Стартовала резидентура по AI-native инженерии и менеджменту из первых принципов
Сегодня стартовала моя резидентура “AI-native инженерия и менеджмент из первых принципов”, работали больше трёх часов – и так будет каждое воскресенье до середины февраля, кроме новогодних праздников. В честь такого события сделал маленькую колоду слайдов полностью ручной выделки, прямо как в старые времена – для удержания коллективного внимания в ходе встречи.
В резидентуре у нас сейчас 30 инженеров-менеджеров, и ещё ожидаем сегодня-завтра парочку. Так что эта огромная группа получила в наставники не только меня, но ещё и Юлию Чайковскую. В любом случае я выдам там полные 48 часов общения – но, в отличие от прошлых резидентур, у нас там не только руководства (первые резидентуры вообще шли “с голоса”, и это были “курсы”, но это было десяток лет назад, уже никто не помнит), но ещё и библиотека FPF. И сразу бонус – я выдал группе свой августовский LPF, а также нынешний LPF для выпуска FPF, а ещё нынешний LPF для выпуска учебных продуктов. По итогам все должны будут уметь делать эти LPF как “исполнимые корпоративные стандарты”, “исполнимые регламенты”.
Группа прекращает пополняться завтра, в понедельник, 26 октября, в 22:00 МСК (всегда ведь есть опоздавшие, “ой я не прочитал, ой я не понял”, им даётся дополнительный день). Условия участия и подача эссе – Telegram: Contact @mim_workdev.
“Политинформация” – 5000 прожигателей токенов, нам и вам так не жить
Обычно я начинаю встречи с какой-то “политинформации”, чтобы наши инженеры-менеджеры могли поднять голову от своих дел и хоть как-то оглядеться на то, что творится на свете. Сегодня главной темой стал твит Karpathy от 11 октября 2026 (https://x.com/karpathy/status/2109361546505966046) — это обновление его апрельского поста про «две группы, говорящие мимо друг друга», он отмечает острую воронку (sharp funnel) в понимании возможностей LLM. Его цифры «на салфетке» (napkin math):
- ~6 млрд (~75%) — почти не сталкивались с LLM.
- 1–2 млрд (~20%) — редкие пользователи бесплатных «глупых» чатботов; многие не-технари и даже часть профессионалов вне math и code остаются здесь. Идеи нейрослопа здесь.
- ~20 млн (0.2%) — профессионалы в math и code, которые сами видят, как агенты за один промпт делают проекты, раньше занимавшие недели или месяцы (создать apps, декомпиляция, перевод и т.д.). Нам нужно научиться уверенно работать на этом уровне.
- ~5 000 (~0.00006%) — люди с внутренним доступом к frontier-системам в лабораториях, “прожигатели токенов”. Они видят рои тысяч агентов, работающих неделями над мега-проектами: zero-days уязвимости, кибератаки и защита на машинных скоростях, новые научные открытия в самых разных науках, продвижение математического фронтира и создание сложных программных систем за фантастически малое время. Человеческое понимание уже начинает отставать (пример — «археология» инцидента OpenAI-HF, математики, разбирающие сотни рукописей доказательств). То есть эти 5000 человек производят такое, что выше по воронке уже не понимают вообще, что это происходит – и даже не могут переварить. А иногда и сами эти 5000 человек плохо уже понимают, что происходит. У меня вот токенов тратится поменьше, но я и сам плохо уже понимаю, что у меня происходит – не считаете же вы, что я прочёл каждую строчку из 33MB библиотеки FPF или изготовленного сегодня утром руководства D1 для резидентуры, там ведь объём “Войны и мира”!
Разрыв растёт из-за трёх факторов:
- масштаба амбиций в постановке задач, и нам хорошо бы тоже поднять амбиции.
- «зубчатости» способностей LLM (пики в цифровых, верифицируемых и экономически ценных доменах благодаря RL на проверяемых наградах), и нам хорошо бы играть в тех областях, которые не попадают в эти пики, но с учётом наших накопленных ранее знаний дают способности повыше.
- уровня доступа (free, paid, internal) – и нам надо забыть о free, максимизировать paid, а также забыть об internal.
