Инвестиции в упрощение доступа к ИИ-агентам через мессенджеры.
• Netflix выпускает VOID — Open-source фреймворк для удаления объектов из видео.
• Nous Research обновляет Hermes Agent v0.7.0 — Агентная архитектура с плагинами памяти и браузером Camofox.
• Generalist GEN-1 — Робототехническая модель с надежностью 99% на складах.
• Cursor Warp Decode — Ускорение инференса MoE-моделей в 1,84 раза.
• GLM-5.1 от Z AI — Open-source модель для кодинга, лидер SWE-Bench Pro.
• Google AI Edge Eloquent — Офлайн-приложение для диктовки на базе Gemma.
• Harrier от Microsoft — Open-source модель для RAG-поиска с поддержкой 100+ языков.
• Anthropic Managed Agents — API для развертывания облачных ИИ-агентов с поддержкой кода.
• Apple начинает производство Baltra ASIC in-house — Вертикализация выпуска собственных ИИ-чипов Apple.
• ALTK-Evolve — Инструмент обучения агентов через траектории без раздувания контекста.
💰 Инвестиции
• Anthropic: выручка превысила $30 млрд — Годовой темп выручки (ARR) вырос с $9 млрд до более чем $30 млрд.
• Intel, SpaceX и Tesla: Terafab — Коллаборация гигантов для выпуска чипов нового поколения.
• Zero Shot VC: ставка на прикладную автоматизацию — Фонд $100M инвестирует в автоматизацию заводов и Worktrace AI.
• Anthropic привлекает $1 млрд через private equity — Раунд с Blackstone для масштабной экспансии в корпоративный сектор.
• Poke привлек $25 млн — Инвестиции в упрощение доступа к ИИ-агентам через мессенджеры.
👍1
Вы даёте скидку 25%. Конкурент — 15%+10%. Угадайте, кто продаёт больше
Одинаковая скидка. Разная подача. Совершенно разный результат. Это не маркетинговый миф — это данные науки.
В декабре 2025 года исследователи Университета Бентли провели серию из 6 экспериментов и проанализировали более 9 000 реальных сделок. Вывод оказался неожиданным даже для опытных маркетологов.
Что именно выяснили
Когда скидку в 25% разбили на суммируемые части — например, 15% в магазине + 10% по купону — намерение совершить покупку выросло на 15,8% по сравнению с единой скидкой той же величины.
Это не всё. Предложения с суммируемыми скидками показали:
- На 66,3% больше просмотров
- На 52,7% больше положительных оценок
- На 52,3% больше комментариев
Люди не просто чаще кликали. Они чувствовали себя умнее: на 20,7% больше участников говорили, что ощущают себя выгодными покупателями. Это важно — ощущение "я нашёл выгоду" влияет на лояльность сильнее, чем сама скидка.
Почему мозг реагирует именно так
Суммируемые скидки встречаются редко. Редкость → ценность. Когда человек комбинирует несколько предложений, он вкладывает небольшое усилие — и это усилие психологически повышает воспринимаемую ценность сделки.
Одновременно срабатывает FOMO: "такая комбинация встречается нечасто, нужно брать сейчас". Дефицит создаёт срочность — и человек действует.
AG1 строит свою модель продаж именно на этом принципе: скидка за подписку + бонусные наборы + приветственное предложение суммируются, создавая ощущение исключительной сделки. Неслучайно бренд удерживает аудиторию на повторных покупках лучше большинства конкурентов.
Как применить у себя
Если вы управляете продуктом с монетизацией через акции, апселл или удержание — три конкретных шага:
- Разбейте крупную скидку на 2–3 части с разными триггерами: первая покупка + подписка + реферал
- Сделайте суммирование автоматическим или максимально простым — если клиент не понимает, как сложить предложения, эффект исчезает полностью
- Не дробите большие скидки от 50%+ — там эффект слабее, а усилие по комбинированию воспринимается как барьер, а не как игра
Главный вывод
Цифра в скидке — это не всё. То, как вы её подаёте, меняет конверсию на десятки процентов без изменения бюджета. Один и тот же маркетинговый расход может работать в разы эффективнее — просто за счёт структуры предложения.
Одинаковая скидка. Разная подача. Совершенно разный результат. Это не маркетинговый миф — это данные науки.
В декабре 2025 года исследователи Университета Бентли провели серию из 6 экспериментов и проанализировали более 9 000 реальных сделок. Вывод оказался неожиданным даже для опытных маркетологов.
Что именно выяснили
Когда скидку в 25% разбили на суммируемые части — например, 15% в магазине + 10% по купону — намерение совершить покупку выросло на 15,8% по сравнению с единой скидкой той же величины.
Это не всё. Предложения с суммируемыми скидками показали:
- На 66,3% больше просмотров
- На 52,7% больше положительных оценок
- На 52,3% больше комментариев
Люди не просто чаще кликали. Они чувствовали себя умнее: на 20,7% больше участников говорили, что ощущают себя выгодными покупателями. Это важно — ощущение "я нашёл выгоду" влияет на лояльность сильнее, чем сама скидка.
Почему мозг реагирует именно так
Суммируемые скидки встречаются редко. Редкость → ценность. Когда человек комбинирует несколько предложений, он вкладывает небольшое усилие — и это усилие психологически повышает воспринимаемую ценность сделки.
Одновременно срабатывает FOMO: "такая комбинация встречается нечасто, нужно брать сейчас". Дефицит создаёт срочность — и человек действует.
AG1 строит свою модель продаж именно на этом принципе: скидка за подписку + бонусные наборы + приветственное предложение суммируются, создавая ощущение исключительной сделки. Неслучайно бренд удерживает аудиторию на повторных покупках лучше большинства конкурентов.
Как применить у себя
Если вы управляете продуктом с монетизацией через акции, апселл или удержание — три конкретных шага:
- Разбейте крупную скидку на 2–3 части с разными триггерами: первая покупка + подписка + реферал
- Сделайте суммирование автоматическим или максимально простым — если клиент не понимает, как сложить предложения, эффект исчезает полностью
- Не дробите большие скидки от 50%+ — там эффект слабее, а усилие по комбинированию воспринимается как барьер, а не как игра
Главный вывод
Цифра в скидке — это не всё. То, как вы её подаёте, меняет конверсию на десятки процентов без изменения бюджета. Один и тот же маркетинговый расход может работать в разы эффективнее — просто за счёт структуры предложения.
