AI Product | Igor Akimov

Поэтому если резюмировать, то помогает: максимально тщательно составлять планы и описывать ваш проект, подключать проверяльщики и тесты на как можно более раннем этапе, использовать преимущества разных систем и LLM. Ваша задача теперь - формировать общую идею и архитектуру системы и объяснить задачу разным LLM-кам, чтобы они поняли. Классические менеджерские задачи, даже если вы никогда не программировали. И можно надевать свитер, идти пить чай и играть в Контру :)

Вынесу из комментариев, потому что может быть полезно многим. Как можно тащить крупные проекты и большие кодовые базы с AI. Самое главное - максимально качественное погружение ИИ в контекст вашего репозитория и задачи и возможность автоматических проверок всего, что только можно. Честно говоря обновления, что подъехало в топовые LLM уже приблизили их к статусу мидла и даже иногда синьор разработчика, но все это, конечно, очень легко сломать, если не потратить время на подготовку. 1. Какую LLM выбрать? Для той самой задачи конвертации библиотеки я использовал 3 подписки: ChatGPT+ внутри Codex, Gemini Pro для Antigravity с Gemini 3 Pro/3 Flash/Opus 4.5 и Claude+ внутри Claude Code. То есть глобально 60 евро в месяц, но делал, если прям багфикс еще считать, где-то пару недель, так что вышло 30 евро, то есть раз в 10000 меньше, чем аналогичная работа команды. В Десять Тысяч Раз Меньше! Поэтому если вы все еще ворочаете нос от AI для кодинга - у меня к вам большие вопросы. Я уже с лета отказывал людям на собесах, если они не использовали AI. При этом они все разные и у каждой есть плюсы и минусы, поэтому я скептически отношусь к "монополизму" Claude Code в умах людей. Это мощная система, но для нее надо очень тщательно декомпозировать задачи, плюс в фронтенде и мультимодальности она так себе. Желательно понимать плюсы и минусы разных систем и пользоваться преимуществами всего, что дают вендоры. Больше всего мне понравился Codex-5.2 - senior-разработчик с тщательным подходом. Если нужно четко и планомерно идти по хорошо составленному плану (даже на месяц разработки) - это лучший вариант. Но естестественно с полностью и тщательно описанными вводными данными. Он очень хорошо работает с практически безлимитным контекстом. Opus-4.5 очень хорошо пишет код по атомарным задачам понятным и конечно лучше всего работает внутри Claude Code. Но если закончились лимиты я продолжаю просто использовать его же в Antigravity. С ним надо тщательно следить за контекстом и стараться решать маленькие задачи, потому что при выходе даже за 30% токенов могут начинаться глюки. Gemini-3.0 Pro лучше всех пишет и багфиксит фронтенд, разбирается с дизайном и имеет огромный контекст. Какие-то задачи глобальных сравнений огромных файлов я давал ему. Gemini 3 Flash - хорошо запускать, когда надо просто быстро проверить или поправить, но нельзя ничего сломать. Потому что это чисто такой джун супер-быстрый, но туповатый :) 2. Тесты и план работы Мне очень помогло, что были тестовые данные доступны, так что по ним можно было наделать уже программных тестов и потом пошагово делать и проверять. Тестовые кейзы и подробное описание задачи - маст-хев. Можно не все брать из головы, можно просить LLM сгенерировать, но конечно вычитывать это все и проверять, чтобы не запуталась. Тесты же потом уберегут вас от всяких катастрофических правок (которые случаются у всех). Поэтому PRD и прочая документация становится вашим главным оружием. И если у вас есть хорошо описанный код - вы можете запросто закидывать его в промпт и agents.md тоже, LLM сразу рубит фишку и не начинает писать все как бог на душу положит. Основной agents.md и plans.md составил Codex (вот тут почитать как они рекомендуют работать с большими задачами - - https://cookbook.openai.com/articles/codex_exec_plans#plansmd), но с 1 промпта, к сожалению, решить задачу не получилось, у меня сожрался недельный лимит уже на второй день :) Соответственно после каждой операции файл планов обновляется и все "подключающиеся" LLM следуют документам, пишут под себя более мелкие планы и дальше делают. Также заставлял смотреть на код на Java по каждой проверке и это тоже помогло двигаться быстрее. Agents.md сначала максимально подробно сформировал с LLM-ками, но потом понял, что все теряют контекст и путаются и раскидал более точечные описания по разным файлам, а в agents.md только общее описание проекта и что где искать. Ну и конечно всякие проверяльщики, линтеры должны включаться как можно чаще.

