Max Pastukhov | Практика агентского ИИ

Первый набросок моего харнесса был готов еще в сентябре прошлого года, и по тем временам он был на самом деле крут - значительно удобнее Claude Code который он оборачивал. Но я не стал релизить его в качестве продукта осознанно, и даже сейчас не продвигаю его в качестве отдельного продукта.

Теперь объясню почему: мне со старта было понятно, что ситуация складывается из разряда: "Твой сегодняшний продукт завтра станет просто фичей у более крупного игрока". Это в итоге и произошло: когда рынок массово увлекся этой идеей, заиметь свой харнесс стало примерно как "заиметь свою CMS до появления WordPress".

Мне, на самом деле, абсолютно не интересен чисто технический уровень - это всего лишь инструмент, коммодити. Мне интересно то, что на его основании можно построить - именно этим я, собственно, и занимаюсь плотно уже несколько месяцев. Мой Агент - всего лишь стабильный кирпичик, точка изоляции зоопарка харнессов, провайдеров и моделей.

Аналитический агент, на самом деле, был готов еще в декабре прошлого года, просто оставался внутренним инструментом до появления более прикладных продуктов. Он ведь тоже по своей сути не особо практический - поглядеть (*) на статсы ведь наш привычный способ прокрастинации.

Исследовательский агент уже сильно практичнее - я с помощью него уже могу создавать "корм" для вполне практических задач. И дальше уже идет по нарастающей: крутится в режиме обкатки Телеграм-агент, и прочие маркетинговые заготовки на низком старте, обкатываются циклы Action Research и бюрократия с маркетинговыми артефактами.

Технологии тут, конечно, важны. Но важнее именно практический навык их использования и полировки. Чтобы ты не просто натянул на голую идею красивую шкурку, а своими ножками сходил в поля по колено в чем придется. И переделывал его на лету неоднократно, ибо практика очень сильно отличается от теории.

Будущее я вижу именно в жестком нишевании: чем более узкую и одновременно практичную задачу решает твой продукт или услуга, тем больше шансов на выживание. Харнессы будут приходить и уходить, как это было с CMS, CRM, ERP и прочими тремя буквами.

Деньги же будут в абсолютно скучных, прикладных темах. Китайцы, кстати, это поняли раньше других, поэтому там гораздо меньше народа занимается коммодити, и гораздо больше - прикладными аспектами и узкими нишами.

От себя добавлю, что у меня так ни одна из американских моделей и не "зашла". Допустим, сейчас лежит подписка на ChatGPT без дела, разве что вот редизайн с помощью нее сделал на днях. Но что я не упомянул тогда, так это что Kimi K3 сделала дизайн поинтереснее, и сразу в виде HTML-кода, а не просто промпта. Мне просто лениво было его накатывать, но в уме держу на будущее. Мой стек сейчас выглядит так: GLM-5.3 для кодинга (на 100% доволен), DeepSeek-V4-Flash для не-кодинговых но сложных задач, Mimo-2.5 для разного шлака, практически бесплатно. И я могу провести эту линию на графике чуть дальше в уме, поскольку вижу насколько быстро идет эволюция именно китайских моделей, в сравнении с американскими. Ровно год назад GLM-4.7 была откровенно слабее моделей от Антропика, сейчас же я все больше вижу людей кто полностью переходит на Китай, и вопрос уже не только в цене.

Обратил внимание, что последние посты больше про поиск вариантов получить как можно больше токенов занедорого. Хотя, вроде как, канал посвящен "Практике агентского ИИ".

Тут я хотел бы извиниться: за последние несколько недель были такие мощные качели цен на компьют, что все мысли были именно в этом направлении. Особенно важным это становится в контексте KPI в виде потраченных токенов: я, хотя и ною что сложно потратить даже уже купленное, все-таки нахожу постепенно возможности ввалить их с пользой. И, чувствую, скоро буду уже ныть в обратном направлении :)

Хотя я и обсуждаю больше токены и прочие технические моменты, в фоне идет масштабная работа по конкретному применению всего этого именно для бизнеса, а не для кодинга "в стол". И это сложнее чем кодинг, на самом деле. Поскольку нет легких способов верификации, как и надежных источников информации по ходу.

