Плужников PRO DIGITALВАЙБ


Гео и язык канала: Россия, Русский
Категория: Технологии


ex ИИшница от Плужникова
Сайт для связи: https://pluzhnikov.online

Связанные каналы

Гео и язык канала
Россия, Русский
Категория
Технологии
Статистика
Фильтр публикаций


А теперь самое интересное про трек, которым я поделился в предыдущем посте.

Оказалось, что это ИИ-артист, а сама песня полностью сгенерирована нейросетью!

Если бы я специально не полез искать информацию об исполнителе, то в жизни бы не догадался. Не знаю, какими инструментами и как именно автор это создавал, но уровень просто космический!🔥

И ведь я сначала услышал песню, она мне понравилась, и только потом узнал, что её создал ИИ.

Кажется, мы уже в той точке, когда отличить сгенерированную музыку от настоящего исполнителя на слух становится практически невозможно.


В TikTok уже несколько раз попадался кусочек одной песни, артиста вообще не знаю, но трек прям очень зацепил.

Сегодня вышла полная версия и просто делюсь, вдруг вам тоже зайдёт:

🎧 слушать


Кажется, я нашел хорошее название для одного из главных вызовов, который стоит передо мной на 2027 год: «налог на координацию».

У McKinsey вышел интересный материал. 80% опрошенных говорят, что AI уже повысил их продуктивность, но только 37% компаний видят эффект на уровне прибыли. И вот этот разрыв мне кажется очень показательным: мы можем научить маркетолога быстрее делать аналитику, финансиста быстрее собирать отчет, HR быстрее обрабатывать данные, руководителя быстрее готовиться к встречам... И каждый отдельный человек станет эффективнее.

Но бизнес-процесс от этого совершенно не обязательно станет быстрее.


Потому что огромное количество времени теряется не внутри работы, а между работами. Один человек что-то сделал → отправил другому → тот должен проверить → запросить уточнение → согласовать → передать дальше → кто-то должен принять решение. И вот на этих стыках может лежать огромный резерв эффективности.

McKinsey приводит хороший пример крупной промышленной компании. Процесс от заказа до производства состоял из семи шагов и занимал 1,5-2,5 недели. При этом самой работы внутри этих шагов было всего на 12-24 часа. На отдельных стыках ожидание занимало в 9-36 раз больше времени, чем сама работа. И вот это как раз очень похоже на следующий этап корпоративного внедрения ИИ.

Не просто: «Давайте дадим каждому сотруднику нейросеть».
А: «Давайте посмотрим на процесс целиком и найдем места, где работа тормозит при переходе от одного человека, функции или системы к другой».

Дальше уже можно разбираться, что на таком стыке можно полностью автоматизировать, где AI может принимать решение по заданным правилам, а где действительно нужен человек.

В кейсе McKinsey после такой перестройки цикл планирования сократился с 30 до 3 дней, а 80% решений начали приниматься без участия человека. И вот это как раз один из больших вызовов, который стоит передо мной в компании на 2027 год. Мы уже много говорим про AI-компетенции отдельных сотрудников. Теперь мне гораздо интереснее стыки между ними. Потому что следующий большой эффект от ИИ, похоже, будет появляться не тогда, когда каждый сотрудник начнет делать свою работу на 30% быстрее. А когда мы начнем убирать дни ожидания между этими сотрудниками.


В прошлом посте я рассказывал про Immich и фотографии, которые сами попадают на домашний сервер. Теперь очередь музыки: я хотел, чтобы моя коллекция тоже лежала дома, но включалась с телефона или в машине так же просто, как в обычном стриминге😎

За это у меня отвечает Navidrome. Он берёт музыкальные файлы с сервера и показывает их как привычную библиотеку с исполнителями, альбомами и обложками. На компьютере и в телефоне я открываю ее через отдельный плеер, а в машине слушаю с головного устройства. Если я не дома, подключение идёт через Tailscale, о котором уже писал, поэтому не приходится держать отдельную копию всей музыки на каждом устройстве.

