Как превратить одну команду в сотни уникальных идей и моментально узнать, какой ИИ-движок справится лучше? В этом ролике я показываю:
*https://www.youtube.com/watch?v=ufyWlITkRuU
**https://300.ya.ru/v_UMP8cGHG
таймкоды
00:00:00 Введение в генерацию идей с помощью нейросетей
- Автор использует GPT-5 для генерации случайных идей.
- Проблема: идеи повторяются и требуют записи.
- Решение: написание скрипта на Python для отправки промтов и получения идей.
00:00:59 Проблемы с генерацией идей
- Многие идеи повторяются и кажутся однобокими.
- Использование одной нейросети недостаточно для разнообразия идей.
- Решение: использование OpenAI для смешивания идей от разных нейросетей.
00:01:24 Автоматизация генерации идей
- Автоматизация сгенерировала 300 уникальных идей.
- Некоторые идеи оказались подробными и структурированными.
- Ссылка на сгенерированные идеи будет в описании.
00:02:42 Сравнение нейросетей
- Сравнение нейросетей под конкретную задачу.
- Рекомендация прогонять задачу через несколько нейросетей для выбора лучшей.
- Проблемы с удобством использования OpenAI Chat.
00:04:42 Структура автоматизации
- Описание структуры автоматизации: количество идей, список моделей, запись в Google Таблицу.
- Возможность тестирования бота в Telegram для генерации идей.
00:05:41 Процесс генерации идей
- Режимы генерации: рандомный и последовательный.
- Формирование списка исключённых идей для каждой итерации.
- Очистка вывода от нейросетей перед записью в таблицу.
00:08:41 Ограничения генерации идей
- При генерации более 300 идей агент начинает «барахлить».
- Рекомендуется генерировать около 50 идей для выявления интересных.
00:09:40 Выбор лучшей нейросети
- Изменение промтов для выявления лучшей нейросети под конкретную задачу.
- Постоянное улучшение нейросетей делает выбор сложным.
- Автоматизация помогает найти лучшую модель для текущей задачи.
00:10:25 Примеры использования нейросетей
- Пример использования модели GPT-2.5 Flash для аналитических задач.
- Сравнение стоимости и качества нейросетей.
- Применение модели для изучения научных исследований.
00:11:25 Тестирование моделей
- Автор протестировал несколько моделей, включая Google, и получил неплохие результаты.
- Google-модель хорошо работает, но часто перегружена.
- Иногда модель выдаёт ошибочные результаты.
00:12:07 Анализ ошибок
- Ошибки парсинга приводят к пустым строкам в результатах.
- Пример ошибки: метод матрицы восприятия не был записан из-за проблем с форматом.
00:12:38 Доработка кода
- Для исправления ошибок используется GPT-5.
- Система позволяет избегать повторяющихся идей.
- Автор видит, какая нейросеть генерировала каждую идею.
00:13:14 Револьвер идей
- Револьвер идей помогает подбирать лучшие нейросети для задач.
- Автор рекомендует использовать генератор идей и подборщик нейросетей.
00:13:50 Лайфхак с автоматизацией
- Автоматизация на GPT-5 позволяет легко создавать скрипты на Python.
- Темплейты доступны для бесплатного использования.
00:14:47 Работа с OpenAI
- Автор использует OpenAI для работы с моделями из-за блокировок Google.
- OpenAI генерирует код с подробными комментариями.
00:16:40 Настройки скрипта
- Скрипт записывает результаты в Excel или Google Таблицы.
- Можно настроить количество идей и режим генерации.
- Экзекушен лимит позволяет исключать последние идеи.
00:18:25 Чат-бот для генерации идей
- Чат-бот генерирует до 10 идей в режиме рандом.
- Бот отправляет идеи по одному сообщению из-за ограничений Telegram.
- В каждом сообщении указана модель, которая сгенерировала идею.
00:21:08 Заключение
- Автор призывает проверять актуальность моделей для конкретных задач.
- Предлагает использовать чат-бот для быстрого тестирования идей.
- Рекомендует подписаться на канал и Telegram для получения дополнительной информации.
Расшифровка видео
0:00
Что если GPT попросить сгенерировать
0:02
рандомную идею такую, которую я ещё
0:04
скорее всего не знаю?
