Карта мега-учебника по AI

Кому: Полный ноль. Никогда не пользовался ChatGPT, не понимает чем нейросеть отличается от обычной программы.

Результат: После модуля человек понимает что такое LLM, чем модели отличаются, как они принимают решения и как выбрать модель под задачу.

• УглублённыйВ плане

  Что такое токен, контекст, температура и top_p

  Параметры моделей объясняются на бытовых примерах — без формул. Когда крутить temperature вверх, а когда вниз.

• БазовыйВ плане

  Как выбрать модель под задачу

  Алгоритм выбора: текст / код / картинка / аудио / агент → конкретная модель + почему. С калькулятором стоимости.

• БазовыйРесерч готов

  Чем отличаются GPT, Claude, Gemini и опенсорсные модели

  Сравнение Anthropic vs OpenAI vs Google vs опенсорс на 2026 год по 6 критериям — с понятной таблицей.

• БазовыйРесерч готов

  Что такое LLM и как они работают

  После урока вы понимаете, почему ChatGPT отвечает по-разному на один и тот же вопрос, и почему он иногда выдумывает.

Кому: Уже пробовал ChatGPT, но качество ответов нестабильное и приходится переспрашивать.

Результат: Стабильный результат с первой попытки. Понимание антипаттернов. Готовые шаблоны на повседневные задачи.

• БазовыйВ плане

  Структура хорошего промпта: роль, контекст, формат, критерии

  4-блочный шаблон, который работает в Claude, ChatGPT и Gemini. До/после на реальных примерах.

• БазовыйВ плане

  Few-shot, chain-of-thought и self-consistency

  Три техники, которые поднимают точность модели на 15-30% по бенчмаркам, объяснённые на простых задачах.

• УглублённыйВ плане

  System prompt vs user prompt — где что писать

  Принцип разделения: что должно жить в system, а что в user. Кейс с tone-of-voice бренда.

• УглублённыйВ плане

  10 антипаттернов промптов и как их чинить

  «Сделай красиво», «напиши хорошую статью», негативные инструкции, размытые роли и ещё 6 типичных ловушек.

• УглублённыйВ плане

  20 шаблонов промптов на каждый день

  Готовые формулы: ресерч, рерайт, конспект, ответ на письмо, мозгоштурм. Можно копировать и подставлять данные.

Кому: Знает, что Claude существует. Хочет научиться выжимать максимум.

Результат: Уверенно пользуется Projects, Artifacts, Computer Use. Знает свои лимиты и оптимизирует расход.

• УглублённыйВ плане

  Интерфейс claude.ai целиком: что и зачем

  Разбор каждой кнопки и панели на скриншотах. Что меняется между Free / Pro / Max.

• УглублённыйВ плане

  Artifacts и Computer Use — когда Claude рисует и нажимает кнопки

  Artifacts для кода, React-превью, диаграмм. Computer Use для реального тестирования — что работает, что нет.

• УглублённыйВ плане

  Подписки Claude: Free / Pro / Max / Team — что выбрать

  Цены, лимиты, скрытые фичи каждого тарифа. Реальные расчёты в долларах на месяц.

• БазовыйРесерч готов

  Projects в Claude — главная фича для повседневной работы

  Как настроить проект, что класть в Knowledge, шаблон System Instructions для маркетолога / разработчика / писателя.

• БазовыйРесерч готов

  Claude vs ChatGPT — когда что лучше

  Честное сравнение на 8 типах задач: текст, код, ресерч, картинки, голос, агенты, цена, приватность.

Кому: Подписан или хочет подписаться на ChatGPT. Хочет освоить всё, что включено.

Результат: Уверенный пользователь Custom GPTs, Memory, голосового режима, DALL-E внутри ChatGPT.

• УглублённыйВ плане

  Интерфейс ChatGPT в 2026 — что нового

  GPT-5, canvas, search, голос — что есть на каждой подписке, что в beta.

• УглублённыйВ плане

  Memory и Personalization — как ChatGPT помнит вас

  Что хранится, как удалить, как заставить помнить нужное. Кейсы и подводные камни приватности.

• УглублённыйВ плане

  Подписки ChatGPT: Plus / Pro / Team / Enterprise — что брать

  Лимиты по моделям, Operator, Deep Research, кому какой план реально нужен.

• ДополнительныйВ плане

  Голосовой режим и DALL-E внутри ChatGPT

  Когда голос реально удобен, как использовать DALL-E эффективно, ограничения по сравнению с Midjourney.

• БазовыйРесерч готов

  Custom GPTs: как собрать собственного ассистента без кода

  Полный workflow от идеи до публикации в GPT Store. Шаблоны system prompt'ов под 5 типов GPT.

Кому: Хочет разобраться в полном ландшафте моделей, не только Claude и ChatGPT.

Результат: Понимает сильные стороны Gemini, Perplexity, Mistral, DeepSeek, Qwen. Знает, для какой задачи открыть какую модель.

