NGI | 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.

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

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

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

#Заметки: про доброту, кооперацию и создание достойного будущего маленькими делами. - Сейчас никто не носит с собой наличные и потому помогать людям на улице становится сложнее. Иногда я вижу нуждающихся людей у магазина и (так как налички нет) предлагаю что давайте я куплю вам продукты. И грустно от историй. Например вчера встретила женщину инвалида в коляске, просит денег у магазина. Говорю что купить, она отвечает: ну давайте там булочку и консервы. Я спрашиваю «может мясо куплю там, рис». Она так растерялась и говорит «ой я даже холодильник отключила, там нечего хранить.» Я пошла и купила целую корзину с овощами, мясом, чаем и тд. В следующий раз возьму эту женщину с собой, вместе выберем. Очень приятно возвращать человеку субъектность даже в мелочах: просто выбрать продукты а не взять на что хватит или просто получить что то. - Люди не говорят о добрых делах, потому что боятся что это хвастовство. Но на самом деле про это надо говорить, так как это мотивирует других и помогает поверить что этот мир не такое ужасное место, как иногда кажется. - Про создание образа будущего и как эти добрые дела (=действия) важны. Сейчас многие говорят про мир где корпорации и жажда денег и власти победили. Но кто сказал что профит не равно вкладу в хорошее и важное и мы можем как минимум голосовать рублем и строить этичные бизнесы. На самом деле цель бизнеса - решать какую то проблему, а не просто деньги ради денег и любой сервис можно сделать этичным. Если ваши ценности и ценности (=реальные действия) компании где работаете расходятся, рано или поздно вы разойдетесь или выгорите в хлам и уничтожите себя. - Мы своими маленькими ежедневными действиями голосуем за то, в каком будущем хотим жить. Сортировать мусор, бойкотировать неэтичные сервисы (например я после того как OpenAI согласился использовать свои ресурсы для оборонки - я решила что не буду ими пользоваться), Выбирать и поддерживать этичные бизнесы, не стесняться что-то купить на авито, а не на wb так как там комиссии бизнеса 80-90%. Маленькие решения поддержки этичных решений = маленький шаг в верном направлении - Если нет возможности сделать доброе дело - надо хотябы не делать зла. Ну хотя бы не участвовать активно в уничтожении будущего для себя и новых поколений. - Кооперация и навыки распознования (тут приравниваю к осознанности) основа выживания. Именно эта связка формирует мощный эволюционный двигатель: распознавание позволяет определить, с кем безопасно сотрудничать, а кооперация создает условия, в которых группа начинает превосходить одиночек. Если кооперация дает мощь, то распознавание обеспечивает безопасность и избирательность этого процесса. Одиночки в природе не выживают. Поэтому концепция «плюй на всех люби себя» не ведет к процветанию. В том числе подтверждено теорией игр. - Исследований по тезисам выше много, но в рамках тг мне сложно из приложить да и нет смысла. Простите. Если с чемто не согласны - напишите. Будет круто обсудить. Сделайте маленькое хорошей действие сегодня для будущего, в котором хотите жить ⭐️ Виолетта Усанова: о поиске смыслов в этом безумном мире

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!

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

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

🚀 NGI дайджест №38 Продолжаю рубрику с материалами, вышедшими на канале. За последние пару недель у нас прошел первый стрим нашей лабы, состоялся релиз нового гугловского агента, а также накопилось прилично технических разборов и личных наблюдений. Вот все самое важное: 1. Как заставить ваши Skills работать в Gemini Spark - детальный технический гайд по обходу ограничений сырой беты нового агента от Google. Рассказал, как пофиксить забывание агентом инфы, мусор на Диске и зависания headless-браузера. 2. Запись эфира "Как принимать решения в эпоху AI" - опубликовали запись нашей первой мини-конференции Decision Lab. Почти два часа практических докладов о том, как пересобрать операционную модель мышления в бизнесе. 3. Капитализм VS Здоровье: почему в США всем наплевать на то, что нас убивает - бытовые и социальные наблюдения за время жизни в Штатах. Про сумасшедшую культуру переработок, ядохимикаты Driscoll's в ягодах и легализованную отраву в еде. 4. Обновил подписку Google до Ultra - честный обзор возможностей свежего тарифа. Разобрал работу ленивого агента, мощный режим Deep Think, новые лимиты и опыт рефакторинга LMS с бесконечными лимитами Gemini. 5. Тест Gemini Omni и нейрослоп на Google Flow - попытался собрать полноценный ИИ-трейлер к нашей конфе с цифровыми аватарами спикеров. Поделился выводами о том, почему генерация видео - это все еще долго и больно. 6. Про важность бэкапов и автономность агентов - поучительный кейс о том, как Opus проявил излишнюю самостоятельность и случайно снес мне всю продакшн-базу данных LMS. Рассказываю, как меня спас тройной контур защиты. 7. Интересное с Google I/O - короткий разбор ключевых анонсов: модель Flash 3.5, агентский режим Spark, новые тарифы и прокачанное приложение Gemini с пространствами Omni. 8. Пощупал новую Antigravity и Gemini Flash 3.5 - проверил свежие инструменты в реальной работе. Flash 3.5 выдает отличную скорость на кодинге, а Antigravity, несмотря на спорный UX, вполне годно закрывает менеджерские задачи. 9. Грядущие обновления в линейке продуктов NGI Academy - на основе опыта с лабой и тестов автономных агентов готовим апдейты для наших обучающих программ. Анонсы новой практической лабы будут уже совсем скоро. Прошлый дайджест тут

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