0:07
Посмотрим. Я попросил его сгенерировать
0:09
случайную идею по промтуженерингу. Вот
0:11
он её сделал. Прошу ещё. И он дальше
0:14
делает. Я применяю данный подход, когда
0:16
мне необходимо побрейштормить и вытянуть
0:18
из нейросети разные идейки. Но в чате
0:21
пользоваться этим проблематично, потому
0:23
что он может повторяться. Также это всё
0:26
надо куда-то записывать. Это не очень
0:28
удобно. то, как сейчас записано, мне не
0:30
нравится. Я не могу этим
0:32
воспользоваться, потому что мне надо по
0:34
30, по 50 идей на генерировать, чтобы я
0:36
нашёл хотя бы там одну-две, которая мне
0:39
действительно нужна. Потом я решил
0:40
написать скрипт на Питоне, который будет
0:42
отправлять на GPT прот и получать ответ
0:45
с нужным количеством мне идей.
0:46
Посмотрим. Вот он скрипт на Питоне,
0:48
который я запустил и получил порядка 300
0:51
идей, которые объясняют суть метода,
0:54
примеры и показывают результат. Однако,
0:56
когда я начал читать идеи, я понял, что
0:58
многие из них повторяются. Например,
0:59
техника от ступенчастого рассуждения —
1:01
это то же самое, что и ступенчатый
1:03
деконструктор. В итоге сформировалось
1:05
много повторов. Также мне все идеи
1:08
показались однобокими, потому что все их
1:10
генерировала одна неросеть это GPT. Я
1:13
решил, что этого недостаточно для
1:14
генерации идей. Тогда я решил
1:15
использовать Open Rollter для того,
1:17
чтобы миксовать идеи. Здесь собраны апия
1:20
всех ключевых нейросетей, и можно,
1:21
обладая одним ключом, прогнать их всех
1:23
по промту. Для этого я собрал
1:25
автоматизации N, которая мне
1:28
сгенерировала 300 уникальных идей.
1:30
Посмотрите, я нагенерировал здесь очень
1:32
много идей. Некоторые из этих идей мне
1:34
очень понравились. Интересный
1:36
методологии из каких-то смежанных наук,
1:38
подходов, которые могут дать
1:40
действительно интересный результат.
1:41
Ссылка на вот эти 300 сгенерированных
1:44
идей будет в описании. Но не это меня
1:46
удивило. Больше всего меня поразило то,
1:48
что некоторые из ответов были очень
1:51
подробно и структурированы. Вот
1:53
посмотрите на форму. описание, какое оно
1:55
подробное здесь, как описано всё,
1:57
насколько здесь всё круто. И я увидел
1:59
такую закономерность, что подобные
2:01
подробные идеи генерирует Geminii 25
2:04
Pro. И не только он, но и ещё Pro 2,5
2:08
Flashфиinking. Посмотрите, какие
2:09
подробные идеи генерируют для примера.
2:12
Вот Max, Переплексити, бедненький Sonar,
2:17
Мистральчик, Deepsek, GPT41.
2:20
И вот смотрите сразу GI насколько сильно
2:23
начинает отличаться, как он подробно всё
2:25
разжёвывает. И я понял, что я сделал для
2:28
себя не просто генератор идей, я сделал
2:30
инструмент для личного персонального
2:33
бенчмаркинга под конкретную задачу. То
2:35
есть здесь у меня стояла задача
2:36
нагенерировать как можно больше идей, и
2:39
я закинул разные нерасите для того,
2:41
чтобы было разнообразие. Но таким
2:43
образом я увидел, кто из них именно с
2:45
этой задачей справляется лучше всех.
2:48
Получается, я задаю один промт, и когда
2:50
нейросети рекомбинируются, они выдают
2:53
разный результат. И я могу именно под
2:55
этот промт, именно под эту задачу
2:56
увидеть, как они решают этот вопрос. Вы
3:00
скажете: «Есть бенчмарки, есть рейтинги,
3:02
вот смотрите, вот есть rankings, да, вот
3:04
здесь вот в моменте какие неросети, что
3:07
лучше решают, больше всего используют.