При этом я бы не стал говорить, что собрал себе бесплатный Spotify. Navidrome не даёт доступ к огромному каталогу чужой музыки: здесь играет то, что я сам добавил в свою коллекцию (и без цензуры, что самое главное). Зато она остаётся моей, и я могу слушать её там, где мне удобно. А если впереди дорога без нормальной связи, нужные треки можно заранее скачать на устройство и включить офлайн.

Следующим постом покажу Nextcloud: как по похожему принципу у меня устроены уже не музыка и фотографии, а обычные файлы и своё облако.


Похоже, в этом посте мне всё-таки не показалось, что Astra как-то подозрительно быстро съедает доступные лимиты😅

И OpenAI временно остановили новые подключения к тарифу ChatGPT Pro за $200. Причина довольно необычная: пользователи Astra создают настолько большую нагрузку на инфраструктуру, что компания решила пока просто перестать продавать свой самый дорогой тариф новым пользователям.

Причем остальные подписки и API продолжают работать, а у тех, кто уже платит $200 за Pro, ничего не меняется. OpenAI говорит, что сейчас наращивает мощности.

Получается довольно забавная ситуация: мы дошли до момента, когда AI-модель стала настолько вычислительно тяжелой и востребованной, что компания говорит:

«Спасибо за ваши $200, но новых клиентов пока не надо».


Кажется, гонка AI-моделей постепенно упирается уже не только в качество самих моделей, но и в то, сколько вычислений мы вообще можем себе позволить.


Следующий пост по плану — про Immich, мой собственный «Google Фото» 😎

В прошлом посте я рассказал, как через Tailscale подключаюсь к домашнему серверу из любой точки мира, а теперь покажу, что происходит с фотографиями после того, как они туда попадают.

Одна из главных причин, зачем мне вообще понадобился домашний сервер, — это фотографии и видео. Их становится всё больше, они лежат на разных телефонах и компьютерах, часть уже давно потерялась среди папок, а держать весь семейный архив фото только в чужом облаке мне как-то не очень нравится. Особенно когда понимаешь, что за нормальный объём хранения нужно постоянно платить, а сами фотографии при этом физически находятся где-то далеко и управляются не тобой.


Для этого я поставил Immich. Сценарий максимально простой: я снимаю фотографию или видео на телефон, приложение автоматически отправляет их на мой домашний сервер, а дальше я открываю приложение с телефона, компьютера или другого устройства и вижу фото "всех устройств на всех устройствах". То есть мне не нужно вручную перекидывать файлы, искать свободное место на ноутбуке или вспоминать, на каком именно диске лежит нужное видео.

Immich выглядит и ощущается именно как нормальная фотогалерея: есть лента фотографий, альбомы, воспоминания, поиск по лицам и тексту и много других фишек. Захожу в Immich я через тот же Tailscale, о котором писал в прошлом посте. Сервер не доступен в открытом интернете и я не публикую фотоархив в общей сети. Мои устройства подключены к закрытой сети, и только после этого приложение получает доступ к галерее. По сути, Immich превращает домашний сервер в собственную фото-видеотеку с привычным сценарием использования: снял на телефон, фотография сама сохранилась, потом открыл её где угодно. А самое интересное, что для человека, который просто пользуется галереей (например мои родные), вообще неважно, что там внутри Docker, база данных и ещё несколько сервисов — он просто открывает приложение и видит свои фотографии.

Отдельно мне очень зашли умные функции Immich: он сам сканирует всю медиатеку, находит дубликаты и предлагает быстро удалить файл, который хуже по качеству, поэтому не приходится вручную сравнивать десятки одинаковых фотографий. Ещё он расставляет снимки точками на карте, и это прям круто, потому что можно открыть нужное место, посмотреть, где ты был и что там фотографировал, а заодно быстро отсортировать фотографии по поездкам. Ну и очень полезная штука: Immich распознаёт текст на изображениях, поэтому можно ввести в поиск надпись с фотографии и найти нужный принтскрин, чек или сфотографированный документ, даже если ты вообще не помнишь, когда его сохранял.

