Адовый UX
50.4K subscribers
9.87K photos
657 videos
15 files
661 links
Примеры плохих интерфейсов, юикса и истории про это всё

Присылайте свои примеры автору канала в бота: @uxfromhellbot

По рекламе: @kgreenmedia
В реестре: vk.cc/cKf91b

Автор: @kirillgreen

Оставляя комментарии, вы соглашаетесь на оскорбления в свой адрес
Download Telegram
Forwarded from Адовый UX Pro
How to Write a Good Spec for AI Agents

Адди Османи написал фреймворк для составления спецификаций, по которым ИИ-агенты пишут код. Суть: не вываливать на модель гигантский документ, а выстроить процесс — от высокоуровневого видения к модульным задачам с проверками на каждом шаге.

Материал технический, но принципы прямо переносятся на работу с ИИ в дизайне: генерация макетов, прототипов, дизайн-систем. По сути, это инструкция по менеджменту ИИ как исполнителя — с чёткими границами, поэтапной приёмкой и встроенным контролем качества. Подход зрелый, опирается на анализ GitHub 2 500+ конфигурационных файлов агентов и практику работы с Claude Code и Gemini CLI.

Главное:

— Начинать с краткого высокоуровневого описания целей и требований, а детализацию поручать самому ИИ. Затем вычитывать сгенерированную спецификацию и фиксировать её как «источник истины» в файле (SPEC.md)

— Использовать режим планирования (Plan Mode) — агент анализирует проект и составляет план, но не пишет код, пока план не утверждён человеком

— Спецификация должна покрывать шесть областей: команды сборки/тестирования, тестирование, структуру проекта, стиль кода, git-воркфлоу и границы дозволенного. Пропуск любой из них — типичная причина провала

— Границы лучше задавать в три уровня: «делай всегда» (прогоняй тесты перед коммитом), «спроси сначала» (изменение схемы БД, добавление зависимостей), «никогда не делай» (коммит секретов, правка vendor-папок). Самое частое полезное ограничение в исследовании GitHub — «никогда не коммить секреты»

— Один конкретный пример кода в нужном стиле работает лучше трёх абзацев с описанием стиля

— Чем больше инструкций в одном промпте, тем хуже модель следует каждой из них — это подтверждённый исследованиями «curse of instructions». Решение — разбивать работу на модульные задачи и подавать в контекст только релевантную часть спецификации

— Для больших спецификаций полезно создать расширенное оглавление с краткими саммар и каждого раздела. Агент держит в контексте «карту» документа и подгружает детали по мере надобности

— Можно использовать подагентов со своими контекстными окнами и системными промптами: один для базы данных, другой для API, третий для фронтенда. Каждый получает только свою часть спецификации

— Параллельный запуск нескольких агентов на независимых задачах ускоряет работу, но требует чёткого разделения зон ответственности — агенты не должны писать в один и тот же файл

— Встраивать самопроверку: после генерации кода просить агента сверить результат со спецификацией и перечислить невыполненные пункты. Для субъективных критериев (стиль, читаемость) использовать второго агента-ревьюера — паттерн «LLM-as-a-Judge»

— Спецификация — живой документ: обновлять при каждом изменении решений, хранить в системе контроля версий, пересинхронизировать агента после правок

— Антипаттерны: размытые промпты без конкретики, вываливание 50 страниц в контекст без суммаризации, пропуск человеческой ревью, путаница между «vibe coding» (быстрое прототипирование) и продакшн-инженерией

— «Смертельная триада» ИИ-агентов: скорость (работает быстрее, чем успеваешь проверять), недетерминированность (один и тот же ввод — разные результаты) и дешевизна (провоцирует срезать углы на верификации). Процесс ревью должен учитывать все три фактора

— Уровень детализации спецификации должен соответствовать сложности задачи: для тривиальных задач избыточный документ только мешает, для сложных — недостаточный гарантирует провал
🤡114👍32💩14❤8🥱8🤮5🤔4🔥2👾2😭1
Forwarded from Адовый UX Pro
How Product Discovery changes with AI

Дэвид Хоанг (ex-One Medical, ex-Webflow) разобрал, как ИИ меняет процесс продуктового дискавери: три из четырёх классических рисков — реализуемость, жизнеспособность и юзабилити — резко дешевеют, а главным дифференциатором становится desirability, то есть понимание того, нужен ли продукт людям вообще.

Статья — личное эссе практика с конкретными примерами из собственных проектов. Хоанг не теоретизирует, а описывает, как уже работает: прототипирует в продакшене за часы, собирает фидбек на реальных данных и пивотит до запуска. Подход спорный в части «прототип сразу в прод» — не каждая команда может себе это позволить, — но сам сдвиг фокуса с «можем ли построить» на «стоит ли это существовать» точно стоит внимания.

