Пользователь на форуме задаётся вопросом: зачем нужна разработка в сторону «агентных» ИИ-систем, если текущие модели с трудом выполняют даже простые инструкции. Он привёл пример, когда GPT-5 и Gemini Pro не смогли корректно модифицировать даже одну функцию на 100 строк кода, и выражает скепсис по поводу того, что такие системы смогут работать с десятками файлов.

В ответ другие участники объясняют, что для эффективной работы с ИИ нужно правильно использовать инструменты — например, предоставлять контекст через Markdown-файлы, а не просто текстовые промпты. Они рекомендуют создавать .md-файлы с описанием проекта, архитектуры, требований, чтобы ИИ мог считывать контекст и действовать более точно. Такой подход превращает ИИ из инструмента для генерации текста в полноценного агента, способного на сложные задачи.

Второй совет — использовать режим планирования (plan mode) в Cursor, где система сначала анализирует проект, составляет план, а затем выполняет его, что значительно повышает качество результата по сравнению с прямым выполнением без плана.

Итог: хотя текущие ИИ и правда слабы в изоляции, правильное использование вроде добавления контекста через файлы и использование продвинутых режимов вроде plan mode превращает их в мощные инструменты для автоматизации разработки.

• В 2025 году маркетинг AI-решений стал настолько агрессивным, что бренды внедряются в обсуждения на Reddit, LinkedIn и других публичных форумах, чтобы продвигать свои продукты.
• Основная причина разногласий в сообществе разработчиков — это то, что LLM не справляются с задачами, которые не являются тривиальными, и при этом вендоры продолжают их продвигать как будто они могут решить всё.
• Участники обсуждения отмечают, что вместо того, чтобы улучшать модели и инструменты, компании вместо этого сосредоточены на создании и продвижении курсов и "лучших практик" по использованию этих инструментов.
• Некоторые разработчики делятся опытом, что LLM могут быть полезны для рутинных задач, но не для сложных проектов с унаследованным кодом, и что вместо того, чтобы улучшать модели, вендоры продолжают продвигать их как будто они могут решить любую задачу.

• Предложение помощи в улучшении видеотрансляции и телеуправления из-за низкого FPS в демо.
• Утверждение о наличии лучшего на рынке решения для телеуправления роботами.
• Предложение обсудить возможность интеграции white-label решения.
• Призыв к связи через LinkedIn.

• Пользователи отмечают высокую полезность инструмента для автоматизации сбора данных и исследований, экономящей сотни часов ручного труда, особенно в B2B-сегменте и венчурном капитале.
• Поднимаются вопросы о технических ограничениях: переусложнение простых задач, неполное извлечение данных с некоторых источников, проблемы с интерпретацией запросов и необходимость ручного вмешательства для уточнения.
• Обсуждаются особенности архитектуры и UX: текстовый браузер с постоянным контекстом, интерактивный контроль над агентом, важность прозрачности процесса и возможность совместной работы в реальном времени.
• Высказываются опасения по поводу соблюдения правил сканирования (robots.txt), законности сбора данных с таких платформ, как LinkedIn и Reddit, а также долгосрочной жизнеспособности модели ценообразования «unlimited».
• Разработчики делятся техническим стеком (NextJS, NodeJS, Gemini 2.5 Flash, Firecrawl) и планами по улучшению, включая лучшую классификацию задач, навигацию по пагинации и более четкое различие с конкурентами.

LinkedIn планирует начать использовать данные пользователей из Европы для обучения своих AI-моделей с 3 ноября 2025 года. Компания опирается на юридическое основание «законных интересов» и исключает из обработки личные сообщения. Пользователям предоставят возможность отказаться от участия в программе через опцию opt-out.

Изменения затронут страны ЕС/ЕЭЗ, Великобританию и Швейцарию. Это решение подчёркивает растущую потребность tech-гигантов в данных для развития генеративного ИИ, но также вызывает вопросы о балансе между инновациями и приватностью в условиях жёсткого европейского регулирования.