3:09
Есть исследования, но вы никогда не
3:11
знаете, что именно под вашу задачу будет
3:13
работать лучше всего. Не факт, что это
3:15
будет Google Gemini. Вот именно под
3:18
эту идею по по генерации пронтов хорошо
3:21
справился Google. Для другой задачи
3:24
возможно будет лучше GPT. Я рекомендую
3:27
прогонять через сразу много нейросетей
3:30
одну и ту же задачу для того, чтобы
3:32
понимать, что будет работать. Смотрите,
3:34
это можно сделать и в внутри роутера.
3:37
Здесь вот можно добавить много моделей.
3:40
Какие угодно модели можно сюда добавить.
3:42
И на один и тот же вопрос сразу будет
3:44
несколько ответов. закину тот же самый
3:46
запрос и получим ответ. Но здесь это всё
3:49
реализовано, неудобно. У меня много
3:51
вопросов к usер экспириенсу. Вот
3:52
смотрите, всё дёргается, трясётся, и
3:55
надо будет разворачивать каждый вот этот
3:57
блок. Плюс мне нравится, когда несколько
3:59
задач подряд выполняется, то есть мне
4:01
надо несколько пронтов. И надо добавить
4:04
ещё, может быть, больше модели, потому
4:05
что я никогда не знаю, какая именно
4:07
модель. Приятно меня удивит. Возможно,
4:09
какая-то здесь будет модель, которая
4:11
именно мою задачу будет лучше всего
4:13
решать. И вот здесь вот будет сложно
4:15
разбираться, то есть надо вот это
4:17
разворачивать, читать. Да, это можно
4:19
сравнить, но данный чат ун роутера
4:22
немного тормозной и мне не нравится.
4:24
Кстати, вот опять ещё смотрите, Gini
4:26
нагенерил, сколько много. Просто
4:28
молодец. Здесь, конечно, можно сравнить,
4:31
но через автоматизацию VN10 это делается
4:34
намного лучше и более показательно.
4:36
Сейчас я проиллюстрирую, как это
4:38
работает.
4:42
Смотрите, как устроена эта
4:43
автоматизация. Кстати, не переживайте,
4:45
если вы не хотите с этим разбираться. Я
4:47
написал бота, который генерирует идеи
4:49
прямо в Телеграме. Вы можете накинуть
4:51
туда своих идей, он сделает вам 10 идей,
4:54
и вы протестируете, устраивает ли вас
4:56
данный подход к генерации идеи или
4:57
вообще нет, или вам это и не нужно. То
4:59
есть как бы ссылка на бота будет в
5:01
описании, и его можно будет погонять, и
5:02
он будет генерировать идеи. Смотрите,
5:05
здесь вариант без Телеграма. Это,
5:07
собственно, он будет у меня писать в
5:09
Google таблице. Вот эта нода задаёт
5:11
количество идей. Здесь я могу указать
5:13
любое количество идей, например, 20
5:15
идей. Вот здесь вот список моделей в
5:17
строковом режиме. Это сердце данной
5:20
системы. Здесь я могу закинуть любое
5:22
количество моделей, и они все будут
5:24
участвовать в создании идеи. И таким
5:26
образом я могу сформировать таблицу,
5:28
посмотреть и увидеть, как именно каждая
5:30
модель будет решать этот вопрос. Причём
5:32
это очень быстро и в структурном
5:34
систематизированном виде вы сможете
5:36
скачать вот эту автобизацию и применить.
5:38
Далее я покажу, как и на Питоне это
5:40
можно сделать. Сейчас сама суть. Здесь у
5:42
меня несколько режимов. Рандомный или
5:44
последовательные. Последовательный,
5:46
значит, она берёт вот эту нейросеть, на
5:48
ней генерирует, потом эту, эту и всё. То
5:50
есть таким образом по ступенькам идёт
5:51
это техническая нода для генерации
5:54
итераций. Собственно, итератор. Здесь у
5:56
меня идёт указание на Google таблицу,
5:58
которая будет всё записано. Тут надо
6:00
подключить свой Google аккаунт и
6:02
подтянется нужная таблица. По ссылке в
6:04
описании я скину короткую инструкцию,
6:06
как подключить Google таблицу, если вы
6:07
это до сих пор не знаете. Далее, build
6:09
execution list. Вот здесь вот он берёт
6:11
таблицу и формирует из неё список
6:13
элементов, входящих в short description.
