ideasAI / Идеи для ИИ - Анисимов Андрей

Команды в ChatGPT: для лица. Портрет и стилизация 👤 Все пишут, что вышел image_gen2.5 - так что эта подборка становится еще более интересной) Уже третья часть полезных команд в ГПТ на моем канале... для тех, кто пропустил - советую прочитать прошлые 2 поста: ➡️ команды в ChatGPT (часть 1) для тех, кто работает с подачей, и визуальным стилем ➡️ команды в ChatGPT (часть 2): разбор продукта и инфографика Cобрал для вас новую часть, которая работает с вашим портретом. Очень полезная, к слову, вещь: /headshot — сделает деловой портрет как для LinkedIn. /oldify — покажет, как человек будет выглядеть в старости. /youngify — покажет, как человек выглядел в детстве. /cartoon — сделает лицо в мультяшном стиле. /anime — сделает лицо в аниме-стиле. /pixarstyle — сделает лицо как персонажа мультфильма Pixar. /oilportrait — сделает лицо как портрет маслом. /renaissance — сделает лицо как на картине эпохи Возрождения. /superhero — сделает лицо в костюме супергероя. /royal — сделает лицо в образе короля или королевы. /astronaut — сделает лицо в скафандре космонавта. /warrior — сделает лицо в образе воина. /wizard — сделает лицо в образе волшебника. /vintagephoto — сделает лицо на старом фото с зерном и царапинами. /polaroid — сделает лицо на снимке в стиле Polaroid. /blackandwhite — сделает лицо в чёрно-белом кадре с драматичным светом. /sepia — сделает лицо в тёплом сепийном тоне, как ретро-фото. /neonportrait — сделает лицо в неоновой подсветке киберпанк. /popartportrait — сделает портрет в стиле поп-арт. /comicportrait — сделает лицо как персонажа комикса. /watercolorportrait — сделает портрет как акварельный рисунок. /statue — сделает лицо как мраморный бюст. /hologram — сделает лицо как голографическую проекцию. /cyberpunk — сделает лицо с киберпанк-имплантами и подсветкой. /fantasyportrait — сделает лицо в образе фэнтези-персонажа. /gamecharacter — сделает лицо как персонажа видеоигры. /avatarstyle — сделает лицо в стиле 3D-аватара. /pixelportrait — сделает лицо в пиксель-арт стиле. /sketchportrait — сделает лицо как карандашный набросок. /filmposter — сделает лицо на постере к фильму. /magazinecover — сделает лицо на обложке журнала. /babyversion — покажет, как человек выглядел бы младенцем. /handwrittennote — сделает портрет с рукописной подписью-комплиментом сбоку. ❤️ - если хотите продолжение рубрики 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

