Как заставить ваши Skills работать в Gemini Spark

Продолжаю тесты Spark. Знал, что это бета, но не думал, что настолько сырая. Проблема здесь не в моделях, а в криворукости инженеров Google, которые нормально не описали агенту его же собственные возможности и ограничения. Честно не понимаю, за что их сотрудники получают зарплату, если мне удалось поломать всё буквально с первого промта и пофиксить за один вечер.

После нескольких часов возни мне удалось заставить работать свой скилл для создания презентаций. Но ради этого пришлось провести ресерч ограничений среды Gemini Spark.

Изначально агент много о чем не знал: пытался делать операции, уходил в циклы, падал по таймаутам и выдавал пустые файлы.

Чтобы вы не наступали на те же грабли, ниже инфа об особенностях среды Gemini Spark и как с ними работать.

Память как у рыбки
Проблема: Агент работает на виртуалке, которая может перезапускаться между сообщениями. Если он создал папку на шаге 1, на шаге 2 её уже может не быть. Из-за этого он начинает всё заново и уходит в бесконечный цикл. Гугл не прописали как с этим работать.

Фикс: Заставьте агента вести специальный файл состояния в md-файле и сразу загружать его на ваш Диск. В начале каждого хода агент обязан первым делом проверять Диск на наличие этого файла, чтобы вспомнить, где он остановился.

Мусор в корне Google Drive
Проблема: Теряя память при перезапуске, агент плодит новые папки под каждую подзадачу или сваливает все файлы в корень Диска.

Как починить: Пропишите жесткое правило: перед созданием любой папки агент обязан сначала выполнить поиск по Диску. Если папка проекта уже существует - использовать её. При загрузке любого файла агент должен явно передавать ID целевой папки, иначе файл уйдет в корень.

Повреждение файлов через автоконвертацию
Проблема: При стандартной загрузке HTML или CSV Диск автоматически конвертирует их в Google Документы или Таблицы, безвозвратно ломая код и верстку. При скачивании вы получите кракозябры.

Фикс: Требуйте от агента загружать такие файлы с техническим типом application/octet-stream, сохраняя при этом расширение .html или .csv. Диск примет их "как есть", и вы сможете скачать оригинальный рабочий файл.

Зависание браузера при проверке
Проблема: Для проверки верстки ваших документов агент запускает headless-браузер. Но его виртуалка отрезана от интернета. Если в коде есть внешние шрифты или CDN-иконки, браузер зависнет, а агент упадет по 5-минутному таймауту (это тоже нормально, Perplexity и Claude об этом в курсе, а Spark - нет)

Фикс: Запретите агенту использовать внешние шрифты во внутренних тестах и переведите всю важную графику во встроенный формат SVG. Также пропишите браузеру флаг --host-resolver-rules="MAP * 0.0.0.0" - он заставит внешние запросы падать мгновенно, предотвращая зависание.

Пустые файлы при загрузке
Проблема: Иногда вместо готового файла на Диск сохраняется текстовая строчка со ссылкой на локальный путь вида file:///working_dir/.... Это происходит, когда агент пытается вручную закодировать файл перед отправкой, а система Диска считывает это некорректно.

Фикс: Четко укажите агенту передавать путь к файлу в исходном виде - система сама считает его с диска виртуальной машины и загрузит.

Письма в Gmail без вложений
Проблема:Почтовые инструменты агента не умеют физически прикреплять файлы к письмам. Если вы попросите отправить презентацию по почте, он не сможет этого сделать напрямую.

Фикс: Агент должен сначала загрузить файл на Google Диск, открыть к нему доступ по ссылке и вставить эту ссылку текстом в тело письма.

Игнор требований просить согласование с пользователем
Проблема:Агент часто пропускает этап согласования структуры и начинает генерировать все слайды сразу, тратя ваши токены и время на заведомо ненужную или неверную работу.

Фикс: Запретите переходить к генерации финальных файлов, пока вы явно в чате не напишете слово "Согласовано" под предложенным планом.

Сейчас я собираю скилл, который фиксит все эти особенности и еще кое-что, как протестирую - выложу результат в гит.

🚀 Влад Корнышев про AI и создание AI-продуктов

Gemini Spark: худший среди лучших или скрытая пушка от Google?

Несколько дней мучал Gemini Spark, наверное часов 40 я с ним навозился. Настало время описать свой опыт. Спойлер: первое впечатление было паршивым, но после настройки система раскрылась.

1. Создание скиллов - отвратительно
Гугл не озаботился тем, чтобы сделать навык для создания скиллов под модель. Если у Anthropic есть skill-creator, то здесь его нет. В результате модель создает скиллы исключительно в формате документа SKILL.md. Никакой вложенности, папок, эвалов или README-файлов. По сути, она делает подобие GEM в виде системного промпта, что вообще убивает концепт скиллов.

Главная боль: если у вас был нормальный, развесистый скилл в правильном формате, и вы попросите агента его обновить - он просто снесет все папки и оставит один куцый SKILL.md.

2. Работа со скиллами - требует жесткой настройки
Со сторонними скиллами агент часто тупит, и они требуют адаптации под среду Spark. Из-за эфемерной VM под капотом модель регулярно впадает в лупы - это нужно четко учитывать при проектировании.