Как я провел зимние "каникулы". Один из моих "ИТ-крашей" – транспортные системы. Я до сих пор помню момент, как в 10 классе для подготовки к олимпиаде по информатике один из знакомых старшекурсников показал мне алгоритм Дейкстры и рекурсию в целом, и как оно заработало с первого раза и рассчитало оптимальные маршруты по всему московскому метро! Магия!🤩 18 лет назад я даже сделал сервис naydibus.ru для Краснодара, который позволял прокладывать маршрут на общественном транспорте и получил от администрации подарочный iPhone 4S 😎 А потому я понимаю все эти алгоритмы, GTFS-фиды, Google Transit Partners программы, и в целом как разместить маршруты общественного транспорта на Google Maps. Самая жесткая там часть - валидность файлов с данными, которые устроены довольно нетипично и с кучей зависимостей друг от друга. Просто в эксельке не проверишь и не поправишь. И вот для местной компании делал GTFS-фид по их данным из базы и понял, что нужны автоматические валидации. И хотя существует куча опенсорса за десяток лет, но самый главный проверяльщик файлов Canonical GTFS Validator, написанный на Java, ну очень медленный и неудобный. В итоге с божьей помощью и AI я за неделю сконвертировал библиотеку из 100.000 строк кода в Rust Вот, делюсь: https://gtfs.guru/ Самое крутое, что я переписал все на Rust не притрагиваясь к коду вообще и вообще его не зная! При этом код работает примерно в 2-4 раза быстрее на гигантских файлах и в 100 раз быстрее на маленьких и жрет в 10 раз меньше памяти. А еще сделал python-биндинги (то есть можно спокойно с такими же супер-скоростями вызывать из питона), сделал приложения для нее под Mac/Windows/Linux, а также "супер-инновацию" - WebAssembly-версию. То есть транспортным компаниям можно проверять свои файлы локально в браузере ничего никуда не пересылая и за доли секунды. Это опять же БЕЗ НАПИСАНИЯ И СТРОЧКИ КОДА! Для меня, честно говоря, это AGI-момент для кодинга! Мне кажется сейчас можно реализовать уже ЛЮБОЙ продукт в мире даже человеку, далекому от программирования. Поэтому если вы задумывались о своем продукте-боте-сервисе-приложении - хватит откладывать и начинайте делать! У вас получится! 🥰

ElevenLabs тут обновил распознавалку голоса, но инфы пока нет, только видосик. Говорят, что лучше всех (ну, как обычно), поддерживают 90 языков с таймфреймами, диаризацией спикеров, внедрением правильной лексики по вашему словарю (типа закидываете имена спикеров, названия компаний, термины и оно правильно распознает), entity extraction (типа номер счета, номер карты, адрес, имя) с таймстемпом. Ну-у... Выглядит очень своевременно и красиво, но видимо будет недешево. UPD: залили подробности на сайт https://elevenlabs.io/blog/introducing-scribe-v2

Тут в Gmail AI фичей подвезли, правда пока только в США. Убили десяток стартапов. https://youtu.be/QdnbNH3YMWc?si=_fnU9-pfEq8Bejgj - AI Overviews: автоматически делает краткое резюме длинных цепочек писем и ключевых пунктов. - Вопросы к инбоксу обычным языком: можно спросить “как звали сантехника” или “где был тот оффер”, Gmail выдаст ответ-сводку из писем. - Help Me Write: помогает более тщательно написать письмо с нуля или “отполировать” черновик. - Suggested Replies: умные ответы с учетом контекста переписки и вашего стиля, в один клик. - Proofread: расширенная проверка грамматики, тона и стиля. - AI Inbox: новый “умный” инбокс, который убирает шум, подсвечивает важное и to-do (сначала для тестеров) Сводки AI Overviews уже раскатываются всем бесплатно в США с английским языком интерфейса. Вопросы к инбоксу (Q&A в AI Overviews) и Proofread: для подписчиков Google AI Pro и Ultra. Выглядит красиво и полезно.

