00:00:00ИИ-агенты становятся слабее или они просто работают с недостоверной информацией?
00:00:03Главная проблема агентов заключается в их контексте.
00:00:06Дело не в том, что у агентов мало данных или они всё забывают,
00:00:09а в том, что у них нет привязки к надежному источнику истины.
00:00:12Это значит, что именно работа с плохими данными — причина их низкой эффективности.
00:00:15Возможно, вы уже слышали о Google NotebookLM —
00:00:18инструменте, который отлично справляется с исследованиями и генерирует подкасты.
00:00:22Но что, если он способен на гораздо большее?
00:00:23Наша команда протестировала этот инструмент с разных сторон,
00:00:27чтобы понять, как встроить его в наши рабочие процессы разработки.
00:00:30Честно говоря, мы не ожидали, что он впишется настолько удачно.
00:00:32В этом видео мы работали с NotebookLM через его CLI-инструмент.
00:00:36Этот интерфейс дает полный контроль
00:00:39над блокнотами, источниками и аудиообзорами на их основе.
00:00:44Установка предельно проста: всего одна команда — и готово.
00:00:47После установки ее можно проверить, запустив команду help.
00:00:51Она покажет все доступные команды для управления источниками,
00:00:56работы с мультимодальным вводом и прочими функциями инструмента.
00:01:00Но перед использованием нужно авторизовать CLI через Google-аккаунт командой nlm auth.
00:01:05После запуска откроется окно Chrome для входа в систему.
00:01:08Затем NLM сохранит ваши учетные данные для дальнейшей работы.
00:01:11К NotebookLM можно обращаться через CLI и MCP —
00:01:15оба инструмента созданы одним разработчиком, выбирайте любой.
00:01:18Мы выбрали CLI за экономный расход токенов,
00:01:21что критично при выполнении длительных задач.
00:01:24Мы можем использовать NotebookLM как «второй мозг» для ИИ-агентов,
00:01:27скармливая ему данные о кодовой базе и позволяя документировать всё на ходу.
00:01:31Для этого мы добавили инструкции в файл claud.md,
00:01:35указав, что все знания о проекте, архитектурные решения
00:01:38и прочая документация должны храниться в блокноте.
00:01:41Этот блокнот стал единым источником истины.
00:01:43Мы поручили Claude создать блокнот через CLI и сохранили его ID в claud.md.
00:01:49Работая над новой фичей, мы сначала использовали «режим планирования».
00:01:53После реализации, когда билд прошел успешно,
00:01:55Claude обновил блокнот данными о внедренной фиче, как и было велено.
00:01:59В итоге блокнот содержал все решения, принятые Claude в процессе.
00:02:03Такой подход избавляет Claude от поиска по куче документов вручную,
00:02:08где он просто ищет совпадения и раздувает контекст лишним шумом.
00:02:12Вместо этого он полагается на RAG-возможности NotebookLM, чтобы получить точный ответ.
00:02:16Так Claude получает от Gemini готовые выжимки, а не горы сырого текста,
00:02:20и может больше сосредоточиться на самой разработке.
00:02:23Блокнотом можно поделиться с кем угодно —
00:02:25они смогут проверить качество реализации через NotebookLM,
00:02:31даже не будучи технарями, изучая детали в удобном темпе.
00:02:35NotebookLM заточен под исследования по множеству источников.
00:02:39Так как мы и так часто используем Claude Code для ресерча,
00:02:42мы дали ему тему, попросили найти источники,
00:02:47создать новый блокнот и загрузить их туда.
00:02:49Он нашел нужные материалы и загрузил их в созданный под эту задачу блокнот.
00:02:53Обычно ресерч в Claude съедает много контекста, так как он заходит на кучу лишних ссылок.
00:02:59Разделение процесса и использование спец-инструмента сэкономило и время, и токены.
00:03:05Когда источники были загружены, мы очистили контекст Claude,
00:03:11попросили его заглянуть в NotebookLM через CLI,
00:03:15найти нужный RAG-проект и выдать ключевые выводы через чат NotebookLM.
00:03:20Claude через CLI получил список блокнотов, отправил запрос и вернул результат.
00:03:26Это произошло гораздо быстрее, чем при обычном поиске через Claude.
00:03:29Плюс в том, что если нам снова понадобятся данные по этой теме,
00:03:34мы просто вернемся к блокноту, где всё сохранено.
00:03:37Claude не придется искать всё заново — результаты доступны вовне.
00:03:41Работая только в Claude, мы не смогли бы ссылаться на старые источники,
00:03:45не запуская весь процесс поиска и анализа с нуля.
00:03:49А так мы можем переиспользовать их в будущем.