👥 McKinsey выпустил свежее исследование «The State of AI in 2026» (можно прочитать тут) В опросе участвовали 1 719 руководителей и сотрудников компаний по всему миру. 🔵Почти 9 из 10 компаний используют его хотя бы в одной бизнес-функции. Но на уровень всей организации масштабировались пока 44% против 38% год назад. 🔵Среди компаний с выручкой свыше $1 млрд AI масштабируют 54%. По AI-агентам разрыв ещё заметнее: у крупных компаний доля выросла с 27% до 40%, у остальных осталась около 22%. 🔵80% сотрудников говорят, что AI повысил их личную производительность. Но только 37% компаний видят положительное влияние на EBIT. 🔵Самое заметное снижение затрат AI даёт в supply chain, сервисных операциях и производстве. Рост выручки чаще видят в marketing & sales, разработке продуктов и software engineering. 🔵32% компаний уже хотя бы раз отказались покупать готовый software-продукт или функцию, потому что смогли сделать это сами с помощью AI coding agents. В technology таких уже 41%. 🔵20% компаний уже ограничивали его использование из-за стоимости эксплуатации, а 28% тратят на AI больше 10% IT-бюджета. При этом 60% всё равно собираются увеличить инвестиции. 🔵Самая интересная группа - AI high performers. Таких всего 6%. Почти 75% из них не просто добавляют AI в существующие процессы, а перестраивают workflows под него. Среди остальных так делают только около 25%. 82% используют AI для роста бизнеса против 47% у остальных, 65% - для инноваций против 49%. 🔷Мне кажется, главный вывод исследования именно здесь. Проблема компаний уже не в доступе к AI. Он есть почти у всех. Проблема в том, что выдать сотрудникам ChatGPT, Copilot и агентов проще, чем перестроить под них процессы, ответственность, IT, KPI и операционную модель. Похоже, следующий этап AI-гонки будет уже не про то, кто быстрее внедрил AI, а про то, кто быстрее перестроил под него сам бизнес. 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Что было за неделю 31.08 - 06.09👇 ➡️ 82% разработчиков уже регулярно используют ИИ, а цель Яндекса к концу 2026 года - 75/75/75 🧐 прочитать пост ➡️ Одна из главных проблем вокруг ИИ - мы уже успели придумать про него огромное количество мифов 🧐 прочитать пост ➡️ В Codex наконец попробовал режим, которого мне давно не хватало - субагенты 🧐 прочитать пост ➡️ MCP ready для AI-агента. Я посмотрел, какие сервисы уже сегодня дают готовый удалённый MCP по HTTP 🧐 прочитать пост ➡️ Нормальная рожковая кофемашина за 10–15 тысяч... или всё хорошее начинается с 25 тыс.? 🧐 прочитать пост ➡️ Команды в ChatGPT для тех, кто работает с подачей, и визуальным стилем 🧐 прочитать пост ➡️ Команды в ChatGPT (часть 2): разбор продукта и инфографика 🧐 прочитать пост Продуктивного начала следующей недели 😎 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Команды в ChatGPT (часть 2): разбор продукта и инфографика 👁 Вчера собрали реакции, поэтому выпускаю следом вторую часть. Кто пропустил - читаем команды в ChatGPT для тех, кто работает с подачей, и визуальным стилем Эти команды полезны, когда нужно быстро превратить обычное фото товара в понятный разбор: показать устройство, размеры, материалы, функции, сравнение или принцип работы. 🔷Особенно пригодится продавцам, маркетологам, дизайнерам, авторам обзоров и всем, кто делает карточки товаров, презентации или объясняет сложный продукт без длинного текста: /anatomy — сделает товар с рукописными подписями: что где написано и из чего состоит. /exploded — сделает товар в виде взрыв-схемы, детали разлетелись в стороны. /crosssection — сделает товар в разрезе, видно что внутри. /ingredients — сделает состав товара разложенным рядом с упаковкой. /blueprint — сделает товар как инженерный чертёж на синей сетке. /schematic — сделает товар как техническую схему с линиями и стрелками. /infographic — сделает товар с цифрами и фактами вокруг него. /sizechart — сделает товар с указанными размерами и пропорциями. /comparison — сделает товар рядом со старой версией, чтобы были видны отличия. /beforeafter — сделает товар в состоянии до и после использования. /howitworks — сделает товар со стрелками, объясняющими принцип работы. /stepbystep — сделает товар в процессе сборки по шагам. /materials — сделает товар с подписанными материалами каждой части. /specs — сделает товар с техническими характеристиками рядом. /timeline — сделает товар и этапы его создания по хронологии. /flowchart — сделает процесс использования товара как блок-схему. /xray — сделает товар в рентгеновском виде, где видна внутренняя структура. /teardown — сделает товар разобранным на все составные части по порядку. /components — сделает товар с выносками на каждую деталь. /features — сделает товар с подписанными ключевыми функциями. /instructions — сделает товар с инструкцией по применению рядом. /assembly — сделает товар в процессе сборки из отдельных частей. /measurements — сделает товар с линейкой и точными замерами. /prosandcons — сделает товар с плюсами и минусами по бокам. /patentdrawing — сделает товар как чертёж из патентной заявки. /manual — сделает товар как страницу из инструкции пользователя. /techsheet — сделает товар как техническую карточку с иконками. /originmap — сделает товар с картой, откуда взялись материалы. /nutrition — сделает товар с этикеткой пищевой ценности рядом. /composition — сделает товар с процентным составом по слоям. /diagram — сделает товар как простую поясняющую диаграмму. /handwritten — сделает товар с рукописными заметками от руки поверх фото. /labeled — сделает товар с подписанными стрелками на все элементы. 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Команды в ChatGPT для тех, кто работает с подачей, и визуальным стилем ☑️ Собрал набор коротких команд для генерации продуктовых изображений. Вместо длинного промпта можно сразу задать нужную подачу. Список ниже: /billboard — сделает товар на 3D-рекламном билборде в городе. /creativeads — сделает готовый рекламный креатив с товаром. /premiumshowcase — сделает товар в премиальной студийной подаче. /levitation — сделает товар парящим в воздухе с эффектным освещением. /splash — сделает товар в момент всплеска воды или жидкости. /goldenhour — сделает товар в тёплом свете заката. /neon — сделает товар на неоновом фоне в стиле киберпанк. /minimalist — сделает товар на чистом однотонном фоне без лишних деталей. /luxury — сделает товар в интерьере премиум-бутика. /streetstyle — сделает товар на фоне уличной сцены мегаполиса. /cinematic — сделает товар как кадр из кино с драматичным светом. /outdoor — сделает товар на природе, в естественной обстановке. /flatlay — сделает товар сверху, разложенный как в журнале. /unboxing — сделает момент распаковки товара из коробки. /lifestyle — сделает товар в руках человека и в повседневной сцене. /seasonal — сделает товар в новогодней или сезонной декорации. /miniature — сделает товар как игрушечную миниатюру на макете. /claymation — сделает товар в пластилиновом мультяшном стиле. /popart — сделает товар в стиле поп-арт с яркими пятнами. /watercolor — сделает товар как акварельный рисунок. /pixelart — сделает товар в стиле пиксель-арт из старой игры. /lowpoly — сделает товар в 3D low-poly стиле. /holographic — сделает товар с голографическим переливающимся эффектом. /chrome — сделает товар из полированного хрома. /glass — сделает товар как будто отлитым из стекла. /marble — сделает товар из мрамора на постаменте. /icecarved — сделает товар изо льда. /underwater — сделает товар под водой с пузырьками и эффектами. /space — сделает товар в невесомости на фоне космоса. /desert — сделает товар посреди пустыни на закате. /jungle — сделает товар среди тропической зелени. /retro80s — сделает товар в эстетике 80-х с градиентами и засветкой. /steampunk — сделает товар в стиле стимпанк из шестерёнок и меди. /papercraft — сделает товар как поделку из цветной бумаги. Лучше всего прогнать один и тот же товар через несколько таких режимов и быстро понять, какая подача ему вообще подходит. Если соберем 15 ❤️ - выкладываю 2 часть с разбором продукта и инфографикой 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Нормальная рожковая кофемашина за 10–15 тысяч... или всё хорошее начинается с 25 тыс.? 🫣 Один из подписчиков доверил задачу GPT и выставил для него сценарий: дома нужен хороший эспрессо и капучино. Взял три уровня бюджета: до 10 тыс., около 15 тыс. и до 25 тыс. ₽ и попросил сравнивать по принципу: 🟦качество эспрессо и стабильность температуры; 🟦рожок и корзины; 🟦насколько нормально взбивается молоко; 🟦скорость нагрева; 🟦удобство чистки; 🟦повторяющиеся жалобы в отзывах; 🟦расходники и обслуживание; 🟦за что именно доплачиваем между моделями. И отдельно сравнил цены на Яндекс Маркете, Ozon и Wildberries. Потому что одна и та же кофемашина спокойно может стоить заметно по-разному в один и тот же день. 🔗 Промпт, который можно забрать себе: Подбери 3 рожковые кофемашины в бюджете до 25 000 ₽ для домашнего эспрессо и капучино. Сделай три уровня: бюджетная, оптимальная по цене/качеству и верхняя граница бюджета. Для каждой модели проверь: — реальное качество эспрессо; — стабильность нагрева; — рожок и корзины; — капучинатор; — скорость нагрева; — удобство ухода; — частые проблемы по отзывам; — доступность расходников и запчастей. Не ориентируйся на количество бар как на главный показатель. Отдельно сравни актуальные цены на Яндекс Маркете, Ozon и Wildberries и укажи, где каждая модель сейчас дешевле. В конце ответь: — Что лучше взять до 10 000 ₽. — За что есть смысл доплатить до 15 000 ₽. — Что реально получаем, если идём к 25 000 ₽. — Где переплата уже не даёт заметной пользы. — Если цена или характеристика не подтверждается - не придумывай. Мне здесь интереснее всего где заканчивается разумная доплата. Потому что между машиной за 12 и за 25 тысяч разница в цене очевидна. А вот будет ли капучино в два раза лучше - уже совсем другой вопрос. В итоге он купил на Ozon за 10 080 ₽ — примерно на 11-15% дешевле обычной цены от 11 200 до 12 000 ₽. Как оцениваем покупку? ❤️ - чат хорошо отработал 💯 - можно было бы и круче 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

