владислав вильдяев

За последние несколько дней я прошёл путь от «хочу сайт» до рабочего продукта. Не «сгенерируй мне сайт» в один промт, а управление продуктом через промты: декомпозиция, итерации, приоритизация, приёмка результата. Это не магия и не «вайб-кодинг». Это работа AI Product Manager'а. Как это выглядело: Итерация 1 — одностраничник с нуля. Итерация 2 —…

Мне 19. Я AI Product Manager. И я устал врать себе. За последние годы я запустил несколько проектов: → Multi-agent LLM-система «Гуманитарный Аргументатор» — 4 агента, свои метрики, vendor-agnostic архитектура → Образовательная квиз-игра «Вершина — KiberOne» — 6 уровней, игровая экономика, реферальная программа, лид-форма → Корпоративный сайт HI…

Пост 5. О количестве параметров: почему меньше — иногда лучше В нашем движке число параметров намеренно уменьшено. 100–300 тысяч. Для сравнения: Leela Chess Zero и AlphaZero работают с миллионами. Логика проста: при ограниченном объёме качественных данных увеличение числа параметров ведёт к переобучению. Модель запоминает шум вместо сигнала. Ут…

В детстве казачья музыка была для меня не фольклором, а звуком дороги.

Мы ехали от Ставрополя до Ессентуков. Где-то ближе к концу пути папа всегда включал казачьи песни. Это был ритуал. Я смотрел в окно на холмы, и голоса звучали где-то глубоко — на уровне костей. Потом пришёл подростковый возраст. Казачьи песни вылетели из…

Обычный подход к промптам: как заставить модель дать правильный ответ? Инженерный подход: как спроектировать среду, в которой модель корректно обрабатывает свою ограниченность? Это смена фокуса. С результата — на процесс. С «выжми из модели максимум» — на «построй коридор, внутри которого ошибка будет обнаружена и обработана». Три следствия из…

Пост 4. Почему глубина 4–6 полуходов не помогла Мы тестировали разную глубину расчёта. 4 полухода. 6. 8. Значимого улучшения не получили. Парадокс? Не совсем. Интерпретация: отсутствие эффекта объясняется слабостью оценочной функции. Garbage in, garbage out. Если функция оценки плохая, то более глубокий поиск просто глубже копает в неправильн…

Когда инженер проектирует инструкцию для LLM как систему, в ней прослеживается одна и та же пятислойная структура. Независимо от домена — учёба, код, шахматы, контент. Слой 1. Ролевая специализация Модель получает не абстрактную просьбу помочь, а жёсткую роль: «Ты — Агент-1 Решатель», «Ты — Критик», «Ты — Арбитр». Роль ограничивает пространство…

Полемика: понимают ли LLM что-либо? Классический аргумент Сёрла (1980): система манипулирует символами по правилам, но не понимает язык — у неё нет семантики, только синтаксис. Этот аргумент с поразительной точностью применим к современным LLM. Современные возражения: «Parrots Are Deterministic, Not Stochastic» (2026) утверждает, что китайская…

Ловушка нелогичных ходов Вот проблема, с которой столкнулись эмпирически. Модель обучается на логичной базе партий. Играет стабильно до 20–25 хода против адекватного соперника. Но стоит противнику начать играть абсурдно — модель деградирует на 2–3 ходу. Это классический distributional shift. Модель переобучена на узком распределении позиций. У…

Технические следствия эпистемологического барьера Если LLM принципиально остаются в плоскости оптимизации формы — соревнование сводится к эффективности вычислений. И здесь три архитектурных решения дают асимметричный ответ. 1. SSA: снижение сложности инференса Стандартное плотное внимание требует O(n²) операций. SSA снижает сложность до O(n·k),…

В индустрии доминирует убеждение: «Увеличим датасеты, добавим слоёв, поднимем вычислительные мощности — и сознание возникнет само». Это называется эмерджентностью. Красивая гипотеза. Но она игнорирует один фундаментальный факт. Манаенко утверждает: переход от Информации к Со-знанию — это не количественная задача. Что такое информация в его па…

Пост 2. Пост 1= https://vc.ru/dev/3135875-sozdanie-shahmatnogo-dvizhka-s-stilevym-obucheniem

Как работает движок, который учится стилю Пост Мы строим шахматный движок, который воспроизводит индивидуальный стиль игры. Не силу. Именно ман…