👍3
ИИ для продакта & CPO | Влад Прошинский
Для SaaS осталось всего два пути Дэвид Джордж, партнёр a16z дает прогноз Эпоха комфортной середины закончилась. Путь первый: ускорить рост выручки на 10+ п.п. YoY за счёт по-настоящему новых AI-продуктов в течение 12–18 месяцев. Путь второй: перестроить…
↓↓↓
Отличный пример второго пути: CRM-агент Lightfield
Lightfield — это не "умная CRM". Это world model вашей компании, начиная с клиентов.
CRM которая пишет и запускает код — помогает анализировать воронку, делать outreach. И это не Ко-пилот (прости Битрикс) где ИИ как стенограф.** Транскрибирует звонки, заполняет поля, пишет follow-up. Решает проблему ввода данных — но не понимания. Расшифровать один звонок ≠ найти паттерн в ста звонках
Команда Lightfield — стартап из Сан-Франциско — провела эксперимент: скормила ИИ данные о клиентах в трёх форматах: таблицы, графы знаний и нарративные истории.
Вывод оказался неожиданным: графы работали хуже всего. Не потому что данных не хватало. А потому что граф фиксирует связи, но не объясняет почему они существуют.
Представьте CRM-граф:
Legacy CRM — это хранилище того, что кто-то успел записать. Менеджер закрыл сделку → поставил "Лид провален" → пошёл дальше. Но в этом поле нет информации о том, что реальным возражением была безопасность, а не цена. Что через 30 дней фича на roadmap закрывала бы эту сделку. Что чемпион в аккаунте упомянул реорг ещё девять месяцев назад — тому сотруднику, который уже уволился.
Традиционные CRM созданы для трекинга активностей и прогноза выручки. Не для сохранения понимания. Это принципиально разные задачи.
Решение: живая хроника вместо базы данных
Lightfield полностью переписали модель данных. Теперь вместо графов — хронологические нарративы о каждом человеке и вашем взаимодействии с ним. Модель получает не таблицу, а историю: кто этот человек, как менялись его приоритеты, что сработало, что нет.
Результат: ИИ динамически перевешивает важность деталей под текущий контекст. Как опытный менеджер, который слышал всё — и делает правильный вывод.
Система автоматически захватывает каждое письмо, звонок и встречу — и строит живую модель реальности по четырём осям:
- Хронология — что и в каком порядке происходило, полная история, не снапшот
- Атрибуция — кто что сказал, когда и в ответ на что, дословно, не чья-то интерпретация
- Причинность — какие действия привели к каким исходам
- Состояние — доверие, риск, momentum, намерение клиента прямо сейчас
😮 Никакого ручного ввода. ИИ сам строит контекст из сырых данных.
Кейс: enterprise-продажи с 50+ стейкхолдерами
В сложных B2B-сделках нужно выстроить стратегию работы с десятками людей одновременно. Задача почти невозможная вручную. С нарративной моделью Lightfield ИИ строит:
- карту стейкхолдеров с весами влияния
- анализ вовлечённости каждого участника
- оценку рисков сделки
- план следующих шагов в правильном порядке
Вывод: Когда модель реальности построена, она отвечает на вопросы, которые раньше требовали дней аналитики:
- Почему эта сделка застряла?
- Какие паттерны предшествуют оттоку?
- Что изменилось в этом аккаунте за последний месяц?
- Какие возражения звучат чаще, чем три месяца назад?
И главный продуктовый инсайт, который меняет подход к автоматизации: нельзя автоматизировать то, что не понимаешь. Любой ИИ-агент, SDR-бот, умный workflow — работают на данных. Неполные данные делают автоматизацию либо хрупкой, либо опасной. Lightfield строит фундамент, на котором автоматизация работает без поломок.
Отличный пример второго пути: CRM-агент Lightfield
Lightfield — это не "умная CRM". Это world model вашей компании, начиная с клиентов.
CRM которая пишет и запускает код — помогает анализировать воронку, делать outreach. И это не Ко-пилот (прости Битрикс) где ИИ как стенограф.** Транскрибирует звонки, заполняет поля, пишет follow-up. Решает проблему ввода данных — но не понимания. Расшифровать один звонок ≠ найти паттерн в ста звонках
Команда Lightfield — стартап из Сан-Франциско — провела эксперимент: скормила ИИ данные о клиентах в трёх форматах: таблицы, графы знаний и нарративные истории.
Вывод оказался неожиданным: графы работали хуже всего. Не потому что данных не хватало. А потому что граф фиксирует связи, но не объясняет почему они существуют.
Представьте CRM-граф:
"CISO → бюджет → дедлайн". Логично. Но реальная продажа выглядит иначе: CISO сказал, что бюджета нет — а потом узнал, что вы решаете его главную боль, и всё изменилось. Граф это не считывает. Он застрял в первом состоянии.
Legacy CRM — это хранилище того, что кто-то успел записать. Менеджер закрыл сделку → поставил "Лид провален" → пошёл дальше. Но в этом поле нет информации о том, что реальным возражением была безопасность, а не цена. Что через 30 дней фича на roadmap закрывала бы эту сделку. Что чемпион в аккаунте упомянул реорг ещё девять месяцев назад — тому сотруднику, который уже уволился.
Традиционные CRM созданы для трекинга активностей и прогноза выручки. Не для сохранения понимания. Это принципиально разные задачи.
Решение: живая хроника вместо базы данных
Lightfield полностью переписали модель данных. Теперь вместо графов — хронологические нарративы о каждом человеке и вашем взаимодействии с ним. Модель получает не таблицу, а историю: кто этот человек, как менялись его приоритеты, что сработало, что нет.
Результат: ИИ динамически перевешивает важность деталей под текущий контекст. Как опытный менеджер, который слышал всё — и делает правильный вывод.