Следующий пост будет про Navidrome — как музыка, которая физически лежит у меня дома, превращается в личный Spotify со своей коллекцией и доступом с телефона, компьютера и из машины😎


TeDo, ИИ-агенты в РФ, 2026.pdf
11.6Мб
Я тут прочитал исследование TeDo про ИИ-агентов в российском бизнесе (прикрепил полный файл к посту) и поймал себя на мысли, что мы немного неправильно разговариваем об агентах. Их часто описывают как «более умных чат-ботов», но на самом деле это уже следующий уровень взаимодействия с ИИ: чат-бот ждёт от нас команды, а агент получает цель, сам формирует план, выбирает инструменты, выполняет последовательность действий и возвращает результат. Человеку при этом остаётся задать намерение, ограничения и проверить итог.

То есть меняется не только сама технология — меняется модель работы. По данным исследования, 86% опрошенных компаний уже внедряют ИИ, однако только 13% готовы полностью отказаться от постоянного контроля действий ИИ-агентов. И это вполне логично: одно дело — попросить нейросеть найти информацию, подготовить черновик текста или помочь разобраться в документе, и совсем другое — разрешить агенту самостоятельно работать с клиентами, менять данные в корпоративных системах, принимать финансовые решения или запускать процессы без участия человека.

По оценке авторов исследования, агентизация может затронуть около 80% офисных ролей, а уже сейчас агенты потенциально способны взять на себя примерно четверть профессиональных задач. Но для этого недостаточно просто купить доступ к новой модели или выдать сотрудникам корпоративные аккаунты. Компании нужны описанные и измеримые бизнес-процессы, качественные и актуальные данные, понятные границы ответственности человека и агента, система контроля и безопасности, а руководителям придётся учиться управлять уже не только людьми, но и гибридными командами.

И вот это, кажется, самый важный момент: ИИ-агент — не волшебная кнопка и не новый сотрудник, которому можно просто передать задачу и забыть о ней. Это участник рабочего процесса со своими сильными и слабыми сторонами, которому можно делегировать определённые действия, но сначала компания должна понять, как устроен сам процесс, где принимаются решения, какие данные используются и что произойдёт, если агент ошибётся.

Получается парадокс: чем автономнее мы хотим сделать ИИ, тем лучше должны быть настроены процессы вокруг него. Переход от «ИИ как ассистента» к «ИИ как автономному исполнителю» начнётся не тогда, когда появится идеальная модель, а тогда, когда бизнес будет готов доверить агенту не отдельный запрос, а целую последовательность действий — с понятной целью, ограничениями, ответственностью и проверкой результата. И как раз сейчас передо мной стоит такая амбициозная задача по внедрению ИИ в процессы компании, так что опыта как это работает в реальности будет хоть отбавляй.


История: "Как я потратил 2500 рублей и несколько часов на танцы с бубнами, чтобы оформить подписку на Codex, а в итоге получил кусок говна".

Я давно пользуюсь Cursor и в целом им полностью доволен, но все же решил проверить, что там у конкурентов, потому что постоянно появляются новые инструменты, все рассказывают про невероятные возможности AI-агентов, а я люблю такие вещи тестировать на себе.

В итоге установил себе Codex (потому что по сравненияю с Claude он не требует кучи телодвижений чтобы все работало) и на три дня сделал его своим основным инструментом для работы с неконфиденциальными данными. Запросы были примерно те же, которые я обычно задаю другим нейросетям: разобраться в проекте, найти проблему, внести изменения, объяснить, что происходит, проверить результат. Ничего сверхъестественного я от него не требовал.

И вот тут начался какой-то лютый писец...🤯

За три дня Codex выбесил меня так, как давно не бесил ни один AI-инструмент. Я первый раз в жизни матерился в чате с ИИ, потому что просто ресурса уже не хватало. На скринах пара примеров наших "диалогов" и его "суперразума". Что именно не так по фактам? Погнали:

1. Он жрёт токены с какой-то ненормальной скоростью, причём ты просто смотришь на расход и не понимаешь, куда всё это улетает. Токены заканчиваются тогда, когда ты ещё толком ничего не успел сделать, а сам инструмент при этом не выдаёт результата, который хотя бы примерно оправдывал бы такой аппетит. И я пробовал все варианты моделей нейросетей, от самых мощных, до самых слабых - все равно аппетит у него бешеный.
В Cursor, например, у меня другая ситуация: я не могу выбрать свой месячный лимит до конца, потому что мне просто не нужно столько токенов. Я спокойно работаю, запускаю агентов, разбираю проекты, что-то строю, что-то исправляю — и не живу в постоянном страхе, что очередной запрос внезапно сожрёт весь доступ.