Если в разработке я выступаю в роли надзирателя и помощника, то в маркетинге уже модельки учат и погоняют меня. Фактически, я сейчас прохожу ускоренный курс маркетинга в современных условиях, не отходя от кассы. Исследовательский агент в этом неиллюзорно помогает, хотя и жрет токены тоннами.

С другой стороны, я понимаю ценность того, что он делает: еще пару лет назад я выполнял эти задачи вручную, и каждая из 15-минутных задач для агента занимала у меня дни, а иногда и недели поиска, чтения страниц и сбора идей до кучи. У меня даже было что-то вроде "публичной базы знаний" в формате разрозненных, но практических пунктов. И каждый из этих пунктов - по крайней мере 5 минут моего времени на изучение материалов.

В прошлом эта база служила источником мотивации и идей для запуска новых проектов. Теперь же я эту информацию собираю уже не для себя, а в качестве "корма" для агентов, которые будут заниматься практикой. Тут уже не будет паузы в недели и месяцы между теорией и практикой.

Допустим, навыки "action-research" (методология Action Research) и "stress-testing" (стресс-тестирование идей и планов) я создал буквально в пару промптов, и они на две головы выше того, что я мог бы написать вручную. В таком же режиме я уже запилил набросок агента для ведения Телеграм-канала, заготовку под YouTube-канал, и сейчас погружаюсь в тематику аутрича и платных каналов.

Для меня важнее всего даже не скорость работы агентов на самом деле, а возможность запускать их параллельно. Даже если агент работает час над сбором информации, это час моего свободного времени. И возможность запускать десятки агентов над любыми другими задачами одновременно. Оттуда, собственно, и страдания по поводу цен на компьют :)

Bank of China начал кредитовать разработчиков под расход токенов

Один из четырех крупнейших госбанков Китая запустил программу Computing Power Token Loan. ИИ-разработчикам дают до 30 млн юаней (около 4 млн долларов) на срок до трех лет.

Залог не нужен - вместо него банк смотрит на расход токенов, стоимость контрактов на вычисления и выручку от ИИ-продуктов.

Аналитики настроены скептически по двум причинам. Во-первых, расход токенов показывает, насколько активно компания работает, но ничего не говорит о том, зарабатывает ли она. Во-вторых, метрику легко накрутить лишними вызовами API, чтобы поднять себе лимит.

Чтобы это отслеживать, нужен независимый аудит логов потребления, а таких площадок пока нет.
cls.cn (https://www.cls.cn/detail/2454822)

Вот честно: лично у меня сейчас проблема вообще не в объеме токенов. А в том, куда бы их эффективно потратить :)

Не, я могу конечно крутить циклы в стиле "Make me a billion dollars, make no mistakes", но что-то пока сомневаюсь в эффективности этого подхода. С другой стороны, весной прошлого года я так же сомневался, что уже через пару месяцев перестану писать код руками.

Есть тут люди, кто реально эффективно, с измеримым экономическим эффектом, хотя бы 10 ярдов в месяц тратит? Ау?

Я уже лет 20 читаю все исключительно на английском языке, за редкими исключениями вроде русскоязычных авторов. И видео смотрю тоже в оригинале, включая разные фильмы и сериалы. Но часто, когда делюсь интересной книгой или видосиком, слышу вопрос в личку: "А на русском есть?"

Сейчас у меня случился свой "DeepSeek Moment": в процессе бизнес-планирования попросил модельку перевести книгу Терезы Бранник по Action Research на русский язык, чтобы проще было на нее ссылаться из других разделов.

302 страницы околонаучного текста, 45 минут, 10 центов по "родной" цене DeepSeek-4-Flash, а фактически бесплатно, поскольку я все еще безуспешно пытаюсь выжрать подписку на OpenCode Go за 5 баксов в месяц.

Перевод качественный, для моих задач более чем достаточный. Если прогнать еще пару раз в режиме "проверь и исправь мелкие недочеты", стало бы готово к передаче издательству.

Вышла GLM-5.3, но радости на самом деле особой нет от этого: компания настолько испортилась в последнее время, что даже хорошие поводы может превратить в проблемы.

Допустим, вчера 5.2 работала шустро, сегодня скорость упала раза в три. 5.3 работает еще медленнее. И с лимитами там все плохо в последнее время: на про-аккаунте всего 250 миллионов токенов в неделю, то есть миллиард в месяц.