OpenAI запустили ChatGPT Health – отдельную среду внутри ChatGPT для медицинских данных и wellness-приложений. 230 млн человек еженедельно задают ChatGPT вопросы про здоровье. OpenAI решили сделать отдельный продукт с усиленной защитой данных и интеграцией медицинских записей. Что умеет: - Подключение электронных медкарт через b.well - Интеграция с Apple Health, MyFitnessPal, Function и др. - Анализ результатов анализов и диагностики - Подготовка к визитам к врачу - Отслеживание изменений во времени Главное про приватность: - Отдельное хранилище данных, изолированное от основного ChatGPT - Разговоры в Health никогда НЕ используются для обучения моделей - Память Health не вытекает в обычные чаты - Можно удалить всё в любой момент Пока Waitlist для ранних пользователей. Будет доступно для Free, Go, Plus, Pro планов. Но НЕ работает в ЕC, Швейцарии и UK Интеграция с медкартами только в США, но не HIPPA-compliant, чисто как приложенька, не мед.сервис. эх, помню мы делали сервис сканирования, распознавания и хранения результатов анализов с визуализацией, но рынок был очень специфический и для основной компании оказался ненужный. Кстати, OpenAI заявляют что работают над Health "очень давно" – это не часть их "code red" в ответ на конкурентов. Ссылка на анонс: https://openai.com/index/introducing-chatgpt-health/

Cursor конечно фишку рубит. Понимает, что управление контекстом сейчас самое важное для качественной работы, а люди (да и ЛЛМ-ки) накидывают туда все, что только можно. При этом контекстное окно ограничено, токены стоят денег, а чем больше мусора в промпте – тем хуже качество ответов. Их основная идея - динамическое подтягивание контекста в промпт. Агент сам решает, что ему нужно из доп.информации, и сам это достаёт. Экономия токенов + меньше шума = лучше результат. Как это реализовано: 1. Длинные ответы инструментов → файлы Стандартный подход - обрезать длинный output от shell или MCP. Но так теряются данные, иногда критичные. Cursor вместо этого сохраняет вывод в файл и даёт агенту возможность читать его по частям. Агент делает tail, смотрит конец, если нужно больше - читает дальше. Результат: меньше вынужденных суммаризаций при достижении лимита контекста. 2. История чата как файл для суммаризации Когда контекст переполняется, Cursor делает суммаризацию - сжимает всё в краткое резюме. Но суммаризация теряет детали. Их решение: сохранять полную историю в файл и давать агенту ссылку на него. Если после суммаризации агент понимает, что ему не хватает деталей - он может сам поискать их в истории. 3. Agent Skills как файлы Cursor поддерживает открытый стандарт Agent Skills - по сути, файлы с инструкциями для специфических задач. В промпт идут только названия и описания, а сами инструкции агент подтягивает через grep или семантический поиск когда они реально нужны. 4. MCP-инструменты по требованию Вот тут самое интересное. Некоторые MCP-серверы имеют десятки инструментов с длинными описаниями. Всё это сидит в промпте, даже если 90% никогда не используется. А если у тебя несколько MCP-серверов - проблема умножается. Решение Cursor: синхронизировать описания инструментов в папку. В промпт идут только названия, полные описания агент читает из файлов когда нужно. Результат A/B теста: снижение расхода токенов на 46.9% в сессиях где вызывались MCP-инструменты. 5. Терминальные сессии как файлы Cursor синхронизирует вывод терминала в файловую систему. Можно спросить "почему команда упала?" без копипаста - агент сам найдёт нужный кусок через grep. Особенно полезно для длинных логов от dev-сервера. Тут прям кладезь советов для всех разработчиков кодинговых агентов :) Файлы оказались отличной универсальной абстракцией для работы LLM с контекстом. Просто, понятно модели, легко расширяется. Так что контент инжиниринг на базе файлов теперь рулит. Апдейт раскатят на всех пользователей в ближайшие недели. 🔗 https://cursor.com/blog/dynamic-context-discovery