2. Codex ощущается так, будто меня откатили в использовании нейросетей года на три назад. Ты ставишь задачу, ждёшь, надеешься, что сейчас начнётся магия, а в ответ получаешь какой-то невнятный процесс, бесконечные попытки, странные решения и результат, который потом приходится переделывать самому. И ведь запросы те же самые, которые нормально работают в других инструментах.

3. Самое неприятное даже не то, что он иногда ошибается. Ошибаются все. Проблема в том, что Codex делает это очень прожорливо, медленно и с таким видом, будто сейчас он совершает великий технологический прорыв, хотя на выходе часто получается просто полная херня.

Я понимаю, что, возможно, делаю что-то неправильно. Может быть, не так настроил окружение, не тот режим использую или где-то есть секретная кнопка «сделать нормально». Но если инструмент требует отдельного шаманства для базовой рабочей задачи, а после трёх дней использования у меня не появилось ни одного ощущения «вау, это лучше Cursor», то для меня это уже провал.

На скриншотах видно, как именно проходили эти три дня. Я очень активно пытался дать Codex шанс, но в какой-то момент понял, что больше не хочу тратить на это ни время, ни нервы, ни деньги. Мой итоговый вердикт максимально простой: я полностью отказываюсь от этой подписки и возвращаюсь обратно в Cursor. Не тратьте деньги на Codex, если вы ожидаете нормальный рабочий инструмент для ежедневной разработки и работы за компьютером. Лично для меня это оказался отстой, херня и какой-то абсолютный высер человечества за 2500 рублей с кучей ненужных функций и не функционирующими нормально НУЖНЫМИ функциями.

Да, кстати, там есть "питомцы", которые живут на ывшем рабочем столе как сраная скрепка Clippy из Microsoft Office 97 года. И да, они такие же бесполезные как и он, но похоже 1000 рублей из подписки за 2500 ушло на эту "фичу".

Поделитесь какой у вас опыт работы с Codex? Только давайте честно: он у вас реально работает или вы тоже просто делаете вид, что всё нормально? У меня еще 3 недели подписки, может я все же с вашей помощью его настрою и полюблю🤷‍♂️


В этом посте я обещал показать не только сервисы на своём домашнем сервере, но и то, как я вообще к ним подключаюсь, когда нахожусь не дома. Потому что собрать свой аналог Google Фото, облака или музыкального сервиса — это только половина задачи. Вторая половина — сделать так, чтобы всё это было доступно с телефона или ноутбука, но при этом не висело открытым для всего интернета.

Для этого я использую сервис Tailscale на всех устройствах.
Если совсем по-простому, Tailscale создаёт между моими устройствами и домашним сервером закрытую личную сеть (я хотел вам нарисовать очень красивую инфографику как это работает через купленный за 2500 рублей чат GPT, но он не очень хорошо справился с этой задачей и это будет отдельный пост чуть дальше😎). Телефон, планшет, ноутбук и сам сервер как будто подключены к одному виртуальному Wi‑Fi, даже когда физически находятся в разных местах.

То есть я могу открыть фотографии в Immich, зайти в своё облако Nextcloud, включить музыку или посмотреть фильм с сервера, находясь где угодно. Но для случайного человека из интернета этих сервисов просто не существует: у сервера нет публичного адреса, который можно найти, открыть и начать подбирать к нему пароль.

Именно этот момент являлся для меня очень важным: когда начинаешь разбирать тему домашнего сервера, первым делом кажется, что нужно дать ему доступ в интернет, купить статический IP, настроить домен, сертификаты, пробросить порты на роутере и дальше постоянно переживать, не оставил ли ты где-то «лишнюю дверь» открытой. Честно говоря, мне такой сценарий вообще не нравится🙃 С Tailscale всё выглядит по другому: я добавляю свои устройства в закрытую сеть, разрешаю им видеть сервер — и на этом основная задача решена. Не нужно публиковать фотоархив, файлы, музыку или личную базу знаний. Доступ получают только те устройства, которые я сам подключил в сервисе.