Система автоматически захватывает каждое письмо, звонок и встречу — и строит живую модель реальности по четырём осям:
- Хронология — что и в каком порядке происходило, полная история, не снапшот
- Атрибуция — кто что сказал, когда и в ответ на что, дословно, не чья-то интерпретация
- Причинность — какие действия привели к каким исходам
- Состояние — доверие, риск, momentum, намерение клиента прямо сейчас
Кейс: enterprise-продажи с 50+ стейкхолдерами
В сложных B2B-сделках нужно выстроить стратегию работы с десятками людей одновременно. Задача почти невозможная вручную. С нарративной моделью Lightfield ИИ строит:
- карту стейкхолдеров с весами влияния
- анализ вовлечённости каждого участника
- оценку рисков сделки
- план следующих шагов в правильном порядке
Вывод: Когда модель реальности построена, она отвечает на вопросы, которые раньше требовали дней аналитики:
- Почему эта сделка застряла?
- Какие паттерны предшествуют оттоку?
- Что изменилось в этом аккаунте за последний месяц?
- Какие возражения звучат чаще, чем три месяца назад?
И главный продуктовый инсайт, который меняет подход к автоматизации: нельзя автоматизировать то, что не понимаешь. Любой ИИ-агент, SDR-бот, умный workflow — работают на данных. Неполные данные делают автоматизацию либо хрупкой, либо опасной. Lightfield строит фундамент, на котором автоматизация работает без поломок.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
ИИ для продакта & CPO | Влад Прошинский
Для SaaS осталось всего два пути Дэвид Джордж, партнёр a16z дает прогноз Эпоха комфортной середины закончилась. Путь первый: ускорить рост выручки на 10+ п.п. YoY за счёт по-настоящему новых AI-продуктов в течение 12–18 месяцев. Путь второй: перестроить…
↓↓↓
Ещё один законченный продукт: SEO as a service
Но и это не всё:
- показывает, кто нашел вас через поиск с использованием ИИ/Google, какие страницы они читают и что, вероятно, ищут, чтобы вы могли расставить приоритеты в работе с ними.
- Tely запускает встроенный чат с использованием искусственного интеллекта, который отвечает на вопросы, используя ваш контент, и определяет квалификацию посетителей
- Квалифицированные лиды автоматически обогащаются и передаются в вашу CRM-систему с учетом контекста.
То есть сам сгенерил контент → сам отSEОшил → сам пообщался с клиентом на урле статьи → сам передал в CRM ✅ → самосовершенствуется на основе аналитики и обратной связи , обновляет контент на основе показателей эффективности (трафик и лиды)
Русский включен 👍🏻
🔗 tely.ai
Ещё один законченный продукт: SEO as a service
Tely находит темы, привлекающие потенциальных клиентов с высокой заинтересованностью, автоматически пишет и публикует их на вашем сайте. Он отслеживает трафик и лиды, постоянно обновляет контент и запускает новые страницы в зависимости от того, что работает.
Но и это не всё:
- показывает, кто нашел вас через поиск с использованием ИИ/Google, какие страницы они читают и что, вероятно, ищут, чтобы вы могли расставить приоритеты в работе с ними.
- Tely запускает встроенный чат с использованием искусственного интеллекта, который отвечает на вопросы, используя ваш контент, и определяет квалификацию посетителей
- Квалифицированные лиды автоматически обогащаются и передаются в вашу CRM-систему с учетом контекста.
То есть сам сгенерил контент → сам отSEОшил → сам пообщался с клиентом на урле статьи → сам передал в CRM ✅ → самосовершенствуется на основе аналитики и обратной связи , обновляет контент на основе показателей эффективности (трафик и лиды)
Русский включен 👍🏻
🔗 tely.ai
tely.ai
Tely AI — Autonomous Inbound Pipeline Engine
Tely AI creates expert-level content that ranks in Google and AI search, identifies anonymous visitors, qualifies them by intent, and routes leads into your pipeline — fully autonomous.
🔥1
⚡️Компании, ориентированные на ИИ, работают с валовой прибылью 50-60% по сравнению с 80-90% у SaaS-компаний.
Почему? Изменчивость в результатах снижает маржу в условиях жесткой конкуренции в различных отраслях.
Реальный продукт — это ответственность, а не труд. Люди нанимают поставщика услуг, поэтому кто-то несет ответственность, если результат содержат ошибки. Первая компания, предложившая соглашение об уровне обслуживания (SLA) с финансовыми штрафами за работу, выполненную с помощью ИИ, могла бы стать лидером в своей отрасли.
«Ответственность как услуга» — это защитный барьер, который чистой автоматизации будет нелегко воспроизвести.
Почему? Изменчивость в результатах снижает маржу в условиях жесткой конкуренции в различных отраслях.
Реальный продукт — это ответственность, а не труд. Люди нанимают поставщика услуг, поэтому кто-то несет ответственность, если результат содержат ошибки. Первая компания, предложившая соглашение об уровне обслуживания (SLA) с финансовыми штрафами за работу, выполненную с помощью ИИ, могла бы стать лидером в своей отрасли.
«Ответственность как услуга» — это защитный барьер, который чистой автоматизации будет нелегко воспроизвести.
👍1
«Reverse Prompter» показывает потенциальные промпты SEO для конкретной страницы.
Вставьте URL, и он сделает реверс-инжиниринг запросов Gemini: https://dejan.ai/tools/reverse-prompter/
Цель — работать в обратном направлении для входных данных LLM. Вместо того чтобы искать цитируемые страницы для запроса, он смотрит на URL и пытается найти вопросы, которые наиболее вероятно появятся на этой странице.
Вставьте URL, и он сделает реверс-инжиниринг запросов Gemini: https://dejan.ai/tools/reverse-prompter/
Цель — работать в обратном направлении для входных данных LLM. Вместо того чтобы искать цитируемые страницы для запроса, он смотрит на URL и пытается найти вопросы, которые наиболее вероятно появятся на этой странице.
nichesim — это инструмент, который позволяет протестировать продукт, контент или кампанию на тысячах ИИ-персон до публичного запуска
Ты вводишь нишу и seed-промпт — и получаешь синтетическую реакцию сообщества: как будто реальные люди из твоей аудитории уже взаимодействовали с идеей . Цель — снизить риски и де-рисковать продуктовые решения с помощью синтетической обратной связи .