Просто для сравнения: даже с новыми ценами на дипсик-4-флеш за 60 долларов в месяц, можно получить около 4 миллиардов токенов с моими задачами. А если брать те же 4 миллиарда с помощью подписки OpenCode Go - и вообще в 5 долларов в первый месяц можно уложиться.

Поэтому я превратился из сторонника z.ai в человека, который уже отговаривает от них. На текущий момент наилучший вариант для старта - именно подписка OpenCode Go за 5 долларов, в которой нужно использовать deepseek-v4-flash через Reasonix (поставив галочку "можно использовать китайские модели" админке opencode go).

В этой подписке получается около 4-6 миллиардов токенов в месяц при том, что у меня реальное потребление в кодинговых задачах редко первышает 3 миллиарда токенов. То есть нужно еще сильно постараться, чтобы столько потратить. И не банят за несколько потоков/несколько IP, как это любит z.ai делать. Скорость тоже примерно в 2-3 раза выше, особенно сейчас.

В последнее время все больше новостей, как та или иная платформа банит ИИ-слоп. Вполне ожидаемо, иначе они умрут под лавиной низкокачественного контента. Ключевое слово тут - именно "низкокачественный". ИИ-слоп становится "слопом" не в момент генерации, а в момент релиза без валидации.

Разверну немного мысль: то, что мы сейчас наблюдаем - классический арбитраж на старте любого рынка. Всегда находятся те, кто хочет получить пассивное плечо на мизерный капитал стартапера. И, если экономика сходится, оно будет масштабироваться бесконечно. Спам, SEO, доры, криптоскам, инфобиз, теперь вот нейрослоп.

Но за каждым негативным термином из списка есть его "белая и пушистая" версия: директ-маркетинг, контент-маркетинг, финтех, образовательные услуги, автоматизация. "Под капотом" там могут использоваться ровно те же данные и алгоритмы, но с человеческой валидацией на выходе. И эта валидация - не только про "работает или нет", но и про удовлетворение клиента и долгосрочные перспективы.

Да, валидация требует опыта и усилий. Но выбора другого у нас нет: все, что без ручной валидации, будет неизбежно автоматизировано и заарбитражено "в ноль". Поэтому можно мечтать, конечно, о полной автоматизации своей работы и получения гигантского рычага за счет этого. Но, на практике, этот рычаг будет так же легко заарбитражен другими. Вопрос только в сроках.

Поэтому я бы не стал избегать областей с тяжелой, долгой и дорогой валидацией. А даже наоборот - начал бы лезть туда как можно раньше, чтобы к моменту массового осознания их ценности мы бы уже сидели в высокой крепости, окруженной рвом с крокодилами. Не потому, что у нас алгоритмы или промпты лучше. А потому, что наше конкурентное преимущество уже отнюдь не там.

Если агент "из коробки" не работает как надо, это признак хорошей точки входа. И, чем сложнее и дольше дообучение - тем дольше эта возможность проживет. Еще лучше - если результаты работы агентов приводят к накоплению конкурентного преимущества в тех областях, где автоматизация заведомо невозможна. Бренд, репутация, доверие людей, клиентская база, капитальные вложение в материальные активы и ресурсы.

Арбитраж можно и нужно превращать в бизнес, даже если сейчас чистый арбитраж и кажется проще и быстрее. Обернуть языковую модель в интерфейс с парой промптов - арбитраж. Решение конкретных проблем конкретных людей - бизнес. Лить трафик на чужие продукты ради моментальной прибыли - арбитраж. Лить на свои продукты и услуги - бизнес.

Последние модельки реально хороши в написании кода, этим можно и нужно пользоваться. Именно в этом контексте от них будет максимальная прибавочная стоимость, при которой их ценой в принципе можно пренебречь.

Почему можно пренебречь? А потому, что стоимость написания кода многократно размывается по его последующему использованию. Даже если автоматизация работы стоила сравнительно дорого, применение этой автоматизации не стоит ровно ничего в будущем. Или очень дешево, если все-таки потребуются минимальные доработки в процессе. Чем чаще и дольше применяется подобная автоматизация - тем меньше ее итоговая цена на единицу использования.

