Transcription
Привет. В этом видео я хочу дать своё честное мнение о том, насколько N - это всё-таки prodдаction ready решение. Годится ли оно для больших проектов, годится ли оно для реального продакшна, где есть большое количество пользователей или всё-таки это инструмент для создания индивидуальных автоматизаций?
Я пользуюсь уже не первый год и ещё до того, как всё это стало хайпом. И ещё до того, задолго, до того, как в NN появились агенты, появились хоть какие-то возможности использовать генеративный искусственный интеллект. И именно в больших проектах, где большое количество запросов, я НТ ни разу не использовал. Единственный проект, в котором было больше 500 пользователей, которые ежедневно посещали а платформу, там N обслуживала определённые сценарии, связанные с генерацией, потому что они выполняются долго. И в целом он себя показывал хорошо. На достаточно простеньком сервере четыре ядра и 4 Гб оперативной памяти, он спокойно, без всяких напрягов и нагрузок выдерживал всю эту работу и ни разу не упал.
Вообще за всё это время у меня NA10 упал только один-единственный раз за последние 3 года. А это когда я накатил на него обвление, которое было изначально поломано. Это было не так давно. И сразу же моментально разработчики сделали рассылку по имейлу, что это корявое обновление, и нужно быстренько обновиться ещё раз. Все остальные разы, когда у меня падал NнN, он падал только потому, что я его ложил на лопатки своими экспериментами. Но я сейчас не хочу уходить вот в эти все сложные дебри. А насколько оптимизированный код, как какое количество workflow может одновременно выполняться без потери? Таких пенчмарков много. И все эти цифры, это, конечно, хорошо, но я, наверное, сейчас на это всё посмотрю вообще с другой стороны.
А в свете того, что сейчас очень активная конкуренция между поставщиками технологий LLM, а, Open, AI, Anropic, Google и другие модели с Китая, из Европы, в общем, все очень сильно решили схлестнуться именно на а поприще кода генерации. Но мы с вами, как пользователи, которые активно используют лэмки, в том числе для генерации кода, только от этого выигрываем. модели пишут код быстрее, они пишут его, а, точнее, меньше ошибок допускает. И, наверное, самое главное, что это всё дешевле и дешевле нам в итоге будет стоить.
А я хочу посмотреть на проблему именно разработки с помощью NATM. Вот с этой точки зрения я ложу на одну чашу весов возможности LLM плюс, а, написание кода и на другую чашу весов - это сбор всех этих узлов на визуальном а конструкторе, таком как NТ. Я уже для себя давно понял и чётко понимаю, где вот проходит эта грань, где я буду использовать NAT, сразу же не задумываясь. Я знаю, что это самое лучшее решение. А в какой момент я всё-таки от него откажусь и буду разрабатывать с помощью JavaScript или питона или ещё чего-то? На базе чего я принимаю решение?
Вот смотрите, что NN даёт без коробки. Я могу одним щелчком мыши добавить себе webhook, то есть какой-то endpint. Всё, я его добавил. Он где-то вот находится, имеет какой-то свой URL. я могу уже стучаться к нему откуда-то с приложения, с какого-то фронтэнда, неважно. И это очень и очень круто. Иметь что-то, что у тебя всегда работает где-то, и ты одним кликом мышки добавляешь новый endpint, это, конечно, очень круто. И если мне нужно что-то быстро подать на endpint, сделать какую-то минимальную обработку, а записать, например, что-то в базу или вытащить из базы данных, подставить в какой-то HTML-файл, а, не знаю, сделать какой-то простой запрос в модельку один или два, сделать относительно простенький какой-то рак, то я буду использовать Nat, потому что я потрачу на развёртывание, на поднятие этих эндпоинтов, на систему выстраивания очередей. обработке всех этих запросов ноль0 секунд я потрачу, я просто нажму новый Workflow, и у меня всё это из коробки заработает. И это очень большое преимущество.
А когда я не пойду сюда, вот, например, один из таких вот ярких представителей Workflow, в которых я просто вот упарываюсь постоянно. Те, кто работал с Nion API, прекрасно знают о том, что у них есть жёсткое ограничение в 2.000 символов. И есть ещё много разных нюансов. И для того, чтобы мне сделать одну запись, у меня тут пять узлов идёт под подряд, чтобы записать, создать список выпадающий, в нём создать заголовок. В заголовке текст. Текст я в цикле должен постоянно разрезать на определённое количество символов. Не дай бог будет больше 2.000. Меня посылает сразу в баню и говорит: "Нет, я тебе не запишу". Очень много работы делается последовательно. И некоторые интеграции, вот как в случае с Ntion, они реализованы откровенно плохо, на мой взгляд. И когда мы имеем вот такую VTватость, что если это вот допустим, другой тип контента, я обязательно строю вообще другую ветку, потому что делать ветки универсальные можно, но сложно. Нужно вы выводить их в отдельный workflow, париться с этими переменными, как сделано у меня вот здесь, когда я в другой workflow, а отправляю на транскрибацию. Очень а много узлов с кодом. В этом случае я не пойду втем, я буду использовать что-то другое.