- Разделяйте понятия: делайте описания скиллов максимально непересекающимися. Если у вас есть скилл для создания презентаций и скилл для презентаций в вашем личном стиле - Spark начнет цеплять данные из соседа. Четко прорабатывайте фразы-триггеры.
- Добавляйте интерактивность: по умолчанию агент спешит быстрее закрыть задачу и не задает уточняющих вопросов. Если вам нужен диалог, жестко прописывайте это условие в SKILL.md.
- Закладывайте итерации: при разработке скилла сразу рассчитывайте на 2-3 итерации по доработке.

3. Работа с сервисами Google - великолепно
Тут Spark раскрывается на полную. Протестировал на двух реальных задачах:

Кейс 1: Сборка проектной документации и сценариев.
Нужно было сделать док по проекту, куда входила инфа о заказчике, расчеты цены и примерное КП. Я попросил разбить расчеты под два разных сценария на основе расценок из совершенно разных Google Docs и показать эти варианты. Агент предварительно провел ресерч, нашел нужную инфу со ссылками, а затем на базе транскриптов и допданных подготовил таймлайн и другие артефакты. С обоими сценариями он справился отлично: расчеты верные, формулы правильные, оформление корректное, источники указаны точно.

Кейс 2: Создание учебных материалов.
На вход закинул тетрадки NotebookLM, свои мысли + Google Search + YouTube Search. За 3 запроса после первоначального промпта получил готовый к работе документ. В нем были инсайты из тетрадок, учтены мои тезисы, подтянуты релевантные доки и видео.

Единственная проблема: детализация. Все мои дополнительные промпты были в стиле "Распиши этот блок подробнее, потому что...".

4. Создание презентаций - неплохо
Если планируете собирать презы, огромное внимание уделите стилям и референсам. Обязательно зашейте в скилл несколько шаблонов, цветовых сочетаний и правил компоновки слайдов. Без этого на выходе будут дженерик-слайды, забитые голым текстом. Если правила настроены - получается вполне приличный результат.

5. Жирный плюс - лимиты
Что действительно порадовало при очень плотной работе - это лимиты. Мои пятичасовые лимиты редко поднимались выше 20%. Даже когда агент лупился и уходил в бесконечные циклы, лимиты от этого вообще не страдали. Это полноценный рабочий инструмент, который можно гонять в хвост и в гриву, не боясь остаться без доступа в самый нужный момент.

Итог:
По опыту работы в среде Google этот инструмент очень похож на Perplexity Computer. Если при первом знакомстве Spark откровенно не радовал, то после работы напильником по качеству работы его можно поставить чуть ниже Claude. Итого, в среде гугла - лучший, вне ее - худший.

В целом, прямо сейчас это, пожалуй, худший из существующих автономных агентов. Но надо понимать, что это все еще бета. Главная киллер-фича, которая его спасает - бесшовная интеграция с гугл-сервисами и тетрадками NotebookLM. Если Гугл дотюнит базу - будет пушка.

Стоит ли переходить прямо сейчас? Точно нет. Через месяц - возможно.

В следующих постах выложу свои Skill для Spark.

🚀 Влад Корнышев про AI и создание AI-продуктов

Скилл для создания скиллов в Spark: чиним то, что сломал Google

В прошлом посте я жаловался, что Spark создаёт скиллы отвратительно - лепит один голый SKILL.md без папок, эвалов и README, а при обновлении нормального скилла сносит всю структуру к чертям. Обещал выложить свои скиллы. Начну с самого важного - скилла, который заставляет Spark создавать, адаптировать и стоить новые скиллы по-человечески.

Спойлер: собирал я его практически вручную, итераций десять, на разных операциях, после которых разбирал и логи, где он спотыкается.

1. Чего я хотел дрбиться
Моей задачей было собрать мета-скилл, который навязывает агенту правильный процесс: сначала спросить, потом разложить по папкам, потом упаковать и получить нормальный скилл с древовидной структурой

2. Что заложил внутрь
• Интервью перед сборкой. По умолчанию Спарк спешит закрыть задачу и ничего не уточняет. Теперь он обязан сначала задать вопросы - триггеры, входы, формат выхода, интерактивный скилл или фоновый - и согласовать план. Только потом пишет.

• Полную структуру вместо огрызка. Жестко прописал, скилл - это директория, а не один файл. SKILL.md + references + assets + evals, и сверху zip-архив. Если скилл наследует знания о среде - они копируются внутрь, чтобы он был самодостаточным.

• Всю подкапотную базу про Spark, которую успел узнать. Эфемерная VM, которая стирается между ходами и гонит агента в бесконечные лупы. Баги Drive-тулов (папки создаются только с костылём text_content=" ", parentId в create вообще нет, перемещение файлов отваливается). Флаги chromium, без которых рендер висит 5 минут и падает по таймауту. Маскирование путей VM, чтобы агент не светил юзеру /working_dir/.

• Защиту от лупов. Главная боль Spark. Лечится state-файлом на Google Drive как единственным источником правды + правилом “сначала проверь, что уже сделано, потом делай”. Локальный task.md платформы живёт в VM и умирает при перезагрузке - поэтому при сбросе агент идёт за состоянием на Диск и продолжает с места обрыва, а не строит заново.

• Вшитую интерактивность. Если скилл интерактивный - он интерактивный всегда, даже в фоне он не фабрикует за тебя подтверждение, а останавливается и ждёт. А фоновые по своей сути (проверка почты, дайджесты) спокойно крутятся без тебя.

3. Эвалы
Заложил тесты не на happy path, а ровно на те грабли, на которые Spark наступал в логах: не свалил ли файлы в корень Диска, не создал ли две одинаковые папки после сброса VM, не пропустил ли молча валидацию, не ушёл ли в луп, спросил ли вообще что-нибудь перед сборкой.

