Пределы профессионализма

Порядок на экране за 2 вечера: оконные менеджеры

Когда вы работаете сразу над несколькими проектами, особенно на большом мониторе, экран быстро превращается в хаос. Окна разных задач накладываются друг на друга и мешают. Постоянно возникает вопрос, как расположить их по понятной логике и сделать навигацию удобной.

Для этого придумали оконные менеджеры — специальные программы и утилиты, которые берут управление пространством на себя. Это дополнительная техника эффективности, которая раскрывается в полную силу при параллельной работе.

Лучше всего такие инструменты развиты в Linux: там есть эталонный менеджер Niri. Однако оконные менеджеры существуют и для Windows, и для Mac. Поскольку на Mac тот же Niri нормально не портирован, я им не пользуюсь. Долгое время я применял управление окнами в Raycast, но работало оно средне и не хватало многих привычных сочетаний клавиш. В итоге я перешел на Aerospace и очень доволен.

Как быстро настроить такой менеджер, чтобы он давал реальный прирост к продуктивности? Для этого нужно пройти два этапа.

Шаг 1. Освойте базу с помощью ИИ

Не советую учить все возможности программы сразу. Начните с самой базы, без которой невозможно работать: научитесь переключаться между пространствами и окнами, а также менять их расположение. Продвинутые функции вроде парящих окон (floating windows) оставьте на потом.

Быстрее всего освоить горячие клавиши через ИИ, например через Codex. Я специально заранее выбрал менеджер с поддержкой управления из командной строки (CLI), где можно отслеживать последние действия. Я попросил своего агента придумать серию упражнений, которые повторяют мои реальные рабочие сценарии. Дальше я выполнял задания, а агент после каждого шага проверял через командную строку, все ли я сделал правильно.

После нескольких повторений для закрепления я довольно быстро освоил базу Aerospace — буквально за два вечера. При таком подходе, когда агент сам генерирует вам задачник и сам же вас проверяет, на старт уйдет максимум 4–5 дней.

Шаг 2. Выберите логику организации окон

Следующий важный вопрос — по какому принципу распределять окна. Здесь с большим отрывом лидирует разделение по типам работ, с которым конкурирует разделение по проектам.

Вариант «одно рабочее пространство под один проект» тоже имеет место, но я рекомендую его в меньшей степени. Разделение по типам работ работает лучше, потому что каждое переключение между разными видами деятельности требует времени, усилий и сжигает мыслетопливо.

На практике это выглядит так: в одном пространстве у вас открыт только Obsidian, а между проектами вы переключаетесь уже внутри него. В другом пространстве собраны несколько мессенджеров — это зона для переписки. В третьем работают ИИ-агенты, а в четвертом открыт браузер.

× × ×

Автоматизация на случай смены экрана

Конечно, остаются и нерешенные сложности. Например, сейчас у меня есть проблема при переключении с моего огромного монитора на экран ноутбука: все сразу становится очень узким, и окна приходится сортировать вручную.

Но все продвинутые оконные менеджеры управляются через командную строку. Это значит, что вы можете дать доступ к ним своему ИИ-агенту и написать специальный скилл, который автоматически пересортирует окна по вашим правилам. Я планирую заняться этим в ближайшее время и считаю такой путь наиболее оптимальным.

× × ×

Оконный менеджер в паре с ИИ снимает лишнюю нагрузку с вашего внимания. Когда вы осваиваете базовое управление на практике и разделяете экраны по типам задач, работа перестает спотыкаться о постоянный поиск нужных окон.

🚀 Пределы профессионализма

Джуны и нейросети: почему старые правила найма больше не работают

Тема джунов и обучения оказалась одной из самых спорных на канале. После прошлого поста мне прилетело много комментариев и странных интерпретаций. Поэтому хочу разложить свою позицию максимально четко и без иллюзий.

Главный упрек звучит так: вы предлагаете выставить всех начинающих специалистов на мороз. Конечно же нет. Во-первых, далеко не все джуны заняты исключительно интеллектуальным трудом. Во-вторых, скорость внедрения технологий в разных сферах сильно отличается, и многим бизнесам до сих пор выгодно нанимать новичков.

Но в моих собственных проектах ситуация выглядит иначе. Раньше работала понятная бизнес-модель: берем джуна, помещаем его в выстроенную технологическую цепочку и даем понятные задачи по инструкциям. Сегодня в этой цепочке джун становится лишним звеном. Любую хорошо описанную технологию и функцию я лично могу закрыть с помощью ИИ быстрее и дешевле. Да, не все пока умеют так настраивать процессы, но в рамках моих проектов это уже факт. Я не отрицаю, что это порождает серьезные социальные вопросы, но с точки зрения эффективности выбор очевиден.