Главное:

— Продуктовый дискавери строится вокруг четырёх рисков: desirability (хотят ли это), viability (работает ли для бизнеса), feasibility (можем ли построить), usability (смогут ли пользоваться)

— ИИ радикально сжимает три из четырёх рисков: фича на два спринта теперь прототипируется за полдня, рабочий прототип можно сразу деплоить и получать рыночные сигналы, UI-вариации генерируются и тестируются быстро

— Desirability — единственный риск, который ИИ не закрывает. Синтетические персоны и симулированные исследования не заменяют наблюдение за живыми людьми

— Когда три риска дешевеют, оставшийся — desirability — становится конкурентным преимуществом. Главный вопрос сменился с «Можем ли мы это построить?» на «Должно ли это существовать?»

— Хоанг по-прежнему начинает с ручки и бумаги, но бумажный скетч больше не показывает людям — вместо этого «скетчит кодом» на разных уровнях детализации: от простой HTML-страницы с захардкоженными данными до прототипа с реальными API

— Прототипирование сместилось из стейджинга в продакшен. Свой проект Tapestry (CRM с ИИ) Хоанг собрал за несколько часов в Replit, задеплоил, дал реальным пользователям — и по результатам фидбека пивотнул архитектуру

— Продакшен-прототип ≠ запуск продукта. Это может быть закрытая бета — просто более честная среда для тестирования, чем стейджинг. С ИИ можно пивотнуть десятки раз до выхода на рынок, а не после

— Инструменты с «виртуальными персонами» Хоанг не использует для первичного исследования. Сложность никогда не была в синтезе находок — сложно получить правильные инсайты изначально

— Процесс дискавери с ИИ будет ощущаться некомфортно: покажется, что вы ищете проблему под готовое решение, потому что прототип и сборка перестают быть отдельной фазой
🤡140👍27💩25❤17🤮10🔥3👾3🤔1😭1
Хорошо, когда есть выбор Абаканов
🤣25866👍4220😁5💯4
К — контекстная реклама
😁234🤣1084114💩1
РИЛ, ВСМ?!
❤210😁186🤣37😐121210✍5👎4🤔3
Спасибо, теперь понял
🤣292😁502914🤯6👍3❤2🔥1👾1
Есть только три вида документов
😁2255423👌6🤣3✍2❤2
Генератор конфузов
317🥴179😁7031🔥9💯6❤5👍3💅3🖕2
Ищу пользователей в бета-версию своего продукта. Если вы учите один из этих языков с репетитором, то это для вас:

🇺🇸🇪🇸🇵🇹🇫🇷🇩🇪🇮🇹🇷🇺🇳🇱🇵🇱🇹🇷🇸🇪

Мы с другом делаем сервис, который превращает занятия с репетитором в наборы флеш карточек для повторения

Работает супер-просто. Добавляешь бота в календарь или даёшь ему ссылку на Зум/Мит, он приходит на звонок, слушает занятие и потом готовит карточки именно с теми словами, которые нужны

ИИ по контексту занятия определяет отдельные слова, фразы и правила, которые ученик ещё не знал, или знает нетвёрдо. И готовит карточку с переводом и примером употребления

Повторять уже можно в нашем веб-приложении, в ближайших планах эксперт в популярные карточные приложения (Anki, Quizlet, Mochi Cards)

Сейчас у нас готова бета-версия, оттестированная на моих личных занятиях португальским. И нам нужно показать её первым пользователям, и посмотреть, что они скажут и будут ли пользоваться

Это бесплатно. Если вам интересно попробовать, напишите мне в личку: @kirillgreen
💩140👍84❤32🔥9🏆3👎1🤮1🥴1
Сразу видно, автор знает, о чём говорит
😁442🍌6254🤣39🫡98👍1
Адовый UX
ВК встроили рекламу прямо в аватарки пользователей
ВК: мы видим, что ты ищешь по сообществам, на которые ты подписан. Будет обидно не показать тебе рекламу и тут тоже
285💩13541🤡13🤣11😡4😢2
Попытался взять схему с собой, но она крепко приклеена
263😁15735🤡10🤣9🤷‍♂8❤4🌚3💅2👾1
Интересно, как много денег недополучает эта корпорация просто потому, что боится поставить цену на «Нет, спасибо» хотя бы в 10 рублей?
😁419🤡765020👍11🤣8😭3❤2🥰2💯1
Окей, получаю ноль рублей. А банку сколько должен теперь?
316🤣190💯2520❤10😁10👀7😢2👍1
Открываю фирменный магазин
🔥455😁209❤‍🔥4620😈14❤44🥰1🤩1
Ну, хотя бы честно
🤝459354😁10832🤪8🥰5😡5🤡4💯4🤣4❤3
Как мы можем улучшить приложение?

Да
🥴269😁105🗿1914🤷‍♂107👍2😢2❤1😨1
Для тех, кому подписчики плохо донатят?
291😁138🌚30❤138🌭5😭4😐2