В тексте используются следующие термины:
Промпт-инжиниринг — это практическое использование техник составления и отладки промптов (текстовых запросов) для решения конкретных задач в реальных продуктах и процессах (написать и исправить код, подготовить аналитику, сгенерировать тексты, автоматизировать рутину).
Python — это язык программирования высокого уровня, который используют для создания сайтов, автоматизации задач, анализа данных, машинного обучения и многого другого.
Фреймворк — шаблон для разработки программ, который задаёт структуру проекта, предоставляет набор инструментов, библиотек и правил, чтобы ускорить и упростить создание приложений.
Кирилл Каталымов, 46 лет, руководитель проектов, завершил обучение на курсе по промпт-инжинирингу и применил полученные знания для создания ИИ-решения, которое решает актуальные проблемы рабочего процесса. Его ключевой проект — CuPor — ИИ-инструмент для анализа рабочих переписок, который уже в тестировании на реальных проектах и демонстрирует первые значимые результаты.
Стартовая точка
До начала обучения Кирилл работал с большими объёмами информации, включая переписки, документы и задачи, которые часто терялись или не фиксировались должным образом. Как руководитель проектов, он сталкивался с проблемой неэффективности традиционных инструментов, что тормозило работу и приводило к потерям времени и ресурсов.
Основные проблемы, с которыми Кирилл сталкивался на момент старта обучения:
— потеря задач в переписках, где сотни сообщений не были структурированы;
— отсутствие чёткой фиксации ответственности и сроков;
— трудности с поиском нужной информации среди потока данных.
Понимание того, что классические инструменты больше не справляются с нагрузкой, стало стимулом для Кирилла начать искать инновационные решения, в том числе через использование искусственного интеллекта.
- ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
- Где и как применять? Потестируем модель после установки на разных задачах
- Как дообучить модель под себя?
Обучение и инструменты
Изначально Кирилл пошёл на курс по промпт-инжинирингу с конкретной целью: внедрить ИИ в свои рабочие процессы и начать применять его для решения реальных задач. Он выбрал платформу «Зерокодер» для практической реализации своих идей, сразу ориентируясь на создание рабочих решений, а не просто изучение теории.
Кирилл начал разрабатывать свои собственные инструменты ещё во время обучения. Одним из первых стал проект neyroL — нейроассистент для работы с обучающими материалами. Он создал структуру для поиска информации по видеокурсам с интеграцией ссылок на конкретные слайды и цитаты преподавателей. Этот проект позволил значительно ускорить поиск материалов и повысить точность ответов.
Однако ключевым проектом, который Кирилл начал разрабатывать в рамках обучения, стал CuPor — ИИ-инструмент для анализа рабочих переписок, который автоматизирует извлечение задач, ответственных и сроков из чатов.
Основной кейс: ИИ-инструмент CuPor — куратор поручений
Задача
Основной проблемой, с которой столкнулся Кирилл, было неэффективное управление задачами в рабочих переписках. Традиционные методы, такие как бумажные отчёты и электронные таблицы, не справлялись с большим объёмом сообщений в чатах, что приводило к их потере и размытию ответственности.
Решение
Идея заключалась в создании ИИ-инструмента, который бы анализировал переписки и автоматически извлекал задачи, ответственных и сроки, структурируя их в понятный список.
Для этого Кирилл использовал стек технологий, который включал современную версию языка программирования Python 3.11+ для бэкенд-разработки (разработки внутренней части) и интеграцию с OpenAI API (набор готовых инструментов и команд для интеграции ИИ) для извлечения и суммаризации задач. Используемые технологии позволили создать систему, способную справляться с анализом неструктурированного текста в чатах.
Реализованный функционал
— Автоматическое извлечение задач: ИИ анализирует переписки, выделяет задачи и структурирует их в список.
— Назначение ответственных: система автоматически определяет ответственных за каждую задачу, привязывая их к сообщениям в чате.
— Фиксация сроков: ИИ извлекает и структурирует информацию о сроках выполнения задач.
