Вайбкодинг продукта продактом be like

Продолжаю кодить создавать некий-довольно-объемный по продуктовым и техническим меркам продукт с Claude, поделюсь наблюдениями:

– Не парь себе и ИИ мозги, не пиши на вайбе продукт с нуля, юзай опенсорс/CMS с уже: а) продуманной; б) раздельной архитектурой.

Мой случай – Wordpress, в котором есть ядро и есть отдельно /plugins и /themes. Ядро постоянно, стабильно и ИИ его не трогает, вся работа по разработке продукта ведётся через плагины (бэк) и темы (фронт). Всё ограничено, порционно, версионно и контролируемо. Сэкономишь ИИ мозги и себе токены и не будешь тратить 80% времени/нервов/токенов на ненужную проверку и переписывание одного и того же места (ядра) ради мелких фиксов по сто раз.

– Смотри в сторону Single Page Application с раздельными .js под каждую фичу/"страницу". Это снова про ограниченность, версионность и контроль работы для тебя и ИИ. Плюс, так снова правильно для архитектуры, когда приложения общаются между собой раздельно, а не один .js управляет всем и сразу (создавая конфликты и глюки сразу во всём).

– 1 фича-апдейт = 1 чат в рамках 1 проекта и не будет никаких галлюцинаций. Апгрейдишь фичу – в первом промпте прикладывай архив с исходником последней stable версии фичи с прода (или коннекть GitHub). Апгрейднул – CHANGELOG - чат закончен.

Иначе уже спустя 2 часа чата машина начинает путаться в данных/коде и любая попытка разрулить лишь закапывает её и тебя в галлюцинации и баги ещё больше.

– Фиксы/баги можно объединять в одном чате, ИИ лучше видит контекст и находит связи между ними, но лучше тоже не копить и делить по stable версиям.

– Объясняй всё для ИИ наглядным языком, уточняй контекст, расшифровывай механики, стейты и позиционирование объектов на странице c их идентификацией.

Помогает: а) единый словарь терминов и понятий для фич/механик в твоём продукте (определимся с терминами и понятиями, классика, 2018 год); б) через Console смотреть на название их css-стилей. Потому что даже одна оговорка или размытое понятие может быть непонятно для ИИ и она начнёт додумывать его за тебя, что приведет её к галлюцинации.

Твой промпт = тех. задание, "нет ТЗ = результат ХЗ", ещё одна классика середины нулевых передаёт привет из прошлого.

– Прикладывай к промптам скрины с выделенными ошибками, поясняя текстом что на скринах. Несколько раз Claude сама нашла на скрине места с дублирующейся багой, которые я проглядел, поняла их и это помогло ей пофиксить 2+ баги разом.

– Не торопи ИИ с кодом и не давай ей с ним торопиться, всегда проси подтверждений понимания твоих задач и уточнения со стороны ИИ и ты снова сэкономишь токены, нервы и время.

– Для сложных фич/механик вначале проси у ИИ описание двух вариантов возможных решений, потом проси третий вариант, потом проси придумать оптимальное и подходящее решение на основе этих трёх. У меня во всех случаях ИИ выбирала третий вариант и с первой итерации писала его без серьёзных ошибок, имея на руках полный контекст что ей делать и что не делать.

– CHANGELOG MD – ключ и мост между релизами. После каждого успешного апдейта (чата) проси ИИ писать: а) интро проекта с точки зрения обновлённого кода/архитектуры; б) выжимку по изменениям и включай их в него, прикладывая в новом чате и прося читать все изменения для понимания контекста.

Потому что ИЗМЕНЕНИЯ = КОНТЕКСТ. Веди его ручками, чтобы не жечь лишний раз каждым апдейтом токены на разрастающийся док (старую инфу можно нужно подчищать).

– Скиллы и прочие "ты в роли" зашей в CHANGELOG один раз, а не в системный промпт/скилс, чтобы не вызывать их скрыто в каждом промпте, прожигая твои токены (ты же не Ланнистер).

– Слышал, что рефакторить код лучше через разные модели, устраивать оркестрации, подключать тулзы и прочее. Я до этого ещё не дошел, Claude отлично справляется со всем своим добром сама прямо через окно чата и обмен файлами контекстом.

