Один навык, два бесплатных коннектора — и Claude сам шлёт новому клиенту тёплое письмо, заводит папку проекта в Google Drive и через полчаса досылает анкету. Сборка такой машины — двадцать минут. Онбординг десяти клиентов — меньше пятнадцати.
А пока ты экономишь часы, владельцы ИИ-сервисов считают убытки. Подписка за $200 даёт токенов на $8–14 тысяч — и за этот банкет скоро придётся платить по счёту. У одной команды он вырос всемеро за день.
Ещё в выпуске: голосовой брейн-дамп вместо мучений над «идеальным промптом», открытый учебник по Codex на 700 звёзд и честный разбор — где агент-петли блестят, а где плодят мусор.
Главное за 30 секунд
- Claude Cowork собирает машину онбординга: один навык и два коннектора — письмо, папка проекта и анкета уходят клиенту сами.
- Не мучай «идеальный промпт»: наговори мысли голосом и попроси модель собрать из них чистый промпт.
- Эпоха дешёвого ИИ кончается: подписка за $200 даёт токенов на $8–14 тысяч, у кого-то счёт вырос всемеро за день.
- Армин Ронахер честно: агент-петли блестят на портах и экспериментах, но в важном коде плодят оборонительный мусор.
- Открытый «учебник по Codex» набрал 700 звёзд за сутки: метод шести шагов и готовые промпты внутри.
Внедряем и улучшаем
Собери в Claude Cowork машину онбординга клиентов. Каждый новый клиент — скрытый налог: welcome-письмо, папка проекта, kickoff-док, анкета. Три-пять часов ручной возни до первой оплачиваемой работы. При пяти клиентах в месяц — потерянный рабочий день. Рассылка Return My Time показала, как свернуть это в один запуск. Нужны Claude Cowork (десктоп) и два встроенных бесплатных коннектора — Gmail и Google Drive.
Шаг 1. Создай навык. В Cowork напиши: «Create a skill called client-welcome». Дай навыку такой промпт:
Input: client name, company name, industry, project type, start date. Generate three outputs, each clearly labeled. (1) A 120-word welcome email: warm, specific to their project, explains what happens in the first 48 hours. (2) A kickoff doc outline with five sections: project overview, success metrics, key contacts, timeline, and open questions. (3) Eight onboarding questionnaire questions tailored to their industry and project type. Plain language throughout. No jargon.
Шаг 2. Подключи инструменты. Cowork → Settings → Connectors → авторизуй Gmail и Google Drive.
Шаг 3. Заведи задачу с ручным запуском:
Create a manual trigger task called client-onboarding. When I paste a client's intake data and email address, run the client-welcome skill on that input, then send the welcome email to the client via Gmail, and save the kickoff doc to a new Google Drive folder named after the client.
Шаг 4. Запусти. Подписан контракт — вставь шесть полей: имя, компания, отрасль, тип проекта, дата старта, почта клиента. Cowork сам отправит письмо и сохранит док. Чтобы анкета ушла отдельно, добавь в задачу строку:
30 minutes after the welcome email, send the eight onboarding questions to the client email as a follow-up.
Шаг 5. Калибруй. После первых трёх клиентов спроси: «What did this welcome package miss for a [industry] client?» Ответ вшей в промпт навыка. К четвёртому клиенту письмо читается как написанное вручную. Итог — десять онбордингов меньше чем за пятнадцать минут.
Две фишки сверху. Отраслевую логику добавляешь одной строкой: «If the client industry is legal, add a section about intake workflow and document review; if construction — about job costing and scheduling.» И триггер: с начала 2026 в Cowork есть запуск по стадиям сделок HubSpot — подключи его и скажи стартовать задачу при переходе в «Closed Won», тогда онбординг идёт вообще без рук. Цифра в тему: кто шлёт анкету в течение часа после подписания, получает её заполненной на 40% быстрее.
Говори, а не печатай. Хватит мучиться над «идеальным промптом». Модель и так создана, чтобы вытащить смысл из живой речи. The Neuron предлагает приём «брейн-дамп»: зажми кнопку диктовки (она есть почти в каждом ИИ-инструменте) и наговори пару минут — все мысли, оговорки, примеры и ограничения из головы. Потом попроси модель собрать из этого месива чистый промпт. Готовый текст, вставляй дословно (источник):
I'm going to give you a messy brain dump. Do not answer yet.