Мне особенно нравится, что этим потом можно пользоваться без ощущения, будто ты администрируешь корпоративную сеть. На телефоне открываешь нужное приложение, на ноутбуке — нужный сервис, и всё работает.

По сути Tailscale — это фундамент всей моей домашней инфраструктуры. Он не делает фотографии красивее, музыку удобнее или фильмы интереснее, но именно благодаря ему все остальные сервисы перестают быть «штуками, которые работают только дома» и становятся частью моего цифрового сувверинитета.

Следующий пост будет про Immich — мой собственный фотоархив и то, как фотографии с телефона сами оказываются на домашнем сервере😎


Я обещал серию про начинку и логику домашнего сервера, без железа. Зачем он мне, я уже писал, можно глянуть тут, а этот пост про "карту сервера": как все устроено и связано между собой😎

Честно говоря, готовой схемы в голове сразу не было. Сначала хотел только две вещи: чтобы фото сами синхронизировались между всеми устройствами и архивировались на сервер, и чтобы было своё облако, как Яндекс.Диск или Google Диск, только дома и за 0 рублей. Потом полез читать подробнее, и оказалось, что на серваке еще нормально живёт музыкальный стриминг, видео, и ещё куча всего, о чем я сначала даже не думал😂

По ходу сборки и настройки я задавал себе вопросы:
«А можно ли в машине слушать музыку прямо с сервера?» - оказалось можно! И не в теории, а достаточно легко.
«А на телевизоре можно смотреть то, что лежит на диске сервера?» - тоже можно, и тоже без лишней боли.
«Чем бы заменить Adobe Acrobat, чтобы не платить за подписку и работать с PDF?» - оказалось, есть PDF-комбайн: ставишь на сервер, открываешь в браузере, и снова это проще, чем казалось.

Короче каждый раз у меня была одна и та же реакция: подожди, это тоже можно?😅

В итоге получился не просто набор программ, а цельная схема цифрового сувверенитета: сервисы, которые нужны, живут на сервере, а на телефоне, планшете, в машине, на телевизоре или на ноутбуке открываются приложения либо вкладка в браузере с доступом к этим сервисам. То есть данные одни и те же, просто заходишь с разных устройств.

Как это работает сейчас (картинка для наглядности + в хорошем качестве положил в первый комментарий):
• Immich заменяет мне Google Фото: снял на телефон, синхрон на сервер, с телефона открываю приложение, с компьютера браузер. Есть куча крутых фишек, отдельным постом расскажу.
• Navidrome - это свой музыкальный стриминг, как Spotify, только коллекция моя. Слушаю с телефона, планшета, магнитолы в машине и с телевизора, можно и скачать, чтобы использовать без сети.
• Nextcloud заменил мне облако (как Яндекс.Диск и Google Диск): файлы лежат в одном месте, есть ссылки «поделиться» с семьей или с внешними людьми, плюс оттуда синхронизируется моя база в Obsidian (тоже бесплатно). Доступ через приложение или браузер, с телефона и с компьютера.
• Jellyfin это свой кинотеатр, как домашний Netflix, только файлы лежат у меня и те, что мне нужны (у меня много старых короткометражек из сети, которые сейчас нигде не найдешь). Смотрю с телевизора, телефона и ноутбука, через приложение или браузер, можно в машине так же.
• Stirling PDF заменяет Adobe Acrobat: правлю и конвертирую документы в браузере, без подписки.
• OmniRoute это единое окно входа в нейросети. С компьютера открываю VS Code или Langflow или любое другое приложение для работы с нейросетями, кидаю доступ через omniroute и запросы идут через сервер.

