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

The Cloudflare Blog
Microsoft Security Blog
Microsoft Security Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
L
LangChain Blog
W
WeLiveSecurity
P
Proofpoint News Feed
月光博客
月光博客
NISL@THU
NISL@THU
L
LINUX DO - 最新话题
Webroot Blog
Webroot Blog
T
Threatpost
Y
Y Combinator Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
T
Threat Research - Cisco Blogs
Vercel News
Vercel News
Jina AI
Jina AI
阮一峰的网络日志
阮一峰的网络日志
S
Schneier on Security
J
Java Code Geeks
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
小众软件
小众软件
MyScale Blog
MyScale Blog
N
News and Events Feed by Topic
Stack Overflow Blog
Stack Overflow Blog
有赞技术团队
有赞技术团队
The Hacker News
The Hacker News
Schneier on Security
Schneier on Security
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Help Net Security
Help Net Security
Recent Announcements
Recent Announcements
S
Security @ Cisco Blogs
C
CXSECURITY Database RSS Feed - CXSecurity.com
S
Securelist
T
The Exploit Database - CXSecurity.com
云风的 BLOG
云风的 BLOG
C
Cisco Blogs
雷峰网
雷峰网
量子位
Google DeepMind News
Google DeepMind News
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Spread Privacy
Spread Privacy
L
Lohrmann on Cybersecurity
I
Intezer
T
The Blog of Author Tim Ferriss
G
GRAHAM CLULEY
D
DataBreaches.Net
V
Vulnerabilities – Threatpost
P
Privacy & Cybersecurity Law Blog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
罗磊的独立博客

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 Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Когда «просто проведи кастдев» — худший совет
Dingzhibo · 2026-05-12 · via Все публикации подряд на Хабре

Когда «просто проведи кастдев» — худший совет

Уровень сложностиПростой

Время на прочтение7 мин

Охват и читатели729

Нет клиентов, времени или денег — а стратегия нужна вчера? Бывают ситуации, когда полноценное дискавери просто невозможно. Кейс о том, как я из этого выбрался, и все промпты внутри.

Ой-бойцовский клуб, надо ж такое знать-то

Ой-бойцовский клуб, надо ж такое знать-то

Все знают, что надо проводить кастдевы.

Никто не говорит, что бывают ситуации, когда это физически невозможно: нет сил, времени или денег — или всего вместе, а надо было вчера. Да и просто клиентов нет. Или есть, но хрен знает, что они из себя представляют. В общем, сказать «да проведи кастдев» в такой ситуации звучит как совет «больше отдыхай» от человека, у которого дедлайн через месяц. А если не провёл — значит, лох, не умеешь в продукт, не умеешь в маркетинг.

Именно в такой ситуации я оказался несколько лет назад. Два месяца до релиза, рынок серверных операционных систем, с которым я не работал никогда. Ни позиционирования, ни гипотез, ни даже понимания, кто наш клиент.

И я начал разговаривать с людьми, которых не существует.

Это звучит как признание в некомпетентности. Сейчас объясню, почему это был самый рабочий инструмент в той ситуации — и почему критика синтетических интервью игнорирует один неудобный факт о реальных людях.

Зачем вообще нужны интервью

Исследование клиентов нужны не ради процесса, камон, кто любит столько трындеть и копаться в проблемах? Нам просто нужны инсайты — о проблемах, мотивациях, барьерах. Они потом становятся фичами, позиционированием, месседжами.

Синтетические интервью — разговоры с детально смоделированными персонами — расширяют пространство гипотез до выхода в реальный рынок. Не способ узнать правду (да и нужна ли она), а быстрее нащупать направления, которые стоит проверять.

Критики говорят: синтетическим персонам нельзя доверять — они ненастоящие. Контраргумент: реальные люди тоже искажают реальность. Говорят социально одобряемые вещи, рационализируют постфактум, не всегда понимают собственные мотивы.