• Критика использования данных LinkedIn для обучения ИИ без явного согласия пользователей, особенно в контексте GDPR
• Опасения по поводу низкого качества и искусственности контента на платформе (AI-generated slop, корпоративный жаргон)
• Скептицизм относительно полезности ИИ, обученного на подобных данных, и потенциального вреда (усиление "hustle culture", бред)
• Возмущение моделью opt-out вместо opt-in и её несоответствием принципам защиты приватности
• Ирония и сарказм по поводу абсурдности корпоративной культуры LinkedIn и её влияния на ИИ

Когда поиск работы становится невозможным: три стадии выгорания

Мне повезло иметь работу сейчас, но многие мои друзья безработны. Большинство ищут работу уже долгое время. Некоторые сталкиваются с проблемой, которая вызывает моё полное сочувствие — я и сам через это проходил. Не уверен, что могу решить её, но, возможно, помогу описать то, через что проходят многие.

Проблема развивается в трёх фазах по мере затягивания поиска работы.

Фаза I: Очевидный, но невозможный поиск

Вы несколько месяцев рассылаете тщательно подготовленные резюме и сопроводительные письма на вакансии, где полностью соответствуете требованиям. Обычно ответа нет. Иногда приходит вежливое «вакансия закрыта». И всё.

Вы стучитесь во все очевидные двери — ближайшие к вашему опыту работы — но ничего не открывается. Это изматывает и разочаровывает. Даже слово «обескуражен» не передаёт глубину вашего страха и отчаяния.

Очевидный путь — найти работу по резюме — больше не кажется дорогой. Он выглядит как Скалы Безумия. Топливо мотивации, которое вы тратите на каждое усилие, почти иссякло.

Вы выгорели. Выгорели на поиске. На невозможном поиске.

Но нельзя стоять на месте. Поэтому разум ищет новые пути.

Фаза II: Смежный с невозможным поиск

Вы рассматриваете вакансии, не совсем соответствующие вашему профилю, но с лучшими шансами. Возможно, в смежной отрасли, другом регионе или с небольшим понижением зарплаты. Вы расширяете горизонты от невозможного к смежному.

Иногда это работает! Компромиссы могут оказаться лучше ожиданий. Понижение зарплаты может привести к быстрому повышению. Иногда — хуже, но следующий поиск идёт легче.

А иногда не работает. Работодатели не клюют. Компромиссы слишком серьёзны. Смежные вакансии тоже оказываются невозможными.

Вы очень выгорели. Творческая энергия, потраченная на расширение горизонтов, ушла в никуда. Резервный бак мозга пуст. Вы страдаете от синдрома выгорания на смежном поиске.

Но нельзя останавливаться. Поэтому разум ищет новые пути.

Фаза III: Странный поиск

Если ничего очевидного и смежного не работает, почему бы не открыть все шлюзы? Стать вольным художником, освоить новое ремесло, открыть бизнес с друзьями, пойти учиться.

Кажется, что это сдаться. Нет! Это взять судьбу в свои руки! Но за maybe половину или четверть зарплаты? Или даже меньше, если платить за обучение.

А альтернатива? Нулевой доход в обозримом будущем? Продолжать рассылать унизительные резюме компаниям, которые даже не отвечают на заявки?

Так что вы уходите в странное — хотя бы мысленно — и рассматриваете варианты, которые могут дать прожиточный минимум и радость.

Иногда это прекрасно работает. Почти все любимые компании начинали так. Возможно, ваша будет следующей.

Но мы здесь для тех, кто застрял в этой третьей фазе.

Вас остановили Скалы Безумия. Вас тошнит от мира компромиссов. Но ничто на горизонте не зовёт вперёд.

И вот как вы понимаете, что достигли предела: вам осточертело думать об этом.

Вы устали искать работу, которая вам положена. Которую вы могли бы иметь. Которая была бы fun, но вызвала бы недоумение у бабушки. Вы выгорели на поиске. Все баки пусты. Вся творческая энергия исчерпана.

• Рынок труда перекошен: огромное количество поддельных резюме и неподходящих кандидатов, особенно в нишевых ролях.
• Ситуация напоминает прошлые кризисы: это «рынок покупателя», где работодатели разборчивы, но цикл изменится.
• Безработица — не только психологическая проблема, для многих это прямая угроза жилью и существованию.
• Поиск работы деморализует: долгий процесс, отказы и финансовое давление вызывают выгорание и стыд.
• Непотизм и личные связи снова важны: массовые рассылки неэффективны, ключом часто является «знакомство».
• Традиционные методы (LinkedIn, большие сайты) часто бесполезны: вакансии могут быть фейковыми или перегруженными.
• AI усугубляет проблему: поддельные резюме и профили становятся сложнее, а система подбора не справляется.
• Предлагаются альтернативы: локальный поиск, смена профессии, предпринимательство или использование брокеров.
• Система hiring сломана: требуется лучшее сопоставление работников и jobs без стрессового процесса.

