惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
aimingoo的专栏
aimingoo的专栏
Martin Fowler
Martin Fowler
C
Check Point Blog
G
Google Developers Blog
V
Visual Studio Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Google DeepMind News
Google DeepMind News
人人都是产品经理
人人都是产品经理
有赞技术团队
有赞技术团队
MongoDB | Blog
MongoDB | Blog
月光博客
月光博客
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
大猫的无限游戏
大猫的无限游戏
D
Docker
Hugging Face - Blog
Hugging Face - Blog
The GitHub Blog
The GitHub Blog
博客园 - 三生石上(FineUI控件)
A
About on SuperTechFans
Recent Announcements
Recent Announcements
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
Stack Overflow Blog
Stack Overflow Blog
Vercel News
Vercel News

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
Итерация 4 закрыта: 20 часов на методику, которую агент н...
alien-engine · 2026-05-02 · via Все публикации подряд на Хабре

Уровень сложностиСредний

Время на прочтение4 мин

Охват и читатели696

Кейс

Четвёртая статья из серии. Предыдущие: манифест, итерация 0, итерация 4 убита.

В прошлом посте я закончил так:

Эту работу агент не сделает. Реализовать — сделает. Придумать — моя задача.

С того поста — 20 часов и 20 коммитов. На код пришлась небольшая часть. Основная — на методику.

Что не сработало в первой версии

Схема была такая: пользователь отвечает → маленькая LLM классифицирует «вопрос + ответ» в массив сигналов с весами → сигналы накапливаются → детерминированный код назначает карту по порогу.

Технически рабочий пайплайн. Я его удалил, потому что прошёл диалог сам и увидел: это анкета, не зеркало. Адаптивный вопрос на основе предыдущих ответов — механизм, не методика. Разница примерно как между «у меня есть весы» и «я знаю, что взвешивать и почему».

Что такое методика в моём случае

Когнитивный протокол отвечает на три вопроса.

Что измеряем. Не «личность» в общем — слишком широко. Когнитивную идентичность: устойчивую конфигурацию того, как мышление ставит себе задачи, обрабатывает их и на чём основывает уверенность. Это узко, и это хорошо: узкие вещи измеримы.

В каком пространстве. Трёхосная модель:

- Эпистемическая цель — куда направлен ум в свободном режиме. 8 целей: истина, понимание, ясность, решение, смысл, возможность, согласованность, точность.

- Когнитивная модальность — как ум обрабатывает. 5 полярностей: аналитично/холистически, линейно/нелинейно, конкретно/абстрактно, быстро/медленно, сходяще/расходяще.

- Эпистемический якорь — на чём держится уверенность. 8 якорей: эмпирический, логический, интуитивный, авторитетный, опытный, соматический, диалогический, этический.

Носитель — точка в пространстве. Тип — область. Каталог из 24 типов покрывает пространство без избыточности.

Это решает проблему MBTI и тестов того же класса: два типа с одинаковым описанием неразличимы. В трёхосной модели у каждого типа уникальные координаты — одинаковое описание сразу видно как методическую ошибку.

Как попадаем в пространство. Двенадцать вопросов в трёх блоках. Цель собирается голосованием по четырём ответам в одну из форм ядра — single, dual-tie (2:2), dominant-with-shadow (2:1:1), unformed. Модальность — профиль из пяти букв, сравнивается с типами через модальное расстояние. Якорь — тройка ответов, по доминанте и составу.

Финальная уверенность:

C = 0.45 · gC + 0.35 · mF + 0.20 · aS_эфф

И семь резолюций — clean_match, good_match, anchor_secondary, boundary_type, weak_anchor, unformed_core, low_confidence — каждая со своим диапазоном C.

Документ на 800 строк, в котором обоснован каждый выбор: почему 8 целей, почему именно эти 5 полярностей, почему веса 0.45/0.35/0.20, а не равные. Большая часть времени ушло на это.