Я вижу, что люди пришедшие в ИИ не из технической среды, этим не пользуются. Просят сделать какую-то работу "в лоб". Моделька при этом все равно пишет все тот же код, отлаживает его в процессе, чтобы потом тупо выкинуть. Получается, что ты все равно тратишь все то же время и ресурсы на написание кода, только не сохраняешь результаты этого труда.

Поэтому я всегда оборачиваю любых агентов в роль разработчика. Допустим, не "исследователь рынка", а "разработчик системы исследования рынка" - в этой роли он более охотно автоматизирует свою работу, давая на выходе не только заказанные исследования, но и наращивая кодовую базу в процессе.

Для меня решение любых задач без получения сопутствующего кода - деньги на ветер. И не только деньги, но и время, и нервы, ибо любые сложные задачи требуют отладки в процессе, которая без систематического накопления кода будет выполняться каждый раз с нуля.

Тут я делю модельки на две категории: которые хороши в написании кода (вроде GLM-5.2 или Fable-5) и остальные. Первые автоматизируют процессы, вторые - встраиваются в него в качестве дешевого источника ризонинга. Это превращает прежде "тупые" и "деревянные" решения в интеллектуальные и мощные.

Мой KPI по затраченным токенам, кстати, первую категорию не учитывает. Я учитываю только то, что потрачено непосредственно на решение бизнес-проблем, поскольку иначе есть риск скатиться в непрерывный кодинг без конкретной цели. Именно решение бизнес-задач должно драйвить разработку, а не наоборот.

До сих пор еще существуют люди, считающие что модельки не способны решать большие задачи над большими репо. И я даже понимаю их, поскольку тоже ведь начинал с нуля, еще когда модельки были сильно слабее (в июле прошлого года, еще с Aider и Gemini Flash которая даже скопировать код из файла в файл не могла нормально).

Даже с учетом уровня современных моделей все равно требуется некоторый навык и желание модельку дообучать в процессе. Ибо "из коробки" она может иногда творить дичь в неожиданных местах, особенно на легаси-коде.

Что происходит дальше, опишу просто на своем опыте: Сначала ты пробуешь разные пет-проекты, по сути набиваешь руку. Из них вырастает понимание того, как именно они работают, и желание довести их работу до нормального уровня. Обвешиваешься сначала правилами в CLAUDE.md, потом линтерами, потом автоматизацией, потом навыками. Чем дальше - тем больше задач моделька может решить с первого захода в режиме планирование-исполнение.

Но самой главный "секретный соус" быстрой разработки даже не в этом, на самом деле. А в том, что у тебя постепенно копится уже отлаженный код и интерфейсы, которые модельки способны копировать из проекта в проект буквально за 30 минут. Даже полностью интегрировать одно большое приложение в другое, при желании.

Разработка превращается из рандома в "посмотри там как фича реализована, утащи ее себе". И при таком подходе модельки, действительно, могут делать реально большие и сложные штуки. И внимания это уже не требует в процессе: дал задачу на несколько часов, ушел заниматься другими делами.

Да, на новых задачах и интерфейсах все равно приходится иногда просить поправить, но что уже отлажено один раз - пригождается потом неоднократно в той или иной форме. Ты, получается, собираешь решение очередной задачи из уже готовых "кубиков", поэтому работа идет реально быстро и стабильно.

Поэтому, по моей оценке, разница в отношении к вайб-кодингу будет только усиливаться: те кто накопил свою коллекцию "кубиков" смогут из нее собирать все более, и более серьезные штуки за часы. Те, кто до сих пор до этого не дошел, продолжат спорить о бесперспективности вайб-кода. И, учитывая разницу в реальной производительности первых и вторых, рынок неизбежно это учтет.

А теперь представим, что есть люди, которые прямо сейчас собирают эти "кубики" на уровнях сильно выше кода и интерфейсов...

Умные книжки и статьи про позиционирование рекомендуют четко отделить себя от толпы. "Нетакусики" всегда привлекают внимание. И тут мне даже стараться не надо, поскольку мой подход к ИИ изначально был конфликтным.

Да, я сначала не верил, что ИИ-шка сможет что-то серьезное в ближайшее время. Считал, что объема весов еще долго не хватит до заметных результатов. И наш удел - дописывать куски кода внутри функций и комментарии к ним писать. Но все изменилось прошлым летом, когда я получил в руки модельку, которая реально могла в полноценный кодинг. Да, с ошибками - но могла.

