Мой набор ИИ-инструментов

🟩 Easy 🕛 20 min

Оглавление

• General-purpose
• Coding
• Research
• Automatization
• Альтернативы
• Obsidian
•••
• Пределы у имитации компетенций
• А теперь о важном
• ИИ не такой всепроникающий
• Баскетбол
•••
• Итог

General-purpose

Perplexity

Это потрясающий сервис, который я мучаю просто десятки, а то и сотни раз на дню.

Я выделил четыре ключевые особенности, которые мне нравятся в этом приложении:

1. Формирование ответов на основе поиска в интернете как функция по умолчанию
   • Такие ответы в среднем выглядят значительно более продуманными и обоснованными, а также в них реже встречаются галлюцинации
   • Вдобавок Perplexity довольно чётко интегрирует ссылки в текст. Благодаря этому можно легко понять, откуда пришла конкретная мысль — это очень удобно
2. Внедрение полезного функционала без излишнего усложнения
   • Интерфейс минималистичный и интуитивно понятный
   • Довольно быстро добавляются последние модели
   • По моему ощущению, команда Perplexity развивает чат не за счёт быстрых и хайповых решений, создавая при этом бесполезный шум, а за счёт продумывания и внедрения фич, которые действительно способны принести пользу юзерам
3. У Perplexity весьма классно работает экспорт в Markdown и PDF
   • Больше всего мне нравится, что сноски в Markdown формируются корректным для Obsidian образом
4. В десктопной версии можно задать глобальную горячую клавишу для вызова плавающего окна, в которое можно ввести запрос
   • Это лишь слегка экономит время, но всё равно приятная возможность

Важно отметить, что у Perplexity есть Pro-версия, которая, к сожалению, весьма заметно влияет на качество результатов.

В бесплатной версии модели меньше "думают", меньше приводят источников, значительно реже переходят в режим глубокого ресёрча. Это не делает бесплатную версию уж совсем неюзабельной. Скорее просто появляется дополнительный, но веский повод, чтобы отдать свои кровные за платную подписку.

Также для Perplexity есть весьма полезное расширение "Complexity", которое улучшает интерфейс.

Почему не альтернативы?

Chat OpenAI

Этот чат, мягко говоря, испорчен скрытыми инструкциями. Из того, что я заметил:

• Чат невероятно часто выбирает стратегию "поддакивания". Если вопрос специфический и содержит в себе изначальную предрасположенность к определённому ответу, то чат будет стараться отвечать так, как понравится юзеру
• Чат слонен "лениться". Причём это выражается и в плашках по типу "[заполните значения]", и в том, что этот чат буквально ищет места, где бы "срезать углы", чтобы сделать меньше конкретно заданной работы
• Чат иногда отвечает в излишне дружелюбном тоне (я так и не понял при каких условиях это происходит). Нередко такой тон проявляется в использовании сленговых выражений. Проще говоря, ты задаёшь ему серьёзный вопрос, а он тебе отвечает как мальчишка-паж
• Чат проявляет часто инициативу, что особенно раздражает, когда хочешь добиться конкретного результата. Также заметил, что чат "любит" налить много воды, а не отвечать чётко, ёмко и по существу

Если обращаться к чату через API, то эти проблемы на удивление уходят. К похожим выводам пришёл этот юзер.

Claude

У Claude меньше скрытых инструкций, но у него крайне быстро заканчивается бесплатный лимит. При обращении через API уже нет никаких скрытых инструкций, но у Claude слишком дорогие модели. Ты буквально в рамках одного чата видишь, как у тебя тают кредиты.

В остальном же, их модель крайне неплохо пишет код. Вероятно, даже лучше, чем другие ИИ. Вдобавок, в десктопной версии MCP интегрируются проще, чем в других приложениях.

Google Gemini

Я не использую его как general-purpose решение, хотя мне этот чат кажется самым сильным в плане размышлений. При этом у него гигантское контекстное окно, а сами модели убийственно дешёвые.

Вместо использования чата, я юзаю два расширения:

• Summarize and Translate with Gemini. Это расширение для суммаризации текстов на странице. Довольно полезно, т.к. помогает просеять слишком тривиальные источники
• Clarify AI. Похожее расширение для Youtube. Функционал примерно тот же

Также я использую flash модели Google в n8n в агентах, т.к. цена запросов довольно низкая, скорость ответов высокая, а качество работы в комплексной системе довольно сложно отличить от более дорогих моделей.

Coding

Cursor

Мощное решение, которое просто на раз-два позволяет пилить прототипы и править код. Думаю, что это приложение внесло самый большой вклад в появление так называемого vibe-coding (1, 2).