Ключевые идеи
- ИИ-персоны симулируют поведение реального сообщества — возражения, энтузиазм, сомнения
- Исследовательский цикл сокращается с нескольких недель до 24 часов
- Синтетические потребители при правильной калибровке достигают до 90% совпадения с реальными данными опросов
- Бета-версия инструмента доступна бесплатно
Ты вводишь нишу и seed-промпт — и получаешь синтетическую реакцию сообщества: как будто реальные люди из твоей аудитории уже взаимодействовали с идеей . Цель — снизить риски и де-рисковать продуктовые решения с помощью синтетической обратной связи .
Ключевые идеи
- ИИ-персоны симулируют поведение реального сообщества — возражения, энтузиазм, сомнения
- Исследовательский цикл сокращается с нескольких недель до 24 часов
- Синтетические потребители при правильной калибровке достигают до 90% совпадения с реальными данными опросов
- Бета-версия инструмента доступна бесплатно
👍1
Дизайн в Claude Code стал ещё лучше
Ребята собрали коллекцию гайдлайнов лучших сайтов и упаковали в простой скилл без скриптов и прочих усложнений
DESIGN.md — это новая концепция, представленная Google Stitch. Это документ с описанием системы проектирования в формате простого текста, который читают ИИ агенты для создания единообразного пользовательского интерфейса.
Это просто файл Markdown. Никакого экспорта в Figma, никаких JSON-схем, никаких специальных инструментов.
У скилла есть простые файлы внутри которых ссылки на дизайн системы (вот🔗 Apple например).
🎞 видео демо
Ребята собрали коллекцию гайдлайнов лучших сайтов и упаковали в простой скилл без скриптов и прочих усложнений
DESIGN.md — это новая концепция, представленная Google Stitch. Это документ с описанием системы проектирования в формате простого текста, который читают ИИ агенты для создания единообразного пользовательского интерфейса.
Это просто файл Markdown. Никакого экспорта в Figma, никаких JSON-схем, никаких специальных инструментов.
У скилла есть простые файлы внутри которых ссылки на дизайн системы (вот
Please open Telegram to view this post
VIEW IN TELEGRAM
Usage4Claude - Отслеживайте использование Claude AI прямо из строки меню Mac
Удобно 👍🏻
📊 Мониторинг в реальном времени — отображение квоты использования подписки Claude (бесплатная/профессиональная/командная/максимальная) в строке меню.
🎯 Поддержка нескольких лимитов — отображение до 5 лимитов одновременно (5-часовой/7-дневный/Extra/7-дневный Opus/7-дневный Sonnet)
👥 Управление несколькими учетными записями — поддержка нескольких учетных записей / нескольких организаций на одну учетную запись, быстрое переключение
⏰ Точное отображение времени — время сброса квоты отображается с точностью до минуты.
🔗 Установщик
Удобно 👍🏻
📊 Мониторинг в реальном времени — отображение квоты использования подписки Claude (бесплатная/профессиональная/командная/максимальная) в строке меню.
🎯 Поддержка нескольких лимитов — отображение до 5 лимитов одновременно (5-часовой/7-дневный/Extra/7-дневный Opus/7-дневный Sonnet)
👥 Управление несколькими учетными записями — поддержка нескольких учетных записей / нескольких организаций на одну учетную запись, быстрое переключение
⏰ Точное отображение времени — время сброса квоты отображается с точностью до минуты.
🔗 Установщик
Состояние рынка труда и job market для PM
Апрель 2026 показал спад: количество открытых вакансий Product Manager worldwide упало на 9% по сравнению с мартом (до ~24k). Это обсуждают как "reset" после роста в предыдущие месяцы. Регионально сильнее всего просел Middle East (-18%), UK (-13%), но LATAM слегка вырос (+2.6%). Год к году рынок всё равно +6.4%.
AI как центральный элемент работы PM (AI-powered everything)
Это самая горячая тема недели. PM активно экспериментируют с AI-инструментами: "AI-staycation" в Stripe (где все PM ушли в интенсивное погружение в AI-кодинг и агенты), использование Claude Code, vibe-coding и внутренних платформ. Обсуждают, как AI становится "co-pilot" для discovery, приоритизации фич, анализа фидбека и даже проверки продуктов перед реальными пользователями.
Многие отмечают сдвиг: PM больше не просто управляют roadmap'ами, а работают с AI-агентами, автоматизируют рутину и фокусируются на стратегии. Появляются термины вроде "builder PM" и "full-stack PM", где PM сами кодят или глубоко интегрируют AI.
Output vs Outcome, фокус на бизнес-росте и ambiguity
Классика PM, но с свежим акцентом: "Product Management is all about business context". Обсуждают сдвиг от feature-ориентированных roadmap'ов к outcome-driven подходу, ownership ambiguity (неопределённости) и роли PM как "mini-CEO" или general manager. Подчёркивают, что growth не обязательно значит брать на себя GTM (go-to-market).
Связанные идеи: запуск не главное — важны distribution, retention и usage; удаление фич иногда ценнее добавления.
92% PM теперь отвечают за revenue outcomes (product-led growth эволюционирует).
Апрель 2026 показал спад: количество открытых вакансий Product Manager worldwide упало на 9% по сравнению с мартом (до ~24k). Это обсуждают как "reset" после роста в предыдущие месяцы. Регионально сильнее всего просел Middle East (-18%), UK (-13%), но LATAM слегка вырос (+2.6%). Год к году рынок всё равно +6.4%.
AI как центральный элемент работы PM (AI-powered everything)
Это самая горячая тема недели. PM активно экспериментируют с AI-инструментами: "AI-staycation" в Stripe (где все PM ушли в интенсивное погружение в AI-кодинг и агенты), использование Claude Code, vibe-coding и внутренних платформ. Обсуждают, как AI становится "co-pilot" для discovery, приоритизации фич, анализа фидбека и даже проверки продуктов перед реальными пользователями.