У меня возник простой вопрос: какова будет моя роль в тот момент, когда модельки разовьются до моего уровня или выше? Да, я стану их основным тормозом. И чем дальше, тем больше я в этом убеждаюсь. Я ограничен отнюдь не компьютом сейчас, и даже не уровнем моделей, а моим личным временем и желанием валидировать работу моделек. Именно по этой причине я до сих пор слабо применяю циклы, хотя вижу в них следующий виток развития.

С точки зрения развития бизнеса и продаж мне хорошо было бы занять позицию: "ИИ никогда не заменит человека. ИИ - помощник, а не угроза." Но это означало бы врать самому себе: я действительно верю в то, что модельки ПОЛНОСТЬЮ заменят человека, а не будут ему помогать. И компании сами поймут со временем, что именно люди тормозят потенциал применения ИИ. И станут от них избавляться, волнами.

Как мода работает: в этом сезоне увольняем саппортеров, поскольку все это делают. В следующем сезоне - девопсов, их тоже всех увольняют, поэтому не будем выглядеть стремно на общем фоне. "Когда пришли за девопсами, я молчал - я ведь не девпос..."

Да, люди определенно нужны на этапе дообучения моделей "из коробки". Но цена вопроса тут небольшая - несколько дней контроля с мелкими правками. На выходе - файлик в несколько килобайт, который корректирует поведение модели до уровня, где она способна эффективно решать 95% задач. Еще пара недель - 98%. Пара месяцев эпизодического контроля - практически безупречная работа.

Более-менее стабильно будет только в устоявшихся иерархических структурах, где инерция позволит существовать ролям, в которых уже нет особого смысла. Но при выходе на открытый рынок труда работу уже будет найти сложно, несмотря на все регалии. Вспоминаю программистов на FoxPro или Delphi, которые продолжали указывать 15-летний опыт в резюме аж в 2010 году.

И да: я понимаю, что меня лично это касается не меньше, а может даже и больше, чем других. Ибо у меня нет той самой иерархической структуры со стабильной зарплатой. Догфудинг в чистом виде. Но это интересно по-своему, не жалуюсь.

Что-то в последнее время много стало разговоров и новостей о том, что ИИ не приносит на самом деле экономического эффекта. Типа кода пишется больше, контента создается больше, а в деньги оно не особо конвертируется. Да, есть отдельные громкие истории как кто-то на коленке запилил стартап и либо красиво продался, либо устроился на хорошую должность параллельно с продажей. Но это именно единичные истории, отнюдь не тренд.

Это может удивлять только тех людей, кто не проходил в своей жизни подобные экономические циклы неоднократно. Я это наблюдал еще с 1998 года с дотком-бума, потом были шароварщики, потом - веб-дизайнеры, сеошники, и так далее. В каждой из этих волн деньги на самом деле имели единицы. Подавляющее большинство фактически работало бесплатно. Классическое распределение золотоискателей.

Свой секрет борьбы с этим феноменом я получил еще в 2000-м году, просто понаблюдав за окружающим миром глазами вчерашнего студента. Правило простое: "Чем ближе к деньгам - тем больше денег"

Это не означает, что нужно становиться бухгалтером или кассиром. Это означает, что от моей работы должен напрямую зависеть доход компании, где я работаю. Именно это позволило сначала изучать, потом применять в чужом бизнесе, а потом и в своем методы маркетинга и продаж. Да, у меня на входе в метро был комплект журналов "Компьютерра", "Индустрия рекламы", "Эксперт". И из книжек не было ни одной по технологиям, зато был Котлер, Манн и компания.

Да, я увлеченный кодер, но стараюсь применять свои знания и навыки именно для решения денежных проблем. Автоматизировать маркетинг, продажи, аналитику денег, а не технологий. Финансы те же (но там сложно сейчас стало, не рекомендую).

То же касается и агентского ИИ: от выбора конкретики его применения целиком зависит и финансовый результат. Если вы решаете сугубо технические проблемы - будет сложно. Если приносите клиентов и реальные продажи - сильно полегче и повеселее. Даже если это скучнее чистых технологий. И сложнее, да.

Сложность тут возникает отнюдь не технологическая - ее уже эффективно подписка за 50 долларов в месяц решает. Сложность - в попытках подружить виртуальные модельки с реальным миром. Вылезти из своей зоны комфорта.

