- Замок зажигания: первый запуск: 0/5
- Шасси: машина + топливо: 0/4
- Подъёмник и диагностика: 0/3
- Топливная система: шлюз к моделям: 0/5
- Навигатор: маршрут задачи: 0/5
- Бардачок: контекст и память: 0/4
- Датчик дождя и дворники: pipeline: 0/5 — сейчас
- Фаркоп и багажник: MCP, Hooks, Skills: 0/6
- Колонна: субагенты и оркестрация: 0/6
- Атлас дорог: AI-тетрадка: 0/5
- Диностенд: тюнинг двигателя: 0/5
- Бортовой компьютер: второй мозг: 0/5
Ты собираешь: Датчик дождя и дворники: pipeline
💡 Stack-агностично. Этот модуль использует Claude Code как case-study: страницу читает встроенный инструмент WebFetch, дальше анализ. В других стеках паттерн тот же: нужен любой инструмент чтения страниц твоего агента (встроенный или MCP-сервер, модуль 07). См. модуль 03 для своего стека.
Вспомни один цикл последних трёх дней: взял информацию из сети — и куда-то её доставил.
Не представляй это как «работу с компьютером». Представь это как pipeline: деталь (информация) ложится на ленту → проходит станцию за станцией (читаешь, выделяешь, пересказываешь) → выходит готовым изделием на другом конце.
Прокрути этот pipeline в голове: сколько станций? На какой из них лента замедляется и начинает копиться очередь?
Ошибаться можно: это часть обучения. Догадка помогает потом лучше запомнить ответ, а сам ответ будет дальше, после объяснения.
Скопируй персональный промпт и вставь его в режим обучения своего агента — он подхватит твой контекст и поведёт тебя дальше.
Честно: с ИИ кажется, что умеешь больше, чем без него. После практики проверь себя без ИИ. (Bastani et al., PNAS 2025)
Объясняет материал по методике курса.