Нашла интересный промт для нейросети и объяснение, почему это работает👆

Прежде чем ответить, оцените неопределенность вашего ответа. Если она больше 0,1, задавайте мне уточняющие вопросы, пока неопределенность не станет 0,1 или ниже

Я сама обычно добавляю к запросам — «задавай мне вопросы, чтобы понять мой уровень знаний в этой теме» или «исходи из того, что я ничего не знаю по этому вопросу».

Спросила у Перплексити, в чем разница между этими запросами для нейросети — в том, как меняется контекст и способ обработки запроса:

⚫️Запрос с просьбой задавать вопросы для уточнения уровня знаний позволяет нейросети адаптировать ответы под конкретного пользователя, снижая неопределённость и делая диалог интерактивным. Модель получает обратную связь и может корректировать сложность и глубину объяснений.

⚫️Запрос «исходи из того, что я ничего не знаю» задаёт нейросети минимальный уровень знаний пользователя, заставляя давать простые и подробные объяснения без предположений об опыте. Это снижает риск непонимания и обеспечивает максимально понятное и полное объяснение с самого начала, что снижает риск пропусков важных деталей.

⚫️Просьба оценить неопределённость ответа помогает нейросети осознавать степень уверенности в своих результатах и при необходимости запрашивать уточнения, что улучшает качество и надёжность ответов, особенно в сложных или неоднозначных ситуациях

В общем, пользуйтесь😊 И делитесь в комментариях своими промтами, позволяющими получить максимально точный ответ.

Принесла вам самые популярные публикации за неделю:

⚫️Что под капотом у ИИ-сервиса «Цифровой нормоконтроль» от Департамента градостроительной политики Москвы.
⚫️Как бизнесу попасть в ответы нейросетей: GEO — новый стандарт диджитала.
⚫️Finch анонсировали ИИ-агента и пообещали ИИ не только в генерации планов, но и в инструментах редактирования.

Почитайте — там интересно.

Warp 2.0 — ИИ-платформа для вайбкодинга, объединяющая кодинг, управление ИИ-агентами, терминал и файловое хранилище

Что под капотом?
⚫️Лучшие LLM-модели от Anthropic, OpenAI и др.
⚫️Мультиагенты, каждый решает свою задачу (код, тесты, деплой).
⚫️Универсальный ввод: естественные запросы и команды в одном окне.
⚫️Быстрый поиск файлов и работа с большими репозиториями.
⚫️Редактирование ИИ-кода прямо в редакторе, без IDE.
⚫️Контроль агентов: настройка автономии и одобрение изменений.

🔵95% кода принимается без правок (SWE-bench Verified, 1-е место Terminal-Bench).
🔵Warp 2.0 используется для разработки самого Warp с кодом на Rust >1 млн строк.

Скачать можно здесь.

⚡️«При хорошем рынке ты рассматриваешь 200 площадок и покупаешь 5, при плохом — смотришь 200 и покупаешь одну», — председатель Совета директоров ГК ФСК Владимир Воронин в интервью директору Всеостройке.рф С. Опрышко

«Когда покупают дорого — мы не покупаем. У нас действительно накопился достаточно большой объем площадок. Ничего страшного не будет, если я год или два не куплю площадку. Значит, не купил».

Кроме того, по его мнению, чтобы чувствовать себя стабильно при нынешних ставках, долг/EBITDA должен быть не больше 2.

Владимир также рассказал нам, что для различных бизнесов им была создана головная компания, больше похожая на инвестфонд, в рамках которого смотрят новые покупки, продажи, изучают каждый актив, в том числе девелопмент и что с ним делать.

«То есть не с точки зрения развития площадок, а хорошо команда работает — значит, продолжает работать, плохо команда работает — увольняем. Если хорошо работает, пик рынка — значит, выводим на IPO или продаем актив. Задача — не работать, а как инвестфонд — управлять активами. Я поэтому ушел в этом году сюда, создал кооперативное управление и хочу выстроить систему работающих подразделений с постановкой задач, с KPI».