Там Nvidia новинки представляет на CES. Они ещё тащут, особенно в серверах и передаче данных. https://www.youtube.com/live/0NBILspM4c4?si=YDvZkYv1n1pKkID2 Главная тема - Physical AI (ИИ, у которого есть тело). - На смену архитектуре Blackwell приходит Rubin. Это настоящий монстр: Vera CPU + Rubin GPU: Новая связка процессоров. В 5 раз мощнее предыдущего поколения и в 2 раза энергоэффективнее. - Охлаждение: Серверные стойки теперь работают полностью на жидкостном охлаждении, внутри нет путаницы из кабелей и шума, всё чисто и футуристично. - NVIDIA Cosmos: Представили «фундаментальную модель мира». Это ИИ, который обучен на видео и симуляциях. Он понимает, как падают предметы и как двигаются тела. Это база для обучения всех будущих роботов. - Роботы теперь учатся ходить и работать в виртуальной симуляции (Isaac Lab), прежде чем выйти в реальный мир. - Alpamo: Первый в мире «думающий» автопилот. Он не просто реагирует на дорогу, а рассуждает и может объяснить свои действия. Модель и данные полностью открыты (Open Source). - Mercedes-Benz: Уже в начале 2026 года на дороги выезжают первые машины на полном стеке NVIDIA. Заявлено, что это будут самые безопасные авто в мире. - Кремниевая фотоника (Свет вместо тока). Представили Spectrum-X Ethernet с кремниевой фотоникой. Лазеры и оптика встроены прямо в чип. Скорость передачи данных внутри дата-центров выходит на безумный уровень. - Цифровые двойники заводов. Совместно с Siemens внедряют ИИ в проектирование. Сначала завод строят и запускают в виртуальной вселенной (Omniverse), ловят баги, обучают роботов, и только потом заливают бетон в реальности. - Опенсорс. Анонсированы новые открытые модели для биологии (BioNemo), погоды (Earth-2) и новая языковая модель Nemotron-3. - Blueprints: Готовый код для создания умных ИИ-агентов из разных подсистем, которые реально помогают в работе, а не просто болтают.

+3

В качестве вдохновения - вот как раз дошли руки разобрать опрос от Lenny's Newletter (1750 респондентов из продуктовых команд) https://www.lennysnewsletter.com/p/ai-tools-are-overdelivering-results Главный вывод: AI перевыполняет ожидания. 55% говорят, что результаты превысили их ожидания, 70% отмечают рост качества работы. Больше половины экономят минимум 4+ часа в неделю на ключевых задачах. Кто получает максимум пользы: фаундеры компаний 49% экономят 6+ часов в неделю (в 2 раза больше, чем другие роли) 45% считают качество работы "намного лучше" 78% видят позитивный ROI Секрет в том, как они используют AI. Фаундеры применяют его для стратегического мышления: productivity & decision support (32.9%), product ideation (19.6%), vision/strategy (19.1%). AI для них – не просто инструмент, а со-мыслитель. Продакты и дизайнеры используют AI для решения текущих задач: PM: написание требований (21.5%), создание прототипов (19.8%), коммуникация (18.5%) Дизайнеры: проектирование исследований (22.3%), контент и копирайт (17.4%) Прикольно, что продакты начали активно прототипировать без дизайнеров – Lovable (8.7%) и Cursor (7.7%) в топ-7 инструментов у PM. Инженеры – смешанная картина: Кодинг доминирует (51% используют для написания кода) Но 21% отмечают ухудшение качества (самый высокий показатель негатива) Главный запрос: автоматизировать скучные задачи после написания кода – документация (+25.8pp demand gap), code review (+24.5pp), тесты (+23.5pp) ChatGPT доминирует у всех, кроме инженеров: 72.1% фаундеров 57.7% PM 49.6% дизайнеров У инженеров идёт жесткая гонка топ-3: Cursor – 33.2% ChatGPT – 30.8% Claude Code – 29.0% Где самые большие возможности (хотят делать, но пока не могут в нужном качестве): PM: user research (+27.2pp) и prototyping (+24.6pp) Дизайнеры: prototyping & interaction design (+27.8pp) Инженеры: documentation (+25.8pp), code review (+24.5pp), tests (+23.5pp) Фаундеры: product ideation (+29.0pp), GTM strategy (+24.7pp), market analysis (+24.0pp) И прикольное от Kevin Weil (VP OpenAI): «Используемая вами сегодня модель искусственного интеллекта – худшая модель искусственного интеллекта, которую вы когда-либо будете использовать в своей жизни».