MCP ready для AI-агента ✅ Я посмотрел, какие сервисы уже сегодня дают готовый удалённый MCP по HTTP - без локального npx, Docker и самостоятельного поднятия сервера. Например, готовые remote MCP уже есть у: 🟦Google Calendar, Gmail, Drive, Docs, Sheets, Slides и Contacts. Причём Google фактически уже позволяет собрать через MCP значительную часть персонального контекста: почта + календарь + документы + файлы + таблицы + контакты. Пока это Developer Preview. И там есть заморочки по тому, что надо открыть проект, привязать карту, а потом «случайно» может списаться денег как уже было 🤣 🟦Для работы - Notion, Linear, Todoist, Asana, monday.com, Jira/Confluence. 🟦Для разработки и дизайна - GitHub, GitLab, Figma, Canva, Supabase, Vercel, Sentry, Postman. Даже Stripe и PayPal уже имеют remote MCP. 🔷Есть и российские примеры: DaData уже предоставляет официальный hosted MCP. У Ozon и Wildberries есть community-реализации, но официальных hosted endpoints пока нет. У ВкусВилла и Wordstat в исследовании готового официального remote MCP тоже не нашлось. Но самое интересное - MCP-агрегаторы. Composio заявляет 1000+ приложений, Pipedream - 3000+ API и 10 000+ tools, Zapier - 9000+ приложений и 40 000+ actions. То есть вместо подключения десятков MCP можно потенциально дать агенту один endpoint и через него открыть доступ к длинному хвосту сервисов. Получается довольно понятная архитектура персонального AI Hub: 🔵Native MCP → почта, календарь, документы, задачи, базы знаний 🔵MCP-агрегатор → длинный хвост приложений 🔵Self-hosted MCP → Garmin, WHOOP, Ozon, Wildberries и другие сервисы, где зрелого hosted-варианта пока нет Раньше персональный AI-агент означал: придумать архитектуру, написать десяток интеграций, развернуть их и потом ещё поддерживать авторизацию. Теперь постепенно появляется другой сценарий: подключил несколько MCP → дал права → получил агента, который реально работает с твоей цифровой жизнью. Похоже, MCP становится тем самым универсальным "USB-C для AI". И через какое-то время вопрос к сервису будет уже не только "у вас есть API?", но и "а MCP у вас есть?" 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