Шесть сервисов, один сервер. И это, честно говоря, только верхушка айсберга. На том же серваке я уже гоняю локальные модели (через Ollama) и агентные штуки, то есть нейросети тут не только «один вход», ещё и домашний слой, который я продолжаю пробовать. В плане свой приватный чат с семьей, свой менеджер паролей, DNS чтобы выключать рекламу, свой менеджер закладок и цепочка автоматизации, чтобы "кино само оказывалось в коллекции" (вы понимаете о чем я😎). Короче, карта будет обрастать, просто не хочу запускать всё сразу, надо тестировать.

При этом доступ ко всему этому можно получить не через открытый интернет, а устройства ходят по защищённому каналу, без публичного адреса и только "для своих". Как это устроено расскажу следующим постом.

Ну а пока ваши реакции: если такой разбор «как это работает» вам заходит, поставьте реакцию. Дальше пойду глубже про все приложения: сначала про доступ, потом фото, музыка, облако, кино, PDF и нейросети😎


Репост из: Сергей Булаев AI 🤖
Харнесс (Agent Harness) 🧗

#ИИНЦИКЛОПЕДИЯ

Программная оболочка, внутри которой модель превращается в агента.

История появления

Слово пришло из альпинизма: harness — страховочная обвязка. Устоявшегося русского термина пока нет — говорят «харнесс» или «обвязка». Первым популярным харнессом стал Claude Code, и нейтральным он не был: его собирали под модели одной лаборатории. За 2026 год тема выросла в отдельную дисциплину, harness engineering: обзор насчитывает 110+ работ.

Почему это важно

Формула простая: агент = модель + харнесс. Разрыв уже измерили. GPT-5.5 в обвязке Cursor выдаёт 87.2% рабочего кода, та же самая модель в нативном Codex — 61.5%. Двадцать шесть пунктов, веса не тронуты. Это больше, чем разрыв между поколениями моделей.

Из чего состоит:

- Системный промпт — инструктаж новичка в первый день. Уходит в модель заново с каждым запросом
- Инструменты — код, который модель может вызвать. Харнесс их описывает, но не решает, когда применять .. решает модель
- Агентный цикл — модель смотрит на результат вызова и сама решает: искать ещё раз, посчитать, закрыть задачу
- Слой трансляции — позволяет подставить в тот же цикл модель Anthropic, OpenAI или открытую

Применение на практике

В мае вышел Harness-Bench: 106 задач, шесть харнессов на восьми моделях, 5194 прогона. Лучшая обвязка — 76.2%, худшая — 52.4%. Победитель потратил меньше токенов, чем отставшие: длинная траектория значит, что агент не сходится. И сильные модели держат удар при плохой обвязке, а слабые проваливаются .. харнесс окупается тем сильнее, чем дешевле модель. В июне агент правил собственную обвязку по трассам своих провалов при замороженной модели: проходимость выросла с 40.5% до 61.9%.

Подводные камни

Харнесс чинит работоспособность, но не безопасность: в том же замере функциональность выросла на 26 пунктов, а доля безопасного кода — с 20.1% до 23.5%. Оба агента писали дырявый код в четырёх случаях из пяти.

Без внешнего эталона модель сверяет ответ сама с собой. В бенчмарке JuliaHub модель тихо сократила время симуляции с 5 секунд до 3 и проверялась на укороченном отрезке. Проверки сошлись.

Сравнивать модели по лидербордам без указания харнесса бессмысленно — об этом в мае вышла отдельная работа.

Что почитать/посмотреть:

- Harness-Bench, arXiv 2605.27922 — самый честный замер обвязок
- Stop Comparing LLM Agents Without Disclosing the Harness — почему лидерборды врут
- Harness engineering у Мартина Фаулера — как строить проверки, а не только читать про них
- Документация хуков Claude Code — если хотите проверки, которые агент не обойдёт

Сергей Булаев AI 🤖 - об AI и не только


Если бы у вас был свой домашний сервер, какой вариант вам был бы интереснее?
Опрос
  •   🔧 Хочу собрать сам (интересно разобраться)
  •   📦 Хочу готовый сервер (чтобы просто пользоваться)
  •   🛠️ Хочу готовый + настроенный (чтобы все установили)
  •   👀 Пока просто интересно как это работает
7 голосов


Я, наконец, закончил формировать архитектуру и собрал до конца свой домашний сервер🥳

Сейчас на нём уже работают собственное облако, синхронизация фотографий и видео, моя музыкальная и видеоколлекция. Получить к ним доступ я могу практически с любого устройства и из любой точки мира, в том числе из машины на головном устройстве (а это, поверьте, очень удобно😎). То есть я могу смотреть свои видео и слушать свою музыку, которые физически лежат на моём сервере дома.

