Привет! Меня зовут Янина. В ИТ у меня 5+ лет коммерческого опыта в Delivery, Discovery, Growth, Data Analytics и я постоянно улучшаю свои харды и смотрю, что делают коллеги из других компаний. Хочу поделиться своим мнением и практическими инсайтами с онлайн-конференции Podlodka Product Crew с теми, у кого не было возможности присоединиться.

Podlodka Product Crew - это онлайн-конференция про IT очень интересного формата. Она идет 5 рабочих дней, утром и вечером эксперты из разных компаний ведут часовой интенсив по Zoom. В этом сезоне мы разбирались, как использовать AI не для генерации кода, а как полноценного участника продуктовой разработки.

Я посмотрела все интенсивы и сделала из них очень короткие саммари. Надеюсь, кому-то будет полезно для работы. Часть 1.

Владислав Терзи: как с ИИ создавать фото, видео и даже целый продукт

Умение отличить “нормальный дизайн” от нейрослопа становится ключевым навыком продакта. 

Лайфхаки:

1. Список запретов в промте для Lovable убирает нейрослоп. При генерации UI явно прописывайте: никаких hover-эффектов, никаких теней, никаких закруглённых рамок, максимум 2 шрифта, максимум 2 размера шрифта. Без этого генератор добавляет все эти элементы по умолчанию, и сайт сразу выглядит “ИИ-шным”.

2. Слово «esthetic» в Pinterest-поиске. Добавьте это слово к любому запросу в Pinterest (например, fitness app esthetic) - выдача резко улучшается, появляются визуально сильные референсы.

3. Реалистичность фото через «несовершенство» в промте. Забудьте про 4K, HD, realistic. Вместо этого пишите: снято на iPhone в плохом свете, естественная кожа без ретуши, зерно плёнки, конкретный объектив. Нейросеть перестаёт улучшать и даёт фотореалистичный результат.

4. WiWi (Figma) - нодовый редактор фото. Вместо отдельных промтов в ChatGPT строите визуальный граф: фото 1 + фото 2 + промт → результат → видеомодель. Можно быстро перебирать модели и варианты. 150 бесплатных кредитов с каждого нового Google-аккаунта.

5. Видео на первом экране сайта выделяет вас из общей массы. Даже простое видео (сгенерированное через Kling за 30 секунд) на hero-блоке делает сайт визуально запоминающимся - пользователь воспринимает его иначе, чем статичный фон.

Валерия Кручинина: как за выходные собрать систему мониторинга конкурентов (AI-агент vs n8n)

n8n - это круто, но только когда уже точно знаете, что именно делаете. В ином случае, начинайте с простого кода на Python, и пусть автоматизация будет 70%, но ваши задачи ускорятся уже завтра.

Лайфхаки:

1. Используйте Telegram-бот вместо n8n для нестандартных сайтов. N8N плохо справляется с вариативностью структуры сайтов конкурентов (у одних RSS, у других JS-страницы). Самописный бот на Python гибче, внутри него можно зашить 4-5 уровней логики парсинга под разные форматы.

2. Категоризируйте новости конкурентов через LLM. Жёсткие правила ломаются, потому что конкуренты пишут об одном и том же разными словами. Подключение GPT-4 Mini для классификации новостей по категориям (Product, Case, Event, Other) решает эту проблему дёшево - около $4 в месяц.

3. Дайджест вместо отдельных сообщений + гибкое расписание. Вместо того чтобы получать каждую новость отдельным сообщением, бот собирает их в один дайджест. Время получения меняется прямо через команду в боте, без правки кода. Если новостей нет - дайджест не приходит.

4. Retry-логика и уведомления об ошибках в VS Code. Первая версия бота падала при любой ошибке. После рефакторинга с Сlaude добавили три попытки при сетевых сбоях и уведомления об ошибках прямо в IDE - чтобы не нужно было следить за работой бота вручную.

Глеб Кудрявцев: как вайбкодить? От старта до большого приложения

Главный совет от Глеба - промты сменились контекст-инжинирингом. Не пишите сложные промты. Загрузите в модель всё, что у вас есть, и скажите: сделай как здесь.Лайфхаки:

1. Контекст важнее промтов. Год назад нужно было тщательно составлять промты, сейчас достаточно передать модели максимум контекста о задаче - она сама ведёт диалог, задаёт уточняющие вопросы и предлагает варианты.

