От устройства модели до повседневной работы с агентом - без магии и без занудства. 6 разделов, около 25 минут: что такое ИИ, рефлексивное обучение, решение проблем, MCP и контекст, effort, compact. Стрелка вниз, чтобы начать.
| № | Раздел | О чём |
|---|---|---|
| 01 | Что такое ИИ | Из чего состоит модель, как она думает, что такое агенты |
| 02 | Рефлексивное обучение | Самый недооценённый приём: спросить у ИИ про ИИ |
| 03 | Решение проблем | «Новой модели не видно» и где смотреть лимиты |
| 04 | MCP и контекст | Память, скилы, субагенты, интерфейс IDE |
| 05 | Effort | Уровни «усилия» модели и когда какой брать |
| 06 | Compact | Сжатие истории: когда спасает, когда вредит |
Когда мы говорим «ИИ» здесь - мы про большие языковые модели. Не база данных, не поисковик. Статистическая модель, которая выучила закономерности языка и знаний и предсказывает продолжение.
Представь человека, который прочитал почти весь интернет и научился очень хорошо угадывать, какое слово идёт дальше. Спросишь - он не «вспоминает строчку из учебника», а на лету собирает наиболее вероятный осмысленный ответ. Отсюда и сила, и ошибки («галлюцинации»).
Миллиарды чисел-параметров. Это и есть «знания» модели, настроенные при обучении. Больше весов ≈ умнее и дороже.
Трансформер с механизмом внимания - он решает, на какие части текста смотреть, чтобы понять смысл.
Режет текст на токены (части слов). Модель считает не буквы и не слова, а токены - в них же измеряется цена и контекст.
Сколько текста модель «видит» за раз. У свежих Claude - до 1 млн токенов. Что не влезло - модель не видит.
Сначала предобучение на сырых данных, потом дообучение и выравнивание (RLHF) - чтобы была полезной и безопасной.
Зрение, рассуждение, работа с инструментами - надстройки поверх базовой модели предсказания текста.
# как режется фраза «Эльф-повар берёт лук» → Эльф | - | повар | _берёт | _лук # незнакомое слово - почти по буквам «привеееееет» → прив | е | е | е | е | е | е | т ← каждая «е» = токен, дороже
Веса модели - миллиарды чисел, обычно по 16 бит каждое. Квантование - округление этих чисел до 8 или 4 бит.
Зачем: модель занимает в 2-4 раза меньше памяти, влезает в дешёвое железо и отвечает быстрее.
Цена: теряется точность. Лёгкое квантование почти незаметно, сильное - ощутимо «туплит» модель. Поэтому «та же самая» модель у стороннего провайдера или локально может отвечать хуже оригинала.
| Признак | Что это | Как влияет |
|---|---|---|
| размер | Число параметров | Больше - умнее на сложных задачах, но медленнее и дороже. |
| скорость | Скорость против качества | Лёгкая модель отвечает мгновенно; тяжёлая думает дольше, но глубже. |
| окно | Контекстное окно | Сколько влезает за раз - от 200K до 1M токенов. |
| цена | Стоимость токенов | Считается отдельно за вход и за выход, за миллион токенов. |
| профиль | Специализация | Кто-то заточен под скорость, кто-то под рассуждения и агентную работу. |
| версия | Поколение | Новые версии умнее при той же цене - поэтому стоит обновляться. |
| Модель | Роль | Контекст | Цена вход / выход за 1M |
|---|---|---|---|
| Fable 5.1 · топ | Самая мощная, для предельных задач - доступ восстановлен | 1M | $10 / $50 |
| Opus 5 · рабочая лошадка | Новый флагман Opus - скачок над 4.8 при той же цене | 1M | $5 / $25 |
| Sonnet 5 · баланс | Почти уровень Opus в коде за 40% цены | 1M | $2 / $10 |
| Haiku 4.5 · быстрый | Самый быстрый и дешёвый, для простого | 200K | $1 / $5 |
«…чтобы враг прослезился ещё до боя. 🧅🏹 Ну или, если по-эльфийски жёстко: берёт лук - а какой именно (репчатый или со стрелами), решает уже по обстановке. 😏»
Топовая модель не выбирает один смысл - она склеивает оба: физику овоща (от лука плачут) и военный контекст, и запечатывает ребусом из двух эмодзи 🧅🏹.
«Человек ду-у-умает, а ИИ всего лишь считает» - это самоуспокоение. Убери пафос - и концептуальной разницы не остаётся.
| Человек | ИИ | |
|---|---|---|
| Веса | нейронные связи, опыт | параметры обучения |
| Контекст | восприятие в моменте | контекстное окно |
| Цель | гомеостаз, дофамин | функция потерь / задача |
| Носитель | биохимия, ~120 м/с | кремний, скорость света |
В проде модель никогда не работает «голой». Вокруг неё - слои, которые оценивают вход и выход. Каждый решает свою задачу минимизации функции потерь.
| Слой | Что делает |
|---|---|
| вход | Входной фильтр. Блокирует опасный запрос до того, как его увидит модель. |
| выход | Выходной фильтр. Проверяет и режет ответ модели перед выдачей. |
| правила | Guardrails по правилам. Регэкспы, стоп-списки, лимиты - тупо, дёшево, надёжно. |
| судья | Модель-судья (LLM-as-judge). Другая модель оценивает ответ: качество, безопасность, соответствие рубрике. |
Агент = модель + инструменты + цикл. Она не просто пишет ответ - она действует: читает файлы, ищет, запускает команды, смотрит результат и решает следующий шаг.