Сложности
— Корректное извлечение смысла из неструктурированного текста: разнообразие формулировок и структуры сообщений требовало точной настройки алгоритмов.
— Баланс между автоматизацией и точностью: автоматизация не должна была снижать точность извлечения информации.
Результат
— Снижение потерь задач: после внедрения ИИ-инструмента CuPor в процесс работы Кирилл заметил снижение потерь задач на 30%.
— Повышение прозрачности ответственности: задачи стали чётко привязываться к ответственным, что улучшило работу команды.
— Экономия времени: автоматизация позволила сэкономить до 20% времени на обработку переписок.
Стек инструментов
- Python 3.11+ — Основной язык программирования для бэкенд-разработки (разработки внутренней части), с использованием его последних версий для создания и оптимизации ИИ-систем.
- FastAPI — Фреймворк для создания API (Application Programming Interface — это набор правил и инструментов, которые позволяют разным программам или сервисам обмениваться данными и функциями друг с другом) и веб-приложений на языке программирования Python. FastAPI был выбран за высокую скорость работы и возможность параллельного выполнения задач.
- PostgreSQL 15 (alpine) — Реляционная база данных, использующаяся для хранения и обработки данных. PostgreSQL обеспечивает надежность и скорость работы с большими объёмами информации.
- Redis 7 (alpine) — Система кэширования и хранения данных в памяти для ускорения работы приложения и уменьшения времени отклика.
- SQLAlchemy + asyncpg — ORM и асинхронный драйвер для работы с PostgreSQL, что позволяет эффективно обрабатывать запросы и данные в реальном времени.
- Jinja2 — Шаблонизатор для генерации HTML-шаблонов (заранее разработанные файлы на языке разметки документов HTML).
- Tailwind CSS — Фреймворк для стилизации веб-интерфейсов, выбранный за гибкость и простоту настройки.
- aiogram — Фреймворк для создания Телеграм-ботов на языке программирования Python, который Кирилл использовал для интеграции ИИ-системы в Телеграм.
- OpenAI API — Нейросеть для извлечения задач и суммаризации переписок. Используется для обработки текстов в чатах и выделения ключевых элементов: задач, сроков, ответственных.
- ChromaDB — Векторное хранилище для обработки и поиска данных по векторным представлениям. Применяется для работы с текстами и извлечения смысла из больших объёмов данных.
- opencv-python, scenedetect, ffmpeg — Инструменты для работы с видео, включая транскрибацию и анализ видеоматериалов.
- pytest — Фреймворк для тестирования различных частей проекта, чтобы обеспечить их надёжную работу в разных условиях.
Финансовый и карьерный итог
Проект CuPor не только повысил профессиональную ценность Кирилла как специалиста, но и открыл новые карьерные возможности. Он перешёл от роли пользователя инструментов к роли разработчика и внедрителя ИИ-решений в рабочие процессы. Это напрямую повлияло на его способность масштабировать свои решения и повысить уровень ответственности в компании.
Кроме того, Кирилл отмечает, что теперь его умение внедрять ИИ в управление проектами открывает перед ним новые перспективы, включая возможности для роста дохода и перехода на более высокие позиции.
Текущий статус и планы
Сегодня Кирилл продолжает работать в своей роли руководителя проектов и параллельно развивает ИИ-решение CuPor. Основной фокус его работы — это дальнейшее развитие и внедрение ИИ в реальных управленческих процессах.
В ближайшие планы Кирилла входит масштабирование своих ИИ-решений и переход к системному внедрению технологий в компании, чтобы ИИ стал не просто инструментом, а частью повседневной работы. Он также планирует продолжить развивать решения для анализа данных в других областях своей деятельности, включая психологическую практику.
Связаться с Кириллом
Телеграм — @neyrosmarty
Имейл — kirillinbox79@yandex.ru
- Освой нейросеть Perplexity и узнай, как пользоваться функционалом остальных ИИ в одном
- УЧАСТВОВАТЬ ЗА 0 РУБ.
- Расскажем, как получить подписку
- ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросеть DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