Кайф Cursor ещё в том, что к нему можно нацепить кучу MCP решений, которые позволят не только код писать, но и пилить модели в Blender, делать Deep Research через Perplexity, создавать и править заметки в Obsidian, делать прототипы в Figma и бог знает, что ещё.

Когда я пользуюсь Cursor, я, конечно, кайфую от того, что машина пишет за меня то, что я сам либо не смог бы написать, либо смог, но далеко не за 5 минут. Однако я понимаю, насколько такой подход опасен/невозможен с точки зрения работы со сложным продуктом и его поддержанием. Поэтому зачастую я сначала сам пытаюсь написать базовую логику, а потом начинается цикл из запросов по типу "сделай так -> упрости/оптимизируй/объясни -> исправь -> упрости/оптимизируй/объясни...". И даа... Без контроля версий пользоваться Cursor-ом лучше вообще не стоит. Прям от слова совсем (исключение - простые и короткие скрипты).

Если вы используете Cursor в контексте Obsidian или изменяете заметки через MCP с помощью иных решений, то рекомендую перейти на синхронизацию хранилища через Git. Это просто намного удобнее в плане того, что вам не нужно будет делать резервные копии и откатываться к ним на случай, если ИИ вам напакостит.

monkoose/neocodeium

Вообще я намного чаще пишу что-то через Neovim и мне в нём хватает AI-автокоплита. Мне такой подход кажется несколько более безопасным, ибо в таком случае я делаю то, что сам понимаю, а AI мне просто подсказывает логичные кодовые конструкции и не более. Однако если мне всё же захочется допилить Neovim до функционала Cursor, то я всегда смогу это сделать с помощью плагинов.

Почему не альтернативы?

GitHub Copilot

Здесь всё слишком просто. Cursor работает быстрее. К тому же, использовать одновременно и то, и другое не получится.

Bolt, Lovable, Replit и т.п.

Суть у всех этих решений такая же, что и у Cursor. Отличие, пожалуй, в том, что Cursor удобнее, у него больше функций и он популярнее.

Вообще говоря, я довольно мало копал в альтернативные решения для кодинга. Поэтому не обессудьте за мою такую категоричную и поверхностную оценку.

Research

Gemini (Deep research)

Эта штука прям впечатляет. Ей прописываешь какой-то сложный запрос, и модель пытается за счёт последовательного анализа выстроить ресёрч, итогом которого становится весьма содержательный отчёт. Инструмент ищет прям очень интенсивно в интернете (может перебрать 1000 источников), а сам анализ может занять значительное количество времени (максимальное количество, которое я ждал, было 30 минут, и это является предельным ограничением данного режима).

Инструмент очень хорош для того, чтобы получить общее представление, но с достаточным количеством содержательных деталей, необходимыми пояснениями и ссылками на ресурсы.

Чтобы получить максимально удовлетворительный ответ, стоит довольно подробно прописывать свою мотивацию.

Однако важно заметить, что заставить Gemini в режиме Deep Research сделать какую-то специфическую, жёстко оговорённую работу довольно трудно. Я полагаю, что он жёстко запромчен, чтобы выдавать ответ именно в виде отчёта с определённой структурой.

Из-за такого ограничения нередко я составляю эдакую промежуточную заметку по тому, что выдал Google. Затем скармливаю частями все проблемные и сложные места: сначала в улучшатель промптов, а затем другим нейросетям (в основном Perplexity).

Google NotebookLM / AnythingLLM

Шикарные инструменты для работы с документами. Google NotebookLM – это облачное решение. Работает быстро, но там есть ограничение на количество документов. AnythingLLM локальное решение с бóльшим количеством полезного функционала (например, можно выгрузить к себе локально целые сайты).

Мне нравится использовать эти решения как продвинутый/специфический вариант поиска. Например, можно загрузить какие-то документы и отчёты по определённым процессам, и вместо того, чтобы вручную их просматривать, ты задаёшь вопросы по этим документам и получаешь желаемые ответы.

К тому же, эти инструменты помогают при анализе какой-то очень специфической темы. Документы создают узкий контекст, а NotebookLM/AnythingLLM ускоряют анализ и сравнение идей/фактов между собой (что-то похожее есть в этом плагине для Obsidian).

У меня есть очень хороший, но с некоторыми ограничениями совет, который поможет вам понять, насколько эти инструменты хороши. Если вы не юрист, но у вас есть какие-то юридические процессы, и вот когда вам приходит очередной пак документов, и вы с огромным трудом понимаете, что в них написано, то закиньте их в NotebookLM/AnythingLLM. А далее попросите, чтобы ИИ вам объяснил, что написано в этих документах, на обычном, человеческом языке. Я уверен, что после прочтения ответа вы запищите от восторга.

ResearchRabbit + Zotero

ResearchRabbit — это, на мой взгляд, базовый инструмент любого ресёрчера. Базовым он является по той причине, так как предоставляет логичный интерфейс для работы со связанными между собой статьями.