First:
1. Summarize what I'm trying to do.
2. Identify my implied goal, audience, constraints, tone, and examples.
3. Ask what's unclear.
4. Rewrite this into a clean prompt I can reuse.
Второй приём — про диктовку не модели, а всему рабочему столу. The Rundown показал воркфлоу на Typeless: голосом ищешь тему, обобщаешь статью и пишешь черновик, не касаясь клавиатуры. Скачай Typeless, проверь, что горячие клавиши не конфликтуют. Жми «Ask Anything» и диктуй запрос на ресёрч. Выдели нужный кусок статьи — попроси переписать в тред или письмо. Затем открой голосом X, Gmail или Docs и наговори черновик; Typeless вычистит речь. Ошибся при диктовке — поправься вслух, как в разговоре, ИИ запишет только финальную мысль. Разбор с шагами.
Превращай старую ERP в источник отчётов через Claude и MCP. Живой кейс читателя The Rundown — для всех, у кого «легаси-система с API, но без нормальной отчётности». Хаснайн из Торонто скормил Claude документацию API своей ERP. Дальше через MCP-связку с Office 365 Claude собрал автоматические письма-отчёты для руководства: продажи на конец дня по отделам и менеджерам, утренние сводки с недельными и месячными трендами по выручке, объёму товара и дебиторке. Запускаются дважды в день прямо на сервере с ERP.
Сверху Claude сделал связки в Zapier: новые заказы из ERP уходят в ShipStation, а данные трекинга возвращаются в ERP при отгрузке. «Эти интеграции стоили бы тысячи на найме программиста», — пишет автор. Что забрать себе: не ищи готовый коннектор. Дай агенту документацию API и опиши словами, какие отчёты нужны. (выпуск The Rundown).
Где агент-петли работают, а где плодят мусор. Мы недавно разбирали «петли», в которых агент сам крутит цикл до результата. Армин Ронахер, создатель Flask, добавил трезвую ноту в эссе «The Coming Loop». Вывод простой и полезный: сортируй задачи по сроку жизни кода.
Петли блестят там, где код либо не пишется заново, либо живёт недолго. Это порты и миграции, перф-эксперименты, бенчмарки, security-скан, ресёрч и черновики-PoC. Тут машина пробует варианты, замеряет, выбрасывает неудачные — и забирает скучную часть дня. Сигнал «продолжать» не обязан быть строгим тестом, годится и второй ИИ в роли судьи.
А долгоживущий важный код в безнадзорную петлю не отдавай. Модели, по словам Ронахера, «панически боятся исключений»: на каждый сбой лепят локальную заплатку вместо того, чтобы сделать плохое состояние невозможным. Петля это усиливает. «Если каждый проход добавляет ещё одну защиту, система медленно становится менее понятной, лишь притворяясь крепкой». Что делать: там, где важны инварианты, держи себя в цикле и читай дифф глазами. И помни про джунов — код, который не можешь объяснить без машины, это долг, а не скорость.
Попробуй GLM-5.2 без 200 ГБ видеопамяти. Про запуск открытой китайской GLM-5.2 дома мы писали 23 июня — но для этого нужен Mac на 256 ГБ. The Neuron напомнил способ проще: открой OpenRouter как «универсальный пульт» и шли промпт туда. Это лучший первый тест — сравнить GLM-5.2 с Claude и GPT на своих задачах за минуту и без железа. Конфиг для быстрой проверки через API:
model = "z-ai/glm-5.2"
base_url = "https://openrouter.ai/api/v1"
Нужен приватный инстанс — бери Baseten или Fireworks. И только когда поняли, что модель полезна, ставьте локально через Unsloth ради контроля над ценой и приватностью. Правило простое: сначала облако и проверка пользы, потом возня с локальным запуском.