Лабораторного вычислительного бюджета у нас нет. Это ограничивает масштаб поиска: сколько вариантов мы можем породить, как подробно проверить их в модели мира или реальной работе, сколько циклов отбора провести. Но создание, проверка и отбор вариантов доступны и нам. Практический вопрос – какие более сложные задачи мы уже можем решать доступными агентами, если лучше организуем постановку задачи, использование методов, инструменты и проверку результата? Резидентура как раз про развитие этой способности. Масштаб доступных средств будет меняться ещё по ходу нашей работы.
Продукты к резидентуре: их много
Главный продукт – это обновлённая библиотека FPF, где на этой неделе прошёл большой ремонт по восстановлению целостных объяснений для объектов и операций дисциплин в целом. Был перекос в сторону редукционизма: все детальки и примеры на месте, а целое содержание дисциплины из них собрать предоставлялось читателю. Пришлось делать отдельный проход для исправления перекоса – по всем DPF. И ещё отдельный проход по F.19 (это ещё не закончено, это идёт ещё и прямо сейчас).
На этой неделе особенно хорошо стало видно одно затруднение работы с AI: агент может написать много правильных отдельных фрагментов, а объяснение целого так и не получится. Проверки отдельных фрагментов этого тоже не исправляют. Пришлось менять сами правила разработки: восстанавливать основания дисциплины, объяснять отношения между её методами, а затем возвращаться от этого общего объяснения к выбору и изменению отдельных методов. Так что я одновременно чинил библиотеку и технологию её изготовления. Ещё за неделю поступило два багрепорта от чужих AI-агентов, по ним тоже были сделаны исправления.
Канон культуры развития (он же канон мышления и действия инженеров-менеджеров) – в FPF Library (которая продолжает дорабатываться), а вот дальше есть варианты. Для работы с каноном я не дообучаю модель: агент читает нужные методы по ходу выполнения задачи и работает с ними. А вот людям надо а) “привыкнуть” и б) они не в состоянии в обозримое время “привыкнуть” к 33 МБ текущего текста библиотеки FPF. Поэтому мы готовим небольшую выборку из этого канона, которая должна поместиться в голову инженера-менеджера за обозримое время, например, время резидентуры – четыре месяца. Так что к этой резидентуре я подготовил новое руководство D1 – 3,076 млн знаков, это 835 страниц Word, набранных 11-м кеглем, 209 картинок, 76 форм для заполнения: 15 двухколоночных карточек (поле и значение); 61 многоколоночная таблица для записей, сопоставления и рассуждения. Из них 70 форм находятся в 51 упражнении на моделирование, ещё 6 — в объяснительном тексте. 51 блок заданий, 37 Quiz со 170 высказываниями для проверки. Но уже готова новая версия, на 843 страницы, и готовлю очередную, “дополненную и исправленную”. По размеру это чуть больше “Войны и мира”, в которой около 3,0 млн знаков. А остальное? Поговорить на общую тему с AI-агентом, который имеет доступ к полной FPF Library, уже будет можно, в голову грузим только общие рассуждения, не всё подряд.
Уже после встречи сделал демонстрацию возможности моих AI-native технологий: выдал за полтора часа в прямом эфире синтез руководства по слайдам и транскрипту сегодняшней трёхчасовой встречи, 0,15 млн знаков (40 страниц в Word с парой картинок, и там даже есть рабочие задания – это же руководство!). И выдал группе LPF, по которым это всё делалось. Чудеса доступны, уже сегодня.
Ещё навайбкодил (вдруг кому на резидентуре потребуется?) MCP по моим руководствам R0, R5-R10 и заодно по блогу: MCP — тексты Анатолия Левенчука (и ещё добавил полнотекстовый поиск по руководствам, Руководства — Анатолий Левенчук, ибо поиск по блогу был уже давно — Лабораторный журнал — поиск по записям Анатолия Левенчука).