Многие отмечают сдвиг: PM больше не просто управляют roadmap'ами, а работают с AI-агентами, автоматизируют рутину и фокусируются на стратегии. Появляются термины вроде "builder PM" и "full-stack PM", где PM сами кодят или глубоко интегрируют AI.
Output vs Outcome, фокус на бизнес-росте и ambiguity
Классика PM, но с свежим акцентом: "Product Management is all about business context". Обсуждают сдвиг от feature-ориентированных roadmap'ов к outcome-driven подходу, ownership ambiguity (неопределённости) и роли PM как "mini-CEO" или general manager. Подчёркивают, что growth не обязательно значит брать на себя GTM (go-to-market).
Связанные идеи: запуск не главное — важны distribution, retention и usage; удаление фич иногда ценнее добавления.
92% PM теперь отвечают за revenue outcomes (product-led growth эволюционирует).
👍1
ИИ для продакта & CPO | Влад Прошинский
Состояние рынка труда и job market для PM Апрель 2026 показал спад: количество открытых вакансий Product Manager worldwide упало на 9% по сравнению с мартом (до ~24k). Это обсуждают как "reset" после роста в предыдущие месяцы. Регионально сильнее всего просел…
↓↓↓
Product management trends for 2026
🔗 report AirTable
1. AI-powered product strategy becomes the standard
Команды, которые колеблются или рассматривают ИИ как второстепенный проект, отстанут.
Чтобы оставаться конкурентоспособными, вы должны лидировать в использовании ИИ: внедрять его в повседневные рабочие процессы, принятие решений и на каждом этапе процесса разработки продукта.
2. От фич к доходам
92% руководителей продуктовых команд теперь отвечают за результаты по выручке. Это более чем вдвое больше, чем всего несколько лет назад. В 2026 году наиболее успешные команды полностью перейдут на модель роста, ориентированную на продукт (PLG), где продукт играет центральную роль в том, как компании растут, конкурируют и побеждают.
3. Глубина важнее ширины.
В среднем руководитель продукта тратит более 66% своей недели на ручную работу — отслеживание обновлений, сбор аналитических данных и повторную подготовку документации. В мире, где рутинная ручная работа отходит на второй план, побеждают те команды, которые делают упор на глубокую экспертизу, стратегическую направленность и неустанное исполнение. Эпоха универсалов закончилась. Пересмотрите круг обязанностей с учетом автоматизации на основе ИИ, чтобы ваша команда тратила меньше времени на рутинную работу и больше времени на стратегические, приносящие пользу задачи.
4. Более интеллектуальные циклы обратной связи на основе ИИ
Внедрите инструменты ИИ, которые обрабатывают обратную связь в больших масштабах, чтобы в режиме реального времени выявлять тенденции, болевые точки и новые возможности для продуктов по всем каналам. Подпитывайте ИИ высококачественными отзывами из обзоров, заявок в службу поддержки, опросов и социальных сетей, чтобы увидеть полную картину. Эффективность вашего ИИ зависит от качества данных, на которых он обучается.
5. Четкая точка зрения на продукт — противоядие от отклонения от стратегии.
Команды, которые стабильно достигают целей и запускают новые продукты в срок, с большей вероятностью основывают свои решения на четком видении продукта. А в 2026 году это соответствие будет иметь решающее значение. Четкая точка зрения помогает командам отсеивать лишнюю информацию, защищать список задач от постоянных изменений и расставлять приоритеты в работе, которая приносит долгосрочную стратегическую ценность.
6. Рабочие процессы на основе ИИ — это новая операционная модель.
Выявляйте повторяющиеся рабочие процессы и автоматизируйте их с помощью ИИ, чтобы повысить эффективность работы команды и уменьшить трение.
7. ИИ значительно ускорит анализ рынка.
Превратите полученные данные в практические действия , интегрировав анализ рынка в обсуждения позиционирования, ценообразования и продуктовой стратегии.
8. Успех или провал компаний будет зависеть от качества их цифровых продуктов.
Создавайте цифровые продукты, изначально отличающиеся гибкостью, — с модульной архитектурой и гибкими планами развития, позволяющими быстро адаптироваться.
9. Рост популярности full-stack PM
Это означает, что нужно отвечать не только за план развития, а и формировать стратегию выхода на рынок, совершенствовать конкурентную позицию и добиваться роста доходов. В таких компаниях, как Airbnb , этот сдвиг уже идёт полным ходом — менеджеры по продуктам берут на себя обязанности по продуктовому маркетингу , сотрудничают с отделом продаж и становятся хранителями всего клиентского опыта.
10. ИИ ускоряет циклы трансформации
будет сжимать сроки, упрощать сложные процессы и порождать новые ожидания. Команды разработчиков, которые примут эти изменения, не просто будут идти в ногу с ними — они будут их инициировать. Создавайте прототипы быстрее с помощью инструментов искусственного интеллекта , которые позволяют командам тестировать новые концепции, оперативно создавать минимально жизнеспособные продукты (MVP) и вносить изменения за считанные дни, а не месяцы.
Product management trends for 2026
🔗 report AirTable
1. AI-powered product strategy becomes the standard
Команды, которые колеблются или рассматривают ИИ как второстепенный проект, отстанут.
Чтобы оставаться конкурентоспособными, вы должны лидировать в использовании ИИ: внедрять его в повседневные рабочие процессы, принятие решений и на каждом этапе процесса разработки продукта.
2. От фич к доходам
92% руководителей продуктовых команд теперь отвечают за результаты по выручке. Это более чем вдвое больше, чем всего несколько лет назад. В 2026 году наиболее успешные команды полностью перейдут на модель роста, ориентированную на продукт (PLG), где продукт играет центральную роль в том, как компании растут, конкурируют и побеждают.
3. Глубина важнее ширины.