Время вручать наш собственный «AI-Оскар» 2025 🏆✨ Прошедший год в мире ИИ был крутым. Мы с замиранием сердца следили за релизами, спорили, какая модель «умнее», и офигевали от того, как быстро меняется реальность. Я обожаю атмосферу больших наград. Не ради пафоса, а ради момента, когда можно остановиться, выдохнуть и сказать «спасибо» тем инструментам, которые реально тащили нас весь этот год. А также для того, чтобы узнать о неожиданных вещах, которые пропустил. Пришло время раздать золотые статуэтки! И кто может быть лучшим жюри этой Киноакадемии, если не вы – люди, читатели AI Product, которые используют этот софт каждый день в реальных задачах? Номинаций много и это интересно: - «Лучшая роль» (Главная LLM года) - «Лучшие визуальные эффекты» (Генерация видео и фото) - «Лучший саунд-дизайн» (Музыка и голос) - «Лучший сценарий» (Кодинг-ассистенты) ...и многое другое. Давайте выберем настоящих героев этого безумного 2025 года! 👉 Проголосовать и вручить награду тут: https://forms.gle/h9K6g1dSN5PGAEuR8

С Новым годом, дорогие мои! 🎉 Честно говоря 2025-й был поистине годом AI, и то ли ещё будет дальше! Я уверен, что перед каждым теперь открываются невероятные возможности исполнения давно забытых мечт. Оставайтесь любопытными в новом году и попробуйте новое каждый день! Помните, вы можете всё! Счастливого года! ⭐️

О, полезный проект. Следит и показывает в навбаре на MacOS вашу текущую дневную и недельную квоты в Codex, Claude code, Gemini, Github copilot. Как раз чтобы вовремя завершить и/или переключиться не посередине задачи. https://github.com/tddworks/ClaudeBar

Только что допилил последний, 25-й день адвент-календаря. Там теперь можно прямо в реалтайме поговорить с Дедом Морозом/Сантой! ✨ Основная идея была проверить новый Gemini Live, голоса действительно стали лучше и задержка вполне терпимая. Можно просто потрындеть про ваши бизнес-челленджи, про то как AI внедрить, или вообще за жизнь поболтать. Сам день посвящен супер полезной теме: как с помощью голосового AI прокачивать переговоры и всякие софт-скиллы. Такие штуки реально работают, - обычно думаешь, что ты весь такой красаучег, пока не видишь свое выступление в записи или мнение стороннее. В общем, читайте кейс и заходите, пообщайтесь с AI-Сантой: https://advent.abasis.ai/ru/day/25 И да, спасибо всем, кто следил за адвент-календарем эти 25 дней! Было круто делать это вместе с вами 🙏

Предпоследний день адвента - про вайб-кодинг. https://advent.abasis.ai/ru/day/24 Здесь, мне кажется, происходит самая большая революция этого года! Можно уже не только тетрисы и модели солнечной системы генерировать для фана, но вполне рабочие бизнес-приложения, от сайта-визитки с крутыми анимациями до какой-нибудь CRM-системы. Вот этот адвент-календарь я сделал примерно за 2 дня, не трогая код вообще! Понятно, что контент у меня уже был, и понятно, что что-то сложное без команды, хотя бы понимающей, что там выдает AI, развиваться сложно. Но для таких небольших вещей использовать мощь AI можно даже человеку, крайне далекому от кодинга. Можно начать в каком-нибудь lovable/bolt/genspark и получить работоспособный код, который вы сможете уже в более продвинутых IDE типа Antigravity, Cursor, Codex, Claude Code допилить практически бесплатно, опять же, не разбираясь практически полностью. Единственное – я прошу включать мозг и советоваться с ИИ по поводу использования Git, безопасности, хостинга, правильной организации работы, автотестов, правильной архитектуры. Можно прям в моменты "покоя", когда у вас закончились идеи, просить проанилизировать текущий код и предложить улучшения. Или сгенерировать и обновить документацию. Или попросить расписать тест-кейсы, а в следующем чате - по ним пройтись и протестировать. Или сделать deep research по тому, как лучше разместить и обезопасить ваше приложение. Я на всех конференциях и выступлениях говорю очень важную мысль - вы теперь не одни! У вас в руках универсальный помощник и советник из множества отраслей, ваш собственный ИИ-кофаундер. Используйте его максимально и обещайте реализовать ваши мечты в Новом году! 😱