В Codex наконец попробовал режим, которого мне давно не хватало - субагенты 🥳 Сейчас тестирую на реальной задаче: вместо одного агента Codex сам разложил работу между несколькими ролями. На скрине одновременно работают: 🟦Researcher - разбирается с продуктами и целевыми строками; 🟦Analyst - анализирует данные; 🟦Critic - отдельно перепроверяет расчёты и динамику; 🟦Writer - собирает результат. Мы постепенно уходим от схемы «один промпт → один агент → один ответ» к маленькой виртуальной команде, где части задачи выполняются параллельно, а потом результаты собираются обратно ✔️ Причём в актуальной документации OpenAI прямо описан сценарий, где Codex запускает специализированных агентов параллельно и затем агрегирует их результаты - это я и попробовал. И для меня здесь самое интересное даже не скорость, а то, что можно развести выполнение и проверку. Один агент считает, второй ищет исходные данные, третий специально пытается найти ошибку в расчётах или спорное место в выводах. 🔷Для аналитических задач такой паттерн намного сильнее, чем один универсальный агент, который сам придумал, сам посчитал и сам себя похвалил за результат. Есть, правда, и цена вопроса... каждый субагент отдельно использует модель и инструменты, поэтому такая схема съедает больше токенов (OpenAI это отдельно отмечает в документации). ⁉️ Когда выйдет из beta? Точной публичной даты я не нашёл. И похоже, что её может вообще не быть в формате "вот день большого релиза". В текущих версиях Codex subagent workflows включены по умолчанию, а их работа видна в desktop app, CLI и IDE extension. Поэтому сейчас это больше похоже на постепенный rollout и перевод отдельных интерфейсов из beta в стабильный статус. P.S. Кажется, следующий важный навык работы с ИИ - уже не только идеальный промпт, а умение собрать из агентов команду: кому отдать расчёт, кому поиск, кто будет искать ошибки и кто соберёт всё в финальный результат 👀 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Одна из главных проблем вокруг ИИ - мы уже успели придумать про него огромное количество мифов 😂 Недавно листал книгу «ChatGPT на каждый день» наткнулся на целую главу про предубеждения относительно AI. Многие из них до сих пор регулярно слышу: 🧐 «AI пишет примитивный контент» 🧐 «Если передать задачу AI, люди отупеют» 🧐 «Одинаковые промты дают одинаковый результат» 🧐 «AI-детекторы легко определяют текст нейросети» 🧐 «Выйдет новая версия ChatGPT - и всё, чему мы научились, станет бесполезным» 🧐 «ChatGPT - единственная нормальная нейросеть» Но мне особенно нравится мысль, которая объединяет почти все эти заблуждения: качество результата AI очень сильно зависит от человека на входе. 😢 Можно написать: «Сделай мне пост» и получить посредственный текст. А можно дать контекст, аудиторию, цель, ограничения, примеры хорошего результата, попросить несколько вариантов, покритиковать их и доработать лучший. Поэтому навык будущего - не просто «уметь писать промпты». Важнее уметь правильно поставить задачу, дать контекст, оценить результат и сделать несколько итераций - всё, как с настоящим сотрудником! А чтобы лучше писать промпты - нужно больше читать - когда об этом говорить, если не День знаний)) Разбирали это тут в прошлом году с писателем Олегом Роем (видео) И это, пожалуй, хорошая новость: новые модели будут появляться постоянно, а этот навык устареет гораздо медленнее. P.S. отвечаем на вопрос, что за нейросеть каждый из вас использует? 🔥 - ChatGPT ❤️ - Claude 👍 - Gemini 💯 - Алиса AI / GigaChat 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