00:03:52Разбираться в чужом коде — пожалуй, самая сложная часть разработки.
00:03:57И здесь нам тоже помог NotebookLM.
00:04:00Мы попросили Claude клонировать репозиторий через GitHub CLI.
00:04:04Затем велели использовать RepoMix для создания документа по этому репо.
00:04:09RepoMix — это инструмент, упаковывающий код в удобный для ИИ формат.
00:04:14Можно использовать веб-интерфейс для конвертации кода в документы,
00:04:18чтобы ИИ мог быстро и экономно понять структуру проекта.
00:04:23Но мы воспользовались RepoMix CLI.
00:04:25Установили его через NPM,
00:04:26после чего он стал доступен глобально в системе.
00:04:29Затем Claude создал блокнот в NotebookLM через CLI
00:04:34и добавил туда подготовленный документ как источник.
00:04:37Клонировав репо, он с помощью RepoMix превратил код в компактный файл
00:04:44и загрузил его в новый блокнот в формате TXT.
00:04:47Когда источник был добавлен,
00:04:49мы попросили Claude визуализировать кодовую базу через инструменты блокнота
00:04:52и создать диаграммы для лучшего понимания проекта.
00:04:56Он запустил серию команд визуализации.
00:04:58Когда всё было готово, мы смогли просмотреть диаграммы в студии NotebookLM.
00:05:03Был создан «атлас», ставший гидом по ключевым механизмам проекта.
00:05:07Появилась наглядная интеллект-карта для каждого аспекта приложения,
00:05:09позволяющая обсуждать их по отдельности.
00:05:12Также были созданы инфографики с визуализацией различных модулей,
00:05:16что гораздо нагляднее для понимания структуры,
00:05:19чем просто текстовые ответы от Claude.
00:05:21А сейчас прервемся на пару слов от нашего спонсора, Make, —
00:05:25платформы, которая помогает командам раскрыть свой потенциал,
00:05:28ускоряя бизнес с помощью ИИ.
00:05:31Главный риск автономных агентов — проблема «черного ящика».
00:05:35Вы запускаете их, но не можете проверить ход их мыслей.
00:05:37Make решила это, объединив no-code возможности ИИ
00:05:41с более чем 3000 готовых приложений для прозрачного «glass box» подхода.
00:05:46В этом видео я использую их агента-аналитика рынка,
00:05:49чтобы показать, как можно масштабироваться, сохраняя контроль.
00:05:52Наряду с такими мощными инструментами, как MakeGrid, MCP и аналитика,
00:05:56настоящим прорывом стала панель рассуждений.
00:05:58Она позволяет пошагово видеть логику агента,
00:06:01подкреплять ответы знаниями через Knowledge
00:06:03и отлаживать всё в реальном времени прямо на холсте.
00:06:06Это та самая прозрачность, которую ждали разработчики.
00:06:09Хватит гадать — пора масштабироваться с умом.
00:06:11Переходите по ссылке в описании, чтобы протестировать новых агентов Make.
00:06:15Когда ИИ сталкивается с тем, чего нет в его базе знаний,
00:06:18он идет в поиск и фильтрует ресурсы, чтобы найти решение.
00:06:22Мы подумали: а можно ли вообще обойтись без веб-поиска,
00:06:25заменив его готовой базой знаний?
00:06:27Проблема поиска в том, что Claude тянет кучу ссылок,
00:06:30из которых полезны лишь единицы.
00:06:32Остальное — просто трата токенов.
00:06:33Мы попросили Claude создать новый блокнот в NotebookLM
00:06:37и добавить туда источники из документации, сообществ
00:06:40и готовых решений с разных платформ,
00:06:41сделав его идеальным местом для поиска багов.
00:06:44Он создал блокнот и начал наполнять его источниками.
00:06:48В итоге там оказалась официальная документация,
00:06:50форумы, репозитории GitHub, блоги и прочие референсы,
00:06:55необходимые для качественной отладки.
00:06:58Мы сохранили ID этого блокнота в файле claud.md
00:07:01и велели Claude использовать его как основной источник при отладке.
00:07:05Также добавили инструкцию: при возникновении ошибки
00:07:08сначала проверять блокнот, и только потом идти в интернет.
00:07:11Теперь, когда возникала ошибка —
00:07:13например, из-за использования устаревшего middleware —
00:07:16он действовал иначе.
00:07:18В обычном режиме он бы сначала скачал документацию,
00:07:19а потом уже исправлял код.
00:07:23Но здесь он просто отправил точный запрос в блокнот
00:07:26о том, как перейти на новый прокси-сервер,
00:07:28и получил структурированный ответ,
00:07:31не тратя время на весь интернет.
