Обновления курса в порядке появления
В этом спринте мы превратили фреймворк в dual-agent модель: добавили полноценную поддержку Codex параллельно с Claude без ломки существующего Claude-контура.
Исправили критичный runtime: `start` в Codex теперь корректно роутит migration/upgrade и выполняет автообновление без лишних вопросов, плюс добавлен пользовательский `/fi`-путь.
Доработали миграцию (legacy/upgrade): state-файлы начали заполняться реальным содержимым из материалов проекта, а не шаблонными заглушками.
Синхронизировали релизный контур и документацию, выпустили major-релиз `v4.0.0` с обновлёнными артефактами на GitHub.
Убрали прилипающую кнопку «Задать вопрос». См. в любом уроке.
Реальное обучение больше напоминает путешествие, в процессе которого мы в первую очередь создаем, а учимся как-бы по необходимости.
Логическая последовательность сохраняется, и я верю, что так идти надежней, однако новые инструменты и возможности появляются так быстро, что нельзя ждать месяцы. Вы можете создавать сразу то, что вам нужно, используя самые лучшие инструменты и подходы.
Это вносит некоторый хаос, но мы все учимся именно так, ибо цель обучения не в том, чтобы в голове все уложилось (оно все время будет меняться), а в том, чтобы вы реально создавали.
Этот текст представляет собой подробный разбор процесса перехода от no-code автоматизации (n8n, Make) к полноценной локальной разработке с помощью ИИ-агентов (Cursor, Gemini 1.5 Pro).
Основная ценность здесь не в конкретной утилите для нарезки видео, а в демонстрации того, как в 2026 году предприниматель может превратить рутинный процесс в прозрачный, бесплатный и полностью подконтрольный программный продукт за считанные часы.
Демонстрируется методика глубокого обучения с помощью ИИ-агентов, способных анализировать объемные учебные материалы через конвертацию HTML-страниц курса в компактный Markdown-формат. Автор подчеркивает преимущество модели Claude Code десктопная версия с CoWork) и Google Gemini для обработки больших контекстов и использования Claude как наиболее эффективного браузерного агента на текущий момент.
Итоговая цель подхода — создание локальной экспертной системы из материалов курса для быстрого усвоения знаний и получения точных ответов на вопросы студента.
Автор призывает студентов не тратить время на ожидание ответов от преподавателя, а использовать ИИ как персонального эксперта 24/7. Для эффективной настройки чужих блюпринтов и понимания сложных тем рекомендуется загружать текст уроков напрямую в чат (Gemini, Claude или ChatGPT), чтобы нейросеть получила полный контекст и могла выдать прагматичное решение без лишних лекций.