6:16
Что такое short description? Это вот он,
6:18
колонка А. Здесь вот краткое описание
6:20
идеи. Он формируется для того, чтобы
6:23
далее в промте вот эти все соединённые
6:26
short description исключать. То есть
6:27
каждая новая итерация будет проходить и
6:29
из промта она исключаться. Вот он промт.
6:32
Здесь всё простенько, указывается промт,
6:35
он должен выдавать в формате JSON и что
6:37
где должно находиться. И самое главное
6:39
вот здесь вот смотрите, пожалуйста,
6:41
избегай идеи, которые описаны как JSON
6:43
Execution List. Вот здесь вот он,
6:45
собственно, этот Execution list будет
6:47
накапливаться, собирать идеи, которые
6:49
уже записаны в таблице. Вот этот скрипт
6:52
и создаёт рекомбинацию моделей. Я его
6:54
вынес отдельно, потому что добавляю
6:56
список моделей здесь, потому что тут без
6:58
всяких скриптов это удобно, просто
7:00
перечислил, а там уже код. И для того,
7:02
чтобы ничего никогда не сломать, оно уже
7:04
здесь ссылается на тот элемент и
7:06
формирует список моделей по нужным
7:08
алгоритм. Естественно, вот этот скриптик
7:09
написал мне GPT, потому что я до сих пор
7:12
ни какой-нискрипt не знаю. Я ему
7:14
обозначаю задачу. Мне надо сделать так,
7:16
и он мне делает, как мне надо. Здесь set
7:19
model — это техническая нода. Она просто
7:22
обрезает лишнее, если вдруг в названии
7:25
модели появится лишний символ. Вот он,
7:27
собственно, MSG — это вот AI агент,
7:31
который получает на входт, который
7:32
указан здесь. И он это работает по
7:35
Openроуру чата. Вот посмотрите, здесь
7:37
имя модели. У меня указано Jon model
7:40
name. Он берёт его вот отсюда. Она вот
7:43
здесь формируется и он берёт её отсюда.
7:45
Код вот эта штука очищает вывод от
7:47
неросте, потому что особенно когда делаю
7:50
жесо с примерами, часто возникает
7:52
какой-либо мусор, какие-то символы,
7:54
которые могут препятствовать к
7:56
нормальному записыванию в таблицу. Я
7:58
написал это экспериментальным путём. Тут
8:00
много пота и крови. Встречал ошибку,
8:03
дописывал. И таким образом вот
8:04
сформировал список из таких элементов,
8:06
которые делает очистку. После очистки
8:08
идёт запись. Вот смотрите, вот этот
8:11
запись по колонкам идёт. Всё, что нужно
8:13
получается не расти. И, собственно, всё.
8:15
Круг прошёл. И далее возвращаемся назад.
8:18
Сколько было вот здесь вот задано шагов,
8:21
идей, столько и будет собрано. Покажу,
8:23
как это работает. Сейчас я запускаю, и
8:26
здесь формируется список из двадцати
8:28
идей и количества. Так, нажимаю тест и
8:30
пошло. Получил промт. И сейчас он думает
8:33
о том, какую идею ему
8:36
сгенерировать. Вот он прошёл второй
8:38
круг. Заодно покажу, как формируется
8:40
Execution list. Смотрите, формируется
8:43
списочек. Вот он. 1 2 и вот он формирует
8:46
execution list, в кавычках перечисляет
8:49
идеи промтов, которые необходимо
8:51
исключить. А исключает он здесь,
8:54
смотрите, вот он промт сейчас на третьей
8:56
итерации. И исключены, собственно, вот
8:58
эти две идеи. Пожалуйста, избегая идей,
9:01
описанных как метод такой-то и метод
9:03
такой-то, они указаны в кавычках. Это
9:05
сбочай гарантии его исключит. И
9:07
понимаете, при проходе каждого круга
9:09
здесь добавляется каждый раз новый
9:11
список. Поэтому, когда я генерировал 300
9:14
идей, под конец там уже было,
9:15
соответственно, исключалось 300 идей.