Экосистему FPF развиваю уже не только я
Ещё одна важная новость: экосистема FPF делается уже не только мной. Коллеги разрабатывают свои DPF, как и задумывалось. Например, 21 октября в канале Thinking by writing появились сразу два примера – DPF театрального художества и DPF для создания киносериала: Telegram: Contact @thinkingbyletter. Для первого автор разобрал полтора десятка театральных школ и направлений, выделил общие объекты внимания, паттерны и методы, сохраняя конфликты между подходами; пригодились и мои паттерны по нарративизации и танцам. Затем возникла задача сделать комедийный сериал про аналитиков, и театральную основу пришлось дополнить работой с ракурсами, монтажом, анимацией, звуком, сериальной и комедийной спецификой. Театральный DPF автор уже пробовал в работе, создание сериала ещё впереди.
Андрей Куликов тем временем разрабатывает фреймворк из первых принципов для обоснования решений в HR IT: I am working on "First principles"* framework for HR IT business cases and will share some parts of that work in progress with you. Today we start with the core questions that should be answered by… | Andrey Kulikov. Он начал с вопросов о том, какую проблему и для кого решаем, какую систему или организацию меняем, какие варианты ответа есть – включая продолжение нынешней работы. Предметный опыт работы с HR IT становится материалом для разработки повторно используемых методов.
В комментарии я предложил различать общие методы HR и их применение к HR IT: сделать общий HR DPF, а технологическую специфику IT оформить профилем применения. Если бить HR на более мелкие дисциплины, то можно вообще сделать HR DPF Suite с несколькими DPFs.
Для меня здесь главное – сообщество инженеров-менеджеров уже само развивает экосистему FPF, задействуя свой опыт: появляются новые и новые авторы новых и новых DPFs, предметные разработки и эти предметные разработки ещё и совместимы между собой, ибо опираются на канон – библиотеку FPF.
Концептуальный и методологический синтез дисциплины управления: готов C.43
В прошлом посте я говорил о выходе на концептуальный и методологический синтез управления (Опубликован Control Architecture Design (CAD) Principle Framework (2/2) – в конце текста). Сказано – уже сделано, готов начальный вариант. Основной результат тут – паттерн “C.43 — Connect Observation, Choice and Action in Control”. Под управлением здесь понимается организация воздействий на систему относительно того, что в её поведении требуется сохранять и/или менять. Cкажем, “управлять автомобилем” – это сохранять его движение по дороге, меняя расстояние до конечной точки маршрута. Или сохранять какой-нибудь холдинг, чтобы он не обанкротился, но переползти из одной отрасли, где идёт подрыв со стороны, в другую – где относительно безо
пасно. Архитектура управления связывает доступную информацию с правилами формирования воздействий, средства исполнения — с возможными последствиями, а последствия — с дальнейшим управлением. При этом изменяться могут и сама управляемая система, и способы управления ею. Получается общая постановка для контроллера технического устройства (“регулятора”), организма, предприятия, развивающейся команды: как из достигнутого положения получать нужные изменения, располагая ограниченными сведениями и средствами, причём своими действиями мы меняем условия следующих действий.
Обещанная в прошлом посте длинная мантра теперь выглядит так: оценить положение → построить возможные продолжения → сравнить и выбрать → осуществить действие → разобраться, что произошло → пересмотреть продолжение. Это опора для рассуждения об управлении; в реальной системе эти работы могут идти одновременно и с разной скоростью.
Простой пример: заказать дополнительное исследование полезно, если при разных ответах мы сможем поступить по-разному. Если решение уже зафиксировано или нужное действие станет недоступно, пока мы ждём результат исследования, даже точная информация может не улучшить этот выбор. Поэтому сравнивать надо всё продолжение: получение сведений, время ожидания и действия, которые после этого останутся возможны.
У этой общей архитектуры много подробных предметных частных наработок. Классическая теория автоматического управления описывает её через регуляторы, обратные связи и динамику управляемого объекта. Робастное управление исследует, какие воздействия остаются допустимыми при неопределённости; модельно-предиктивное управление, MPC, строит их повторным расчётом будущего поведения. Адаптивное управление меняет сам регулятор по результатам работы. Дуальное управление рассматривает действие сразу в двух отношениях: оно изменяет объект и даёт сведения, которые могут улучшить последующие действия. Исследования многослойных архитектур управления добавляют совместное проектирование этих процессов: быстрые реакции, медленные расчёты, внутренние отклики о собственных действиях, задержки каналов и вычислений должны вместе давать требуемое поведение. Это уже архитектура распределённой работы по управлению, реализуемая на конкретных машинах, в нервной системе или организации.