В общем, как-то так. Впервые столкнулся с тем, что код и прод убегают вперёд дизайна. Думаю скоро подрубить github, а там и до VS Code + copilot не за горами.

Я знал, что рано или поздно мы перейдем и на эту дрянь.

Новая структура любого отдела в компании

Всего 3 типа живых участников:

0. ИИ-агент

1. Архитектор

Те, кто разрабатывают операционные ИИ-процедуры, которые обучают и задают принципы ИИ-работы процессов в продукте и для команды.

Создают с нуля ИИ-процессы и обеспечивают работу инфраструктуры для ИИ, тестовые песочницы, системы интеграций, триажа (нет, не тиража) и доставки, определяя архитектуру и границы таких систем и задавая критерии качества того, как должен выглядеть нужный результат работы ИИ-агентов. Ключевой навык – критическому мышление и умение видеть слабые места в ИИ процессах.

2. Оператор

Все остальные участники, между которыми архитектор и ИИ распределяет задачи: расследование и верификация ошибок, доработка пользовательского интерфейса (UI), коммуникации с пользователями. Они требуют мастерства и внимательности.

3. General Manager

Тот-Кто-Отвечает-За-Продукт. Вкус, Видение, Свет.

Два пути, Семь врат

⛩️Путь внедрения новых функций

1. Архитектор определяет задачу как структурированное задание с полным набором: 1) контекста (данных/метрик/кода/отзывов/чего угодно); 2) целями; 3) ограничениями.

↓

2. ИИ-агент декомпозирует задачу, планирует реализацию, пишет код и генерирует собственные тесты.

↓

3. Создаётся запрос на слияние (PR). Он проходит три этапа проверки Claude. Оператор проверяет всё на краткосрочные/долгосрочные риски, а не просто корректность ответов ИИ.

↓

4. CI проверяет типизацию, линтинг, модульные тесты, интеграционные тесты, сквозные тесты.

↓

5. Очередь слияния выполняет перебазирование и выполняет слияние, если оно успешно.

↓

6. Включается контроль функциональности для команды. Постепенное развёртывание в процентах. Мониторинг метрик и обратной связи. Шестифазный конвейер развёртывания продвигает проект по всем этапам исследования/дизайна/разработки/производства с тестированием на каждом этапе.

↓

7. Доступен аварийный выключатель в случае ухудшения работы и автоматический откат для серьёзных проблем.

⛩️Путь исправления ошибок =

1. CloudWatch и Sentry обнаруживают ошибки.

↓

2. Система сортировки Claude оценивает серьёзность, создаёт линейную задачу с полным контекстом расследования.

↓

3. Оператор проводит собственное расследование.

↓

4. ИИ уже провёл ИИ-диагностику и предложил исправления. Оператор проверяет и внедряет исправление.

↓

5. Тот же процесс проверки, развёртывания и мониторинга.

↓

6. Система обработки запросов повторно проверяет ошибку.

↓

7. Если проблема решена, заявка автоматически закрывается.

Оба пути используют один и тот же конвейер. Одна система. Один стандарт.


∞ Петля самовосстановления на основе обратной связи ∞

Это – центральный элемент системы.

1. Каждое утро запускается автоматизированный процесс проверки работоспособности. Claude Sonnet опрашивает CloudWatch, анализирует паттерны (ошибок) во всех сервисах и формирует сводный отчёт о состоянии системы, который отправляется команде через мессенджер (и никому не приходится запрашивать его вручную).

↓

2. Час спустя запускается механизм триажа (система ИИ, которая автоматически оценивает и распределяет поступающие задачи по приоритету, важности или срочности).

↓

3. Он кластеризует ошибки, возникшие в production-среде (на основе данных из CloudWatch и Sentry), оценивает каждый кластер по девяти критериям критичности и автоматически создает тикеты на расследование в системе Linear.

Каждый тикет содержит примеры логов, информацию о затронутых пользователях и конечных точках (endpoints), а также рекомендации по путям расследования.

↓

4. Система выполняет дедупликацию. Если уже открытый тикет охватывает тот же самый паттерн ошибок, система обновляет этот тикет. Если же вновь возникает ошибка, по которой тикет ранее был закрыт, система выявляет эту регрессию и автоматически открывает тикет повторно.