00:07:33Этот claud.md и все остальные ресурсы
00:07:36доступны в AI Labs Pro.
00:07:38Это наше новое сообщество,
00:07:41где вы найдете готовые шаблоны, промпты,
00:07:43команды и навыки, которые можно сразу внедрить в свои проекты
00:07:47из этого и всех предыдущих видео.
00:07:49Если вам нравится то, что мы делаем, и вы хотите поддержать канал,
00:07:52это лучший способ.
00:07:53Ссылки — в описании.
00:07:55Разработка с ИИ у нас всегда начинается с документации,
00:07:59поэтому мы решили отправлять эти документы и в NotebookLM.
00:08:02Работая над приложением,
00:08:04мы составляли документацию и по мере готовности
00:08:06просили Claude создавать под нее блокнот
00:08:09и загружать туда все файлы как источники.
00:08:12Он всё организовал и добавил в NotebookLM.
00:08:16Источники стали структурированными и надежными,
00:08:19помогая Claude лучше понимать контекст проекта.
00:08:21А если в команде есть нетехнические специалисты,
00:08:24мы просто даем им доступ к этому блокноту,
00:08:27чтобы они сами могли уточнить любые детали через чат.
00:08:28И этот блокнот полезен не только для Claude.
00:08:30Если вы используете Cursor, Gemini CLI
00:08:34или работаете в команде,
00:08:36этот блокнот станет общей базой знаний для всех.
00:08:39Через чат блокнота
00:08:40каждый агент может мгновенно получить нужную информацию,
00:08:44не перерывая файловую систему вручную.
00:08:46Любой агент может просто вызвать инструмент запроса NLM,
00:08:51спросить то, что важно в данный момент,
00:08:53и сразу войти в курс дела.
00:08:55Кстати, если контент вам заходит, жмите кнопку лайка —
00:08:58это помогает нам делать больше видео
00:09:00и охватывать больше людей.
00:09:02Мы уже видели, как это помогает нам освоиться в коде,
00:09:06но захотелось проверить: помогут ли эти визуализации самим агентам?
00:09:10Мы попросили Claude создать еще один блокнот
00:09:12и подготовить визуализации, которые помогут агенту ориентироваться в коде.
00:09:16Он создал блокнот, добавил туда карты, инфографику, таблицы данных
00:09:20и несколько источников в NotebookLM,
00:09:22а затем выгрузил их в папку визуализаций проекта.
00:09:25У агента появились данные в разных форматах:
00:09:28таблицы в CSV и Markdown,
00:09:30а также JSON-файлы для интеллект-карт.
00:09:33То есть он создал карты для всех функций.
00:09:36Те самые, которые мы видели в JSON-экспорте.
00:09:40Он даже собрал целую презентацию для наглядности.
00:09:43Теперь при любой проверке
00:09:46он обращался к нужной карте вместо того, чтобы «шерстить» файлы,
00:09:50находил нужный поток и запрашивал детали у блокнота.
00:09:54Так же он проверял эндпоинты и анализировал логику,
00:09:56используя JSON-карты,
00:10:00вместо блуждания по всему репозиторию.
00:10:03Еще один сценарий использования NotebookLM —
00:10:05сбор всех типичных проблем безопасности,
00:10:08с которыми сталкиваются ИИ-сайты, и привязка их к реальным источникам.
00:10:12Мы попросили Claude создать блокнот через CLI
00:10:15и добавить туда спецификации фич и все материалы по безопасности.
00:10:19Цель — создать для Claude своего рода справочник по безопасности,
00:10:22чтобы он мог сверяться с ним при любых сомнениях.
00:10:26Блокнот был создан, все источники загружены.
00:10:28Туда вошли кастомные руководства, шпаргалки OWASP,
00:10:32меры защиты от разработчиков нашего стека технологий,
00:10:35базы CVE и прочее, что нужно для защиты приложения.
00:10:39В итоге получилось 61 источник в разных файлах,
00:10:43содержащих рекомендации по безопасности.
00:10:45И когда мы попросили Claude провести аудит,
00:10:49он на основе справочника составил отчет
00:10:51и выявил несколько проблем разной степени критичности.
00:10:54Например, ошибку с плавающей запятой в транзакциях,
00:10:58которая могла стать критичной при больших суммах.
00:11:00Он смог это найти, так как проверка опиралась на базу знаний в NotebookLM.
00:11:04На этом наше видео подходит к концу.
00:11:06Если хотите поддержать нас и выход новых роликов,
00:11:10можете сделать это через кнопку «Суперспасибо» под видео.
00:11:13Спасибо за просмотр, и увидимся в следующем выпуске!