В среднем руководитель продукта тратит более 66% своей недели на ручную работу — отслеживание обновлений, сбор аналитических данных и повторную подготовку документации. В мире, где рутинная ручная работа отходит на второй план, побеждают те команды, которые делают упор на глубокую экспертизу, стратегическую направленность и неустанное исполнение. Эпоха универсалов закончилась. Пересмотрите круг обязанностей с учетом автоматизации на основе ИИ, чтобы ваша команда тратила меньше времени на рутинную работу и больше времени на стратегические, приносящие пользу задачи.
4. Более интеллектуальные циклы обратной связи на основе ИИ
Внедрите инструменты ИИ, которые обрабатывают обратную связь в больших масштабах, чтобы в режиме реального времени выявлять тенденции, болевые точки и новые возможности для продуктов по всем каналам. Подпитывайте ИИ высококачественными отзывами из обзоров, заявок в службу поддержки, опросов и социальных сетей, чтобы увидеть полную картину. Эффективность вашего ИИ зависит от качества данных, на которых он обучается.
5. Четкая точка зрения на продукт — противоядие от отклонения от стратегии.
Команды, которые стабильно достигают целей и запускают новые продукты в срок, с большей вероятностью основывают свои решения на четком видении продукта. А в 2026 году это соответствие будет иметь решающее значение. Четкая точка зрения помогает командам отсеивать лишнюю информацию, защищать список задач от постоянных изменений и расставлять приоритеты в работе, которая приносит долгосрочную стратегическую ценность.
6. Рабочие процессы на основе ИИ — это новая операционная модель.
Выявляйте повторяющиеся рабочие процессы и автоматизируйте их с помощью ИИ, чтобы повысить эффективность работы команды и уменьшить трение.
7. ИИ значительно ускорит анализ рынка.
Превратите полученные данные в практические действия , интегрировав анализ рынка в обсуждения позиционирования, ценообразования и продуктовой стратегии.
8. Успех или провал компаний будет зависеть от качества их цифровых продуктов.
Создавайте цифровые продукты, изначально отличающиеся гибкостью, — с модульной архитектурой и гибкими планами развития, позволяющими быстро адаптироваться.
9. Рост популярности full-stack PM
Это означает, что нужно отвечать не только за план развития, а и формировать стратегию выхода на рынок, совершенствовать конкурентную позицию и добиваться роста доходов. В таких компаниях, как Airbnb , этот сдвиг уже идёт полным ходом — менеджеры по продуктам берут на себя обязанности по продуктовому маркетингу , сотрудничают с отделом продаж и становятся хранителями всего клиентского опыта.
10. ИИ ускоряет циклы трансформации
будет сжимать сроки, упрощать сложные процессы и порождать новые ожидания. Команды разработчиков, которые примут эти изменения, не просто будут идти в ногу с ними — они будут их инициировать. Создавайте прототипы быстрее с помощью инструментов искусственного интеллекта , которые позволяют командам тестировать новые концепции, оперативно создавать минимально жизнеспособные продукты (MVP) и вносить изменения за считанные дни, а не месяцы.
🔥1
Новомодный Hermes AI agent и уже не такой модный OpenClaw, который жрал токены как не в себя, ушли в прошлое. На замену вышла оф. интеграция Claude Code с ТГ/Discord.
Я уже поставил
В чем уникальность?
- все скиллы адаптированы под CC перенесены на ПК который работает 24/7 (аналог VPS)
- выстроен роутинг под простые/сложные задачи с свитчером Haiku/Sonnet/Opus
- куплен отдельный Pro аккаунт под бота (экономия 5-10 раз в сравнении с OpenClaw)
- мониторинг лимитов на MacOS (Usage4Claude показывает realtime лимиты в трее)
Итого: дешевый и безопасный ИИ агент, который работает параллельно, часть задач выполняется автономно по крону через Routines: облачные агенты с расписанием/вебхуками/GitHub коммитами.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1
Zapier: бенчмарк реальной автоматизации
Оценки ИИ сообщают, может ли модель выполнять сложные рассуждения или генерировать код. Полезно, но обычно это не тот вопрос, который задают наши клиенты. Они хотят знать: может ли эта модель найти правильную запись в CRM, отправить правильное последующее сообщение и не сломать ничего по пути?
Мы искали эталон, который бы это тестировал. Никто его не создал, так что мы сделали это сами.
Zapier’s AutomationBench помещает модели ИИ в реалистичные бизнес-среды по шести доменам (Продажи, Маркетинг, Операции, Поддержка, Финансы, HR) и проверяет, была ли работа действительно выполнена.
Задачи включают живые данные CRM, цепочки писем с неоднозначным контекстом и многошаговые цепочки инструментов, где один неверный вызов вызывает каскад ошибок.
Оценка детерминирована: либо правильные записи были обновлены и правильные сообщения отправлены, либо нет.
Это достаточно полезно, чтобы мы выпустили его публично сегодня. Открытый набор задач, открытая методология, открытый лидерборд. У всех должен быть доступ к этому.
Ни одна модель не преодолела 10%. Пока.
Оценки ИИ сообщают, может ли модель выполнять сложные рассуждения или генерировать код. Полезно, но обычно это не тот вопрос, который задают наши клиенты. Они хотят знать: может ли эта модель найти правильную запись в CRM, отправить правильное последующее сообщение и не сломать ничего по пути?
Мы искали эталон, который бы это тестировал. Никто его не создал, так что мы сделали это сами.
Zapier’s AutomationBench помещает модели ИИ в реалистичные бизнес-среды по шести доменам (Продажи, Маркетинг, Операции, Поддержка, Финансы, HR) и проверяет, была ли работа действительно выполнена.
Задачи включают живые данные CRM, цепочки писем с неоднозначным контекстом и многошаговые цепочки инструментов, где один неверный вызов вызывает каскад ошибок.
Оценка детерминирована: либо правильные записи были обновлены и правильные сообщения отправлены, либо нет.
Это достаточно полезно, чтобы мы выпустили его публично сегодня. Открытый набор задач, открытая методология, открытый лидерборд. У всех должен быть доступ к этому.
Ни одна модель не преодолела 10%. Пока.
❤1👍1
xAI запустили Grok Voice
Голосовая модель для агентов. 25 языков включая русский, 5 голосов. Tool calling с web/x/file_search.