↓

5. Когда инженер отправляет исправление (fix), его обработку выполняет тот же самый конвейер. Три итерации проверки с участием Claude оценивают запрос на слияние (PR). Система CI выполняет валидацию.

6. После завершения развертывания механизм триажа повторно проверяет данные в CloudWatch.

7. Если исходные ошибки устранены, соответствующий тикет в Linear закрывается автоматически.

Так семиэтапный конвейер развёртывания последовательно продвигает изменения через среды разработки и production, выполняя тестирование на каждом этапе.

⚠️ Каждый ИИ-инструмент отвечает за выполнение лишь одной конкретной фазы и ни один инструмент не пытается взять на себя абсолютно всё.

Этот ежедневный цикл формирует "петлю самовосстановления", в рамках которой ошибки выявляются, проходят триаж, исправляются и верифицируются с минимальным участием человека.

«ИИ будет создавать запросы на слияние, а человеку останется лишь просматривать их, чтобы убедиться в отсутствии каких-либо рисков».

Входите тесными вратами, потому что широки́ врата и пространен путь, ведущие в погибель, и многие идут ими; потому что тесны́ врата и узок путь, ведущие в жизнь, и немногие находят их.

Среднее значенье — ложь
Сегменты — Истина

Причина 98% проблем в продукте – ты ничего не сегментировал

На какую бы идею/фичу/идею и под каким углом ты не смотрел, как бы обнадёживающе и радужно это всё не выглядело, причина того, что всё проваливается, почти всегда в том, что ты нашёл и смотришь на усредненную размытую идею/показатель/фичу, за которой скрываются два, три или даже четыре совершенно разных сценария/истории/JTBD/сегмента пользователей.

И плоская кривая их последующих метрик (приток, удержание, выручка, что угодно) часто скрывает ситуации, когда один сегмент стремительно уходит (отток), а другой агрессивно наращивает потребление, но именно за счёт этого, эти сегменты (которых ты не видишь) просто... взаимно нейтрализуют и выравнивают друг друга (и усредняют все метрики), вводя тебя в заблуждение и заставляя искать неведомые причины отсутствия роста.

Тоже самое с родмэпом. Если в нём за приоритет бьются сразу 3 сегмента пользователей, то у тебя 3 разных фичи (продукта?), 3 разных онбординга и 3 разных сценария, которые ты, из-за усреднения, спешно объединяешь и с гордостью называешь "единым решением". Нет, этотакнеработает.

Аналогичное вытекает в ценообразование и его продуктовое позиционирование. Пытаясь охватить сегменты с кардинально разными потребностями (и готовностью платить), твоя единая маркетинговая кампания + усредненная цена либо заставляет тебя недополучать и упускать прибыль в верхнем сегменте, либо закрывает продукт перед клиентами из нижнего.

– Даже если твой продукт пытается быть "всем для всех", его необходимо адаптировать под конкретные сегменты (проблем-пользователей-решений).

– Выбери Тот-Единственный-Сегмент, ради которого вы действительно создаёте продукт и отталкивайтесь от него соответствующим образом.

– Если высокоуровневые метрики выглядят криво или разнонаправленно, а интуиция, говорит, что что-то здесь не так, то разбей их по сегментам, которые определились выше.

Всякий раз, когда продуктовая задача кажется неразрешимой, раздели её на сегменты и взгляни на ситуацию заново.

Сегментируй ситуации и проблемы пользователей. Пользователи сегментируются сами. Далее, сами сегментируются идеи и решения. За ними подтянутся сегментированные посылы и цены.

Сегментируй. Всегда сегментируй.
Сегментирование работает всегда.

Все проблемы в продукте растут из пространства неопределённости в принятии решений.

Попав в один из четырёх классических управленческих типов ошибок, проблема разрастается и постепенно оказывается во всем пространстве.

– Неясная цель. «Какую проблему-ситуацию мы решаем?»

– Неясные ограничения. «Есть ли у неё нас ограничения на ____?»

– Неясные компромиссы. «Что важнее, ____ или ____?»

– Неясный владелец. «Кто принимает финальное решение?»