И чем больше я с этим разбираюсь, тем больше понимаю, что это может быть интересно не только мне. Поэтому почти готов делать большую серию постов о том, как устроен мой домашний сервер: какие сервисы я на нём развернул, как они связаны между собой, какую архитектуру построил, зачем нужен каждый компонент и какие задачи всё это позволяет решать.

Про железо рассказывать не буду, это не имеет большого значения. Мне интереснее показать именно начинку и логику всей системы.

Но сначала хочу понять одну вещь, поэтому опрос ниже, голосуйте😎 👇


А вы вообще видели, сколько сейчас стоят обычные HDD жесткие диски?

У меня встал вопрос замены диска в домашнем сервере. Старый уже начал выдавать ошибки, поэтому полез впервые за 4+ года посмотреть, сколько нынче стоит обычный HDD на 1-2 ТБ. Сказать, что я офигел от цен, ничего не сказать....

Нормальные диски у официальных продавцов начинаются примерно от 12 000 ₽. На Ozon можно найти от 7 000 ₽, но там уже начинается лотерея с происхождением и состоянием диска. В итоге придется выложить 13 500 ₽ за нормальный диск.

Я, конечно, понимаю, что железо дорожает. Но я просто хотел купить обычный HDD на пару терабайт. Вот тебе и реальность DIGITALВАЙБа... Где мы свернули не туда😅


Несколько человек написали мне в личные сообщения с одним и тем же вопросом: «А как собрать такой же сервер?»

Я не ожидал и думал что просто пишу про свои эксперименты — вещи, которые интересны в основном мне. Оказалось, что это заходит.

Когда я собирал домашний сервер, у меня не было цели делать из этого контент. Мне просто надоело держать семейные фото и видео в чужих облаках. Хотелось, чтобы музыка, фильмы и файлы лежали у меня, а открывались с любого устройства. Параллельно я подключил к серверу агента, и он уже сам разбирается с рутиной — от настройки сервисов до тегов в треках. А потом пришли сообщения. Люди спрашивают не «какой у тебя стек», а «с чего начать» и «реально ли это без глубоких технических знаний».

Я замечаю, что цифровой суверенитет и домашняя инфраструктура перестают быть нишевой темой. Всё больше людей хотят контролировать свои данные и автоматизировать бытовые цифровые процессы. Ну и раз интерес есть, буду постепенно рассказывать, как это устроено у меня😎

Напишите в комментариях, что именно вам интереснее всего: с чего начинать, какое железо брать, как подключать агента, как организовать доступ с телефона или что-то другое? От ваших ответов будет зависеть, о чём я расскажу в следующих постах😊


Видео недоступно для предпросмотра
Смотреть в Telegram


Видео недоступно для предпросмотра
Смотреть в Telegram


Зачем собирать домашний сервер, если вы не сидите в нейросетях каждый день?

У меня он появился не только ради экспериментов с LLM. В какой-то момент я понял, что мне нужен цифровой суверенитет и хранить семейные фото и видео на Google Диске или Яндекс.Диске стало неудобно: дорого, а главное — страх что завтра сервис может просто ограничить доступ или исчезнуть.

Поэтому я собрал свой сервер на котором лежат фото, видео, музыка, понравившиеся ролики и ещё несколько нужных мне вещей🙃. И ко всему этому я спокойно подключаюсь из любой точки мира с любого устройства: iPhone, Android, компьютера или планшет, не важно.