Киран Гилл опубликовал отличную статью о реальном использовании AI кодинга в продакшене. Записал себе основные мысли. LLM нужны две вещи: Контекст – чтобы понимала, КАК у вас пишут код Проверяльщик – человек, который отличит нормальный код от ерунды Главная метрика: one-shot One-shot = модель написала рабочий код с первого раза. Ты взял, вставил, работает. Противоположность = переделывать 5 раз, в итоге быстрее было самому. Как добиться one-shot чаще? Создай папку с документами для AI: "Вот как мы пишем API" "Вот как мы называем переменные" "Вот структура проекта" "Вот как писать тесты" И каждый раз включай это в промпт. Типа "вот тебе мануал, читай и пиши по нашим правилам". Они делают так: каждый модуль в Django имеет файл module_api.py — это единственный вход в модуль. Все функции там, типа visit_api.handoff_to_doctor(). AI знает правило: "Нужно что-то с визитами? Иди в visit_api.py". Не нужно шарить по 50 файлам. Если твой код – помойка, где даже люди не разберутся, AI тоже не разберется. Мусор на входе → мусор на выходе. Тест: дай коллеге незнакомый кусок кода. Он за 5 минут понял что к чему? Нет? Тогда и AI не поймет. Нельзя выкинуть разработчиков Главная ошибка: "давайте AI всё сделает, а мы уволим половину команды". Нет. AI генерирует код, но кто-то должен понимать: - Это правильное решение или костыль? - Это не сломает систему через полгода? - Это вообще то, что нужно? Поэтому инвестируй в команду, а не выкидывай её. Бутылочное горло: проверка кода AI генерирует код быстрее, чем люди проверяют. Что делать: - Автотесты на максимум - Линтеры, проверки архитектуры - Автоматизация QA без танцев с бубном Итого: Успех AI в разработке = хороший контекст + умная команда. Без этого получишь тонну кода, который придется переписывать. 🔗 https://blog.kierangill.xyz/oversight-and-guidance

23 день адвент-календаря – про AI, который работает, когда вы отдыхаете. Саппорт-боты - это самый частый юзкейс применения AI в бизнесе. В PDF выше рассказал про подход, при котором вы планируете масштабирование и автоматизации, прилагая довольно много усилий на самостоятельный сбор данных. Но если просто хочется сделать что-то простое и побыстрее, то можно взять уже готовые платформы создания чат-ботов для сайта, которые, в том числе, могут просто просканировать ваш сайт и собрать базу знаний автоматически. Да, это будет подороже, но позволит уже завтра запуститься и начать собирать реальные запросы от людей. Плюс отдохнуть в праздничные дни, не потеряв тех, кто интересуется вашим бизнесом. Вот платформы, что рекомендую: https://advent.abasis.ai/ru/day/23