+1

82% разработчиков уже регулярно используют ИИ. 59% нового кода создаётся с его помощью. А цель Яндекса к концу 2026 года - 75/75/75 📈 75% разработчиков регулярно используют ИИ, ИИ участвует минимум в 75% изменений кода, и в этих изменениях минимум 75% кода создаётся с ИИ. Эти цифры приводит Даша Золотухина, HRD Яндекса, в своём гайде про AI adoption. Но мне там особенно понравились три идеи: ✔️ «Эврики с полей» как настоящая метрика adoption. Когда человек приходит и говорит: «Смотрите, что я сделал с ИИ!» — и показывает штуку, которая раньше была невозможна или требовала отдельного ресурса разработки. За последний год таких эврик вокруг меня было прям много)) И кажется, это один из лучших признаков внедрения: люди не ждут готовых AI-кейсов сверху, а сами начинают придумывать, что теперь можно делать по-другому. ✔️ AI Champions. Чтобы внедрение распространялось по компании, недостаточно центральной AI-команды. Нужны люди внутри разных функций, которые сами активно используют ИИ, экспериментируют, показывают коллегам рабочие кейсы и заражают этим остальных. По сути, AI Champions - распределённая сеть внутренних проводников изменений. И часто пример коллеги «я вот так экономлю два часа в неделю» работает лучше очередного корпоративного обучения. ✔️ Единый контекст внутри компании. Можно раздать всем ChatGPT, Copilot и агентов. Но AI-native компанией это нас ещё не делает. Знания компании разбросаны между встречами, чатами, документами, таск-трекерами, базами знаний и головами отдельных людей. ➡️ Следующий шаг - дать ИИ доступ к единому корпоративному контексту: чтобы агент мог найти решение со встречи, историю проекта, документ или договорённость - естественно, с учётом прав доступа. На мой взгляд, это уже не nice-to-have, а необходимая инфраструктура для AI-native компании. И тогда складывается интересная конструкция: AI Champions распространяют практику → «эврики с полей» показывают, что adoption действительно происходит → единый контекст позволяет всё это масштабировать. 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

Что было за неделю — собрал всё в одном месте, чтобы ничего не искать👇 ➡️ Банковская выписка + GPT = налоговый вычет. Как найти в своих расходах то, за что можно вернуть НДФЛ, и сразу дойти до нужной справки 🧐 прочитать пост ➡️ Увидели вещь - нашли, где купить. Фото превращается в поисковый запрос: модель, характеристики, цены, отзывы и аналоги 🧐 прочитать пост ➡️ Разбор стремянки НИКА СМ5 😂 GPT разбирает отзывы, Алиса AI ищет дешевле. На одном товаре нашли разницу в цене почти на 30% 🧐 прочитать пост ➡️ Сравниваем товары на Авито по скриншотам. Несколько объявлений → один разбор: цены, характеристики, слабые места и вопросы продавцу 🧐 прочитать пост ➡️ Стажёр DS на 6 месяцев в Альфа-Банк. CRM, персонализация и реальная позиция для тех, кто хочет зайти в Data Science 🧐 прочитать объявление ➡️ Какое железо выбрать для локальных моделей. Продолжение темы со скриншотами: отдельный разбор железа под контекст 262K–1M токенов 🧐 прочитать пост ➡️ Как заставить ИИ писать лучше. 4C, 4P, ACCA, PMHS - простые формулы, которые можно сразу отдавать ChatGPT вместо "напиши хороший текст" 🧐 прочитать пост ➡️ ИИ + принтер = бесконечная раскраска. Придумываете сюжет вместе с ребёнком, ИИ рисует, принтер печатает - и экран снова можно убрать 🧐 прочитать пост Хорошо провести воскресенье 😎 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #дайджест

ИИ + принтер = бесконечная раскраска 🎨 Еще один простой сценарий использования ИИ дома с ребенком — создавать собственные раскраски. Самое интересное здесь не экономия на альбомах с раскрасками. Ребенок сам придумывает сюжет, а вы превращаете в раскраску любую фантазию ребенка: "Динозавры в Москве", "Кот-космонавт на Луне" или «Шесть веселых щенков на Красной площади, а сзади — храм Василия Блаженного». У детей с идеями, как правило, дефицита не бывает 🙂 📎 Сохраняем промпт: Сделай чёрно-белую раскраску для ребёнка. Стиль: — только чёткий контур; — без цвета, теней и заливок; — крупные понятные детали; — чистый белый фон; — удобно для печати на обычном принтере; — формат раскраски, чтобы ребёнку было легко раскрашивать. Сюжет: [вставьте идею ребёнка]. Если в сюжете есть сложные детали, упрости их так, чтобы картинка осталась красивой, но подходила именно для раскрашивания ребёнком. Если нужно, добавь милые и понятные детали вокруг, но не перегружай рисунок. ➡️Получается маленькая игра: ребенок придумывает → вместе формулируете запрос → ИИ рисует → ребенок раскрашивает. Хороший пример того, как ИИ может не увеличивать экранное время ребенка, а наоборот — превращаться в инструмент для вполне офлайн-занятия. 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #на_каждый_день