Система Grok Voice Think Fast выполняет логические вычисления в фоновом режиме, позволяя ей обрабатывать сложные запросы и рабочие процессы в режиме реального времени без влияния на задержку ответа. Это обеспечивает интеллектуальные ответы, сохраняя при этом гибкость, необходимую для естественного общения.
Голосовая модель для агентов. 25 языков включая русский, 5 голосов. Tool calling с web/x/file_search.
Система Grok Voice Think Fast выполняет логические вычисления в фоновом режиме, позволяя ей обрабатывать сложные запросы и рабочие процессы в режиме реального времени без влияния на задержку ответа. Это обеспечивает интеллектуальные ответы, сохраняя при этом гибкость, необходимую для естественного общения.
👍3❤1
Коннектим web-app из РФ к заблокированному API через облачный контейнер
У меня был сервис, который парсил LinkedIn вакансии через Apify actor, и публиковал вакансии переведенные на русский язык в канал Вакансии в MENA регионе , бесплатные токены закончились, а платить 20$ за актор не очень то и хотелось.
Альтернативный инструмент — RapidFast API, но если в него ходить напрямую, то он возвращает "запросы из РФ заблокированы". Стандартные прокси либо нестабильны, либо моментально попадают в бан. Я нашёл другой путь.
Решение: Application-level Proxy через Modal.app
Я написал Python-функцию, которая разворачивается в облачном Docker-контейнере Modal автоматически — по запросу, без предварительного запуска.
Схема работы: мой РФ сервер отправляет HTTP-запрос → Modal.run принимает его → мгновенно поднимает изолированный Docker-контейнер на Debian → Python-код внутри выполняет новый запрос через httpx → целевой сайт видит сервер Modal → ответ возвращается в мой сервер.
Чей IP видит целевой сайт
Modal работает на инфраструктуре AWS и GCP. Каждый запуск контейнера может получить новый IP из огромного пула облачных адресов. Целевой сайт запрос из США, без каких-либо признаков происхождения запроса.
Альтернатива
Похожую задачу решает trigger.dev — serverless-платформа с триггерами и очередями. Подойдёт, если нужна более сложная логика вокруг запроса: ретраи, очереди, webhooks.
Итог
Это не просто обход блокировок. Это архитектурное решение: вы разворачиваете персональный облачный слой между вашей инфраструктурой и любым внешним сервисом всего за 5 мин.
У меня был сервис, который парсил LinkedIn вакансии через Apify actor, и публиковал вакансии переведенные на русский язык в канал Вакансии в MENA регионе , бесплатные токены закончились, а платить 20$ за актор не очень то и хотелось.
Альтернативный инструмент — RapidFast API, но если в него ходить напрямую, то он возвращает "запросы из РФ заблокированы". Стандартные прокси либо нестабильны, либо моментально попадают в бан. Я нашёл другой путь.
Решение: Application-level Proxy через Modal.app
Я написал Python-функцию, которая разворачивается в облачном Docker-контейнере Modal автоматически — по запросу, без предварительного запуска.
Схема работы: мой РФ сервер отправляет HTTP-запрос → Modal.run принимает его → мгновенно поднимает изолированный Docker-контейнер на Debian → Python-код внутри выполняет новый запрос через httpx → целевой сайт видит сервер Modal → ответ возвращается в мой сервер.
Чей IP видит целевой сайт
Modal работает на инфраструктуре AWS и GCP. Каждый запуск контейнера может получить новый IP из огромного пула облачных адресов. Целевой сайт запрос из США, без каких-либо признаков происхождения запроса.
Альтернатива
Похожую задачу решает trigger.dev — serverless-платформа с триггерами и очередями. Подойдёт, если нужна более сложная логика вокруг запроса: ретраи, очереди, webhooks.
Итог
Это не просто обход блокировок. Это архитектурное решение: вы разворачиваете персональный облачный слой между вашей инфраструктурой и любым внешним сервисом всего за 5 мин.
🔥2❤1
ИИ для продакта & CPO | Влад Прошинский
Коннектим web-app из РФ к заблокированному API через облачный контейнер У меня был сервис, который парсил LinkedIn вакансии через Apify actor, и публиковал вакансии переведенные на русский язык в канал Вакансии в MENA регионе , бесплатные токены закончились…
↓↓↓
Вакансии с HH.ru тоже обновлены
Пару недель назад Headhunter в dev.hh.ru ограничил использование, из-за этого вакансии не публиковались. Пришлось получать разрешение на своё приложение.
В первый раз отказали, со второй попытки выдали ключ (спасибо ИИ за "обоснование").
Теперь список вакансий публикуется через официальный cliend ID и secret ID, которые были добавлены в ai agentic workflow для получения списка вакансий по запросу.
Вакансии с HH.ru тоже обновлены
Пару недель назад Headhunter в dev.hh.ru ограничил использование, из-за этого вакансии не публиковались. Пришлось получать разрешение на своё приложение.
В первый раз отказали, со второй попытки выдали ключ (спасибо ИИ за "обоснование").
Теперь список вакансий публикуется через официальный cliend ID и secret ID, которые были добавлены в ai agentic workflow для получения списка вакансий по запросу.
❤1🔥1
Kimi k2.6 в вашем терминале
Делается через Cloudflare Workers AI и Kimiflare (cli-редактор кода, размещенный на Cloudflare Workers AI).
Зачем?
1. Супер-быстрый (100кб WASM-приложение), со своей базой, гитом, файловой системой, можно делать десятки штук, хранить все промпты, размышления, файлы, чтобы быстро продвигать продукт и быстро передавать другому агенту или человеку.
2. Дешево. Цена: $0.15 за 1000 операций (первые 10k бесплатно), $0.50/ГБ-мес (первый гиг бесплатно).