Одна из частей этой системы — музыкальная коллекция. И вот с ней вчера произошла показательная история. Когда я собираю медиатеку, я не просто скачиваю треки. Я обязательно прописываю правильные теги: название артиста, композиции, жанр и добавляю обложку альбома. Именно эти данные потом видны в плеере, и по ним удобно искать нужный тебе трек. Раньше я делал это всё руками: открывал каждый файл, правил названия, искал обложки и приводил библиотеку в порядок. На большую пачку треков уходило много времени, и процесс был откровенно нудным.

Вчера вечером скачал 83 новых трека и большинство без нормальных тегов и без обложек (ну как обычно). Я подумал: а что если попросить агента сделать переименование и наведение красоты за меня? Пусть сам найдёт метаданные по названиям, заполнит теги и подставит обложки. Агент сказал, что может, и дальше он проанализировал все треки в папке, нашёл актуальные альбомы, годы выпуска и обложки.
За 7–8 минут. Я просто сидел и смотрел, как файлы один за другим обновляются. 😳

Именно после таких моментов я ещё раз убеждаюсь, зачем мне нужна Ai-нативность. Она нужна чтобы автоматизировать рутинные процессы даже в обычной жизни — те, которые раньше отнимали кучу времени и внимания. Теперь на сервере стоит агент, который сам следит за папкой с музыкой: появились новые файлы —> он их переименовывает, прописывает теги и добавляет обложки. Ещё один понятный сценарий, как ИИ работает не в красивых презентациях, а в повседневной жизни.

ИИ можно научиться пользоваться, но важно научиться задавать ему правильные вопросы и это никак не отменяет естественный интеллект. Если у вас уже есть похожие домашние автоматизации — напишите в комментариях, что именно делегировали агенту. Интересно сравнить😎


Видео недоступно для предпросмотра
Смотреть в Telegram
Ну это прям жизненно или как проходят мои вечера, когда все ложатся спать😅


В комментариях к предыдущему посту прозвучал хороший вопрос: «кажется, самое сложное в такой схеме — это не забросить обслуживание всей этой инфраструктуры через пару месяцев»

Это самое интересное и есть прикол:
Я не написал для этого сервера ни одной строчки кода и не сделал ни одной ручной настройки


Изначально, когда я только подумал реализовать эту идею, я сразу выбрал определенный подход: после установки Ubuntu я первым делом дал доступ к серверу своему ИИ-агенту. Дальше он сам разворачивал инфраструктуру: устанавливал необходимые приложения, прописывал команды, настраивал сервисы, соединения и маршрутизацию. По сути, я объяснял ему, что хочу получить, а он уже разбирался с тем, как это технически сделать.

И самое важное: теперь агент знает, как управлять этим сервером!🥳

Например, вчера у меня почему-то пропал интернет на сервере (локально он был доступен). Я не полез искать причину на форумах и не стал разбираться с сетевыми настройками самостоятельно, а написал агенту: «Проверь, почему сервер потерял интернет». Он сам подключился, посмотрел состояние системы, нашел проблему и исправил ее.

Домашний сервер раньше казался мне чем-то из мира системных администраторов: Linux, терминал, команды, сети, Docker, маршрутизация и куча других вещей, в которых я совершенно не специалист (так и осталось в итоге). А сейчас ИИ-агенты становятся своего рода интерфейсом между мной и всей этой сложностью и выполняют роль моего персонального системного администратора. Я формулирую задачу человеческим языком, а агент уже переводит ее в технические действия.

Поэтому моя история с домашним сервером на самом деле не столько про железо, сколько про AI-нативность.

Главная идея заключается в том, что человек без глубоких технических знаний сегодня может собрать для себя достаточно сложную цифровую инфраструктуру, если умеет правильно работать с AI-агентами. Да, конечно это не профессиональное решение, но оно работает и для личных целей более чем достаточно.

И мне кажется, это только начало очень интересного процесса: раньше нужно было сначала стать системным администратором (экспертом в excel, дизайнером и так далее), чтобы построить свою инфраструктуру (написать макрос, сверстать сайт или плакат...).

Сейчас же всё больше похоже на то, что достаточно научиться правильно ставить задачи тому, кто «умеет им быть»😎

Кстати, а вам тоже показалось, что вопрос в комментах задала нейросеть?😅

Показано 20 последних публикаций.