ИИ умеет писать тексты. Но результат очень зависит от того, как поставить задачу... 😉 Вместо обычного «напиши продающий пост» можно сразу задать структуру. Для этого есть копирайтерские формулы - и ChatGPT отлично умеет с ними работать: 🟦4C — Clear → Concise → Compelling → Credible Понятно → кратко → убедительно → с доверием. Подходит для лендингов, карточек товаров, объявлений и короткой рекламы. 🟦4P — Picture → Promise → Prove → Push Картина → обещание → доказательство → действие. Хорошо работает для лендингов, рассылок, презентаций продукта и соцсетей. 🟦ACCA — Awareness → Comprehension → Conviction → Action Внимание → понимание → убеждение → действие. Полезна для B2B, банков, IT, консалтинга и продуктов, которые сначала нужно объяснить. 🟦PMHS — Pain → More Pain → Hope → Solution Боль → усиление боли → надежда → решение. Подходит для рекламы, услуг и продуктов, которые решают понятную проблему. 📎 Всё это необязательно запоминать. Можно просто написать ChatGPT: Мне нужно продать/объяснить/презентовать [что]. Аудитория — [кто]. Предложи 3 подходящие копирайтерские формулы, объясни, почему они подходят, и напиши по каждой вариант текста 🔥 - спасибо, забрали! Или взять один продукт и попросить сделать четыре версии: 4C, 4P, ACCA и PMHS. Сразу видно, насколько по-разному можно подать одну и ту же вещь. ➡️ Это вообще один из полезных принципов работы с ИИ: не знаете, какой промпт написать - не придумывайте его сами. Попросите ИИ сначала помочь выбрать подход и сформулировать промпт, а уже потом решить задачу. Всем хорошей субботы ☀️ 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai

+4

В продолжение прошлого поста про сравнение товаров по скриншотам 🖼 Я это всё собирал, потому что хочу запускать модели second brain локально. И уже есть результаты - расскажу о них в следующих постах, но только если будет много 🔥 А пока подробнее про железо для локальных моделей. Кажется, идеально на сегодня иметь dgx spark, но это всё ещё не очень дешево - около 500 тысяч рублей 🥲 Собрал отдельный документ: "Какое железо выбрать для контекста 262K–1M токенов". В нем цены, память, ограничения и вывод под конкретную задачу. И там как раз хорошо видно, почему сравнивать железо только по объёму памяти бессмысленно Например: 🟦DGX Spark - 128 GB, зато пропускная способность памяти 273 GB/s. Много влезает, CUDA под рукой, но по скорости это далеко не чемпион. В исходных объявлениях — 417–490 тыс. ₽ 🟦Mac Studio M5 Max - до 128 GB и 614 GB/s. Та же ёмкость памяти, но выше пропускная способность памяти, если CUDA не нужна. Ориентир 450–600 тыс. ₽ в зависимости от SSD и конфигурации. 🟦RTX PRO 6000 Blackwell - 96 GB, зато 1 792 GB/s. Памяти меньше, но bandwidth примерно в 6,6 раза выше, чем у Spark. Намного выше пропускная способность памяти. Примерно 1,3–2,5 млн ₽; встречаются и сильно более дорогие варианты. 🟦H100 NVL - 94 GB и 3 938 GB/s, а H200 — 141 GB и 4 800 GB/s. Тут технически всё прекрасно, пока не посмотрел на цену и инфраструктуру. Но не стол не поставишь 😂 хотя и такие картинки встречаются))) примерно 3–4 млн ₽, но розничный разброс дикий. H200 NVL уже за 8,6–11,1 млн ₽. Для моей задачи с Qwen3.8-27B и длинным контекстом в итоге победил DGX Spark 128 GB, потому что мне важнее было спокойно держать 262K–1M токенов локально и не бороться за каждый гигабайт памяти. Но я бы хотел арендовать ее, а не покупать - есть ли такое? 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai Листайте скрины ниже 👇