# цикл агента думает → что нужно сделать? вызывает инструмент → читает файл ← получает результат думает → теперь правлю код вызывает инструмент → запускает тест ← тест зелёный думает → готово ✦
«Уважаемый ИИ, расскажи, что такое ИИ.» Да, так тоже можно - и это один из самых сильных приёмов в работе.
Модель отлично знает саму себя и хорошие практики работы с ней. Вместо того чтобы гуглить «как написать промпт» - спроси у неё прямо. Это метаобучение: ты осваиваешь инструмент через сам инструмент, и с каждым разом запросы становятся точнее.
Две самые частые бытовые ситуации: «вышла новая модель, а я её не вижу» и «куда упёрлись мои лимиты».
Использование и остаток по плану:
claude.ai/settings/usage
Видно расход, лимиты плана и сколько осталось. Упёрся - дождись сброса окна или подними план.
Как правильно хранить контекст, чем он отличается от архива сообщений, и что такое скилы и субагенты.
Model Context Protocol - стандарт, которым к модели подключают внешние данные и инструменты: базы, файлы, API, твою историю. Один раз настроил сервер - и у модели появился доступ.
Переиспользуемые наборы инструкций и экспертизы. Модель подгружает их только когда они нужны - не надо запихивать всё в каждый запрос.
Контекст - то, что модель видит прямо сейчас (как оперативка, ограничен). Архив сообщений - сохранённая история, которую можно достать обратно в контекст по запросу (как диск, безграничен).
Отдельные агенты с почти пустым общим контекстом под подзадачу. Дают скорость за счёт параллельности, но это тонкий инструмент: чаще дороже и в ущерб качеству - оправданы лишь для независимых задач.
| Режим | Что делает |
|---|---|
| normal | Обычный режим. Каждое изменение спрашивает подтверждение - ты контролируешь шаги. |
| auto | Авто-применение. Агент сам применяет правки без вопросов - быстро, но довериться надо. |
| plan | Plan mode. Сначала составляет план, файлы не трогает. Одобряешь план - тогда исполняет. |
В Claude Code режимы переключаются клавишей Shift + Tab - она циклически прогоняет: обычный → авто → план. В IDE-плагине то же самое доступно из панели агента.
Правило: незнакомый или важный код - начинай с plan mode; рутину - можно в авто.
| Действие | Как |
|---|---|
| модель | Сменить модель. Команда /model или настройки - выбираешь Opus / Sonnet / Haiku под задачу. |
| команды | Слэш-команды. /help /clear /compact - и сам агент умеет запускать команды в терминале. |
| mcp | Подключить MCP. Добавляешь сервер в конфиг - указываешь команду запуска или URL. После этого его инструменты доступны модели. |
# сменить модель /model opus # полезные команды /clear очистить контекст /compact сжать историю # MCP-сервер в конфиге "mcpServers": { "my-server": { "command": "..." } }
Effort - уровень «усилия» модели. Сколько она думает и сколько токенов готова на это потратить.
| Уровень | Глубина | Когда |
|---|---|---|
low | Быстро и дёшево. Простые задачи, минимум размышлений. | |
medium | Баланс качества и расхода. Средние задачи. | |
high | Для всего, где важен интеллект. Часто по умолчанию. | |
xhigh | Лучший для кода и агентов. По умолчанию в Claude Code. | |
max | Когда правильность важнее стоимости. Предельная глубина. | |
Ultracode | xhigh + workflows: оркестрация множества агентов. Самый масштабный режим. |
Compact - сжатие истории разговора, когда контекст переполняется. Модель суммирует прошлое, чтобы освободить место и продолжить.
/compact/clearМодель стала тем, что она есть, одним способом: миллиарды раз угадывала следующий токен и получала по рукам за ошибку. Никто не объяснял ей грамматику, физику или стиль. Она их сделала, а не выучила.
Мы осваиваем её ровно так же: запрос, ответ, «не то», запрос точнее. Инструкции «как писать промпты» работают хуже, чем десять собственных неудачных запросов. Тогда вопрос: если и модель, и пользователь учатся одним методом, что именно даёт нам право называть себя мастером, а её - инструментом. Пока ответ простой: мастер тот, кто ставит задачу. Проверь, что ты всё ещё этот человек, а не тот, кто соглашается с первым вариантом.
Fabricando fit faber.
«Мастером становятся, делая». Средневековая школьная пословица, у Эразма в «Адагиях» есть вариант «fabricando fabri fimus». Ремесленник не тот, кто прочитал про молоток, а тот, кто отбил себе пальцы.
Для этой лекции точнее фразы нет. Модель, effort, compact, MCP, режимы IDE - это всё описание молотка. Ни один слайд не заменит одного вечера, когда ты сам пробуешь, ошибаешься и переспрашиваешь у модели, почему вышло не то. Отсюда и главный приём: спросить у ИИ про ИИ - это и есть «делать».
Подвох в том, что фраза не про нас одних. Модель тоже fabricando: она мастер угадывания, потому что угадывала триллион раз. Разница между вами - не в методе, а в том, кто решает, что делать дальше.
Выбирай модель под задачу, управляй контекстом и effort, не бойся спрашивать у ИИ про ИИ. Остальное приходит с практикой.
Вопросы → давайте обсудим.