Показательный пример от лидеров рынка

Буквально на днях вышла публикация от компании Anthropic — людей, которые понимают в автоматизации интеллектуального труда лучше большинства в мире. Их прогноз прост: уже через год они перестанут нанимать джунов, а через два года начинающих специалистов в компании не останется вовсе. При этом общий найм разработчиков растет, но планка входа смещается стремительно. Это не чья-то прихоть, а объективный рыночный тренд.

× × ×

Как выживать джунам в новых условиях

Отсюда вытекает мой второй тезис: учиться теперь нужно в разы быстрее, и делать это стоит с помощью тех же нейросетей.

Ускорять обучение можно и без всякого ИИ — в методологии хватает рабочих практик. Беда в том, что большинство людей о них даже не слышали, а максимальное интеллектуальное усилие в жизни прикладывали разве что при подготовке к ЕГЭ. Но если соединить правильный подход с возможностями нейросетей, скорость освоения профессии вырастает кратно.

ИИ может мгновенно сгенерировать практический задачник из любого сложного материала или плавно погрузить вас в незнакомую тему с учетом вашего текущего контекста и уровня. Главное — задать верную методологию.

× × ×

Рынок бесповоротно изменился, и закрывать на это глаза бессмысленно. Выигрывают те специалисты, которые не спорят с реальностью, а используют искусственный интеллект, чтобы учиться быстрее рынка и сразу давать результат взрослого уровня.

🚀 Пределы профессионализма

Идеальный выбор за 15 минут: граница Парето и ИИ

Каждый из нас регулярно сталкивается с муками выбора. Будь то монитор, рабочий ноутбук, приложение для заметок или общая стратегия развития проекта, мы тонем в десятках вариантов и характеристик. Сравнить их в голове почти невозможно, и мы либо тратим дни на обзоры, либо покупаем наугад.

Современные языковые модели из коробки отлично понимают мощные абстрактные концепции. Одна из таких концепций — граница Парето.

Я сам узнал этот экономический термин из бенчмарков нейросетей, где эффективность моделей оценивают именно по границе Парето в соотношении интеллекта и стоимости. И я подумал: а почему бы не применить эту же математическую абстракцию вообще к любому повседневному или рабочему выбору?

× × ×

Как работает отбор по границе Парето

В основе подхода лежит простая логика: найти решения, которые представляют собой наилучшие возможные компромиссы по заданным параметрам. Решение лежит на границе Парето, если ни один из его параметров нельзя улучшить, не ухудшив при этом хотя бы один другой. Все остальные варианты за пределами этой границы заведомо неоптимальны, потому что их можно полностью перекрыть другим вариантом без каких-либо потерь.

Вот пошаговый процесс, как я это реализовал с помощью ИИ:

01. Определение личных критериев. Для каждого человека важны свои параметры: кому-то критична скорость, а у кого-то есть неограниченный бюджет или запас времени. Чтобы понять свои истинные приоритеты, я натравил ИИ-агента на свою базу заметок в Obsidian. Модель проанализировала контекст и выдала отсортированный список параметров, из которых я выбрал топ-5 ключевых.
02. Построение многомерного пространства. По этим пяти параметрам агент собирает пул кандидатов и распределяет их в пространстве характеристик.
03. Отсечение неоптимального. ИИ убирает все решения, которые не лежат на границе Парето. Из десятков хаотичных вариантов на руках остается буквально 4–5 чистых компромиссов.

× × ×

Недавно мне нужно было выбрать монитор. Для меня важны были диагональ и разрешение, а вот скорость отклика не имела никакого значения, так как я не играю в игры.

Вместо многочасового чтения форумов система выдала мне около пяти граничных решений. Самый дешевый вариант был рискованным китайским ноунеймом, а следующим оказался монитор с уникальным соотношением цены и качества для моих задач. Забавно, что он позиционировался как геймерский и имел кучу лишних для меня опций, но по моим ключевым параметрам находился ровно на границе Парето. Я потратил на весь выбор всего 10–15 минут.

Точно так же я позже подобрал оконный менеджер, которым успешно пользуюсь сейчас. Такую логику можно легко упаковать в готовый ИИ-навык, усилив его хорошей поисковой системой по товарам или технологиям.

× × ×

Важно то, что ИИ позволяет переложить математику сложных компромиссов на алгоритм, оставив человеку только финальное решение. Вместо бесконечного перебора сотен позиций вы сразу выбираете из нескольких безупречно выверенных альтернатив.

🚀 Пределы профессионализма