Понравился список самых популярных сервисов у клиентов необанка для бизнеса Brex - https://www.brex.com/journal/brex-benchmark-december-2025 Можно добавить в свою копилку сервисов и посмотреть, что происходит на рынке. Вот наиболее популярное среди их клиентов: Cursor - AI-редактор кода с автодополнением OpenRouter - агрегатор API различных LLM-моделей Kling AI - генерация AI-видео Retell AI - AI-голосовые агенты для бизнеса Perplexity - AI-поисковик с источниками Windsurf - AI-редактор кода FireCrawl - API для парсинга веб-страниц Clay - обогащение данных и автоматизация продаж Replit - облачная IDE для разработки Exa - семантический поисковый API Vast.ai - аренда GPU для AI Groq Inc - сверхбыстрые AI-чипы для инференса Instantly - email-рассылки и холодные продажи Fireflies.ai - транскрибация встреч CodeRabbit - AI-ревью кода PostHog - продуктовая аналитика Ideogram - генерация изображений с текстом Apollo - платформа для B2B продаж Deepgram - speech-to-text API Juicebox - визуализация данных Customer.io - маркетинговая автоматизация LangChain - фреймворк для разработки LLM-приложений Supabase - open-source альтернатива Firebase Lindy - AI-персональный ассистент Granola - AI-заметки со встреч Gamma - создание презентаций через AI Vercel - хостинг для фронтенда Clerk - аутентификация пользователей Linear - таск-менеджер для разработчиков ClickHouse - аналитическая СУБД Fondo - автоматизация бухгалтерии Anima - конвертация дизайна в код Sentry - мониторинг ошибок Fly.io - деплой приложений Framer - конструктор сайтов без кода StackBlitz - онлайн IDE ElevenLabs - озвучивание текстов AssemblyAI - распознавание речи API Serp Api - API для поисковых систем Hex - ноутбуки для анализа данных Fathom - запись и транскрибация встреч Attio - современная CRM Alchemy - блокчейн-инфраструктура Runway - AI-видеоредактор Bright Data - парсинг веб-данных Together AI - платформа для запуска AI-моделей Apify - автоматизация парсинга Finta - автоматизация фандрайзинга Mistral AI - открытые LLM-модели Wispr - голосовой ввод текста

Кстати, я перевел все бонусные материалы из адвента с английского на русский, теперь можно читать/распечатывать без мучений перевода. Кстати, самая большая жесть была не в переводе или верстке странички, а в верстке под PDF и потом экспорте этого без артефактов. Справился только Claude Code, остальные провайдеры несколько часов фейлили разные куски. Вот первый гайд, он открывается просто за 1 открытый подарок, остальное можно скачать в Достижениях https://advent.abasis.ai/ru Это один из самых полезных гайдов, - про создание чат-ботов/ассистентов для сотрудников или пользователей сайта на доступных или уже купленных инструментах.

22 день - про конкурентную разведку Мне кажется, это с одной стороны самый переоцененный, с другой - самый недооцененный метод. Некоторые компании прям маниакально следуют за конкурентами, копируя все фичи, некоторые – вообще этого не делают, думая, что у них "особый путь". Мне кажется, и тот, и другой варианты ошибочны. Если вы вообще не общаетесь с вашими клиентами, а просто делаете "как у всех", вы бездумно тратите усилия и в итоге проиграете просто самому дешевому решению. Если же не проводите анализ действий конкурентов, вы теряете возможность получения инсайтов, до которых просто не можете дотянуться другими способами. Если конкуренты делают UX-исследования, работают с крупными компаниями и ведущими клиентами плотно, проводят анализ отзывов и в общем-то нормальную продуктовую работу, то вдохновляясь их решениями вы можете сэкономить огромное количество усилий на самостоятельную их проработку. И главное - самые интересные идеи возникают не от наблюдения за прямыми конкурентами, а от похожих или смежных отраслей. Мне в свое время очень нравилась книга Карл Сьюэлл, Пол Браун – «Клиенты на всю жизнь», в которых они, например, для автосервиса брали идеи селф-чекаута из отелей, оставляя все нужные документы для оплаты в бардачке машины, которую можно забрать в любое удобное время. Ну а с AI отслеживать новости и обновления конкурентов (прямых и непрямых) стало гораздо проще. Подробности: https://advent.abasis.ai/ru/day/22

21 день - про AI браузеры. Да, пока они тупят и фейлят задачи, но в будущем будут превосходными помощниками, если вам надо делать многошаговую работу в браузере, от парсинга контактов до заполнения сложной формы. Поэтому лучше попробовать и начать применять уже сейчас. Можете попробовать юзкейс из календаря: https://advent.abasis.ai/ru/day/21