Считай цену «панелей» из нескольких моделей. На неделе все обсуждают идею: лучший ответ даёт не одна модель, а «панель» из нескольких, где отдельный судья сводит их выводы. Так работает Fusion от OpenRouter, на том же принципе — нашумевшая Sakana Fugu, о которой мы уже писали. Практичный нюанс из рассылки AI++: панель — это N вызовов моделей плюс ещё один вызов судьи. Для панели из трёх моделей цена выходит в 4–5 раз дороже одного промпта. Вывод для кошелька: гонять панель стоит только на самых трудных задачах, где цена ошибки выше цены лишних токенов. Для рутины хватит одной модели.
Инструменты и штуки
Codex Orange Book — открытый учебник по OpenAI Codex, который за сутки набрал 700+ звёзд. От установки Codex до пяти сквозных боевых кейсов на одном примере. Сердце книги — «метод шести шагов»: разбор требований → план без кода → малые шаги по модулю → тесты → ревью по диффу → коммит, и под каждый шаг готовый промпт. Отдельно — как писать AGENTS.md (правила для агента) и безопасные флаги CLI для новичков. Минус: книга целиком на китайском и без лицензии. Читается прямо в README или PDF. Репозиторий.
Mistral OCR 4 — компактная OCR-модель, которую можно поставить у себя в одном контейнере, чтобы документы не уходили наружу. Вытаскивает из PDF, DOC и PPT не только текст, но и координаты блоков, тип блока (заголовок, таблица, формула, подпись) и уверенность по словам — это сырьё для надёжного поиска и RAG. 170 языков, в слепом сравнении её предпочли конкурентам в среднем в 72% случаев. Цена — $4 за 1000 страниц, в батч-режиме $2. Анонс.
lift — извлекает структурированный JSON из PDF и картинок с точностью полей 90,2%, почти вровень с Gemini 3.5 Flash. Открытые веса. Для тех, кто строит пайплайны из документов. Datalab.
Stripe Directory — единый слой обнаружения: место, где разработчики и ИИ-агенты находят бизнесы через Stripe Apps, Projects и Machine Payments. Публичное превью. Полезно, если строишь агента, который должен сам находить и оплачивать сервисы. Доки.
Cursor /automate — настройка автоматизаций обычным текстом: триггеры, инструкции, реакции на эмодзи в Slack, события GitHub, computer-use сценарии. Описываешь словами, что должно срабатывать само. Что нового.
Crown — из одного брифа делает параллельные варианты текста, дизайна, картинок и видео, чтобы быстро сравнить направления и выбрать. Удобно маркетологам и креаторам. crownhq.co.
Redactyl — затирает чувствительные данные из PDF, Word и текста целиком в браузере: файлы никуда не загружаются и не хранятся. Бесплатно попробовать. Пригодится перед тем, как отдать документ модели. redactyl.fyi.
Browser Use — связал GLM-5.2 с мультимодальными ИИ-проверяльщиками, которые осматривают сгенерированный сайт, находят баги и шлют точечные правки. Заготовка для авто-QA своих веб-страниц. Демо.
Eve — открытый фреймворк от Vercel, который превращает обычную папку с файлами в агента. Явно вдохновлён Next.js, для тех, кто живёт в их экосистеме. Анонс.
Flue 1.0 beta — TypeScript-фреймворк для агентов от команды Cloudflare, что делает Astro. Конкурент Eve на той же неделе; любопытно сравнить подходы. Блог.
SkillSpector — инструмент от NVIDIA, который сканирует Agent Skills и подсвечивает риски безопасности. Полезен, если ставишь чужие скиллы себе в Claude Code или Codex. GitHub.
Loom — записывает короткое видео с экраном и камерой, делится ссылкой без монтажа. Зачем здесь: одно 60-секундное видео-приветствие, вшитое в шаблон письма, греет холодную авто-рассылку онбординга из предыдущего раздела. Бесплатно — 25 видео по 5 минут, дальше $15/мес. loom.com.
Новости и тренды
SpaceX сдаёт суперкомпьютер: $6,3 млрд от Reflection AI. SpaceX продаёт мощности своего кластера Colossus открытому стартапу Reflection AI — на сумму до $6,3 млрд, по $150 млн в месяц с июля. Colossus строили под обучение Grok, а теперь он зарабатывает на аренде: среди клиентов уже Anthropic ($1,25 млрд/мес) и Google ($920 млн). Что это значит: вычисления стали новой нефтью. Даже те, кто не на передовой в моделях, отлично зарабатывают, сдавая «лопаты» остальным. (CNBC).