Председатель Совета директоров ГК ФСК сообщил, что маржинальность в девелопменте сегодня падает. При этом в Москве пока еще лучше, но это за счёт роста ВРИ (вид разрешённого использования земельного участка), социалки и зажимания.
«Сейчас маржинальность 15–20% EBITDA Margin — это прям хорошо».

Планы на будущее:

«Задача — чтобы через 10–15 лет компании работали самостоятельно. Я даже уйду из Совета директоров. Сейчас я в крупных организациях сам представитель Совета директоров. Нет задачи передать ребенку компанию, чтобы он ее развалил на этом же месте. Поэтому целевая задача — чтоб механизм саморегулированной компании был».

Справочно:
ГК ФСК, по данным портала Всеостройке.pф, занимает 5-е место по объему строительства РФ. Надежность девелопера — 4,01.

Мой ежедневный вклад в автоматизацию процессов 😁

а еще — и в цифровизацию вкладываюсь
💕дообучаю ChatGPT лучше понимать девушек — пишу в него запросы
💕оплачиваю продукты улыбкой
💕заказываю доставку, хотя магазин рядом
💕приближаю Скайнет, разговаривая с Алисой

Полезное исследование на стыке LLM и BIM о применении ИИ для полуавтоматической проверки моделей в Revit на соответствие строительным нормам

⚫️Цель: разработать LLM-ориентированный подход, который преобразует строительные нормы в исполняемые Python-скрипты и интегрируется с Revit для полуавтоматической проверки соответствия в BIM.

Что предложили авторы:
🔵Вместо ручного написания скриптов для Revit пользователь формулирует запрос на естественном языке.
🔵LLM переводит этот запрос в Python-код для Dynamo/Revit API, который выполняет проверку.

Сравнили разные LLM (GPT-4, Claude 3, Gemini 1.5, Llama 3).
🔵Тестировали, какие модели лучше справляются с интерпретацией строительных норм, генерацией работоспособного кода, обработкой геометрии BIM-моделей.
🔵Лучшие результаты у GPT-4 и Claude 3 (по качеству интерпретации и работоспособности сгенерированных скриптов), хуже — у открытых моделей типа Llama.

Кейсы и экспериментальная проверка
Авторы тестировали свой метод на двух проектах — жилом доме (ИЖС) и офисном здании. Для каждого проекта определили набор типовых строительных правил (например, минимальные размеры помещений, требования к материалам, расположению объектов) и сформировали запросы к LLM для генерации проверочных скриптов.

[Тоже, как и многие😁] обнаружили ключевую проблему
🔵LLM часто ошибаются в логике проверок, если требования в нормах сформулированы нечётко.
🔵Например, фраза «коридоры должны быть достаточно широкими для эвакуации» требует уточнения — иначе ИИ генерирует некорректный код.

Из относительно нового, но входящего в практику
🔵Авторы переложили часть работы по автоматизации проверок на ИИ — то есть ИИ пишет скрипты.
🔵Показали, какие типы проверок работают хорошо (простые параметрические правила), а какие — плохо (сложная геометрия, субъективные требования).
🔵 Ну и еще раз показали, что ИИ не заменит пока инженера, но ускорит рутину.

Подробнее — на arxiv.org в статье Large Language Model-Driven Code Compliance Checking in Building Information Modeling

5 ключевых проблем разработки ИИ-продуктов и рекомендации по их решению — ICONIQ AI Builder’s Playbook 2025

1️⃣Доверие и объяснимость ИИ — 42% компаний сталкиваются с недоверием пользователей к ИИ из-за эффекта «чёрного ящика» и галлюцинаций (38%). Рекомендации:

🔵Внедрять транспарентность: предоставлять отчёты о работе моделей (например, логирование контекстов запросов).
🔵Использовать post-processing фильтры (RAG, проверочные модели) для снижения галлюцинаций.
🔵Подключать людей для контроля в важных случаях (66% компаний уже так делают).