Экономика, теория решений и active inference разворачивают другие стороны той же конструкции. Экономический анализ связывает выбор с конкурирующими применениями ограниченных средств; маржинальное мышление оценивает изменение из уже достигнутого положения, вместе с взаимодействиями и будущими возможностями. Байесовская теория решений позволяет сравнивать действия с учётом неопределённости и оценивать получение дополнительной информации через изменение последующего выбора. Active inference связывает вывод о скрытом состоянии мира, предпочтительные исходы и информационные последствия действий. Здесь обнаруживается существенное место соединения школ: стремление получить информацию и способность воспользоваться ею при последующем выборе — две разные составляющие управления. Можно включить в критерий привлекательность исследования, но представить будущее фиксированной последовательностью действий и тем самым не учесть главный выигрыш от исследования: после разных наблюдений действовать по-разному.
Операционный менеджмент и стратегирование описывают эту архитектуру через спрос, мощности, обязательства, программы изменений и полномочия участников. Теория ограничений и метод критической цепи показывают, как защита результата целой работы меняет локальные оценки и распределение резервов. Биологические исследования восстанавливают механизмы управления по наблюдаемому поведению и различающимся предсказаниям моделей. Подходы к защите систем исследуют, что произойдёт при вмешательстве в наблюдения, правила выбора, команды или восстановление работоспособности. У каждой традиции свои объекты и язык, но общие отношения позволяют соединять их результаты: например, рассматривать задержку согласования как часть времени реакции, обязательство — как изменение доступных будущих действий, а защиту канала — вместе с её влиянием на возможность своевременно управлять.
В C.43 эти отношения развёрнуты в общий метод построения и пересмотра управления: все эти предметные наработки оказываются какими-то фрагментами общего метода, в этом и суть концептуального синтеза. Объектом сравнения становится целое возможное продолжение: действие сейчас, последующие действия в зависимости от полученных сведений, необходимые для этого ресурсы и остающиеся возможности. С этим соединены уже разработанные в FPF методы оценки вклада изменения, выбора, проектирования архитектуры управления и пересмотра решений. Итоговый концептуальный и методологический синтез в C.43 позволяет ставить вопросы, для ответа на которые прежде приходилось самостоятельно соединять несколько предметных постановок – а для этого хотя бы о них знать.
Особенно интересен переход к управлению развитием. Здесь действие меняет не только текущее положение, но и набор задач, которые агент сможет решать, методы их решения и способы дальнейшего развития. Поэтому с общей архитектурой управления связаны обучение, развитие возможностей и эволюционный поиск с созданием и отбором вариантов. Команда может получить одинаковый сегодняшний результат, купив экспертную услугу, освоив метод или изменив устройство работы. Завтрашние возможности у неё будут разными. А успешное освоение метода может позволить поставить задачу, которую раньше нельзя было даже содержательно сформулировать. Так управление связывается с бесконечным развитием: меняются не только выбранные действия, но и пространство последующих задач и средств.
Польза синтеза — в возможности рассуждать об этих переходах в одной схеме, сохраняя предметную строгость. Вопрос о конструкции датчика получает экономическое продолжение: какой выбор изменится благодаря его показаниям? Вопрос о выгодном изменении получает инженерное продолжение: каким устройством управления оно будет реализовано и что останется возможным после него? Вопрос об обучении получает продолжение в архитектуре работы: какую возможность мы действительно развиваем и какая помощь останется необходимой? Конкретные расчёты и доказательства по-прежнему дают соответствующие дисциплины, у них достаточно для этого частных методов, раскрывающих какую-то часть общего метода управления. C.43 объясняет, как связать их в ответ на одну задачу управления. Это и есть искомое компактное мышление: предметных знаний много, но отношений, через которые они работают вместе, немного, их можно удерживать в уме человека (или не человека) и переносить между областями.