В целом, сделал со своей стороны максимум. чтобы следующие скиллы под Spark не пришлось собирать теми же десятью итерациями. Скилл сам себя дисциплинирует - и навязывает дисциплину тем скиллам, что создаёт. Не стоит воспринимать его как волшебную таблетку, итерации вам все равно понадобятся, но не 10, а 2-3 (что нормально)

Репо: https://github.com/vladkor97/spark-skill-builder (поставьте звездочку в гитхаб, буду благодарен)

Забирайте, тестируйте, пишите что ломается. В следующих постах - доменные скиллы, которые на нём собраны.

🚀 Влад Корнышев про AI и создание AI-продуктов

Не про AI, но очень срезонировал этот пост, потому что где-то в этом узнал себя.

На прошлой неделе выбрались с женой покататься на велосипедах и поездка запомнилась сразу несколькими “спасательными операциями” 😅

Одна из вещей, которые очень бросаются в глаза в Штатах - количество мертвых животных на дорогах. В виду того, что люди живут тут в основном не в муравейниках, а в одноэтажных домах, мы буквально живем с животными, из-за чего те гибнут под колесами и их безумно жалко.

В тот день по дороге мы увидели на асфальте небольшую черепашку и немеленно прожали тормоза. Черепашка была успешно спасена и отнесена Настей в траву, а факт спасения задокументирован совместным фото 😁

Поехали дальше - видим двух щупленьких ребят-велосипедистов, которые возились с колесами. В вело-коммьюнити есть негласное правило: если видишь кого-то на обочине - помоги. Естественно, мы не проехали мимо. Оказалось ребята пробились и у них не оказалось с собой монтажки, чтобы натянуть покрышку после замены камеры обратно. Монтажки не было и у нас, но бросить мы их не могли. Минут 20 я провозился с их покрышкой и, буквально стерев пальцы в кровь, все-таки смог натянуть покрышку на обод.

В процессе говорили с ребятами, они интересовались откуда мы, и удивились, услышав “Russia”. В американской глубинке встретить человека из России, который не угрюмый, улыбается и тебе помогает - максимальное разбитие стереотипов. Правда, думаю, что после моего перформанса с покрышкой - они все еще думают, что где-то дома у меня сидит медведь, с которым я упражняюсь в свободное время. Но в целом, ребятам помогли, образ злых русских разрушили 🙂

В общем, какой хочется донести месседж. Делайте добрые дела, друзья. Увидели незрячего или пожилого человека - спросите, чем ему помочь. Ведете бизнес - не поленитесь подумать о том, не несет ли он какого-то негатива и можете ли вы что-то с этим сделать.

А в комментариях делитесь своими добрыми делами. Всем хорошей недели!

От мультитаскинга к разумному параллелизму: как выглядит мой AI-стек прямо сейчас

Похоже, я поймал определенный дзен в работе с AI, который спасает меня в максимально загруженный период.

Сейчас параллельно идет много процессов: обучение на B2C-треке по сложным темам, задачи по B2B, операционка и разработка продуктов. Раньше такой объем привел бы к выгоранию. Сегодня работа с несколькими проектами - это не убийственный мультитаскинг, а разумный параллелизм. Ты работаешь как менеджер над собственными цифровыми мини-копиями. При правильном workflow AI-системы отлично перебирают на себя функции сотрудников, если четко понимать их возможности и ограничения.

Последние дни я работал по 12-14 часов, успевая закрывать кучу независимых задач. Но я не сидел неотрывно у монитора. В этот график отлично вписывался отдых. Перед обедом или велотренировкой я запускаю длительный таск в фоне. На длинном светофоре с телефона смотрю промежуточный результат, наговариваю правки голосом и еду дальше. Агент работает час, выполняя то, на что у меня ушло бы три.

Мой трехслойный AI-пайплайн
Сквозь все слои идет глобальная LLM - она объединяет стек, с ней между итерациями я обсуждаю планы и делюсь артефактами. Для чувствительных проектов сюда же встроен слой анонимизации данных через локальные модели, чтобы не сливать коммерческую информацию во внешние облака.

1. Слой первички
Инструменты: Manus, Perplexity (Deep Research).
Автономные системы для сбора фактуры. Могут быть медленными, но работают с Computer Use в фоне. Закинул задачу собрать документы и разложить по папкам - Manus выполняет её, пока я занят другим.

2. Слой обработки информации
Инструменты: Claude, Gemini Spark, NotebookLM, Perplexity Computer.
Более дорогие модели для верхнеуровневой работы. Берут на себя огромный пласт задач: собрать черновик, выстроить структуру. NotebookLM делает ревью документов, Gemini Spark параллельно набрасывает презентацию.

3. Слой финальной шлиховки и доработки
Инструменты: Кодинговые агенты, ваша любимая LLM.
Инструменты для финальных штрихов. В Antigravity дорабатывается визуал презентаций, в кодинговом агенте докручиваются технические артефакты.

Как это выглядит на практике
Процесс перестал быть линейным. Я обсуждаю задачу в LLM и набрасываю структуру. В зависимости от целей запускаю поиск, часто несколько агентов в параллель. Полученный черновик уходит в агентские системы для создания артефакта (параллельно калибрую логику в LLM). Финал дорабатываю в кодинговом агенте или софте для шлифовки.

Является ли это заменой личного ассистента?