9:18
Вот этот execution лиist, он стал
9:19
огромный. И уже примерно на на трёхсотой
9:22
идее вот этот AIгент начал барахлить, и
9:25
он уже там сформировалось большое
9:27
количество токенов на вход, и уже он
9:29
стал подключивать. Поэтому здесь более
9:31
300 идей я не рекомендую генеривать, но
9:33
на самом деле по практике достаточно,
9:35
как правило, порядка 50 идей для того,
9:38
чтобы что-то из них подчеркнуть
9:40
интересненького. Нуно, вы генерируете
9:42
30-50 ID и уже видите по названию
9:46
моделей, какие из них лучше всего
9:48
генерируют именно под ваш промт. Промпт,
9:50
соответственно, вы меняете здесь. И
9:52
таким образом вы увидите, что именно для
9:54
вас, для вашей ситуации лучше всего
9:57
доработать в данный промежуток времени.
9:59
Я напомню, что не расети постоянно одни
10:01
становятся лучше, другие хуже, и вы
10:03
никогда не сможете продить, что
10:05
действительно прямо для вас сейчас будет
10:07
лучше работать. А таким образом вы
10:09
можете запускать этот метод
10:11
автоматизации и находить то, что
10:13
работает лучше всего для вас. Кстати,
10:15
вот здесь вот я в setrun в settings.
10:18
Здесь я привёл список неростей, которые
10:20
сейчас есть в Openроутере. Этот список
10:22
может когда-то обновляться у самого Open
10:24
роутера, но сейчас он такой, вы можете
10:26
его скинуть в текстовые документы и
10:28
просто посмотреть, что это за модели,
10:29
что-то про них прочитать и подумать, что
10:32
из этого стоит вам включить ваш бенчмарк
10:34
личный. Ну, посмотрели, сколько здесь
10:36
моделей, сколько можно протестировать.
10:38
Особенно это важно, когда вам нужно
10:40
прямо массированно поиспользовать
10:41
нейросеть Апи, и вы выбираете между
10:44
ценой и качеством. Так, например, я вот
10:46
для себя выявил, что Gemini 2,5 Flash
10:49
Think прямо очень крут. Почему он крут?
10:52
Потому что он стоит 3,5 доллара на
10:54
выход. Вот онигловые модели. Смотрите,
10:56
Ginite 25 Pro стоит 1,25 на вход, 10 на
11:00
выход, а вот это стоит 0,15 на вход и
11:03
3,5 на выход. Она дешевле в три раза, но
11:06
не тупее в три раза. Я вот сейчас всё
11:08
чаще использую вот эту модель 2,5 flash
11:11
preview thinking для аналитических
11:14
задач. Как вы знаете, я массово изучаю
11:16
научные исследования, и сейчас я при
11:18
помощи этой модели изучаю научные
11:20
исследования за двадцать четвёртый и за
11:21
двадцать третий год и свежак по марту и
11:23
апрелю двадцать пятого года. Я проканил
11:26
через несколько моделей свои пронты, и
11:28
она дала неплохой результат. Вот просто
11:31
для примера, как это у меня сработало. Я
11:33
вот здесь сделал себе разбивку по
11:36
нескольким моделям и прогнал порядка
11:37
псяти исследований через несколько
11:40
моделей и захожу, читаю, что у меня
11:43
лучше сработало, какое описание мне
11:44
больше всего понравилось. И вот описание
11:47
вот этой именновой модели мне очень
11:49
нравится. Грамотно думает, хорошо
11:51
работает. Единственный минус, что она
11:54
бывает очень занята. Здесь бывает на неё
11:56
огромная нагрузка и до неё не
11:58
дозвонишься. Вот сейчас нормально
12:00
аптаем, а бывает так, что здесь вот всё
12:03
красненькое и он очень долго выдаёт и
12:05
работа
12:06
останавливается. Вот смотрите, здесь 20
12:09
Pro preview. Он часто ложится. Здесь он
12:11
не такой стабильный. Так, посмотрим,
12:14
пока я рассуждаю. Здесь генерируется
12:16
идеи. Вот посмотрите, здесь пустая.
12:18
Почему здесь пустая? Потому что иногда
12:20
нейросеть выдаёт что-то ошибочное.
12:22
Сейчас я вот посмотрю. Это получается
12:25
одиннадцатая строчка. Здесь всё мы
12:27
увидим, что именно не записалось. Вот
12:29
смотрите, что у нас не записалось.