Позиция: стажер DS на 6 месяцев Куда: Альфа-Банк, CRM, управление персонализации Формат работы: Полная удаленка, при желании можно работать из офиса — Москва, м. Технопарк. Вилка (gross): 90K Начало стажировки: ~сентябрь 2026 г. Команда рекомендательных систем внутри CRM Альфа-Банка. Разрабатывает модели рекомендаций и модели склонности к приобретению банковских продуктов, которые используются для персонализации предложений в мобильном приложении. В команде работают Data Scientist'ы и аналитики с сильным математическим и техническим бэкграундом — преимущественно выпускники МФТИ, МГУ, ВШЭ и СПбГУ. Стажёр будет работать вместе с опытным DS-ментором и постепенно погружаться во весь цикл разработки ML-моделей. Что предстоит делать на стажировке? Под руководством ментора пройти полный цикл разработки промышленной ML-модели: • общаться с бизнес-заказчиками и разбираться в задаче, которую должна решать модель; • собирать и исследовать данные, строить признаки и датасеты для обучения; • выбирать метрики и бейзлайны, обучать и валидировать модели; • анализировать результаты и искать способы улучшения качества модели; • участвовать в выводе модели в production; • следить за работой модели после запуска и анализировать её качество и эффект на реальных данных. Что ожидается от кандидата: • Сильная техническая база: образование в области математики, физики, computer science или смежных направлений. Приветствуются студенты старших курсов (3-6) и выпускники МФТИ, МГУ, ВШЭ, СПбГУ и других сильных технических вузов. • Хорошая математическая подготовка: теория вероятностей и математическая статистика. • Наличие практического опыта (учебные задачи, pet-проекты, хакатоны) в классическом ML и понимание основ DL • Опыт работы с рекомендательными системами будет большим плюсом. • Уверенное владение Python и основным DS-стеком: pandas, scikit-learn, CatBoost; базовый опыт работы с PyTorch. • Знание SQL и Git. • Опыт работы со Spark / PySpark будет плюсом. Ответы на 10 важных вопросов : 1. Данные: Hadoop (все данные Альфа-Банка), данные по взаимодействию всех клиентов Альфа-Банка с мобильным приложением 2. Железо: доступны Jupyter-инстансы до 20 CPU и 256 GB RAM. Для более тяжелых вычислений — Kubernetes-кластер с GPU H100, суммарно более 1000 CPU-ядер и 30+ TB RAM. 3. Масштаб влияния на core-бизнес? ML-модели — важная часть большинства ключевых процессов банка. В рамках CRM, почти во все локации мобильного приложения банка внедрена модельная логика 4. Уровень развития Data Science в компании? Все линии бизнеса покрыты ML моделями, где необходимо - успешно внедрен DL. 5. Роль дата сайентиста: DS участвует в полном цикле разработки модели: от общения с бизнес-заказчиком и формализации задачи до подготовки данных, обучения модели, внедрения в production и последующего анализа её работы вместе с аналитиками. 6. Бэкграунд у вашего будущего руководителя стажера? Два красных диплома МФТИ, 5 лет опыта работы DS. Это не я 😅 7. Как часто вам будут мешать работать? Синхронизация с командой (<2 часов в неделю). 8. Карьерный рост: при успешном прохождении стажировки стараемся предложить стажеру полноценную позицию в нашей или смежной DS-команде. 9. Prod/Research: Prod 100%. При этом возможна исследовательская работа, если она направлена на улучшение качества действующих production-моделей или поиск новых подходов. 10. Функция сервиса или лидера? На стажировке 80%/20% Как откликнуться на вакансию: Отправь свой CV в tg: @Fedor_Lomakin Также буду рад ответить на интересующие вопросы в лс

Не тратьте время! Просто сравните товары на Авито по скриншотам 📱 Я всё чаще использую GPT не только для поиска товара, а уже на этапе выбора между несколькими вариантами. ➡️ Например, выбирал железо для локального запуска нейросетей. Сделал скриншоты нескольких объявлений с Mac Studio и NVIDIA DGX Spark, загрузил их в нейросеть и написал, что хочу запускать Qwen3.8-27B с бОльшим контекстом. Дальше GPT сама вытащила со скриншотов цены и характеристики, сравнила память, ограничения и производительность, а потом объяснила, где переплата имеет смысл, а где нет. 🔗 Промпт можно сохранить: Сравни эти объявления по скриншотам. Вытащи цены и характеристики, покажи сильные и слабые стороны каждого варианта. Укажи, где данных не хватает, что нужно спросить у продавца и есть ли подозрительно низкая цена. В конце выбери лучший вариант под мою задачу и объясни почему. Можно попросить не просто выбрать лучший вариант, а отдельно найти, где продавец недоговаривает и где покупка выглядит слишком хорошей, чтобы быть правдой. P.S. знаю, что многие знают про такую опцию, но почему-то в повседневности мы часто об этом забывает, из-за чего тратим слишком много времени (которого и так не хватает) 🙏 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #на_каждый_день