Нет, это дополнение для совершенно разных задач. У AI-агента есть твой общий контекст через коннекторы (Google Диск, почта), ему не нужно объяснять детали так глубоко, как человеку + ассистенту ты часто не можещь дать доступ к какой-то личной инфе (хотя тут спорный тезис, хочешь ли ты его давать LLM).

Агент - это продолжение тебя, выполняющее конкретные функции под твоим личным надзором. Живой ассистент - отдельный юнит для задач, где необходимы человеческая коммуникация, экспертиза и контроль.

Итог в цифрах
За счет фоновой работы систем плотность результатов на единицу времени выросла колоссально. По ощущениям:

• По сравнению с работой до появления LLM в текущем виде (до 2022 года) - я успеваю в 3-5 раз больше.
• По сравнению с недавним прошлым (до автономных агентов со своей средой исполнения) - получается закрывать в 2-2.5 раза больше задач.

При этом важно понимать, что этот скачок - не просто развитие технологий, а следствие того, как ты учишься ежедневно встраивать их в свою жизнь и процессы.

🚀 Влад Корнышев про AI и создание AI-продуктов

Бизнес с душой из США

Одно из явлений, которые мне как предпринимателю здесь бросаются в глаза и, скажу откровенно, нравятся - это то, как ведут дела локальные предприниматели (не большие корпорации, а именно местный бизнес). Здесь огромное количество мест, в которые люди явно вкладывают душу. И проявляется это в куче мелочей: от клиентоориентированности и количества сервисов, доступных в одной точке, до оформления интерьера и крутых граффити у входа.

Такие проекты очень востребованы и успешны, и что важно - эта бизнес-модель отлично работает и в России.
Например, в Москве и Питере есть магазин Гитарный Клуб.

Ребята прямо говорят, что вдохновлялись американской моделью. Чем они примечательны? Современный интерьер, полки для инструментов делали сами, фокус строго на среднем и высшем ценовом сегменте, а при магазине сразу работает мастерская. Любая купленная гитара получает пожизненную гарантию, а перед продажей проходит полную доводку: мастера бесплатно устраняют фабричные несовершенства, адаптируют инструмент под покупателя и ставят свежий комплект струн. В штате работают реальные гики, а гитару можно вернуть в течение месяца, если она просто не подошла. Цены там выше рынка, но я покупаю и обслуживаю свои инструменты только у них и привел туда уже не одного друга.

Сегодня мы ездили в местный веломагазин Mike's Bike Shop - нужно было заменить одну деталь по гарантии. Нас встретил сам Майк, владелец магазина. У чувака, к слову, степень по маркетингу Университета Оклахомы. Он принял наш велик, был максимально приветлив, рассказал про классные локальные маршруты, а заодно дал мне протестировать свой личный электробайк. Майк излучает чистый позитив, и сразу видно, что он кайфует от того, что делает.

Сам магазин трехэтажный и четко зонированный. Отдельно мастерская, отдельно экипировка, есть зона с indoor-тренажерами, чтобы можно было протестировать любой байк перед покупкой, если на улице плохая погода. Второй этаж целиком отдан под студию байкфита для настройки посадки по биомеханике. А на третьем этаже находится фитнес-студия жены Майка для женщин всех возрастов.

Логика потрясающая: ты приходишь, выбираешь байк, его осматривает техник, а фиттер настраивает под твое тело, тут же подбираешь форму - и всё супер. В это время твоя жена, мама или бабушка может потренироваться на третьем этаже или просто погладить собаку в специальной зоне для домашних питомцев. На все велосипеды дают 30 дней на бесплатную подгонку и настройку. Плюс магазин регулярно организует комьюнити-ивенты и групповые заезды. И так же, как в Гитарном Клубе, здесь нет бюджетного сегмента — только средний+.

В такие места хочется возвращаться снова и снова и оставаться их клиентом.
Сейчас у меня цифровой бизнес, но принципы из физического ритейла я всегда стараюсь перенимать. И каждый раз, когда вижу такие проекты, ловлю себя на мысли: на пенсии обязательно открою свой подобный байк-шоп и буду получать искреннее удовольствие.

🚀 Влад Корнышев про AI и создание AI-продуктов

Tesla в мире велосипедов: когда ИИ занимается тем, чем должен

Скажу честно: я уже давно со скепсисом отношусь к большинству анонсов, где крупными буквами написано “AI”. Как правило, за этим скрывается либо очередная базовая интеграция какой-нибудь LLM, либо чисто бизнесовая история для оптимизации процессов и зарабатывания денег. Бизнес - это хорошо, но когда ты задумываешься о настоящем, полезном ИИ для жизни, в голове рисуется совсем другое.

И вот бренд Canyon выкатил анонс своего футуристичного концепта Canyon Predict. Это как раз тот редкий случай, когда системная технологическая штука создана не ради хайпа, а ради базового комфорта и безопасности человека.

Для любого, кто хоть раз выезжал на дорогу на велосипеде или самокате, одна из самых страшных вещей - это так называемый “дооринг”. Это когда ты едешь мимо припаркованных машин, и прямо в тебя внезапно и не глядя открывают дверь. Ты это вообще никак не контролируешь и физически не успеваешь среагировать. Буквально в этом году в Питере так погиб парень - от удара об открывшуюся дверь его выбросило на встречную полосу прямо под колёса проезжающей машины... Если бы на его байке стояло хоть что-то подобное новой системе, вероятность хорошего исхода была бы в разы выше.