Иными словами: 1) Зачем? (цель) 2) В каких условиях? (ограничения) 3) Что важнее при конфликте? (компромиссы) 4) Кто? (владелец).

После того, как вы определили, с чем была заминка, выполните рекурсию и если идея/фича/продукт/система отвечает на все четыре вопроса, то решение можно принимать. Если нет, то любое решение будет временным, а проблема 100% вернётся, но уже в другом обличье.

«Установки по умолчанию» как незримая архитектура нашего мышления, образа действий и продуктов (с)

«Установки по умолчанию» устраняют трение, экономят энергию и позволяют нам двигаться быстро, не переосмысливая каждый шаг. Без них мы бы застряли из-за когнитивной перегрузки.

С ними же мы редко останавливаемся, чтобы спросить себя:

– А имеют ли они всё еще смысл?

И именно в этом заключается риск.

В 2009 году компания BlackBerry была самой быстрорастущей компанией в мире. Ее видение мира было целостным и последовательным. И когда на рынок вышел iPhone, в BlackBerry не поддались панике....

И этот сценарий повторяется гораздо чаще, чем мы готовы признать. Kodak создала первую цифровую камеру и плёнку. Сеть Blockbuster отказалась от сотрудничества с Netflix, поскольку ритуал пятничных вечеров и поход в видеопрокат казался им незыблемым.

Это были лидеры, действовавшие, опираясь на логику, глубокое понимание потребностей клиентов и дисциплинированное исполнение с «хорошим менеджментом» и моделями поведения, закрепляющими существующие «настройки по умолчанию».

Но когда меняются базовые допущения и парадигмы, эти действия лишь ускоряют упадок. Полезная когда-то «настройка по умолчанию», применяемая уже после истечения срока её актуальности, превращается в обузу.

Сейчас мы переживаем очередной этап перезагрузки

Последние пятнадцать лет доминирующей «настройкой по умолчанию» был SaaS. ПО, поставляемое через облако, продаваемое из расчёта на одно рабочее место и монетизируемое по модели подписки.

Теперь же этот фундамент подвергается испытанию со стороны ИИ. Когда агент может оказывать поддержку клиентам, обрабатывать счета, составлять контракты и управлять рабочими процессами от начала до конца, единица измерения ценности меняется.

Вы больше не платите за доступ к ПО. Вы платите за результаты, а ценообразование за рабочее место начинает выглядеть несоответствующим.

Выбор между разработкой ПО и покупкой ПО тоже меняется, когда это ПО можно создавать за недели, а не за кварталы.

Компании, которые справляются с подобными ситуациями, не ждут подтверждений, а подвергают сомнению собственные предположения на раннем этапе, пока у них еще есть время и возможность действовать:

– Netflix делал это, трижды переходя от DVD к стримингу и оригинальному контенту, каждый раз разрушая свою собственную модель до того, как это мог сделать кто-то другой.

– Microsoft, после того как упустила крупные сдвиги в интернете и мобильных технологиях, перезапустила всю систему, сделав ставку на облако и ИИ.

– В Zappos мы прошли через более мелкие версии этого процесса. На ранних этапах навигация определяла пользовательский опыт; затем на первый план вышел поиск; и, наконец, мобильные устройства вынудили полностью переработать дизайн.

Каждый переход был болезненным. Системы ломались. Команды сопротивлялись. Конверсия первоначально падала, и требовались большие усилия и время, чтобы восстановить ее.

Мы понимали, что в этих решениях есть асимметрия. Изменение настроек по умолчанию может быть чрезвычайно болезненным, но эта боль временна. Ибо каждый раз, после некоторого времени на адаптацию и после каждого перехода старая модель всегда выходила на новый уровень по силе, масштабам и перспективам.

Сохранение настроек по умолчанию комфортно, но сохранение неправильных настроек по умолчанию фатально

В настоящее время, на рынке одновременно подвергаются сомнению сразу несколько настроек по умолчанию:

– написание кода;
– люди как единица работы;
– ПО, цена которого зависит от количества рабочих мест;
– статические модели.

Ни одна из этих настроек по умолчанию не исчезнет в одночасье, но в эпоху ИИ период полураспада сокращается.