Провели масштабный разбор стремянки НИКА СМ5 😂 Или как сэкономить 30% Анализ отзывов был с помощью GPT и поиск более дешевой альтернативы с помощью Алиса AI... Очередная бытовая задача - надо купить стремянку НИКА СМ5. Проверил, как ИИ может помочь в покупке. Сначала GPT разобрал отзывы на Ozon и других площадках. Я попросил не пересказывать всё подряд, а найти повторяющиеся плюсы, минусы и проблемы, которые встречаются у разных покупателей. 📎 Традиционно, сохраняем промпт: Проанализируй отзывы на этот товар. Выдели повторяющиеся плюсы и минусы, частые проблемы и то, на что стоит обратить внимание перед покупкой. Отдельно скажи, какие недостатки встречаются регулярно, а какие выглядят как единичные случаи 📊 После этого Алиса AI искала эту же модель по другим магазинам. В итоге нашлись предложения почти на 1 000 ₽ дешевле. Причём Яндекс уже постепенно встраивает такой сценарий прямо в свои продукты. Моя односколковчанка (или как написать, что мы вместе учились на MBA в Сколково, но в разных группах🤣) Катя Борисоглебская интересно написала про то, как они в Яндексе меняют сам путь от выбора товара до покупки через YCP - можно почитать канал тут. Кидайте в комментарии товар, который реально собираетесь покупать. Можем вместе прогнать через ИИ или сразу присылайте результаты: отзывы, слабые места, цены и альтернативы. 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #на_каждый_день

Увидели вещь - нашли, где купить ✔️ Сегодня проверил GPT на очередной бытовой задаче. Увидел у человека рюкзак, сфотографировал и загрузил фото с вопросом: «Что это за модель и где её купить?». ➡️ По одной фотографии GPT определила бренд и предположила модель - SwissGear 8810. Но интереснее оказалось то, что можно сделать дальше. Я попросил сразу собрать всё, что обычно ищешь вручную: характеристики, размеры, цены, варианты покупки и отзывы владельцев. Потом отдельно - вытащить повторяющиеся минусы и сравнить с похожими моделями. Увидели кроссовки, кресло, кофемашину, часы, велосипед, инструмент или непонятный гаджет - сфотографировали и продолжили поиск уже от картинки. 🔗 Промпт можно сохранить: Определи товар по фото. Если не уверен в точной модели - так и напиши. Дальше: - найди характеристики; - покажи актуальные цены; - предложи 2–3 аналога; - собери основные плюсы и минусы по отзывам; - скажи, на что обратить внимание перед покупкой; - если товар б/у, оцени, адекватна ли цена Проверяем на практике и ставим ❤️ если пригодилось!) 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #на_каждый_день

Банковская выписка + GPT = налоговый вычет ✔️ Продолжаю разбирать свои расходы с помощью GPT, чтобы понять, за что можно вернуть часть НДФЛ. Нейросеть прошлась по операциям и отдельно выделила медицину, обучение и спорт. ➡️ В выписке нашлась, например, оплата АО "Центравиамед" — 19 750 ₽. Причём в банке организация записана как AO TSENTRAVIAMED, и глазами среди десятков страниц её легко пропустить. Дальше я уже не искал "как оформить вычет на лечение" в общем виде, а ввёл конкретный промт (можно сохранить): Проанализируй банковскую выписку и найди расходы, которые потенциально подходят под налоговый вычет: медицина, обучение, спорт и другие доступные категории. Для каждой операции укажи организацию, сумму и категорию. Ничего не придумывай. Затем для каждой найденной организации найди официальный сайт и объясни, как получить документы для вычета GPT нашла официальный сайт клиники и конкретную форму заявления на выдачу справки для получения налогового вычета. Выяснилось, что справку можно получить на электронную почту или вообще согласиться на передачу сведений напрямую в налоговую. ИИ может фактически провести тебя по маленькому бытовому процессу от огромной неструктурированной пачки данных до конкретного следующего действия: вот организация, вот сколько вы ей заплатили, вот ссылка, куда нажать, чтобы начать возвращать деньги. 🗂 Весь путь получился таким: банковская выписка → направление вычета → конкретная клиника → конкретная сумма → официальный сайт → форма для получения справки. Дальше можно пройтись по всем найденным клиникам, образовательным организациям и другим расходам. 🤔 Я вообще думаю СДЕЛАТЬ СЕРВИС, который за 1000 рублей помогал бы находить и подавать документы в налоговую почти полностью автоматически - пользовались бы? 🔥 - Андрей, даёшь новый сервис! Телеграм канал Андрей Анисимов @ideasforai #на_каждый_день #личная_эффективность

Если бы GPU были автомобилями 😂 Пост выходного дня. Сравнил видеокарты и AI-машины через автомобильные аналогии: от RTX 2080 до H200, B200 и DGX Spark. Иногда так гораздо проще понять, где «спорткар», где «внедорожник», а где уже настоящий гиперкар для ИИ. Со многими этими «тачками» имел дело - поэтому сравнение не совсем теоретическое. Если подбираете себе GPU для локальной LLM - пишите в ЛС 😉 Какая видюшка у вас ассоциируется с конкретной машиной? Можно кидать свои варианты в комментарии. 🔥 - если согласны с рейтингом 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai #GPU