После любого интервью — живого или синтетического — гипотезы всё равно придётся проверять. Разница только в том, с каким количеством идей ты выходишь на эту проверку.

Простая математика быстрых гипотез

Классический продуктовый курс предложит понятный путь: пятнадцать–двадцать глубинных интервью, аккуратный синтез, несколько хорошо проработанных гипотез. Половина сработает — хороший результат.

Есть другая логика — грубая, неакадемичная, зато быстрая. Чем я и руковдствуюсь

Сто дешёвых гипотез с конверсией 10% против десяти дорогих с конверсией 50%.

В первом случае рабочих гипотез больше, а ресурсы на проверку остаются. Ключевая метрика — не точность, а скорость цикла «идея → проверка».

За несколько недель я провёл больше пятнадцати синтетических интервью с персонами, которые покрывали весь спектр потенциальной аудитории. У каждого была своя логика, свои страхи, свои компромиссы. Инсайты, которых не было в первом касании с продуктом, начали появляться здесь.

Неожиданный сайдэффект

На встречах с настоящими клиентами разговор шёл легче. Вопросы были точнее. Контекст — знакомым.

Маркетолог, который обычно месяцами въезжает в индустрию, пришёл подготовленным. Теперь, когда сисадмин начинал рассказывать о проблеме, не приходилось изображать понимание. Уточняющие вопросы возникали сами. Это создавало доверие, которое в сложных рынках обычно формируется только с опытом.

Гипотезы всё равно надо валидировать — через трафик или реальный спрос. Но чем больше гипотез и чем они дешевле, тем больше энергии остаётся на валидацию, а не на генерацию.

Как это делать

Ниже — мой опыт проведения таких исследований. Принципы, логика и промпты. Напишите, как получилось: @mtrin_mar.

Простые принципы

Персона ≠ статистика. Не просите LLM «ответить как 35-летний менеджер». Создавайте конкретных людей с историей, контекстом, противоречиями. Пример: «Марина, 34 года, продуктовый менеджер в B2B SaaS, работает удалённо из Тбилиси, сменила три компании за 5 лет, устала от хаоса в приоритизации, но скептична к новым инструментам после неудачного внедрения Jira».

Не спрашивайте напрямую о решении. Плохо: «Купили бы вы инструмент для X?» Хорошо: «Расскажите о последнем случае, когда проблема Y вас реально достала. Что вы тогда делали?»

Контрфактуальная проверка. После интервью переверните персону: «Теперь ты скептик, который считает эту проблему надуманной. Объясни почему». Это выявляет слепые зоны.

Техника:

  1. Создаёте персону

  2. Просите её подумать о проблеме 30 секунд (симуляция)

  3. Только потом задаёте вопрос

  4. После ответа: «А теперь скажи, что ты не сказал, но подумал»

Можно сделать ещё интереснее: провести 2–3 настоящих интервью, попросить LLM их проанализировать и создать персон на основе реальных паттернов. Использовать этих персон как «затравку» для синтетических.

Первый путь: логика процесса

Здесь базовые промты для быстрого анализа и понимания процесса. Далее будут полноценные промты для сложных задач.

Фаза 1: Создание корпуса персон (3–5 персон на сегмент)

Создай детальную персону:
- Роль: [ваша целевая аудитория]
- Контекст: реальные детали работы, команды, инструментов
- Психография: отношение к новому, паттерны принятия решений
- Недавний опыт: конкретная ситуация из последнего месяца, связанная с [вашей областью]
- Противоречия: что говорит vs что делает
Формат: нарративный, 250–300 слов, от первого лица.