• УглублённыйВ плане

  Gemini Pro / Ultra: что умеет лучше других

  Multimodal-фичи, AI Studio для разработчиков, интеграция с Workspace. Реальные кейсы.

• УглублённыйВ плане

  Perplexity для ресерча — лучше чем Google?

  Pro Search, Spaces, Focus modes. Когда Perplexity бьёт Google, а когда нет.

• ДополнительныйВ плане

  Опенсорс: Mistral, DeepSeek, Qwen, Llama — что брать

  Топовые опенсорс-модели 2026 года, сравнение качества, лицензии, где запускать бесплатно.

Кому: Работает с AI каждый день и хочет готовые рабочие промпты под конкретные роли.

Результат: Библиотека из 50+ промптов на 5 типов работы. Понимает почему промпт работает, может адаптировать.

• БазовыйВ плане

  10 промптов для копирайтинга — посты, лендинги, рассылки

  Готовые формулы под Telegram, Дзен, vc.ru, email. С разбором, почему каждый работает.

• БазовыйВ плане

  10 промптов для кода — ревью, рефакторинг, тесты, дебаг

  Промпты, которые превращают AI в полезного pair-программиста, а не в генератор галлюцинаций.

• УглублённыйВ плане

  10 промптов для аналитики данных

  Excel-формулы, SQL-запросы, разбор графиков по картинке, гипотезы и выводы.

• УглублённыйВ плане

  10 промптов для маркетинга — ICP, контент-план, креативы

  Стратегические и тактические промпты: позиционирование, JTBD, voice, контент-календарь.

• ДополнительныйВ плане

  10 промптов для самообразования — конспекты, повторение, фейнмановский метод

  Как использовать AI как личного тьютора. Учить быстрее и глубже.

Кому: Разработчик / технический человек. Знает терминал, хочет освоить Claude Code как ежедневный инструмент.

Результат: Настроенный Claude Code с проектным CLAUDE.md, slash commands, sub-agents, MCP-серверами под свой стек.

• БазовыйВ плане

  Установка и первый запуск Claude Code — на macOS, Linux, Windows

  От `npm install` до первого работающего проекта за 15 минут. С тонкостями для каждой ОС.

• УглублённыйВ плане

  Файлы CLAUDE.md, слэш-команды и постоянная память

  Как настроить Claude Code под свой проект так, чтобы он не задавал одинаковых вопросов.

• УглублённыйВ плане

  Sub-agents и skills — как делегировать сложные задачи

  Когда создавать subagent, как описать его роль, как использовать skills для повторяемых задач.

• УглублённыйВ плане

  MCP-серверы — как подключить внешние инструменты к Claude Code

  Что такое Model Context Protocol, готовые серверы (Postgres, Filesystem, Slack), как написать свой.

• БазовыйРесерч готов

  Что такое Claude Code и зачем он нужен

  Чем Claude Code отличается от Cursor, Aider, Continue, и кому он реально нужен.

Кому: Разработчик, хочет встроить AI в своё приложение или автоматизацию.

Результат: Знает основы Anthropic API и OpenAI API: запросы, function calling, prompt caching, streaming, рассчитывает стоимость.

• БазовыйВ плане

  Anthropic API: первый запрос и аутентификация

  От регистрации до первого вызова Sonnet за 10 минут. На Python и TypeScript.

• УглублённыйВ плане

  OpenAI API: основы и отличия от Anthropic

  Структура запроса, выбор модели, organization quotas. Чем синтаксис отличается от Claude.

• БазовыйВ плане

  Function calling / tool use — как дать модели инструменты

  Один и тот же пример (поиск товара в БД) на Claude tool_use и OpenAI function_calling.

• УглублённыйВ плане

  Prompt caching — снижаем стоимость API в 10 раз

  Когда и как использовать кэш в Anthropic / OpenAI / Gemini. Реальные расчёты экономии.

• ДополнительныйВ плане

  Streaming responses — UX без ожидания

  Server-Sent Events, обработка чанков, обработка обрывов. На примере чат-интерфейса.

Кому: Знаком с API, хочет строить агентов, а не однократные запросы.

Результат: Понимает паттерны агентов (ReAct, multi-agent), знает фреймворки, видит границы безопасности.

• БазовыйВ плане

  Что такое AI-агент — определение и границы

  Чем агент отличается от обычного бота и от workflow. Когда нужен агент, а когда хватит chain.

• УглублённыйВ плане

  ReAct, AutoGen, CrewAI — обзор фреймворков

  Сравнение архитектур, кейсы применения, когда писать свой агент без фреймворка.

• УглублённыйВ плане

  Memory, RAG, vector store — как агент помнит контекст

  Архитектура долгой памяти агента, эпизодическая vs семантическая память.

• УглублённыйВ плане

  Безопасность агентов — prompt injection, инструмент-абьюз, человек в петле

  Реальные кейсы взломов агентов в 2024-2026, защита, человеческие гейты, отзыв доступа.