12:31
Строка двенадцатая, метод матрица
12:33
восприятия. И здесь что-то было не так с
12:35
форматом. Посмотрим
12:38
код. Сформировалась ошибка парсинга. И
12:41
вот когда возникает такая ошибка
12:42
парсинга, с таким ответом я закидываю
12:44
GPT и дорабатываю вот этот код. Покажу
12:47
итоговый execution list. Вот он,
12:49
смотрите, какой большой execution list.
12:51
И также всё это записалось в промт. Вот
12:53
посмотрите, вот он промт итоговый. Вот,
12:56
пожалуйста, избегай идей коротко
12:57
описанных, как и вот они описаны идеи.
12:59
Эта система позволяет избегать
13:01
вторяющихся идей. Это не идеальная
13:03
система, потому что всё равно некоторые
13:05
идеи нет нет, да, повторяются, но таким
13:07
образом всё равно формируется очень
13:09
много интересных идей. И помимо идей я
13:11
вижу, какая именно нейросеть это
13:13
сделала. Вот этот револьвер идей для
13:15
меня самое главное открытие. Я даже не
13:17
думал, что вот этот побочный продукт мне
13:19
принесёт намного больше результата.
13:21
Таким образом, я для своих задач
13:22
подбираю нужную нейросеть. И каждый раз
13:25
я знаю, кто именно вот на этой неделе
13:27
лучше всего будет работать. И использую
13:29
самое лучшее именно для моих задач.
13:31
Потому что для ваших задач могут быть
13:33
другие модели работать на других ваших
13:36
пронтах. Скачивайте и пользуйтесь этим
13:38
генератором идей и подборщиком
13:40
нейросетей для вашей задачи. Далее я
13:42
покажу, как то же самое делает скрипт на
13:44
Питоне, если вы не хотите разбираться с
13:49
N. Главный лайфхак. Например, вы узнали,
13:52
есть какая-то автоматизация на N10, но
13:55
для вас это сложно, и вы не хотите с
13:57
этим возиться. Самое лучшее, что вы
13:58
можете сделать, это взять этот файл,
14:00
вот, например, скачать. Я его скачиваю и
14:03
просто покажу, как он внутриустроен.
14:05
Смотрите, по сути, это всё является
14:08
неким ТЗ для GPT. По сути, это промт,
14:12
который нода за нодой покажет, как
14:15
делать. Тут даже не надо делать какой-то
14:17
хитрый промт для того, чтобы
14:18
преобразовать автоматизацию NTN. промт.
14:21
Это уже готовый структурированный промт,
14:23
который любая нейросеть считывает на
14:25
ура. Причём вы можете зайти вот сюда на
14:28
N8N Workflows и просто выбрать то, что
14:32
для вас нужно, и таким образом из вот
14:34
этого написать скрипт на Питоне. Вот
14:36
просто заходите здесь вот вот эти все AI
14:38
темплейты бесплатно. Вот смотрите,
14:40
генератор картинок на AI с
14:42
использованием различных стилей.
14:43
Нажимаете сюда for 3 и вот copy template
14:47
to cliли. Вот я скопировал себе в буфер
14:49
обмена.
14:50
вставил. Вот он уже всё есть. Далее
14:53
идёте в нейросеть и генерируете скрипт
14:55
на Питоне. Так как я увидел, насколько
14:57
хорош GNI, я решил его протестировать
15:01
через Open Router. Почему я GI работаю в
15:04
Openроутере? Потому что Google AI Studia
15:08
слишком хитрая. Она уже мне побанила
15:10
много моих аккаунтов и мне пишут, что в
15:12
моей стране это недоступно. Какие я
15:14
Виpна только не использовал. Она всё
15:16
равно рано или поздно меня блокирует и
15:18
всё. Поэтому я его решил использовать в
15:20
виде чата на Openроутере. Да, конечно,
15:22
на Openроутере этот чат более тупенький,
15:25
неудобный, неприятный, но зато я могу
15:27
всегда поработать с этими модельками,
15:29
хоть и с тормозами, хоть не с полным
15:31
функционалом, но модель будет мне вот
15:33
давать. Вот смотрите, я ему сказал
15:35
проанализировать workflow и сказал, что
15:37
мне надо сделать. И вот, собственно, его
15:39
сюда приложил. Всём, пожалуйста. Начал
15:41
его делать, писал, как всё работает,
15:43
описал структуру папки. Надо сказать,
15:46
что он очень всё подробно и качественно
15:48
сделал. Пишет с подробными
15:50
комментариями. Вот он всё сделал. Ну,
15:52
видите, подтормаживает по сам чату. То
15:54
есть он сделал много кода. Я его
15:57
вставил, натыкался на ошибки, вставлял
16:00
код. Это классический вайп-кодинг.
