Утром открываю приложение, которое Гермес делал мне ночью. Смотрю на него, смотрю на прототип. Ну, цвета похожи. Оранжевый, слава богу, на месте. На этом семейное сходство заканчивается.

Подождите. Я же дала ТЗ. И прототип дала. Там видно, где что должно быть. Как можно было, имея картинку перед глазами, сделать вот это?

А вот тут выяснилось интересное: перед глазами у него ничего не было. Глаз тоже не было. 😂

Мой Гермес тогда работал на DeepSeek, и тогда в дипсике не было Vision, способности понимать изображения. Я отправила исполнителю картинку, которую он не мог увидеть, и пошла спать в полной уверенности, что снабдила его всем необходимым.

Представьте художника, который не видит. Ему объяснили словами, какие бывают краски и формы, дали задание, и он честно пытается нарисовать вашу картину. Всё, что знает, применяет. Очень старается. Вы утром приходите принимать.

Примерно так мы и поработали.

До этого мне вообще не приходило в голову, что нужно отдельно выяснять способности модели внутри агента. Вот же он, разговаривает, код пишет, на сервере что-то делает, обещает развернуть. Производит впечатление вполне самостоятельного сотрудника.

Конечно, можно было на этом месте выбрать другой путь. Но я уже решила: надо дать Гермесу зрение.

Моя виртуальная машина как раз была в Яндекс Cloud. Подумала, что возьму какую-нибудь модель оттуда и подключу её для картинок. Ну что там, подключить ещё одну модельку. Мы же тут маленький планировщик делаем. 😎

Через несколько дней у меня в качестве зрения для Гермеса заработал Qwen.

За эти дни я узнала о настройке Яндекс Cloud значительно больше, чем собиралась. Выяснила, какие вещи там делаются исключительно кодом, освоила облачную консоль и где-то по дороге даже иногда перестала её панически бояться. Определённый объём нервных клеток в стоимость подключения тоже вошёл.

До сих пор не знаю, насколько правильно я тогда всё организовала, но оно работало. Гермес получил возможность разбирать картинки, а я получила новое представление о словах «всё необходимое для выполнения задачи».

Теперь туда входило ещё и «проверить, чем именно исполнитель собирается эту задачу выполнять».

ТЗ есть, прототип есть, глаза выдали. Ну теперь-то можно делать приложение.

Таня, [B2B 👩‍💻]