Фаза 2: Проблемное интервью (15–20 вопросов)

Структура беседы:

  • Контекст и workflow (5 вопросов)

  • Конкретные инциденты проблемы (5–7 вопросов)

  • Текущие workarounds (3–5 вопросов)

  • Эмоциональная реакция и приоритеты (2–3 вопроса)

Промпт для интервью:

Ты [имя персоны]. Я провожу кастдев интервью, изучаю [область].
Отвечай:
- Конкретно, с примерами из твоего опыта
- С естественными колебаниями («хм, ну вообще...», «не уверен что...»)
- Иногда уходя в сторону, как в реальном разговоре
- С противоречиями между словами и реальным поведением
Не давай generic ответы. Если не сталкивался с проблемой — скажи прямо.
Начнём: [первый вопрос про контекст]

Фаза 3: Синтез и валидация

После 3–5 интервью:

  • Попросите LLM найти паттерны и outliers

  • Создайте «адвоката дьявола»: персону, для которой это не проблема

  • Проведите контр-интервью: «почему это не сработает»

Для продуктов в рынке

А-ля задачи:

Ты [персона, использующая продукт-конкурент].
Опиши последние 3 раза, когда ты «нанимал» [категория продукта] для работы.
Что пытался достичь? Какие альтернативы рассматривал? Что в итоге выбрал и почему?

Изучение барьеров. Создайте персон, которые:

  • Попробовали и ушли

  • Слышали, но не пробовали

  • Используют, но не платят

  • Платят, но не довольны

Сегментация по поведению. Попросите LLM создать 5–7 персон с разными паттернами использования вашей категории, затем проведите с каждой интервью о том, что делает решение ценным именно для них.

Сложный путь: промпты

Промпт 1: генерация персоны

Создай детальную персону для customer development интервью.

КОНТЕКСТ ЗАДАЧИ:
[Какую проблему/продукт исследуете, какой сегмент аудитории, и другие особенности. Можно создавать конкретные персоны или общие]

ТРЕБОВАНИЯ К ПЕРСОНЕ:
1. Реальность: конкретные детали (не "менеджер", а "продуктовый менеджер в команде из 8 человек в B2B SaaS стартапе, серия A, 2 года после релиза")

2. Психологическая глубина:
   - Отношение к изменениям (early adopter / скептик / прагматик)
   - Болевые точки в работе (3-4 конкретные)
   - Триггер недавнего опыта (что произошло в последние 2-4 недели)

3. Противоречия: разрыв между тем, что человек говорит и что делает
   Пример: "Говорит про data-driven решения, но на практике полагается на интуицию"

4. Экосистема инструментов: что использует сейчас, почему выбрал, что раздражает

5. Ограничения: что мешает решать проблемы (бюджет, время, политика компании, технические барьеры)

ФОРМАТ ВЫХОДА:
- Имя, возраст, роль
- Рабочий контекст (компания, команда, стек)
- Психографический профиль (1 абзац)
- Недавний инцидент (история из последнего месяца, связанная с исследуемой областью)
- Используемые инструменты и workarounds
- Внутренние противоречия (2-3)
- Одна цитата, которая характеризует подход к работе

Объём: 300-400 слов, от первого лица, нарративно.

ДОПОЛНИТЕЛЬНО:
После создания персоны проверь её на реалистичность: "Может ли такой человек существовать? Есть ли здесь стереотипность или искусственность?"

Промпт 2: проведение интервью

Крайне совету добавить пункт про скептицизм, чтобы иметь двойной подход — но иногда это руинит и делает токса. Но если хочется поразгонять, норм

  1. Проявляй здоровый скептицизм:

    • К новым инструментам

    • К обещаниям "всё решить"

    • К изменению привычного workflow

Ты — [имя, микроописание или просто личность из файла по имени].

Я провожу customer development интервью. Моя цель: понять [формулировка цели: проблемы, workflow, барьеры и т.д.].