Что было закодировано

Бот ведёт по 12 вопросам с прогрессом «вопрос N из 12». Каждый ответ — событие answer.given. Координата ответа определяется детерминированным маппером по таблицам методики — LLM не голосует за тип. Но после каждого ответа LLM объясняет, что именно попало в координату и почему — это делает прохождение живым, а не анкетой. Интерпретация пишется в событие answer.interpreted и отображается пользователю.

Событие card.computed содержит координаты, тип, уверенность и резолюцию. Источник истины. Записывается по результатам детерминированного кода после 12/12 ответов.

Текст карты генерируется отдельно — после card.computed запускается LLM-рендер по промпту cognitive-card-render@v2. На вход — координаты и узкие выжимки каталога, не вся методичка. На выход — десять разделов по фиксированному контракту: координаты, рисунок, ритм, ловушка, фильтр, тень, парадокс, рекомендации, точки роста, формула. Заголовки и порядок зашиты в промпт.

Промпт версионирован: prompt_version и input_hash пишутся в событие. Если LLM падает или отключена флагом — пользователь получает короткую строку с координатами, не сломанный продукт.

INV-03 держится: только детерминированный код решает тип и уверенность. LLM делает то, на что годна — превращает структурированные координаты в живой текст.

Что получилось на выходе

Я прошёл протокол сам. Сосед по комнате прошёл на следующий день, без обсуждения между прохождениями.

Моя краткая формула:

Видит дальний горизонт и строит под него точные конструкции.

Парадокс:

Строю точные системы, чтобы удержать непредсказуемое будущее под контролем.

У соседа — другие координаты, другой тип. Его формула:

Ищет следующий ход раньше, чем закончен предыдущий.

Парадокс:

Пробую всё сразу, чтобы не пропустить единственно важное.

Карты различимы. У него ловушка — гиперпроизводство без доводки; у меня — бесконечное уточнение структуры. У него ритм быстрый и нелинейный; у меня — чередующийся.

Мы оба узнали себя. Не «о, я особенный», а «чёрт, это пугающе про меня». Анкета, удалённая неделей раньше, не давала ни первого, ни второго.

И ещё: в карте соседа есть честная оговорка про неопределённость — «протокол дал неоднозначный результат». Это не баг, это резолюция low_confidence. Карта сообщает, насколько уверена. Большинство тестов так не делают, потому что неуверенность плохо продаётся.

Где агент сейчас бесполезен

В прошлом посте я писал: технический стек копируется, методика — нет. Прожил это на собственной шкуре.

Реализация — рутина по контракту. Когда методика была сформулирована, агент написал бот, классификаторы, рендер, тесты. Входы определены, выход определён, ошибки ловятся.

Проектирование методики — не рутина. Я несколько раз переписывал базовые определения. Где граница между «понимание» и «согласованность». Почему якорь — отдельная ось, а не часть восприятия. Почему 24 типа, а не 32 или 18. На эти вопросы нет ответа в промпте «придумай мне трёхосную модель» — потому что у промпта нет ответа на «зачем».

Ответ на «зачем» приходит из продукта. Из того, что ты хочешь, чтобы человек чувствовал, читая свою карту. Из десятков мелких решений вида «эта формулировка точнее, но плохо ложится в самопрохождение».

Это работа, которая делается не до промпта, а вокруг промпта. Промпт — её последняя миля.

Что дальше

Cognitive Map — слой Core в системе ÆON Map System. Над ним — слой Archetype: Archecode Map, 28 архетипов по другой трёхосной модели (мотивация × функция × восприятие). Дальше — Strategic, Behavioral, Emotional. Одна и та же когнитивная архитектура под разным архетипом проявляется по-разному.

Перед следующей итерацией — снова проектирование. Archecode уже есть на бумаге, но интеграция с Cognitive в продуктовом флоу — отдельная работа. И Book of Consciousness: таймлайн, в котором каждая пройденная карта добавляет запись.

Следующая статья — когда следующий слой будет в продакшене.

Репозиторий: github.com/Quantum-Insight-Lab/aeon_map_system

Где у вас в проектах проходит граница «это агент сделает» и «это надо самому»? Что вы стали отдавать AI после года совместной работы, а что наоборот забрали обратно.