2. Сохраняй промежуточные артефакты в файлы. Когда модель что-то набросала - сразу проси сохранить это в файл (plan.md, docs). Длинный чат деградирует (модель начинает забывать ранние решения). Файлы - это внешняя память агента.

3. Контекстное окно - реальный лимит качества. Рекламируемый миллион токенов - маркетинг. На практике современные модели стабильно работают до ~250к токенов, дальше качество ответов падает до 20%. Под маленький проект агент отлично, под корпоративный монолит - нужна контекстная инженерия.

4. Codex и Claude Code - не просто IDE-плагины, а универсальные агенты. Они умеют не только писать код, но и ходить в почту, работать с таблицами, переводить видео, генерировать счета. Codex входит в подписку ChatGPT за $20 - это хорошая точка входа.

5. Делайте сразу агентов, не используйте конструктор. Конструкторы (Lovable, Bolt, и т.п.) деградируют на сложных проектах из-за неуправляемого контекста. Агент в IDE даёт контроль: можно открыть новый чат, описать состояние проекта и продолжить без потери качества.

Лилиана Гарифуллина: правда в коде и как до неё добраться через AI

1. Код - самый актуальный источник правды о продукте. Документация устаревает, люди уходят в отпуск или увольняются. Код отражает то, как система работает здесь и сейчас. Агент, умеющий читать код, позволяет продакту узнать про фактическое поведение фичей без вовлечения разработчика.

2. Задавайте точные вопросы. Широкий вопрос (как работает регистрация?) приводит к падению агента или поверхностному ответу. Правильный вопрос: покажи полный флоу отправки данных пользователя в HubSpot после сайнапа - конкретный контекст, ограниченная область.

3. Относитесь к ответам агента как к гипотезам, не как к истине. Перепроверяйте: обновите чат и задавайте тот же вопрос ещё раз, задайте вопрос в ветке другого продукта с похожей логикой, попробуйте оспорить ответ - Нет, это так не работает. Если агент ошибся - он начнёт извиняться, если прав - будет стоять на своём.

4. Тест-кейсы и ТЗ прямо из кода. Агент может написать позитивные тест-кейсы для конкретной фичи (с шагами и ожидаемыми результатами) и подготовить контекст для грумингов - что и как сейчас работает, чтобы команда не тратила время на погружение с нуля.

   

Дарья Воронкина: продуктовое решение без аналитика или полный цикл с AI 

К LLM нужно относиться как к гениальному стажёру, который не знает, что вы от него хотите.

Лайфхаки:

1. Синтетический кастдев как первый шаг. Не всегда есть время искать респондентов. Создайте детального синтетического персонажа (имя, роль, боли, страхи, распорядок дня), поместите его в Skill и пообщайтесь с ним - это даёт первичные гипотезы и понимание болей до реальных интервью.

2. Claude.md - системный промт, который читается перед каждым запросом. Один файл в корне проекта описывает весь контекст: продукт, сегменты, метрики, правила хранения файлов (data governance). Благодаря этому любая новая сессия Claude сразу знает всё о проекте и не надо каждый раз объяснять контекст заново.

3. Параллельные терминалы для параллельной работы. Пока один агент проводит синтетический кастдев, второй - делает маркетсcan, третий - анализирует транскрипт. Не ждите завершения одной задачи - запускайте несколько агентов одновременно в разных вкладках терминала.

4. Decision Log + Session Hook для памяти между сессиями. Создайте файл decision_log.md и настройте Hook (settings.json), который при каждом старте сессии автоматически читает лог и сообщает, на чём вы остановились. Claude сам скажет: “Последняя проверенная гипотеза - X, предлагаю продолжить с Y”.

5. Анализ транскриптов через Skill, а не вручную. Создайте Skill, который анализирует транскрипт интервью, проверяет текущие гипотезы по нему и предлагает новые. Закидывайте транскрипты в папку - Skill будет их обрабатывать автоматически. Итог: статус гипотезы (подтверждена/опровергнута) и новые идеи.

   

Вторая часть саммари выступлений (скоро будет).
Если хотите детально посмотреть воркшопы  ТУТ.