ПРАВИЛА РОЛЕВОЙ ИГРЫ:

1. Отвечай как реальный человек:
   - Используй колебания: «хм», «ну как бы», «не уверен»
   - Иногда уходи в сторону, как в обычном разговоре
   - Не все вопросы имеют чёткий ответ — можешь сказать «никогда об этом не думал»
   - Используй конкретные примеры из своего опыта (из профиля персоны)

2. Будь честен о незнании:
   - Если проблема тебя не касается — скажи прямо
   - Если вопрос слишком абстрактный — попроси конкретики
   - Не придумывай проблемы, которых у тебя нет

3. Противоречь себе естественно:
   - Можешь сказать одно, но потом описать поведение, которое этому противоречит
   - Это нормально — люди непоследовательны

4. Не давай решения:
   - Фокусируйся на проблемах и контексте
   - Если спрошу «купили бы вы X» — переведи на «а с какой проблемой это должно помочь?»
СТРУКТУРА ИНТЕРВЬЮ:

Я задам вопросы в 4 блоках:
- Контекст работы и текущий процесс
- Конкретные проблемные ситуации
- Как решаешь сейчас
- Приоритеты и ограничения

После каждого твоего ответа, если нужно, я буду углубляться follow-up вопросами.

ДОПОЛНИТЕЛЬНО:
После каждого развёрнутого ответа добавляй в скобках мета-комментарий:
[Мета: что я подумал, но не сказал вслух / какую эмоцию испытал]

Готов начать? Вот первый вопрос:
[Ваш первый вопрос про контекст работы]

Промт 3: анализ интервью

Проанализируй результаты [N] синтетических customer development интервью.

ВХОДНЫЕ ДАННЫЕ:
[Здесь можно задать условия и ограничения, а контекст лучше файлом: 1 файл 1 персона и ответы]

ЗАДАЧИ АНАЛИЗА:

1. ПАТТЕРНЫ (что повторяется у 3+ персон):
   - Схожие проблемы
   - Схожие workarounds
   - Схожие барьеры к изменениям

2. OUTLIERS (уникальное):
   - Что сказал только 1 человек, но это интересно
   - Противоречащие мнения

3. СЕГМЕНТАЦИЯ:
   Попробуй разделить персон на 2-3 сегмента по:
   - Уровню боли (острая / терпимая / не проблема)
   - Готовности к решению (активно ищет / терпит / не осознаёт)
   - Типу препятствий (технические / организационные / ментальные)

4. JOBS TO BE DONE:
   Какие "работы" люди пытаются сделать? Сформулируй в формате:
   "Когда [ситуация], я хочу [цель], чтобы [результат]"

5. КРАСНЫЕ ФЛАГИ:
   - Где проблема оказалась менее острой, чем ожидалось?
   - Где существующие решения "достаточно хороши"?
   - Где барьеры к изменениям слишком высоки?

6. ГИПОТЕЗЫ ДЛЯ ВАЛИДАЦИИ:
   Топ-3 гипотезы, которые нужно проверить в реальных интервью

7. РЕКОМЕНДАЦИИ ПО СЛЕДУЮЩИМ ШАГАМ:
   - Какие вопросы стоит добавить в следующие интервью?
   - Какие персоны нужно добавить для полноты картины?
   - Какие сигналы указывают на PMF / его отсутствие?

ФОРМАТ ВЫХОДА:
Структурированный отчёт с цитатами в подтверждение каждого паттерна.

КРИТИЧЕСКОЕ МЫШЛЕНИЕ:
Закончи анализ разделом "Почему всё это может быть неправдой":
- Какие ограничения синтетических интервью проявились?
- Где LLM мог дать социально желательные ответы?
- Что ОБЯЗАТЕЛЬНО нужно проверить с реальными людьми?

Базовый цикл

  1. Создайте 3–5 персон (промпт 1)

  2. Проведите с каждой интервью по 15–20 вопросов (промпт 2)

  3. Проанализируйте результаты (промпт 3)

  4. Создайте 1–2 «антиперсоны» — кто считает проблему надуманной

  5. Повторите интервью с антиперсонами

  6. Финальный анализ

Расширенный цикл (для post-PMF):

  • Добавьте персон конкурирующих решений

  • Проведите JTBD-интервью (когда в последний раз «нанимали» инструмент)

  • Сделайте retention-интервью (почему остались vs ушли)