И какими бы очевидными не казались "правила по умолчанию", мы всегда должны подвергать их сомнению, потому что в удивительно большом проценте случаев то, что считается истинным, оказывается лишь частично истинным, неточным или просто пережитком мира, которого больше не существует.

То, что вчера было особенностью, сегодня является всего лишь правилом по умолчанию, а завтра может стать ошибкой.

Интересная новость: Авито Тех начали предлагать свою платформу для экспериментов Trisigma в формате VPC.

В рамках VPC-модели платформа разворачивается в изолированной инфраструктуре, что позволяет проводить эксперименты без передачи данных на сторону, а управление архитектурой и доступами полностью остается внутри компании. К тому же, новый формат поможет соблюдать жёсткие регламенты безопасности и легче проходить проверки.

В дальнейшем Авито Тех планирует выпустить полноценную версию для установки на собственные сервера клиента, что позволит закрыть потребности банков и госсектора, где требования к локализации данных максимально строгие.

Trisigma — платформа для автоматизации A/B-тестирования и комплексной аналитики продуктовых гипотез, разработанная командой Авито Тех.

Внутри компании на ней запускают более 7000 тестов, чтобы развивать ключевые сервисы и функции. Система справляется с огромными нагрузками, обрабатывая свыше 18 млрд событий каждые сутки.

Закрой глаза
Чувствуй как ты дышишь
Всё между дыханием
Воздух и пространство
Слов не существует
Мы знаем Всё
Мурашки – точки мыслей
Линии крови течений
Свет изнутри наружу
Вокруг. "Наоборот"
Всегда – не Время
"ты" – Это, Это – Ты
Будь Водой

🧑‍🚀between-the-mountains-and-the-sky

Мы лишь придумываем проблемы,
Чтобы потом успешно их решать.
Весь рынок мир определён Иным.
Пользователь – твой продукт.
Команда – продакт, а не ты.
Твой ум мешает росту.

Чувствуй, наблюдая.
Наблюдая, чувствуй.

Строй мосты.
Так Влияй

3 слоя интерфейса будущего ИИ

Layer 1. Отслеживание намерения пользователя

Сообщения, голос, местоположение, оповещения, календарь, привычки, биометрия и прочий контекст помимо базового ввода данных, благодаря которому Система понимает (и сразу на дальнейшее будущее предугадывает), что вы пытаетесь сделать, прежде чем вы явно начнёте что-либо делать или существенно измените паттерны своего привычного намерения поведения и Система "почувствует" это.

Layer 2. Область намерений активности ИИ

Вся фактическая работа Системы происходит через ИИ-агентов, управляющих ПО, API, файлами, почтой, календарями, процессами, транзакциями, биометрией и прочим контекстом и другими микро-сервисами, а большая часть использования пользователем компьютера превращается в наблюдение за монотонной работой машин.

Layer 3. Временные состояния UI/UX

Нам по-прежнему нужно проверять, сравнивать, редактировать, выбирать, утверждать, отклонять и получать результат сделанного нами ранее выбора ИИ.

Именно здесь сохраняется привычный графический интерфейс для пользователя, но работающий уже в виде неких одноразовых, специфичных для конкретной задачи поверхностей и суб-слоёв, создаваемых в каждый конкретный момент времени пользовательской задачи-ситуации.

Вайб-кодинг мозгами и руками продакт-менеджера, новая порция наблюдений и советов, Часть 2 (часть 1):

– Кто-бы мог подумать, но изначально правильно выбранный стэк технологий – залог стабильного ИИ/кода, времени, нервов и токенов.

Нет, я знал это ещё с древних времен, но не знал, что в 2026 ИИ столкнётся с той же самой проблемой и vanilla.js (хаха) окажется всё той же самой ванилой по сравнению с тем же React. Теперь я понял всю глубину этого мема разрабов. Ну не знал я про ванилу, не смейтесь! ))

Поэтому переписать проект с нуля на React/другом фреймворке вместо рефакторинга ИИндийского ванилакода – отличная идея! Ошибок меньше, а если и есть, то находятся и фиксятся в разы быстрее за счёт рамок фреймворка.

– Особенно помогает просить написать ИИ новое тех. задание с учётом всех ранее найденных механик багов, но не используя какой-то один язык программирования, а оставаясь на уровне юзкейсов и общей архитектуры и связей. Далее, это тз можно применять к разных фрейморкам и языкам не переживая, что ИИ затащит в новое какую-то специфичную реализацию из старого языка.