Привет!
Кликни по аватарке, чтобы войти в «Windows XP» с моим портфолио. Всё внутри работает как настоящий рабочий стол: иконки, панель задач, кнопка «Пуск».
После загрузки откроются:

• Обо мне
• Резюме
• Проекты
• Контакты

Связаться: LinkedIn | GitHub | Instagram
Для эффекта CRT и полноэкранного режима жми иконки в трее.

• Пользователи в восторге от детализации и ностальгии, но спорят: копирование XP ≠ дизайнерский талант.
• Основные претензии: AI-аватар, неточности пикселей, скролл-бары, отсутствие теней и Easter-egg’ов в консоли.
• Советуют убрать «студий-гибли» аватар, добавить мини-приложения (Minesweeper, проводник) и open-source’нуть проект.
• Мобильная версия похвалена, но просят доработать CMD и убрать «размывающие» скан-линии.
• Вывод: крутая визуальная витрина, но чтобы впечатлить индустрию, нужно больше собственных идей и меньше «копипаста» 2001 года.

Ты уже живёшь в системе социального кредита, просто ей не называют.

Кредитный балл, лайки в Instagram, рейтинг пассажира Uber, отзывы на Amazon и статус хозяина Airbnb — всё это социальные баллы, которые отслеживают поведение и решают, какие услуги и возможности тебе доступны.

Разница с Китаем лишь в том, что Пекин об этом говорит, а мы называем алгоритмы «функциями пользовательского опыта».

Китайская реальность
На 2024 год единой национальной системы нет. Частные проекты закрыты, городские пилоты свёрнуты. Отслеживают главным образом злостных неплательщиков по решению суда.

Американская реальность
Открой телефон:

• Uber оценивает тебя как пассажира.
• Банк анализирует транзакции в Venmo и Afterpay.
• LinkedIn ранжирует профили по вовлечённости.
• Спец-кредиторы сканируют соцсети.
• Сервисы знакомств поднимают в ленте активных и «вежливых».

Пока эти баллы не связаны напрямую, но инфраструктура для объединения строится. Вопрос не в том, есть ли у нас «китайская» система — её нет. Вопрос в том, к чему мы незаметно движемся.

• Участники спорят, насколько сильно американские «рейтинги» (кредитные баллы, оценки в Uber/Airbnb) похожи на китайскую систему социального кредита.
• Одни подчеркивают: в Китае система централизована и управляется государством, в США — разрозненные корпорации, и это принципиальная разница.
• Другие считают различия «косметическими»: и там, и тут поведение человека влияет на доступ к услугам, просто в США это маскируют под «user experience».
• Несколько человек делятся личным опытом, когда отсутствие кредитной истории или низкий рейтинг фактически закрывал им жильё или работу.
• Часть комментаторов указывает, что западная дискуссия сильно искажает реальность жизни в Китае, а «страх перед Китаем» отвлекает от собственных проблем.

Почему появился Apache Kafka
LinkedIn, 2012 г.

Проблема интеграции
LinkedIn нужно было передавать данные активности (лайки, просмотры, публикации) в десятки систем: антифрод, ML-модели, веб-функции, витрины, Hadoop. Эти потоки — критичная инфраструктура, а не просто аналитика.

Старые трубы

• Пакетный конвейер: приложения писали XML на HTTP-сервер; раз в час файлы собирались, парсились и грузились в Oracle + Hadoop.
• Realtime-конвейер: метрики и логи уходили в Zenoss, но туда нельзя было добавить новые данные без ручной работы, а данные были изолированы.

Общие боли

• ручное сопровождение и добавление источников;
• постоянные бэклоги;
• point-to-point архитектура без обмена между системами.

Вывод
LinkedIn понял, что нужен один надёжный, масштабируемый и универсальный «шина событий», куда пишут все, а читают кто угодно. Так родился Kafka.

