В этих историях ИИ выглядит не как отдельное чудо, а как рабочий материал: кому-то он помогает собрать портфолио, кому-то ускоряет код, кому-то вскрывает новые риски профессии. Самые интересные детали здесь часто не в модели, а в том, что вокруг неё ломается: файлы, проверки, привычки, ответственность и человеческое внимание.

Браузерный поиск видеомоментов упёрся не в модель, а в реальные форматы файлов

Автор собрал поиск по видеоклипам, который полностью работает в браузере: без загрузки файлов на сервер, без внешнего API и без счета за графический ускоритель. Но практическая боль оказалась совсем земной: нестандартные видеофайлы, разные кодеки и странное поведение при пересборке нужно было привести к виду, который система вообще способна анализировать. История хорошо напоминает: приватная локальная ИИ-функция звучит красиво, но продукт начинается там, где пользователь приносит грязные файлы из реальной жизни.

Студент сделал VoxCalc, чтобы портфолио выглядело живее обычных учебных приложений

Md Rounaq Ali пишет как студент, которому надоели одинаковые учебные проекты, и он решил собрать калькулятор с голосом, распознаванием текста и обработкой обычной речи. VoxCalc использует Flutter и Google ML Kit, но главное здесь не набор технологий, а желание показать на собеседовании что-то ближе к реальному устройству. Получилась история ранней карьеры: ИИ-функции становятся способом выделиться, если за ними есть понятная задача, а не просто украшение резюме.

Разработчик дал кодовую базу «ИИ-стажёру» и получил скорость вместе с новой работой по надзору

Автор сравнивает ИИ-инструменты для разработки с быстрым и очень бодрым стажёром: они многое делают, но требуют постановки задачи, проверки и исправлений. В этой истории важна не магия автогенерации, а управленческая часть: человек начинает не только писать код, но и руководить машинным помощником. Выигрыш в скорости оказывается настоящим, но не бесплатным — надзор просто переезжает в другую форму.

Молодой юрист пытается понять, как входить в профессию, где ИИ уже меняет правила

В заметке на Substack автор смотрит на ИИ глазами новичка в праве: университеты, преподаватели, задания, фирмы и найм меняются неравномерно, а молодым специалистам всё равно нужно строить суждение. Это не спор о том, можно ли остановить ИИ, а более честный вопрос: как учиться профессии, если инструменты уже встроились в повседневную практику. Самая сильная мысль — начинающим юристам надо осваивать ИИ, не отдавая ему профессиональную ответственность и способность думать.

Консультант с докторской степенью использует ИИ почти везде, но не считает его заменой экспертизе

Автор рассказывает, что широкое использование ИИ делает его работу приятнее и быстрее, но работает это именно потому, что у него уже есть образование и доменное суждение. Важное ограничение звучит трезво: ИИ может усилить опытного консультанта по данным, но не превращает случайного человека в юриста, бухгалтера или эксперта. Эта история полезна как противоядие от лозунга «теперь каждый может всё»: скорее, каждый сильнее там, где уже умеет задавать хорошие вопросы.

Разработчик проснулся к запросу на слияние от агента и всё равно нашёл ошибку, которую не поймали тесты

В этой истории агент ночью навёл порядок в запутанном файле и утром оставил аккуратный запрос на слияние. На первый взгляд всё выглядело хорошо, но редкая логическая ошибка прошла мимо зелёных тестов. Урок простой и неприятный: агент может сделать работу очень удобно, но человеческий обзор всё ещё нужен именно там, где автоматическая проверка слишком узкая.

Создатель Minineo автоматизировал страницы и статьи, но оставил место редакторскому суждению

Sanjay Negi описывает Minineo как ответ на повторяющуюся работу: создание страниц и статей для поискового продвижения слишком часто превращалось в ручной конвейер. ИИ здесь помогает собрать черновики и ускорить выпуск, но автор отдельно показывает, где автоматизация ошибается и почему текст всё равно требует человеческой правки. Это хорошая история о том, что контентная автоматизация полезна не тогда, когда «пишет вместо нас», а когда снимает механическую часть работы.

Разработчик предупреждает: привычка принимать ИИ-код без разбора медленно ослабляет инженерное мышление

Elmar Chavez пишет изнутри обычной разработки о тихой петле: попросил, принял, пошёл дальше. По его версии, главная опасность не в одном плохом фрагменте кода, а в постепенной потере навыка самому разбирать задачу, строить тесты и искать граничные случаи. Это история не против ИИ, а против ленивого режима, где инженер перестаёт быть автором решения и становится нажимателем кнопки принятия.

Участник хакатона собрал три агента на Qwen Cloud без привязки банковской карты

John Lee рассказывает, как сделал три проекта для Global AI Hackathon: агента для поиска вознаграждений за ошибки, агента для диагностики GitLab CI и систему для коротких драматических сценариев. Важная часть истории — ограничения: он не хотел привязывать банковские карты к облачным кабинетам ради хакатона и разбирался с международными точками доступа, лимитами и особенностями моделей. Это практическая заметка о том, как бесплатный слой может открыть эксперименты, но почти сразу заставляет понимать инфраструктуру.

Первый агент для поддержки научил автора, что сочувственный ответ — это ещё не весь сервис

Автор описывает первого агента для ответов поддержки: он должен был не просто писать текст, а учитывать тон, уверенность, отслеживание обращения и передачу человеку в сомнительных случаях. Самый полезный вывод — поддержка не сводится к генерации вежливого сообщения. Нужны правила остановки, журнал и понимание, когда ИИ лучше промолчать или попросить человека вмешаться.