– Разделяй всё. Не только на уровне модулей, но и на уровне написания кода в разрезе механик UX/UI (хотя, возможно, это об одном и том же).

Условный тулбар с переключением разделов, уведомлениями и настройками это 3 разных направления кодинга, несмотря на то, что они в 1 визуальном блоке.

Ты можешь попросить сверстать, ок, но если просишь ИИ скодить бэк и синкать фронт под это сразу, то она тупит из-за обилия зависимостей и связей и начинает костылять и глючить, поэтому иди по шагам по каждой механике/разделу/фиче, тестируй и фикси всё поэтапно и поштучно, а не проси всё сверстать и скодить за один промпт, иначе потом закопаешь себя и ИИ в фиксах всего и сразу. Да и в один промпт-прогон не влезет.

– Аналогично это и про приоритизацию последовательности кодинга для ИИ.

Образно для понимания: неправильно сначала делать условные уведомления, а потом пилить сущности под них. Это не-ло-гич-но и непоследовательно. Сначала детальная проработка и кодинг верхнеуровневых объектов, сущностей, зависимостей/связей, и только потом окружение и обвесы под и вокруг них.

– Объединяй всё, что нужно/можно. Образно, если у тебя форма комментов и форма создания записи и их use flow един (почему нет?), то тебе нужен единый и один редактор-скрипт-вызов (хз как правильно сказать, яжнеразраб) текста внутри них. 2+ разных функции и вот у ИИ уже 2+ потенциальных места для багов/рассинхрона/конфликтов и провалов памяти.

– Вырезай всё, что неважно. Безжалостно и без мыслей "нууу, ИИ всё равно же, что кодить, пусть пишет". Ей-то всё равно и она напишет, вопрос лишь в качестве ИИ-кода и багов, влияющих на корфичи и количестве тех. долга по ним.

– Даже если ты попросил о чём-то ИИ, то эта дрянь всё равно рано или поздно забывает и начнёт торопиться, выдавая тебе свои мысли и советы о том, как бы она всё это уже сделала и реализовала, забивая и размывая себе память и прожигая токены вариантами и догадками. У меня она, походу, чухнула мою профессию, и уже начала гипотезы выдвигать вместо уточнений. Серьёзно, так и пишет: "Гипотеза №1 в том, что это может быть...".

Тормози её! И допом к переспрашиванию её понимания баги/фикса/задачи, проси её написать по ней.... полноценный use case/story.

Так ты увидишь насколько правильно машина видит и понимает весь use flow процесса/продукта, твою задачу, что ограничит и сузит её гадания и, заодно, ты и сам в голове прокрутишь всё это ещё раз.

– Тоже самое про тебя – не ленись читать аннотации и размышления ИИ о том, что она там пилит для тебя. Всё довольно понятно и у тебя у самого в голове структурируется продукт, его сущности и механики. Не всё же на дизайн-системы медитировать.

– Кстати, с дизайн-системами под вайб-кодинг новый приятный трип в виде организации в Figma компонентов, variables, стэйтов и всего прочего, чтобы скормить это потом Claude Code. Новая форма релаксации мозгов. Каеф.

– И, да – я перешёл на эту дрянь.

🥭 Залипать, родная, не рановато, уже

Вы либо становитесь острее с помощью ИИ, либо тупеете. И большинство людей тупеют.

Люди на планете всё быстрее разделяются на две категории:

1) Первая использует ИИ, чтобы делать ту же самую работу легче, и тратит сэкономленное время на "комфорт".

Но их результат работы остаётся тем же, а их личные способности разрушаются. И их положение ухудшается с каждым месяцем. И с каждым месяцем они всё сильнее убеждают себя чувствовать свою продуктивность, значимость и незаменямость, но, по факту, становясь всё более и более... заменяемыми ИИ.

Вопросы, от которых неудобно:

– Как быстро ты спрашиваешь ИИ перед тем, как сначала всё обдумать самому?

– Сколько времени ты тратишь на то, чтобы подумать над тем, КАКОЙ вопрос всё же задать ИИ?