Недавно CloudFlare запустили инфраструктуру для ИИ-агентов. Для пользования необходим Cloudflare account → Zero Trust organization (выбираем Free plan) → Workers AI REST API
Что получаем в ИИ агенте:
1. Режимы планирования / редактирования / автоматического режима
2. Панель задач в реальном времени (при выполнении многоэтапной работы агент публикует список задач с иконками прогресса, затраченным временем и изменениями количества токенов)
3. Понимание изображений (вставляйте PNG, JPG - модель увидит их)
4. Большие фрагменты текста сворачиваются в [pasted N lines #id]
5. Очередь автозаполнения (пока думает → пишем новый запрос)
6. Автоуплотнение (при использовании контекста примерно на 80% Kimiflare подсказывает вам запустить команду /compact. Она суммирует предыдущие ходы, сохраняя последние 4 в неизменном виде)
7. Потоковое рассуждение (переключайте командой /reasoning)
8. Сохранение сессии (каждый ход сохраняется. /resume отображает прошлые сессии)
9. Интеллектуальные разрешения (параметр
10. 262K контекстное окно
11. Интеграция с сервером MCP
====
Чем крут Cloudflare Workers AI ?
🗂 Artifacts
Git-репозиторий для каждого агента — на лету. Храни промпты, код, файлы, передавай контекст между агентами. 100 КБ WASM, своя БД и файловая система. Первые 10k операций бесплатно, потом $0.15/1000.
🖥 Sandboxes
Полноценный Linux для агента: shell, фоновые процессы, память между вызовами. Корпоративных агентов — за секунды, без своей инфры.
🔐 Безопасность
· Managed OAuth — агент авторизуется от имени юзера, не через ключ в .env
· Scannable Tokens — автоотзыв при утечке через GitHub-сканеры
🛠 Новые тулы
· Browser Run — браузер с вашими ключами для агентов
· Voice Pipeline — голосовой ИИ в ~30 строк, платишь только за использование
· ИИ Search API — несколько провайдеров, низкая цена
· Email Service (beta)
· ИИ Platform — 14+ провайдеров моделей
· Unweight — lossless-сжатие LLM на 22%
Делается через Cloudflare Workers AI и Kimiflare (cli-редактор кода, размещенный на Cloudflare Workers AI).
Зачем?
1. Супер-быстрый (100кб WASM-приложение), со своей базой, гитом, файловой системой, можно делать десятки штук, хранить все промпты, размышления, файлы, чтобы быстро продвигать продукт и быстро передавать другому агенту или человеку.
2. Дешево. Цена: $0.15 за 1000 операций (первые 10k бесплатно), $0.50/ГБ-мес (первый гиг бесплатно).
Недавно CloudFlare запустили инфраструктуру для ИИ-агентов. Для пользования необходим Cloudflare account → Zero Trust organization (выбираем Free plan) → Workers AI REST API
Что получаем в ИИ агенте:
1. Режимы планирования / редактирования / автоматического режима
2. Панель задач в реальном времени (при выполнении многоэтапной работы агент публикует список задач с иконками прогресса, затраченным временем и изменениями количества токенов)
3. Понимание изображений (вставляйте PNG, JPG - модель увидит их)
4. Большие фрагменты текста сворачиваются в [pasted N lines #id]
5. Очередь автозаполнения (пока думает → пишем новый запрос)
6. Автоуплотнение (при использовании контекста примерно на 80% Kimiflare подсказывает вам запустить команду /compact. Она суммирует предыдущие ходы, сохраняя последние 4 в неизменном виде)
7. Потоковое рассуждение (переключайте командой /reasoning)
8. Сохранение сессии (каждый ход сохраняется. /resume отображает прошлые сессии)
9. Интеллектуальные разрешения (параметр
bash session-allow)10. 262K контекстное окно
11. Интеграция с сервером MCP
====
Чем крут Cloudflare Workers AI ?
🗂 Artifacts
Git-репозиторий для каждого агента — на лету. Храни промпты, код, файлы, передавай контекст между агентами. 100 КБ WASM, своя БД и файловая система. Первые 10k операций бесплатно, потом $0.15/1000.
🖥 Sandboxes
Полноценный Linux для агента: shell, фоновые процессы, память между вызовами. Корпоративных агентов — за секунды, без своей инфры.
🔐 Безопасность
· Managed OAuth — агент авторизуется от имени юзера, не через ключ в .env
· Scannable Tokens — автоотзыв при утечке через GitHub-сканеры
🛠 Новые тулы
· Browser Run — браузер с вашими ключами для агентов
· Voice Pipeline — голосовой ИИ в ~30 строк, платишь только за использование
· ИИ Search API — несколько провайдеров, низкая цена
· Email Service (beta)
· ИИ Platform — 14+ провайдеров моделей
· Unweight — lossless-сжатие LLM на 22%
❤3
Вау! OpenSource CRM-ка ещё и AI-driven
Альтернативой Salesforce / Битрикс24 / AmoCRM и др. — кастом Twenty — это современная CRM-система с открытым исходным кодом
Вы создаете CRM под себя, она fully-custom:
- пишите в ИИ как должен работать Workflow → ИИ создает его
- описывайте как вы хотите чтобы выглядел интерфейс (views, виджеты, команды)
- описывайте логику (что откуда брать и передавать/отображать)
- добавляйте SKILLS (ИИ скиллы запускаются под ваши бизнес-процессы)
- своя модель Данных (создаете любые таблицы в БД о клиентах)
Также есть API-коннектор, который делает все инструменты доступными через API, чтобы они взаимодействовали друг с другом.
Главное преимущество – это гибкость.
Альтернативой Salesforce / Битрикс24 / AmoCRM и др. — кастом Twenty — это современная CRM-система с открытым исходным кодом
Вы создаете CRM под себя, она fully-custom:
- пишите в ИИ как должен работать Workflow → ИИ создает его
- описывайте как вы хотите чтобы выглядел интерфейс (views, виджеты, команды)
- описывайте логику (что откуда брать и передавать/отображать)
- добавляйте SKILLS (ИИ скиллы запускаются под ваши бизнес-процессы)
- своя модель Данных (создаете любые таблицы в БД о клиентах)
Также есть API-коннектор, который делает все инструменты доступными через API, чтобы они взаимодействовали друг с другом.
Главное преимущество – это гибкость.
❤1👍1