И самая близкая альтернатива, которую я нашёл, точнее их две. Первая - это trigger.def. Это, в принципе, такой же сервис, ну, аналог к тому, что предоставляет NN, но здесь можно прямо на тайпскрипте писать свои функции и запускать их как workflow. Их можно запускать последовательно, параллельно. Эти функции могут выполняться любое количество времени. И зачастую это очень важно. И про тригр стоит сказать, что да, несмотря на то, что у них есть своя улучшенная платформа, которая стоит тоже каких-то денег, всё-таки, в конце концов это и open source решение, которое можно развернуть у себя на сервере и пользоваться им абсолютно бесплатно.
И вторая альтернатива - это Инст. Он напоминает во многом а триггер, но Инжест они сделали ставку на интеграцию большого количества разных моделей. То есть это, а, вот некий процессор для workflow, но с упором на AI. Если тебе нужна транскрибация, у них всё это есть. Нужна генерация картинок, видео, всё у них есть. В библиотеке очень быстро написать любой workflow и закинуть его на исполнение к ним. И он даёт реально вот очень большую, э, я считаю, очень большую скорость, очень хорошую обозреваемость и очень легко делать параллельный, последовательный разный workкflow. И всё это вот скоростью и быстротой, а, NAN и при этом с той вот гибкостью, э, которую даёт Typeescript или там любой другой язык. И вот эти два сервиса с их библиотеками я использую в качестве альтернативы.
Если ты всё ещё не подписан на мой канал, обязательно подпишись. У меня здесь про NAN, про генеративный искусственный интеллект, про рак, про агентов. И впереди ещё будет много видео, поэтому прожимай колокольчик, если подписался, чтобы не пропустить новые видео на моём канале. Ну а мы продолжаем. И давайте я вам покажу, продемонстрирую это всё на одном простом примере. У меня здесь в триггер F есть несколько сценариев. Вот, допустим, возьмём вот такой вот сценарий. А эта функция, она принимает на вход URL от Reels в Instagram. И давайте я сейчас его запущу. Вот здесь нажимаю Runest и по ходу буду рассказывать, что будет происходить дальше.
Вот, значит, функция запустилась. Она скачивает ReS сразу же моментально отправляет его на транскрибацию. И транскрибация идёт параллельно с тем, что это видео загружается в Google Gini для визуального анализа. То есть мы транскрибируем звук в текст и сразу же описываем, что происходит внутри этого видео, а какие там есть тексты, ну, что делают люди, неважно. То есть мы получим визуальное описание. Вот это один из элементов для контентзавода, который я сейчас строю. После того, как параллельно отработала транскрибация и визуальный анализ, мы сразу же запускаем Open AI. В Open AI мы получаем готовый сценарий, который пишет любая модель Opene. То есть всё, весь этот workflow отработал за 40 почти почти 45 секунд. Здесь мы можем видеть, а весь тайминг, когда что выполнялось с точностью до доли секунды. А посмотрим, что у нас на выходе. То есть вот у нас ссылка на Reels, описание Reels, обложка, а, транскрибация, этой транскрибации, визуальный анализ. Вот что там в Джими нашёл, описал какие-то ключевые объекты, выписал, ключевые действия все выписал, то есть там человек кушает еду, в общем, и так далее. А setting вот и дальше уже через промт мы получаем адаптированный а сценарий с учётом и описания, и визуала, и транскрибации всего этого дела. Мы получаем описание короткое, мы получаем какой-то call to action. Ну, надо сказать, что здесь я промт не писал. А, а как именно я это создал, я вам сейчас покажу. А вот у меня wсёf, на самом деле код весь вот на это всё дело, он вот состоит из четырёх файлов, где описаны вот эти все функции. А контентгенератор он, соответственно, отправляет в Openi. Вот здесь вот промт написан. Скрепер, он скачивает видео, получает обложку, даёт ссылку, возможность скачать сам файл. А транскрибатор, он отправляет всё это в assembly AI для транскрибации. И Visual Analyer, он отправляет это всё в GI вот с таким вот промптом. То есть четыре эти функции и дальше уже описана сама задача, то есть как её выполнять. Все апи, ключи безопасно хранятся в а в переменных средах, окружений. Вот и всё. А вот здесь у меня даже есть диаграмма параллельного экзекшена. Скреппер достаёт контент, транскрайбер и аналайзер анализирует, контентгенератор, потом пуляет. Вот. То есть и можно дальше там ещё что-то оптимизировать.