– Сколько времени ты потратил на то, чтобы правильно и вдумчиво сформулировать КАК задать вопрос для ИИ?

И после этого всего ты так и не нашел ответ на свой вопрос без ИИ?

Тогда ответь на главный вопрос:

– А какая часть "твоей" работы, которую ты по привычке называешь своей, действительно твоя, а сколько из неё рухнет в момент, когда тебя заменит ИИ?

Большинство людей не задаются этими вопросами, потому что ответы неприятны. Но именно эта неприятность всегда является лучшим сигналом, который нужно уметь чувствовать и слышать.

А оглупение с ИИ не уникально, это лишь новый очередной паттерн поведения и когнитивных ошибок мозга человека: полагаешься на родителей/человека/одну работу/ИИ дольше, чем следует, и вот ты уже зависим, ломок и слаб и вырваться из этого круга всё сложнее.

Слышал недавно, что обанкротившиеся компании продают переписки своих бывших сотрудников для обучения корпоративных моделей ИИ.

Круг замкнулся. ИИ – это(т) круг.

2) Вторая категория людей использует ИИ, чтобы пытаться делать то, что казалось для них невозможным раньше, и реинвестируют сэкономленное познание (как вам новый термин эпохи ИИ) в более широкое мышление, глубокое видение и масштабные результаты.

Их личные способности усиливаются, а результаты растут. И их становится всё труднее заменить с каждым годом, потому что они делают то, что предыдущее поколение вообще не могло сделать (правильнее сказать – "ещё не может" (совсем правильно, чтобы не расслабляться – "будущее поколение ещё не сделало")).

Как (не) общаться с ИИ:

– Закрой глаза. Дыши. Почувствуй То-Что-Скрыто за любым твоим вопросом. Спроси себя, а для чего ты Это ищешь.

– Ответ всегда рождается внутри, а не снаружи.

– Переверни поток общения с ИИ и объясняй ей Это как себе. Так ты найдёшь ответ на Это сам.

TLDR: Включай мозги и Видение сначала, и только после запускайте чат. Думай Чувствуй сначала, промпть потом.

Практические советы по вайбкодингу глазами и словами продакта, часть 3 (часть 2 и 1)

1) Мысли UX/UI, переводя слова на код

От того, насколько правильно сформулировано и построено предложение в твоём промпте, будет зависеть то, насколько правильно будет спроектирована архитектура твоего продукта кодом

Перечитай, пока ты не прочувствуешь всю суть.

2) Сначала. Обсуждай. Архитектуру. Фичи, механики и кода (если сможешь)

Проси 3 варианта решения. Спрашивай плюсы и минусы. Проси перепроверку. Требуй апрув понимания. Архитектура кода дешевле, безопаснее и быстрее в 10 раз до своего написания, чем после.

3) Называй ИИ конкретный файл/компонент/стиль, а не "это/фичу/область/действие"

Слова – друзья продакта, но враги ИИ и точной архитектуры, потому что ИИ не понимает нужной сути слов (напомню, что они для неё вообще как вектора-картинки-токены и цифры) и начинает угадывать контекст, часто делая это неправильно.

В промптах удобно работает привязка мелких фич/механик к названию div class вокруг кнопки/области фичи, которые стоят за ней, благодаря чему ИИ видит фронт, понимает с чём он связан на бэке и синкает весь контекст.

ИИ понимает название фич только на большом и концептуальном уровне, например, если эта фича объёмная и связана с чем-то глобальным, например, анонимный режим публикации контента, которому ты дал явное название Ghost Mode и на которое можно ссылаться, разрабатывая другие фичи. Само собой, все глобальные фичи и их архитектурные особенности должны быть описаны в changes . MD, который скармливаешь ИИ в начале каждого чата.

4) Понимай разницу между "как это должно работать", "что для этого нужно сделать", "как это должно выглядеть"

Когда описываешь задачу, сначала давай контекст по:

а) поведению пользователя;
б) ответному поведению системы;
в) визуалам.

Если смешивать или менять порядок, ИИ начинает сама выбирать что ей фантазировать и в каком порядке...

5) Говори "удали" вместо "убери"

"Удали полностью кнопку и механику" – задача на удаление кода/фичи/механики. "Убери/скрой кнопку" – скрытие кнопки и оставление в коде мусора и механик, которые 100% вызовут конфликты в будущем.