2️⃣ Высокая стоимость инференса и API — 32% компаний называют стоимость инференса главной проблемой, а 70% — непредсказуемость расходов на API. Рекомендации:

🔵Оптимизировать инференс через кэширование и динамический выбор моделей (например, Mistral для простых задач, GPT-4 — для сложных).
🔵Многие (41%) переходят на опенсорсные модели, а 23% комбинируют облачные и локальные решения, чтобы снизить затраты.

3️⃣ Доказательство ROI — 39% компаний не могут обосновать окупаемость ИИ-продуктов. Особенно сложно, если продукт просто «добавил ИИ» к старому функционалу. Рекомендации:

🔵Сначала доказать, что ИИ приносит выгоду внутри компании — бизнес внедряет копилотов для внутренних процессов и замеряет метрики. Самые популярные направления — автоматизация поддержки или аналитики.
🔵На внешних продуктах — менять модель монетизации — переходить на плату за использование или за результат (6%). Также можно использовать трекинг метрик (время выполнения задач, конверсия) для премиум-тарифов.

4️⃣ Мультимодельные архитектуры: 64% зависят от OpenAPI, но это риск: цены растут, API меняется, а альтернативы (Claude, Gemini) могут быть выгоднее. Рекомендации:

🔵Строить гибкую архитектуру — чтобы быстро подключать новые модели.
🔵Тестировать 2–3 модели одновременно (средний показатель среди ТОП-стартапов).
🔵Инвестировать в ИИ-агентов — они сами выбирают, какую модель использовать для задачи.

5️⃣ Дефицит кадров и скорость найма. Подбор ИИ/ML-инженеров занимает 70+ дней, а 46% компаний не успевают закрывать вакансии. Рекомендации:

🔵Автоматизировать рутину: Copilot (77% команд), генерация документации (57%).
🔵Перераспределять бюджет: сокращать расходы на инференс (32%) в пользу апскилла текущих сотрудников.

Подробнее — в прикрепленном отчете

⚡️ В связи с присоединением новых Партнеров крупнейший в РФ стройтех-акселератор Build UP продлевает срок подачи заявок до 14 июля и приглашает на онлайн встречу с лидерами строительной отрасли.

⭐️ Акселератор проводится при поддержке: «ДОМ.РФ Технологии», ГК «ТОЧНО», Группа «ГОЛОС», ГК «Галс-Девелопмент», Setl Group, Upside Development, LEGENDA и СЕДРУС.

Программа проводит отбор по следующим направлениям:
✔️ Проектирование и BIM-технологии,
✔️ Строительство,
✔️ Эксплуатация недвижимости,
✔️ Цифровизация продаж и маркетинга.

❗А уже в эту пятницу (4 июля) в 11:00 пройдет Онлайн-встреча для всех потенциальных участников Build UP. Совместно с представителями Фонда «Сколково», МИК и девелоперами- партнерами программы разберем все актуальные вопросы о Build UP.

На повестке встречи:
✔️ какие решения особо востребованы у компаний-партнеров Build UP в 2025 году;
✔️ как улучшить качество заявки;
✔️ меры поддержки участников Build UP,
✔️ порядок оценки поданных заявок и рассмотрения проектов девелоперами,
✔️ как организуются внедрения проектов на реальных объектах девелоперов.

🗓 4 июля
🕔 11:00
👤 онлайн

Не упустите возможность задать все вопросы лидерам девелоперского рынка и организаторам Build UP — зарегистрироваться на вебинар и подать заявку ⬅️

Как цифровой след покупателя меняет рынок недвижимости? 5 реальных кейсов — презентация ДОМ.PФ с «Движения»

Раньше агенты опирались на интуицию, сегодня — на цифровой след. Это данные о поведении, запросах и сделках покупателей. С помощью API ЕИСЖС застройщики и риелторы превращают эти данные в лиды.