Что это за система?
Грубо говоря, это полноценный автопилот и бортовой компьютер в одном флаконе. Велосипед буквально обвешан скрытыми камерами, радарами и датчиками с обзором 360 градусов. AI работает локально прямо на борту и в реальном времени просчитывает траектории всех объектов вокруг, оценивает качество дороги и заранее предупреждает о скрытых угрозах. Более того, в критической ситуации байк способен сам мгновенно перестроить геометрию и занизить центр тяжести, чтобы помочь райдеру удержать баланс и избежать падения. Короче, то, что делает Tesla, только на велосипеде.

Понятно, что сейчас это лишь концепт и технологическое демо. Когда его выпустят в серийное производство, стоить такой аппарат будет дофига - скорее всего, больше 15, а то и 20 тысяч долларов.

Но абсолютно все технологии всегда начинаются с безумно дорогих прототипов. Вспомните ту же Теслу или системы безопасности в премиальных авто - сначала это дорогая игрушка, а уже через 3–4 года технология идет в массы и становится стандартом даже в бюджетных моделях.

Поэтому появление таких вещей меня очень радует и как велосипедиста, и как человека, который искренне увлечен ИИ. Хочется видеть как можно больше именно таких кейсов - когда технологии спасают жизни в реальном физическом мире.

🚀 Влад Корнышев про AI и создание AI-продуктов

AI в Customer support - лучший способ выбесить ваших клиентов

Если вы сделали его неправильно.

Пару лет назад мне довелось столкнуться со службой поддержки UPS здесь, в США. На том конце меня ждал бот, который просил назвать трек номер и его распознавалка речи не могла распознать 14 цифр подряд без ошибок. Приходилось повторять цикл раз 5-7. Если неудачно - звали оператора. Подобные системы здесь стоят у всех служб доставки.

И вот, 2026, прогресс дошел и до них. Ребятам дали LLM, какую-то нормальную распознавалку речи и RAG. Стало ли от этого лучше?

Сегодня был максимально бесячий опыт, на этот раз с FedEx
Мне должен был придти срочный заказ, в котором я доплатил за overnight delivery. И прямо во время delivery window оказалось, что в адресе ошибка. Машина буквально проехала мимо моего дома. То, что ошибка была обнаружена так поздно и мне никто даже не позвонил - история про работу служб доставок здесь в целом. Сейчас про поддержку.

В первый раз удалось прорваться через бота. Человек на том конце сказал мне звонить в магазин, чтобы проапдейтить адрес и перезвонить им. Я сделал это, настало время перезванивать. И здесь моя пятая точка знатно сгорела.

Попытка 1 - бот в принципе не понял, что я от него хочу, попал в луп и дал отбой.

Попытка 2 - бот по моему номеру обнаружили трек-номер и дал отбой, сказав, что изменения в доставке может делать только отправляющий.

Попытка 3 - на каждую реплику бота прошу позвать человека - отбой.

Попытка 4 - матерюсь на всех языках, что знаю - получаю перевод на оператора. С оператором порешали вопрос за 2 минуты, сказали, что посылку можно забрать в сортировочном центре.

Итог: я злой, за срочную доставку платить больше не имею желания, предпочтение буду отдавать другим логистическим компаниям. Бот не порешал, потому что кейс в него не был заложен.

И этого бы не было бы, если бы внедряя AI в Customer support компания бы гналась не за KPI, а за реальным разрешением проблем.

Что могло бы исправить ситуацию:
1. Усилить human-in-the loop - проще всего через правило "если с номера поступает больше Х звонков - перенаправлять на человека"
2. Дать AI больше свободы - модель слишком тяготела к стандартным протоколам, ища знакомые слова, а не пытаясь понять ситуацию, чтобы, например, сделать саммари для оператора.
3. Добавить "нестандартный протокол" - в дополнение к п.2. Можно просто добавить в промпт "Если не понимаешь проблему - передай оператору".
4. Юзать более умные модели - делает процесс дороже, но сокращает количество лупов. По уровню тупости у них скорее там была какая-то LLama

Поддержка для многих видится как очевидный процесс для автоматизации, но на деле - это гораздо более сложная история с кучей трейдофов. Я как-то писал про кейс Klarna 1.5 года назад, и с тех пор ничего не изменилось.

Не писал сюда уже несколько недель, расскажу почему

Часть паузы - это отпуск. Ездили с женой к озеру Мичиган, катались на велосипедах, подснимали материал для влога. Осталось найти время смонтировать.Неделя до отпуска ушла на то, чтобы привести велосипеды в порядок и закрыть рабочие дела. А прошлая неделя - это уже вкатывание обратно в рабочий ритм.

При этом за AI следил, регулярно приходили рассылки, что-то листал, что-то читал. И вот важный поинт с точки зрения FOMO: за все это время, практически за три недели, у меня вообще не появилось ощущение, что что-то изменилось, что я что-то пропустил.

Да, OpenAI представили очередную модель. Да, сняли ограничения с модели Fable от Anthropic, вроде как крупный релиз, открыли доступ к модели, вокруг которой был огромный хайп из-за государственных ограничений.

Кстати, пару слов про Fable. Хотел написать раньше, не было времени. На мой взгляд, это яркий пример того, как государство лезет туда, где не компетентно. Многие писали, что нашли или могли найти эксплойты, и поэтому запретить. Но в целом вся ситуация вокруг этой модели выглядит абсурдной, вплоть до того, что запрещали контактировать с моделью даже сотрудникам компании, не являющимся гражданами США. На мой взгляд, это абсолютная шиза американского правительства, основанная на мыслях об исключительности своей нации и политике Трампа. И это явный показатель того, что AI не должен быть политизирован. Вся окологосударственная история вокруг AI это скорее плохо.