6) Стало хуже – откати. Не пофиксилось – откати и перепиши с нуля

Сломали что-то – сразу сообщай ИИ об этом, иначе если "пофиксим позже" (classic), то уже через час она потеряет контекст и чем дальше уйдёт чат, тем сложнее будет найти в нём то, что предшествовало баге.

Когда описываешь баг, говори в том же порядке:

а) что ты делаешь как пользователь;
б) что происходит на экране,
в) что там в консоли/Sentry.

Поздравляю, теперь ты QA-инженер!

7) Повторяющиеся, симметричные, фрактальные и единообразные числа (и объекты!!!) можно нужно оборачивать в систему единых токенов/объектов/фракталов.

Просто потому, что ИИ любит подстраховываться и ей легче создать новую сущность/класс и наплодить кучу зависимостей, чем найти мэтч с уже имеющимися и объединить их в единую систему.

8) Не тащи всё в один чат

Длинный чат с ИИ теряет контекст с обоих концов и провисает в середине. В конце большой сессии (опытным путём выявлено, что это примерно 2-3 больших фичи) проси сгенерировать саммари для нового чата с обновлённой архитектурой, правилами и файловой структурой.

Просто потому что свежий чат с хорошим вводным промптом работает точнее и быстрее, чем перегруженный контекстом старый.

GameStop поглощает eBay – главная новость этого года столетия тысячелетия на рынке

В пятницу вышло увлекательное интервью CEO GameStop Райна Коэна, в котором он рассказывает о том, как одна компания собирается поглотить компанию в пять раз больше её, о синергии онлайна с офлайном и пользовательским опытом, ценности обратной связи, эффективной работе бизнеса и команды, и, конечно же, об особенностях корпоративного управления в США.

Trump: “You better go out and buy stock now. This will be like a rocket ship that goes straight up.”

endofdaysprophet: By stocks before the Sun burns out!!! HAHAHA

– mniye nra-vi-tsya ak-ci-ya

🦧🚀🌝

Сначала нам нужно признать: средний PM — глубоко посредственный. И все мы сделали наше лучшее худшим (c) Tom Verrilli, Whatnot

Ключевые элементы философии продуктовой команды и стратегии Whatnot:

– Любой может строить, но не любой принимает решения, которые работают. Если PM не может принять решение на месте, не дожидаясь пяти уровней согласования — ему не место в этой команде.

– Никакого «разделения на слои», PM не стоит над командой, а работает внутри неё как равный. Если ты не участвуешь в создании кода, общении с клиентами, поддержке и решении реальных проблем — твоя ценность стремится к нулю.

Продукт рождается из тьмы непонятного. PM должен быть в гуще этой тьмы

– Проверка реальностью обязательна. Любая идея проверяется самой маленькой возможной аудиторией. Без этого шага она не идёт дальше. «Мы просто уверены» — это не аргумент. Исключений нет.

– PM отвечает за проблему, а не за соответствие техническому заданию. Ты не пишешь спецификацию для разработчика, а формулируешь, какую проблему решаешь для бизнеса и пользователя. Как именно её решать — уже совместная работа с инженерами и дизайнерами. Если ты просто «передаёшь требования», ты не нужен.

– Планы — это не документы, а инструменты синхронизации. Хороший PM пишет план не потому, что «так надо», а потому, что хочет убедиться, что он сам и все вокруг движутся к одному и тому же результату. Если план писать не нужно для ясности, то его не пишут.

– Ошибка — это данные, а не провал. Быстрое развёртывание, быстрое измерение и быстрое решение: оставлять, менять или сворачивать. Пока команда не запускает фичу реально, она не знает, работает она или нет.

Главный враг — «подготовительная активность», которая маскирует движение под прогресс

– Ты либо строишь, либо мешаешь строить. В Whatnot нет места PM, которые только координируют. Каждый PM должен быть в состоянии сам создавать что-то, будь то прототип, аналитический запрос, документация или даже код. Если ты умеешь только говорить, а не делать, то ты не пройдёшь.

– Думай о проблеме, проверяй реальностью, принимай решения на месте и всегда будь в гуще создания, а не над ним.