Вот как это работает:

Новостройки — в продажу раньше конкурентов
🔵Что делают: автоматически загружают новые объекты на маркетплейсы, проактивно предлагают их клиентам, которые искали похожие варианты.
🔵Результат: быстрее старт продаж, первые покупатели — самые лояльные.

Реклама, которая прилетает в нужный момент
Пример: как только покупатель получает ключи от квартиры, система автоматически предлагает: услуги ремонта, мебель и технику, выгодные кредиты на обустройство.

Коммерческие помещения: где открывать магазин или ПВЗ?
🔵Как анализируют: смотрят на цифровой след покупателей ЖК, где живут, работают, сколько тратят, какие коммерческие услуги востребованы.
🔵Результат: точно прогнозируют окупаемость помещений, застройщики продают коммерцию дороже.

Умное ценообразование и «золотые» локации
🔵Как это выглядит: цена квартиры меняется динамически (спрос вырос — цена подросла). Система находит перспективные районы для строительства (например, где много запросов на таунхаусы).

🔵Эффект: прибыль застройщиков растет, покупатели быстрее находят подходящий вариант.

Ипотека за 5 минут: кредитная фабрика
🔵Что автоматизировано: проверка надежности застройщика, заполнение документов для ипотеки, одобрение без очередей.
🔵Плюсы: клиент получает решение за 5 минут, банки снижают риски.

Перспективы использования данных клиентов
Цифровой след — это только начало. Скоро голосовые помощники начнут подбирать жилье по привычкам клиентов, а на цифровых двойниках комплекса будут тестировать запуск рекламных кампаний.

Подробнее — в презентации.

Швейцарский стартап MESH автоматизирует сборку арматуры с помощью роботов, создавая сложные конструкции по цифровым моделям

🔵Софт обрабатывает цифровые модели, рассчитывает движения роботов и генерирует структуру арматуры.

🔵Роботы автоматически захватывают, сгибают, укладывают и сваривают стержни, создавая сложные трехмерные армирующие конструкции произвольной формы, которые затем заполняются бетоном.

🔵Технология позволяет отказаться от традиционной опалубки, так как арматурная сетка одновременно служит и каркасом, и формой для заливки бетона.

🔵Эта технология уже применяется в строительстве башни Tor Alva и второго туннеля Gotthard Road, значительно повышая эффективность и качество работ.

5 участников-единорогов акселератора Build UP «Сколково», активно внедряющих технологии в стройку совместно с ведущими девелоперами

ЛИИС
🔵Оценка: >3 млрд руб.
🔵Чем занимается: компания проектирует и создает решения для мониторинга и управления безопасностью, инженерной и технологической инфраструктурой умного здания из единого интерфейса.

RUBETEK
🔵Оценка: >2 млрд руб.
🔵Чем занимается: разработчик систем умного дома, в том числе пожарных сигнализаций, домофонов, счётчиков и камер видеонаблюдения.

Genesis
🔵Оценка: >2 млрд руб.
🔵Чем занимается: разработкой и производством комплексных технологических решений промышленного водоснабжения на базе модульных и плавучих насосных станций

TION
🔵Оценка: >1 млрд руб.
🔵Чем занимается: компания разрабатывает системы умной вентиляции, очистки, обеззараживания и мониторинга воздуха.

Ujin
🔵Оценка: >1 млрд руб.
🔵Чем занимается: платформа Ujin — экосистема для умных зданий и цифровых сервисов. Она объединяет оборудование и инженерные системы здания, IoT-устройства, информационные системы и пользовательские интерфейсы

Проектный институт S.23 «Самолета» запустил «Виртуального координатора» — ИИ-помощника по проектированию в формате чат-бота

⚫️Бот построен на LLM и технологии RAG и обращается за ответом к внутренней базе знаний.
⚫️Запускается прямо в Revit и позволяет быстро находить ответы, не отходя далеко от проекта.
⚫️ИИ-помощник дает четкие ответы со ссылками на документацию, если не знает, не додумывает, как это присуще нейронкам, а говорит «я не знаю» (молодец какой).