Но если задуматься в целом о происходящем и задать себе вопрос: произошло ли что-то, что несет реальную практическую пользу, а не просто создает FOMO из шума, маркетинга и громких заявлений?

У меня уже некоторое время есть ощущение, которое только укрепилось за эту паузу: AI сейчас находится на плато. Если оценивать критически, появилось ли что-то, что сделает меня или других людей значительно более продуктивными или конкурентоспособными? Все эти новые модели сейчас являются лишь минорными апдейтами. Сейчас мы больше наблюдаем за тем, как изменения, которые принес AI, устаиваются, появляются более-менее устойчивые практики.

И на минуту, наверное, сейчас самое время для компаний и людей, которые отстали в AI-адопшене, чтобы все нагнать. Прогресс притих, начали появляться устойчивые практики, и можно заняться тем, чтобы прокачать себя, команду и бизнес-процессы. Можно не стремиться в чем-то быть первым, не суетиться “потому что другие уже это сделали”. А спокойно оценить ситуацию и выбрать, что именно вам подходит.

🚀 Влад Корнышев про AI и создание AI-продуктов

Следующая Decision Lab - 28 июля!

В прошлом посте я писал, что AI сейчас на плато, и это идеальное время, чтобы выдохнуть, нагнать упущенное и заняться своим обучением.

Но тут возникает логичный вопрос. Все вокруг кричат про "непрерывное обучение", но мало кто объясняет базу: как именно учиться, зачем это нужно конкретно вам, и почему во взрослом возрасте это дается так тяжело.

Пауза в технологиях есть, но рынок труда меняется. Давно стало понятно, что внедрение ИИ не убивает профессии, а наоборот - стимулирует компании нанимать специалистов с новыми навыками. Но какие именно навыки они будут покупать? Чему учиться в эту паузу, чтобы это окупилось реальным шагом в карьере, а не просто легло очередным сертификатом в стол? И как ИИ может помочь в самом процессе обучения?

Чтобы системно разобрать этот вопрос со всех сторон, мы решили провести новую Decision Lab. Вы помните этот формат по нашему прошлому разу - где мы с ребятами собираемся и делимся своей экспертизой и конкретными рекомендациями в формате мини-конференций.

28 июля мы будем разбирать тему обучения и адаптации сразу в пяти срезах.:

• Нейробиология: как вообще работает мозг взрослого человека в условиях дикого информационного шума и перегруза. Разбирает Мария Голяева - нейробиолог с 17 годами практики и клинический психолог.
• Идентичность: почему к 30 годам многие ловят кризис, заново отвечают на вопрос "кто я", и как это напрямую влияет на то, чему мы выбираем учиться. Расскажет бизнес-консультант и Executive Coach Мария Ешиль.
• HR и рынок: за какие навыки бизнес реально готов платить прямо сейчас, и как выбрать вектор развития. Забирает Мария Авраменко, HRD и кофаундер HR-сервиса.
• Стратегия: как выстроить логику своего развития, когда вокруг сплошная нестабильность и кризисы. Разберет Виолетта Усанова.
• AI (мой блок): как нейросети меняют саму механику обучения, и какие ИИ-инструменты дают реальный рычаг для усвоения информации.

Как всегда - говорим прямо, опираемся на практику и науку.

Когда: 28 июля, 19:00 МСК
Формат: Онлайн, бесплатно. Запись будет, но на эфир места ограничены.

👉 Занять место

Приложение для умной локальной диктовки на Windows от моего студента

Я как-то писал, что охотно буду делиться в канале всякими полезными штуками от подписчиков или от моих студентов, которые мне реально зайдут. Сегодня - очередной повод это сделать.

На этой неделе подходит к завершению весенний поток моего буткемпа по AI. Несколько ребят, залетевших на самый хардкорный тариф (для соло-предпринимателей), уже подготовили к релизу свои продукты. Многие делают проекты под себя или свои компании, но один из студентов, Данил, решил запилить полноценный B2C-продукт.

Только ленивый не знает, что сегодня голос — один из самых удобных и быстрых способов работы с AI. Скорость выше, мысли формируются лучше. Но на рынке приложений для диктовки есть свои приколы. Данил увидел несколько явных проблем:
• на Windows нормальных решений мало, основные работают на Mac;
• в WhisperFlow и подробных бесплатные лимиты сильно порезаны;
• у тех опций, что остаются - есть не все нужные фичи, например, словарь, когда ты используешь професиональную лексику, а распознавалка у тебя вместо “напиши PRD” распознает “напиши перди”.

За время наших спринтов Данил собрал апку, которая решает все эти боли. Мы уже успели погонять ее внутри, поштурмить над тем, как лучше реализовать все под капотом и как развивать продукт дальше. Сейчас приложение выходит в открытую бету.

Что делать вам:
Качайте приложение тут, пробуйте в своих рабочих задачах и обязательно накидывайте Данилу фидбек - для продукта на старте это самое ценное. За апдейтами можно следить в его тг-канале.

А если вы тоже хотите научиться делать такие же крутые штуки, запускать свои AI-продукты и доводить их до релиза - следите за каналом. Скоро будет анонс следующего потока буткемпа!

🚀 Влад Корнышев про AI и создание AI-продуктов

Осенний поток буткемпов NGI Academy: стартуем 8 сентября

Пока в глобальном развитии AI-моделей все довольно сильно замедлилось, самое время закрыть свои пробелы, глубоко освоить инструменты и подготовиться к тому, что будет дальше.