• LinkedIn отказался от Kafka и создал собственную систему Northguard из-за невозможности масштабировать 32 трлн записей/день, 17 ПБ/день и 400 тыс. топиков.
• Участники спорят: Kafka мощна для «огненных шлангов» данных и многократного потребления, но требует экспертизы и ресурсов; для большинства задач достаточно Redis, NATS, RabbitMQ.
• Названа главная фишка Kafka — возможность переигрывать сообщения и строить разные консьюмеры поверх одного лога.
• Сравнивают NATS (Jetstream) и Apache Pulsar как более лёгкие альтернативы; Redpanda тоже упоминается.
• Мнения разделились: кто-то считает Kafka переоценённой и «бюрократичной», кто-то — незаменимой для больших данных.

Fractional Jobs — биржа частичной занятости.
Эксперты работают по 10–20 ч/мес на фиксированный оклад без полного оформления.

Кому нужно

• Таланты: выбирайте роль (Engineering, Marketing, Design, Sales, Product, Finance, Ops, Growth, People, Analytics, Legal и др.), получайте вакансии и гайды.
• Компании: публикуйте заявку за $100 (возврат, если не найдёте), получаете подборку топ-кандидатов, потом нанимаете напрямую.

Как начать

• Узнать, что такое fractional
• Забронировать звонок с основателем Taylor Crane
• Опубликовать вакансию

Актуальные вакансии

• Contentful — Head of Marketing, 10 ч/мес, до $10 000, удалённо
• Steelbay Equity Partners — Founding Marketer, 10–20 ч, оклад не указан, удалённо
• Wedwallet — Legal Advisor, 10–20 ч, $300–500/час, удалённо

Посмотреть ещё 24 вакансии

Также следите за новыми предложениями в LinkedIn и X.

• Платформа предлагает fractional-роли (20–40 ч/нед, $175–200/ч) без комиссии; деньги платит компания напрямую.
• Пользователи видят спрос на fractional CISO, security- и sales-специалистов; многие ищут 10–15 ч/нед для баланса жизни/семьи.
• Критика: «гиг-экономика» без соцпакета, риск превращения в полный рабочий день за меньшие деньги и «race to the bottom».
• Успешным фрилансерам нужны чёткое портфолио, самостоятельный поиск клиентов и готовность к самому расчёту налогов (1099).
• Владельцы платформы против «over-employment» и считают субъективность «рейтингов» избыточной; большинство клиентов нетехнические.

LinkedIn поощряет посредственность

LinkedIn раздражает: из удобного резюме превратился в поток пустых постов ради «личного бренда». Лента забита переработанной, но бессмысленной «токсичной посредственностью» — советы вроде «чему мой развод научил B2B-продажам». Это не заметно, как токсичная позитивность, но суть та же: 150 слов о том, что «солнечные дни тёплые».

Площадка всё ещё полезна, но ценное тонет в шуме. Алгоритм вознаграждает лайки и комментарии, продлевая время на сайте и продавая премиум. Пользователи искренне хотят карьерного роста, но такие посты, скорее всего, не помогают.

Что делать? Помнить: LinkedIn — сайт Microsoft, зарабатывающий на вашем времени. Посты не строят карьеру; работа и её результаты — да. Пишите редко, но по делу. Если важно писать онлайн — заведите блог: меньше просмотров, но выше планка. Поддерживайте тех, кто не играет в эту игру. А если всё надоело — закройте ноутбук и выйдите на улицу.

• Критики называют LinkedIn «свалкой токсичной посредственности»: лента забита высоко-фальшивыми постами, фейковыми вакансиями и «вдохновляющими» байками.
• Пользователи жалуются на спам-рекрутеров, продавцов и «игры статуса», где важнее имидж, чем реальная экспертиза.
• Некоторые признают: если выбирать контакты и темы, можно найти полезные кейсы и даже миллионы долларов выручки, но это скорее исключение.
• Популярны «хаки» выживания: отключить ленту, отписаться от всех, писать только о реальных проектах или вообще перейти на личный сайт.
• Итог: LinkedIn — удобная база резюме и инструмент нетворкинга, но как соцсеть он превратился в «корпоративный клондайк» с низким качеством контента.