И вы мне можете справедливо возразить, что я не умею программировать, я не разработчик, но я очень эффективно могу строить workflow в NN, и у меня это классно получается. Мне за это платят деньги. И клас. Я вас очень хорошо понимаю, но но именно ваша персональный вот рост, ваша эволюция в какой-то момент вы тоже поймёте, что да, вы где-то упираетесь, есть какие-то моменты, а которые, например, будут очень сложно сделать. Например, вы хотите своим пользователям дать возможность подключать свой собственный, а, Google аккаунт, там, вход через Google или, например, дать права в Google календарь, чтобы там AI агент мог делать какие-то записи. И вот таких вот нюансов, их будет очень много, и вы их не сможете решить. Либо это будут сумасшедшие костыли, просто невероятные костыли. И это неплохо, потому что инструмент это он изначально был не как ээнд для каких-то САЗ систем. Его можно использовать, но с этими ограничениями их придётся каким-то образом решать. С ними придётся как-то мириться и с этим жить, чтобы парьвать такое возражение, если оно у вас будет. это возражение, я вам покажу, что я вообще это вот весь код для тригр def сгенерировал с помощью килокода и модельки GLM 4,6, за которую я там заплатил 3 доллара в месяц. Вот. И бесплатный килокод подключил и сказал: "Слушай, мне нужен вот такой вот workflow. Вот хочу, чтобы вот закинул ссылку на Reals. Вот чтобы мне транскрибация была, чтобы мне вот это было". И опы отправить. Всё. И ушёл в режиме оркестратора. Он сам этот код написал, сам его задеплоил. Я единственное, что сделал, я вот сюда вот свои апи ключи проставил от триггера, от assembly, от gim Open AI и Scrape Creators. И всё, больше я ничего не делал. Там какая-то была ошибка непонятная в конце из-за того, что он какие-то тесты ненужные написал. Но и промт, честно говоря, у меня был такой себе. Буквально через минут 15-20 я смотрю, он мне говорит: "Ну вот всё, я задеплоил, запустился вот триггер". То есть он, я сейчас что-то в коде поменяю, у меня автоматически вот здесь вот изменится вот эта вот функция, она автоматически обновится на последнюю версию, и я могу вот спокойно её запускать. Естественно, я и даже не не вызываю, да, это из апи, я прямо из кода вызываю эти функции, и они стартуют все на триггер деft. И это очень круто.
И я это к тому, что если вы очень хорошо разбираетесь в N, вы уже строите workкflow, а значит, вы в целом понимаете, какой у вас датафлоow, какие технологии вы используете, какие апии вы используете, то вам не составит большого труда даже на каких-то очень дешёвых или там практически бесплатных моделях написать этот workflow, потому что это не rocket science, это обычные запросы и перекладывание данных из одной перемен и в другую. И, ну, ничего сложного тут нет абсолютно. Зато вы полностью разгружаетесь вот от этого кошмара. Вы можете установить себе библиотеку, которая классно работает с ноушеном. Она уже всё за вас делает, разрезает на 2.000. В общем, вот об этом, обо всём тебе просто не надо думать абсолютно. И это очень круто. И вот в этом случае я, конечно же, рекомендую посмотреть на тот же триггер. Если хотите именно больше, а, с модельками работать, то inest, по-моему, Inest тоже open source, да, вот написано, а, open source, то есть всё это можно скачивать как для энтузиастов, либо не париться, просто платить за облачную платформу, запускать классные проекты и зарабатывать деньги и платить за это без всяких проблем.
Если ты интересуешься, как вот к этому прийти, если ты чувствуешь, что ты уже начинаешь вырастать из этого и хочешь уйти вот в вайп-кодинг, научиться использовать, а модели для того, чтобы разрабатывать тоже вот то, что раньше тебе было недоступно с использованием кода, у меня для тебя есть классное а предложение офер по нашему сообществу, и найдёшь ты его в описании к этому видео. Если тебе это интересно, чувствуешь, что начинаешь уже отставать немножечко, хочешь прямо догнать и идти в ногу со всей вот этой вот движухой вокруг IT, то прочекай, может быть, тебе будет интересно. Ну а мы увидимся в следующем видео. Пока.
[музыка]
เฮ
[музыка]