Этот поток будет особенным. С учетом текущих изменений в российском законодательстве я не знаю, сколько еще потоков смогу провести на локальный рынок. Уже абсолютно точно ясно, что и по цене, и по контенту мы будем делать ставку на англоязычный сегмент. Я не хочу уподобляться Sunlight с их вечными закрытиями, но реальность такова: каждый последующий B2C-поток на русском языке сейчас может стать последним, тупо потому что доступ ко всему “несуверенному” заблокируют, а Гигачат не расскажет, как получить доступ к GPT, если у вас его не было ранее. Делать и поддерживать отдельный продукт под работу с российскими нейронками я не хочу и просто не смогу.

Для записи на выбор доступны три ступени:

1. Базовая эффективность
Курс про то, как полноценно освоить LLM и другие типы моделей. Сейчас идеальный момент, чтобы наконец разобраться с технологией, пока индустрия дала небольшую передышку.

2. AI Product Management
Чисто прикладная история для продакт-менеджеров: как пилить AI-продукты, в каких сценариях использовать нейросети и под какие конкретно задачи их адаптировать.

3. AI Solopreneur
Флагманский тариф. Включает в себя базу обеих предыдущих ступеней плюс глубокий блок о том, как в соло затащить проект или продукт и успешно вывести его на рынок.
Важно: в этот раз я повышаю цену на этот тариф и ограничиваю количество мест - их всего 3. Это будет суперплотная совместная работа с трекингом и моей личной обратной связью для тех, кто готов мощно вписаться.

Главный эксклюзивный бонус потока:
Как раз во время проведения обучения я улетаю на свою учебу в MIT. Студенты ступеней AI Product Management и AI Solopreneur получат уникальный бенефит - без какой-либо доплаты мы выберем отдельный день, и я поделюсь с вами инсайтами, трендами и информацией прямо из MIT. По сути, это инсайдерский контент из первоисточника, который достанется вам бонусом.

👉 Занять свое место в потоке можно по ссылке

P.S. Чуть позже я анонсирую дополнительные бонусы при покупке - мы их сейчас как раз готовим и докручиваем, но места на ключевые тарифы (особенно на солопренера) лучше бронировать сразу.

Неочевидный кейс: как Gemini Spark полностью окупает свою подписку на покупках

Уже месяца два я активно гоняю Gemini Spark в самых разных сценариях. За это время гугловский агент заметно прокачался, особенно в плане интерфейса и логики: он стал интерактивнее, чаще задает уточняющие вопросы и согласовывает шаги перед тем, как побежать выполнять задачу. В общем, прогресс налицо.

Но сегодня я хочу рассказать про один неожиданный кейс, который вообще полностью окупает подписку от Google. Это экономия на онлайн-шопинге.

Кейс будет максимально актуален для всех, кто заказывает вещи в зарубежных интернет-магазинах. В РФ надо тестировать, не проверял

В чем боль?
Я часто покупаю в онлайне специфические штуки из довольно узких ниш: велоэкипировку, спортивную одежду, разные гаджеты. Естественно, платить full price не хочется. Мой базовый арсенал до этого выглядел стандартно:
• Браузерные расширения, которые автоматически ищут промокоды и сравнивают цены.
• Старый добрый ручной поиск в Google.
• Попытки искать скидки через Perplexity или Claude.

Но, как оказалось, другие LLM-ки часто выдают стандартные или устаревшие ссылки и вообще не видят глубокие выгодные предложения.

Как это работает в Spark?
В последнее время я стал отдавать эту задачу Gemini Spark, и за два месяца он сэкономил мне уже больше $500 (около $200 на одной крупной покупке и остальное по мелочи на других заказах).

Мой рабочий промпт выглядит так:
1. Даю конкретную вещь, которую нужно купить.
2. Прошу найти ее по максимальным скидкам и проверить наличие действующих промокодов.
3. Главная фишка: прошу сразу проверить доставку в мой регион (например, из США или Европы) и пробить, доставляет ли конкретный сайт в нужную страну. Очень часто бывает, что LLM находят выгодные сделки, но когда переходишь в корзину - там выходит “We don't ship to your country”. Этот шаг помогает избежать такого

Почему у него получается, а у других неочень?
Судя по всему, у Spark есть глубокая интеграция с Google Shopping (или отдельный мощный модуль для коммерции), о развитии которого Google как раз заявляли ранее. Он видит такие скидочные комбинации и локальные спецпредложения магазинов, которые другие нейронки просто игнорируют.

Если вы уже пользуетесь Spark и хотите выжать из подписки максимум, или просто ищете сетку, которая реально помогает экономить семейный или бизнес-бюджет - протестируйте этот сценарий. Работает на удивление круто.

🚀 Влад Корнышев про AI и создание AI-продуктов

Где обучить свою команду разработки AI-кодингу?

Сегодня AI стал неотъемлемым элементом разработки. Но между “потыкать нейросеть” и “эффективно заинтегрировать AI в ежедневный пайплайн” - куча подводных камней

Мы со своей командой проходили этот путь на практике и набивали шишки в реальном времени:
• Специально брали дополнительные проекты, чтобы изучить рабочие практики.
• Когда у разработчика что-то не получалось, разбирали косяки вместе: подключался и я как менеджер, и наш CTO, который глубже подкован в технических вопросах и работе AI.

Такой путь самообучения - классный, он дает глубокое понимание всех нюансов. Но у него есть гигантский минус: он требует колоссального количества времени.