16:02
Программисты бесится, когда кто-то
16:03
вайп-кодит, но для меня это работает, и
16:05
я его всем советую. Вайп-пкодинга, когда
16:07
я просто без знания программирования
16:09
закидываю и прошу ему полностью всё
16:11
сделать без продуки архитектуры. он мне
16:14
выдаёт ответ, и я просто ему как
16:16
оператор копипаста закидываю. Так вот,
16:19
вот смотрите, здесь я нашёл какие-то
16:21
ошибки, да, и он мне в итоге всё хорошо
16:24
он сделал. То есть здесь
16:26
было много итераций общения с ним.
16:28
Короче, скрипт он сделал. Вот он скрипт.
16:30
Если вы хотите им воспользоваться,
16:32
пожалуйста, пользуйтесь. Только вот вам
16:33
здесь вот в IP-конфиге надо указать свой
16:36
ключик и всё. И он будет вам
16:37
генерировать. Смотрите, вот здесь у меня
16:39
два варианта. Это стандартный вариант,
16:42
он записывает в Excel. И вариант для
16:44
продвинутых, если вот здесь вот, где
16:46
Google таблица вставить true, он будет
16:49
записывать Google таблицу. Здесь надо
16:50
указать айдишник и приложить файл с
16:53
подключением Credentials. Credentials
16:55
получить легко, но надо заморочиться, и
16:58
не всем это подходит.
16:59
Для записи в Excel. Вот он здесь список
17:02
моделей, которые вы можете ставить. Их
17:04
также надо вставлять через вот эту
17:05
чёрточку. Здесь прописываете количество
17:07
идей, которые надо вам сгенерировать.
17:09
Здесь режим — это либо рандом, либо
17:12
порядок. Здесь вот можно ничего не
17:14
менять. Что такое execution limitми? —
17:16
один ставит. Это сделано для того,
17:18
чтобы, если вы хотите прогонять 1.000
17:20
идей, вдруг вам возникнет такая
17:22
потребность, вот этот Execution Limit,
17:24
он будет исключать определённое
17:26
количество последних идей. Вот,
17:27
например, если здесь поставить вместо
17:29
-1, это он, значит, будет исключать 100
17:32
последних идей. То есть, а если -1
17:34
состоит, он будет все 1.000 натысячной
17:36
идее он будет исключать 999. Это,
17:39
возможно, будет очень избыточно, и для
17:41
этого существует вот эта настройка.
17:44
Пожалуйста, скачивайте, пользуйтесь. Он
17:46
записывает вот output XLS. Здесь вот
17:49
колоночки, куда что записывать. Это вы
17:51
можете перенастроить под себя. Название
17:54
колонок. Вы можете здесь поменять промт.
