Kravcov AI - ИИ в работе, бизнесе и жизни

Обновил оба Skill

prompt-craft v2 - https://github.com/kravcovtech/prompt-craft/releases/tag/v2.0

Главное: развилка по классу модели стала тройной - добавились frontier-агентные (Opus 5 и новее), где промпт настраивается вычитанием: инструкции верификации удаляются, потому что складываются со встроенным поведением. Практик 17 вместо 12 (длина по трём каналам, контракт задачи, evidence вместо самоотчёта, конфликты слоёв инструкций, миграция протоколом). Два новых справочника: claude-opus-5.md и sources.md — реестр источников со статусом проверки. Пополнены models (Grok, Mistral, open-weight), evals (DSPy/GEPA), context-engineering (CLAUDE.md/AGENTS.md), security (OWASP 2026 + первая Agentic).

sdd-power v3.1 - https://github.com/kravcovtech/sdd-power/releases/tag/v3.1

Скрипты собраны в одну директорию (lib/ убран, archive.awk растворён в sdd.sh), коды возврата теперь означают сбой скрипта, а не находки. Свежий init больше не заваливает предупреждениями по заглушкам шаблона; задача без номера стала ошибкой. В скилле - раздел «Состав скилла», развилка «документации нет вовсе», якорь в ручном пути, поведение вне git.

Интересное про вотермарки от клода https://habr.com/ru/articles/1076018/

Сейчас часто приходится разрабатывать большие проекты на CLAUDE. Для себя сформировал перечень шагов, которые позволяют стартовать разработку с наиболее полной картинной:

1. Исходные данные
- Общая концепция того, что разрабатываете
- Стек (Не обязателен, но желательно)
2. Анализ вводных данных и создание списка открытых и спорных вопросов - FABLE
3. Ответы на открытые вопросы в интерактивном режиме - Opus5
4. Финальная коррекция концепции проекта - Opus5
5. Создание итогового плана разработки + ТЗ - FABLE
6. Процесс разработки - Opus5

Так получается избежать белых пятен, которые потом приходится разгребать уже в процессе разработки.

@Kravcov_AI

Первый ответ AI полезно рассматривать как рабочую версию, а не как окончательную истину. Поэтому после его получения стоит выполнить отдельную проверку. Причина не в том, что искусственный интеллект «не видит своих ошибок», а в особенностях работы больших языковых моделей. Они последовательно генерируют текст, прогнозируя наиболее вероятный следующий токен на основе контекста и данных, на которых были обучены. При этом модель не проводит автоматическую независимую проверку каждого факта или вывода.

Повторный запрос, например: «Проверь этот ответ критически», «Найди ошибки и слабые места» или «Какие утверждения требуют подтверждения?», побуждает модель заново проанализировать свои выводы. Это помогает выявить логические противоречия, неточности, пропущенные детали и альтернативные интерпретации, которые могли не попасть в первый ответ.

Такой подход не гарантирует абсолютную достоверность, поскольку повторную проверку выполняет та же модель. Однако практика показывает, что второй этап анализа часто повышает качество ответа и помогает обнаружить ошибки, оставшиеся незамеченными ранее. Если вопрос касается медицины, права, финансов, инженерии или других областей, где цена ошибки высока, результаты AI следует дополнительно сверять с авторитетными источниками или мнением профильных специалистов.

С 1 сентября 2027 года ИИ-модель без записи в реестре может остановить систему в ГИС или на объекте КИИ.

Это норма из разбора РБК Компании по законопроекту «Об основах государственного регулирования сфер применения технологий искусственного интеллекта в РФ». По этой версии, реестр доверенных моделей станет обязательным пропуском для ИИ в государственных информационных системах и на объектах критической информационной инфраструктуры.

План такой: 2025 год - разработка реестра и критериев проверки, 2026 год - пилот процедур, полноценный запуск - 1 сентября 2027 года.

Штрафы за модель вне реестра: 50-100 тыс. руб. для должностных лиц и 200-500 тыс. руб. для юрлиц. Отдельный риск - предписание о приостановке эксплуатации до устранения нарушения.

Похожую логику Euronews описывает по EU AI Act: классификация ИИ по уровням риска, управление рисками для высокорисковых систем, прозрачность, маркировка синтетического контента и документирование данных для обучения. Euronews называет AI Act де-факто глобальным стандартом для крупных транснациональных компаний. Это позиция издания; независимого замера масштаба влияния в новости нет.

Для бизнеса вывод прямой. ИИ становится объектом комплаенса: где применяется модель, на каких данных обучалась, кто проверяет результат, какие права у нее есть, можно ли доказать происхождение контента.

Практически я бы уже сейчас завел внутренний реестр: модель, поставщик, сценарий, данные, риск, владелец, человек на финальном решении. Для ГИС и КИИ - отдельно проверить, не завязан ли критичный процесс на модель, которая к 2027 году может не пройти внешний фильтр.
@Kravcov_AI