Эпоха дешёвого ИИ кончается. Дэвид Розенталь собрал разбор: подписка за $200 в месяц позволяет сжечь токенов на $8000 у Anthropic и $14 000 у OpenAI. По оценкам, платформы тратят $8–14, чтобы получить $1 выручки. Это «бесплатная первая доза». Когда Anthropic в мае перевёл часть клиентов на оплату по токенам, у одной команды счёт вырос в семь раз за день. Что это значит: безлимит за фиксированную подписку уходит. Закладывай рост цен и экономь лимиты — особенно на агентных задачах, которые жгут до тысячи раз больше токенов.
Отток из Google ударил по акциям. Мы отмечали 20 июня уход звёзд из Google — Шазир в OpenAI, нобелевский автор AlphaFold Джон Джампер в Anthropic. Теперь подоспела реакция рынка: акции Alphabet пережили худший день за год, минус около $270 млрд капитализации. Что это значит: бегство талантов инвесторы восприняли всерьёз — это не кадровая мелочь, а сигнал об отставании в гонке. (CNBC).
Стэнфорд: ИИ-скрининг резюме отсекает системно. Исследование 3,4 млн соискателей: 26% чернокожих и 15% азиатских кандидатов подавали на вакансии, где ИИ-скрининг дискриминировал их группу. Корень — «алгоритмическая монокультура»: 90% работодателей используют скрининг от нескольких одних и тех же вендоров, и слабый сигнал в одной модели закрывает двери сразу везде. 10% тех, кто подал четыре заявки, получают отказ отовсюду. Что это значит: соискателю — целиться в отрасли с разными вендорами и идти через рефералы в обход автоскрининга; бизнесу — требовать аудит по каждой вакансии, а не «в среднем», иначе юридический риск. (Stanford HAI).
Claude приходит в Slack как коллега. Anthropic запустила Claude Tag: Claude можно позвать в групповой чат, он читает контекст канала, разбивает задачи и ведёт треды. Пока бета для команд и крупных компаний. Что это значит: ассистент переезжает туда, где идёт рабочая переписка, — меньше прыжков между окнами.
Китай вернул титул самого быстрого суперкомпьютера. Машина LineShine выдала 2,198 эксафлопс и впервые с 2017-го обошла американский El Capitan. Хитрость — полный отказ от GPU в обход экспортных ограничений: кастомный 304-ядерный процессор, 13,79 млн ядер. Что это значит: запреты на чипы обходят архитектурой, гонка вычислений окончательно стала глобальной. (Techpresso).
Google и A24 строят ИИ-инструменты для кино. Google вложил $75 млн в инди-студию A24 и подключил DeepMind — первая для Google доля в киностудии. Инструменты обещают «заточенные под режиссёра», а не полную генерацию фильмов; A24 не отдаёт свою фильмотеку. Что это значит: Голливуд мечется между исками к ИИ и партнёрствами, а большие игроки тихо заходят в кино через тулинг. (Google).
Коротко:
- Micron подписал стратегическое соглашение с Anthropic на поставку памяти — память встаёт в список узких мест масштабирования. (Micron)
- Baseten привлёк $1,5 млрд при оценке $13 млрд; выручка выросла в ~20 раз, более 1 млрд инференс-вызовов в день. (BusinessWire)
- Samsung разворачивает ChatGPT Enterprise и Codex на всех сотрудников в Корее. (OpenAI)
- Coinbase запустил pre-IPO фьючерсы на Anthropic и OpenAI — на оценку лабораторий теперь можно ставить до IPO. (Seeking Alpha)
- Видеомодель Alibaba HappyHorse 1.1 поднялась на 2-е место в мире, тесня Sora и Seedance. (VentureBeat)
- Конгрессмен Ликкардо внёс SKILL Act: налоговый кредит до $5000 на сотрудника под ИИ-обучение в колледжах. (Politico)
- Cloudflare, Mozilla, Google и Microsoft пишут privacy-протокол, чтобы отделить полезных ботов от вредных. (Mozilla)