Немного про ценность того, чем я тут занимаюсь: на самом деле, я не тешу себя иллюзиями, что мой труд будет востребован уже через пару лет. Банально потому, что модельки и рынок в целом ускачут далеко вперед за это время, и любой мой текущий инструментарий потеряет значительную долю своей ценности. Что же останется на выходе?

Да, это отнюдь не автоматизация, не продукты и даже не опыт. Естественным образом возникнет что-то более высокого уровня, где текущие усилия - лишь фундамент. Я это уже не раз проходил в своих предыдущих проектах, где вроде как бесперспективные идеи тянули за собой идеи гораздо более интереснее. Просто решаешь текущие проблемы, что автоматически дает новые инструменты, продукты и опыт.

Допустим, свой первый бизнес у меня был карикатуры по фотографии на заказ (да, я не шучу). Это было еще во времена интернета по телефону, и тогда казалось хорошей идеей: заказчики зарубежные, исполнители - местные и дешевые (нашел художника в туристическом месте). С художником в итоге не сложилось - не захотел он становиться частью конвейера.

Но, в процессе попыток прорекламировать эту услугу, возник бизнес по шаблонам сайтов, поскольку обратил внимание что я сам их купил, значит кому-то еще нужно. А за шаблонами сайтов - инструмент исследования ключевых слов, поскольку рекламировался в ранней версии Google AdWords, когда еще клики по 5 центов были почти по всем нишам. И так далее, где каждая последующая идея сама собой вырастала из предыдущей.

Поэтому, хотя я и оптимистичен по поводу будущего ИИ, я все-таки пессимистичен по поводу бизнесов в этой сфере. Рынок настолько быстро развивается, что ничего долгосрочного тут не построишь. И даже первым быть не всегда полезно - достаточно посмотреть на реалии прошлых циклов. Гугл ведь не был первым поисковиком. И айфон не был первым смартфоном.

Лично для меня ИИ интересен отнюдь не как способ построить красивый бизнес "на века". Для меня это, в первую очередь, возможность создавать сотрудников самому себе своими руками. Никогда не любил (и не умел) нанимать людей и рулить ими, мое - это именно код и данные, аналитика и машинное обучение. И применять этих сотрудников я буду, скорее всего, отнюдь не в высокотехнологичных сферах, а куда рынок вынесет.

Писал недавно, что установил себе новый KPI в виде потраченных токенов, и вчера успешно сожрал около 1.5 миллиардов суммарно на разные задачи, большей частью глубокие маркетинговые исследования (2,000+ поисков, 20,000 страниц собрано и проанализировано). Все это стоило на самом деле копейки - буквально 10 долларов на DeepSeek по его текущей халявной цене (дальше они обещали сильно поднять цену, поэтому я прям торопился), плюс давно оплаченная годовая подписка на z.ai, считай бесплатная.

Как всегда, практика сильно отличается от теории, поэтому по итогам потребления такого объема возникла интересная мысль: когда идет однотипная работа, большую ее часть можно автоматизировать до уровня, где использование моделей упадет в 10-50 раз. То есть, на выходе, все равно использование токенов сократится естественным образом после первоначального всплеска.

Чем я сразу и занялся: допустим, поиск и скачивание страниц совсем не обязательно поручать моделям даже со скриптами, это вполне можно вынести в приложение, которому нужно всего лишь два запроса от модельки, дальше оно внутри себя все это переварит. Использование более гибкого движка для просмотра отчетов позволит не напрягать модельку исправлением потенциального кривой markdown-разметки. И так далее: если мы видим повторяющиеся шаблоны где моделька тратит десятки шагов, это можно и нужно автоматизировать в коде.

Казалось бы, мой KPI рассыпается на глазах: эта автоматизация резко снижает потребление токенов, в десятки и сотни раз. Авотхрен: эта цель никуда не девается, просто теперь те же токены будут потрачены на более интеллектуальную работу, а не на скачивание и парсинг страничек. И там тоже в итоге возникнут идеи подобной автоматизации, и так по кругу.

В итоге я ожидаю получить систему, где ризонинг нужен в очень ограниченных объемах, но он будет приносить заметный результат за счет всего этого обвеса. И, если не расслабляться и продолжать себе ставить масштабные цели в рамках этого объема ризонинга, может получиться очень даже интересно.