17:57
Вот эти колонки, которые он будет
17:59
формировать. Возможно, вам будут нужны
18:01
другие колонки. Они вот здесь всё
18:03
прописаны. Вам достаточно здесь просто
18:04
изменить промт и колонки. можете не
18:07
менять колонки, и он в итоге вам
18:09
сформирует вот этот
18:11
аутпут. Вот смотрите, здесь я тоже
18:14
погенерировал разные идеи. Здесь я
18:17
генерировал идеи о том, для чего можно
18:19
использовать генератор идей, разные
18:24
варианты. И напоминаю, для самых ленивых
18:27
и для самых нетерпеливых работает
18:29
мойчатбот. Вы в него можете зайти и
18:31
погенерить несколько идей для того,
18:33
чтобы понять, нужно ли вам вообще
18:34
разбираться с N с питоном. просто зайти
18:37
и проверить какие-то ваши идеи. Если
18:39
вам, в принципе, для вашей деятельности
18:41
это актуально, вы можете для
18:43
маркетинговых задач накидывать идеи, для
18:46
юридических задач, например, у вас есть
18:47
в работе какая-то ситуация, и вы можете
18:51
закинуть сюда идеи. Именно этой ситуации
18:53
он вам понакидывает разных вариантов. 10
18:55
штук. Всего 10 штук. Я это намеренно
18:58
укоротил. Вот он мой бот. Да, вот здесь
19:00
вот стоит 30, но это 30 для меня. Я вот
19:03
сейчас ставлю 10 и будет по 10. А,
19:05
смотрите, кстати, как он работает. Так,
19:08
нажимаю тест и вот прошу его сделать
19:11
идеей триггеров карточки товарах джинсов
19:15
для продажи на маркетплейсах. Здесь он
19:17
генерирует порядок номер идеи для того,
19:19
чтобы вы не подумали, что он уснул или
19:21
помер. Вы здесь увидите некий
19:23
прогрессбар, как это всё работает. Всё,
19:25
здесь вторая идея. И так до десятая идея
19:28
будет. Всё, пока он генерирует,
19:30
посмотрим, как, собственно, всё работает
19:31
здесь. Вот он Telegram триггер. Он
19:34
получает сообщение. Здесь вот
19:36
формируется статус. И погнали. Здесь
19:40
формируется количество итераций. И здесь
19:42
идёт первая линия. Смотрите, здесь у
19:46
меня загружается в Subbase для каждого
19:48
пользователя. Здесь Google таблиц уже не
19:50
поиспользуешь. Вот всё, понеслась 10
19:53
дней. Собственно, он здесь вот
19:54
нагенерировал 10 дней. После того, как
19:56
он прошёл, он перешёл на вот эти две
19:58
линии и очистил базу. И вот, собственно,
20:01
выкинул 10 сообщений. Вот этот вот эта
20:04
нода отвечает за за то, чтобы он
20:05
формировал не одно сообщение, потому что
20:07
у Телеграма есть ограничение на
20:10
количестве символов в одно сообщение.
20:11
Тут не запихнёвшееся 10 сразу. И он
20:14
выдаёт по одному такому сообщению. И вот
20:16
можно их сразу прочитать. Смотрите, вот
20:19
они идейки. И можете уже как-то
20:21
поработать. И самое главное, здесь
20:22
написано, какая модель что придумала.
20:24
Если вам что-то понравилось, вы уже
20:26
дальше можете с этим работать. Но в
20:28
Telegramботе у меня некая лотерея. Здесь
20:30
у меня стоит режим рандом, а это значит,
20:33
что будет браться одна из неросей
20:34
случайным образом. То есть каждый раз вы
20:36
не знаете, какая вам нейросеть сделает
20:39
ответ будет сюрпризиком каждый раз.
20:41
Возможно вы захотите, чтобы генерировал
20:44
вам всегда дорогущий антропик, но нет,
20:46
вам будет какой-нибудь не только
20:48
антропик генерировать, но что это более
20:50
дешёвый какой-нибудь мистеральчик. Вот
20:52
такая вот небольшая лотерея среди
20:54
моделей ответа в рамках этого чатбота,
20:56
который вы можете использовать. Кстати,
20:58
если вам нужен именно вот этот чатбот и
21:00
вы на его базе хотите что-то построить,
21:02
будет под видео условий получения именно
21:04
к вот этому чатботу, если вам он очень
21:06
нужен и вы и сами не можете его
21:07
построить. Таким образом, вы можете
21:10
генерировать много интересных идей,
21:12
проверять актуальность конкретного
21:14
модели не расти именно под вашу задачу
21:16
прямо сейчас. Каждый раз вы будете
21:18
использовать самое лучшее. Прогоните на
21:21
одной задачке через N. Вы в моменте
21:24
увидите, что лучше всё работает именно
21:26
для вашего проекта, для вашей конкретной
21:28
задачи, и будете применять. Ну и как
21:30
бонус вы можете погенерить в моём
21:32
чатботе какие-то идейки, но всего 10, и
21:35
это будет всегда рандом. Но зато вы
21:37
можете прямо сейчас перейти и
21:38
поиграться, посмотреть и уже потом
21:40
разбираться с этим NAм, с питонами, с
21:43
онроутером, который, кстати, очень легко
21:45
пополнить. Много посредников, он не
21:47
банит россиян, с ним работать приятно.
21:50
Так что подписывайтесь на мой канал,
21:51
переходите в Telegram. Впереди очень
21:53
много интересного.