Кому: Хочет, чтобы AI отвечал по своим документам / базе знаний.

Результат: Строит RAG-пайплайн от индексации до retrieval. Понимает chunking, embedding, hybrid search.

• БазовыйВ плане

  Что такое RAG и зачем — простыми словами

  Зачем RAG вместо fine-tuning. Минимальный пайплайн на 50 строках Python.

• БазовыйВ плане

  Embeddings и vector DB — Pinecone, Qdrant, Chroma, pgvector

  Что такое embedding, как работают cosine similarity. Сравнение 4 vector DB по цене, скорости, latency.

• УглублённыйВ плане

  Chunking стратегии — где разрезать документ

  Fixed-size, semantic, recursive, sentence-window — какой выбрать под какой контент.

• ДополнительныйВ плане

  Hybrid search — BM25 + векторы, reranking

  Почему чистый векторный поиск часто проигрывает, как комбинировать с keyword search и reranker'ами.

Кому: Хочет запустить модель у себя — приватность, бесплатность, оффлайн.

Результат: Запущенная Llama / Qwen локально через Ollama или LM Studio. Понимает квантизацию и production-стек.

• БазовыйВ плане

  Llama 3 / Llama 4 локально — от железа до первого запроса

  Минимальные требования по железу, выбор размера модели, troubleshooting на Mac/Linux/Windows.

• УглублённыйВ плане

  Ollama vs LM Studio — что выбрать новичку

  Сравнение по скорости установки, удобству, поддерживаемым форматам. Пошаговая установка обоих.

• ДополнительныйВ плане

  Квантизация: gguf, awq, gptq — что значит Q4_K_M

  Зачем квантизация, как влияет на качество, как выбрать уровень под своё железо.

• ДополнительныйВ плане

  vLLM и SGLang для production — раздавать LLM по API

  Когда уходить с Ollama в production стек, бенчмарки throughput / latency, GPU sharing.

Кому: Дизайнер, контент-мейкер, маркетолог. Хочет генерировать визуал и видео.

Результат: Уверенно работает с Midjourney/Flux/Stable Diffusion для картинок и Sora/Veo/Kling для видео.

• БазовыйВ плане

  Midjourney vs DALL-E vs Flux — какую модель для картинки

  Сравнение фотореализма, иллюстраций, текста на картинке, стоимости. Реальные промпты с результатом.

• УглублённыйВ плане

  Stable Diffusion локально — ComfyUI и Forge

  От установки до собственного workflow. LoRA, ControlNet, IPAdapter — что это и зачем.

• УглублённыйВ плане

  Sora, Veo, Kling, Runway — генерация видео в 2026

  Сравнение 4 топовых видеогенераторов, лучшие use-кейсы каждого, лимиты подписок.

• ДополнительныйВ плане

  ControlNet, LoRA, IPAdapter — точный контроль над генерацией

  Когда обычный текстовый промпт уже не справляется и нужны эти инструменты. Реальные кейсы.

Кому: Подкастеры, ведущие, музыканты, контент-мейкеры.

Результат: Создаёт качественную озвучку, клонирует голоса легально, генерирует музыку под видео.

• УглублённыйВ плане

  ElevenLabs vs OpenAI TTS — какой движок для озвучки

  Сравнение качества русского, цен, фич (эмоции, стили). Реальный аудио-демо в статье.

• УглублённыйВ плане

  Клонирование голоса — как, чем и где это легально

  Технология, юридические рамки в РФ, защита своего голоса, кейсы дубляжа.

• ДополнительныйВ плане

  Suno и Udio — AI-музыка для роликов

  Промптинг музыки под видео, авторские права, лицензии. Какие жанры получаются хорошо.

Кому: Senior разработчик / тимлид / CTO. Везёт AI-фичу в прод.

Результат: Видит безопасность, observability, cost optimization, выбирает между fine-tuning / RAG / prompts.

• БазовыйВ плане

  Безопасность LLM — prompt injection, jailbreak, data exfiltration

  Реальные атаки 2024-2026, OWASP Top 10 for LLM, защитные паттерны.

• УглублённыйВ плане

  Observability и трассировка через Langfuse / Helicone / Arize

  Что отслеживать (latency, cost, drift, hallucinations), сравнение трёх инструментов.

• УглублённыйВ плане

  Cost optimization — снижаем счёт за LLM в 5-10 раз

  Prompt caching, routing на дешёвые модели, batch API, кэш ответов. С реальными цифрами.

• УглублённыйВ плане

  Fine-tuning vs RAG vs prompts — что выбрать

  Дерево решений. Когда правда нужен fine-tuning, когда хватит RAG, когда — продуманного промпта.

• ДополнительныйВ плане

  LLMOps базы — eval, regression, deployment

  Как мерить качество AI-фичи, как ловить деградацию при смене модели, паттерны деплоя.