В чём главная проблема сейчас?
AI внедряется везде и сразу. У команд, которые не успели вскочить на поезд раннего самообучения, при попытке быстро внедрить нейросети начинаются проблемы:
• Агенты делают не то, что нужно, и переусложняют код.
• AI пишет решения с нуля и изобретает велосипеды там, где нужно было просто переиспользовать готовый код.
• Модель некорректно считывает архитектуру и контекст кодовой базы.

В итоге вместо ускорения команда тратит драгоценные часы спринта на дебаг за нейросетью, а в худшем случае - рискует уронить продакшн.

Как сделать так, чтобы команда освоила новые инструменты, стала future-proof и не отстала от рынка - но без разрушения прода и слива времени?

Моя рекомендация
Среди моих учеников ко мне довольно часто обращались с вопросом “Влад, я как менеджер AI-инструментами уже овладел. А куда отправить учиться именно моих разработчиков?”

Когда мне впервые задавали этот вопрос, мне было вообще нечего порекомендовать. Сам я не особо кодер, а делать еще один продукт, привлекая ребят из команды нет сил, желания и ресурса. В следующий раз, когда меня спросили, у моего друга Тимура только-только зарождался первый поток, и места там раскупили моментально, я уже неоднократно рекомендовал его. Сейчас он открывает новый набор - уже с проверенной программой и обратной связью от первых выпускников.

Тимур - практик, который варится в теме AI-кодинга очень давно. Это не курсы от гигантов вроде Скаенга и Скиллбокса, которые я знаю изнутри и где компании стараются сократить издержки, в ущерб качеству. Это не успешный успех от инфоцыган, которым плевать на результат обучения. Это качественная база от человека, с которым я работал и за продукт которого могу ручаться.

Если вам нужно системно прокачать инженеров и внедрить AI-кодинг в процессы без боли - это моя искренняя рекомендация.

👉 Все подробности про курс читайте в посте у Тимура:

Ну и от меня приятный бонус на скиду 5% по промокоду: VLAD_NGI

Пишу в канале в последнее время не так много, летом просмотры падают, да и релизов, стоящих внимания, не так много.

Наибольшую пользу стараюсь сосредоточить в живых ивентах, поэтому напоминаю вам об очередном 🙂

Уже сегодня собираемся на нашей камерной мини-конфе, где обсудим темы обучения и адаптации в эпоху AI, анонс и подробные детали - в посте выше.

Собрали классный лайнап, свободных мест не так много, поэтому кто хочет в онлайне позадавать вопросы и послушать - сделать можно это по ссылке.

От спикеров будут всякие плюшки в формате того, чтобы сразу после эфира вы могли взять и применить полученные знания на себя.

А подробности ивента можете почитать либо в посте выше либо по ссылочке

Запись эфира по обучению и адаптации в эпоху AI

Пару дней назад провели нашу очередную лабу, как обычно - делюсь записью здесь.

Много говорили про карьеру, про изменения в AI и из-за AI, как под это подстроиться, что работает, а что нет и почему происходит именно так.

Видос выложили на Youtube, смотреть тут.

В видосе есть тайм-коды, а в описании - каналы и презы спикеров. Залетайте, комментируйте, подписывайтесь на ребят, задавайте вопросы, всем ответим 🙂

🚀 NGI дайджест №39

Давно у нас не было дайджестов, хотя контента за это время вышло прилично! Собрал всё самое интересное и полезное в один список, чтобы вы ничего не пропустили.

1. Осенний поток буткемпов NGI Academy — стартуем 8 сентября! Будет три ступени обучения, ограничения по местам и эксклюзивный бонус — инсайдерский контент и тренды прямо из MIT.

2. Приложение для умной локальной диктовки на Windows — отличный пример того, как проходить обучение и делать свои продукты. Мой студент разработал крутое приложение для работы с голосом, которое решает проблемы с лимитами и распознаванием профессионального сленга.

3. Запись эфира Decision Lab по обучению и адаптации в эпоху AI — запись нашей мини-конференции. Разбираем, как подстроиться под меняющийся рынок труда, как работает мозг взрослого и какие ИИ-инструменты реально помогают учиться.

4. От мультитаскинга к разумному параллелизму — делюсь личным трехслойным AI-стеком, который позволяет успевать в 2–3 раза больше и закрывать параллельные задачи без выгорания.

5. Скилл для создания скиллов в Spark — готовый мета-скилл, который чинит косяки Google, спасает агента от зацикливания и заставляет его создавать правильную древовидную структуру файлов.

6. Gemini Spark: худший среди лучших или скрытая пушка? — детальный разбор 40 часов работы с агентом от Google: где он откровенно тупит, а в чем проявляет себя великолепно.

7. Как Gemini Spark окупает подписку на покупках — неочевидный кейс использования ИИ-агента, который сэкономил мне более $500 на зарубежном онлайн-шопинге за счет поиска скрытых скидок и промокодов.

8. Почему AI сейчас находится на плато — размышления о том, почему отсутствие революционных релизов — это идеальный момент для людей и компаний, чтобы спокойно нагнать упущенное и внедрить устойчивые практики.

9. AI в Customer support: как выбесить клиентов — личный бесячий опыт взаимодействия с поддержкой FedEx и выводы о том, почему слепая автоматизация и плохо настроенные боты только портят сервис.

10. Tesla в мире велосипедов: концепт Canyon Predict — разбор редкого кейса, когда ИИ и датчики с обзором 360 градусов используются в реальном мире не ради хайпа, а для спасения жизней райдеров.

Прошлый дайджест тут