Почему связи между статьями — это важно? Дело в том, что нормальный ресёрчер должен работать не только с самими фактами и концепциями в статьях, но и с их контекстом и критикой. Порой даже получается так, что для понимания определённой статьи проще прочитать то, из чего она родилась, нежели пытаться разбирать её изолированно.

С Zotero, думаю, и так понятно — нужно же где-то хранить, читать и аннотировать материалы.

Почему не альтернативы?

Perplexity (Deep Research)

Этот вариант работает тоже неплохо, но не настолько глубоко.

DeepSeek (DeepThink), ChatGPT (Run deep research), Grok (DeeperSearch)

Их я юзаю порой просто, чтобы сравнить ответы.

ZotAI

Недавно узнал о нём. Не получилось пока что полноценно оценить это приложение, но был бы рад услышать мнения тех, кто его использовал.

Аддоны с ИИ для Zotero

Все они работают плоховато и при этом они не шибко удобные.

Вообще говоря, я постарался пойти дальше и попробовал создать агент, который бы искал научные источники в интернете и вдобавок просматривал мою библиотеку Zotero через MCP.

Кратко опишу свой опыт.

Я довольно быстро столкнулся с тем, что нужно иметь сверхгигантское контекстное окно, чтобы агент мог читать все найденные источники и делать по ним выводы.

Ограничение на контекст я преодолел через мультиагентный подход с постоянной памятью (один агент ищет, другой читает, третий суммирует, четвёртый структурирует, пятый пишет абстракт и т.д.).

Получилось довольно интересно (похожее есть у этого пользователя), но я пока ещё не доработал такой подход до уровня "вау". И на самом-то деле я даже пока не понимаю*, как можно это решение сделать качественно лучше, чем такой полуручной процесс:

• Через ResearchRabbit майнишь источники
• Синхронизируешь коллекцию с Zotero. Добавляешь тексты. Приоритизируешь. Дополнительно группируешь, если это нужно
• Из Zotero мышкой перетягиваешь источники в NotebookLM
• Пьёшь кофе в ожидании, пока сервис переконвертируют источники в векторную базу
• Работаешь

*Возможно, такое "непонимание" связано с тем, что при чрезмерной автоматизации я совершенно теряю нить происходящих действий. Всё превращается в волшебную чёрную коробку, и я становлюсь не тем, кто управляет процессом, а тем, кто оценивает фокусы.

Automatization

n8n

Крутой, локально разворачиваемый, жутко функциональный, с огромным количеством интеграций инструмент. Позволяет автоматизировать весьма сложные вещи, не прибегая к кодингу.

Я развернул этот инструмент у себя на сервере и постарался сделать его максимально независимым от прочих облачных сервисов. Сделал это с помощью следующих вещей:

• PostgreSQL (для хранения истории чатов вместо Superbase)
• NocoDB+MinIO (отличный аналог Airtable + MinIO для хранения файлов)
• Qdrant (векторная база данных, аналог Pinecone)
• Ollama (для эмбеддингов, так как по качеству трудно отличить от того, что даёт OpenAI)

Если отстраниться от того, для чего в основном пытаются использовать этот сервис (для автоматизированных продаж и персональных помощников), то, мне кажется, изучение n8n может неплохо поспособствовать пониманию многих инструментов. Иначе говоря, изучение этого сервиса можно использовать для изучения в принципе разных современных технологий.

Мне ещё подход с построением агентов в n8n нравится тем, что ты в нём продумываешь именно логику работы. И если выйдет какая-то модель посильнее, получше, то ты изменишь название модели в конкретном блоке, а не всю логику работы. Иначе говоря, есть определённая антихрупкость по отношению к быстрому развитию ИИ-моделей.

Важно сразу добавить, что логика работы должна быть достаточно изобретательной/специфичной, выходящей за границы того, что доступно в обычном чате. А иначе не будет никакого преимущества перед непосредственным использованием универсального ИИ-чат-бота.

Почему не альтернативы?

Облачные сервисы, такие как MAKE, могут нагнуть и выпнуть. В случае с ИИ-чатами это не проблема, так как можно просто перейти на альтернативу. Но когда речь идёт о собственных наработках и хранении данных, необходимо понимать, в какой конъюнктуре мы находимся.

Crewai. Попытался оценить пользу этой библиотеки. Почитал документацию, посмотрел много видео, поэкспериментировал. Показалось довольно интересным и гибким решением, но я так и не смог найти для этого применение.

Альтернативы

Мне кажется, что Zed может стать отличной заменой для VS Code и Cursor. Мне нравится, что он не перегружен в интерфейсе, работает и запускается весьма быстро, в нём есть поддержка MCP, и при этом в него понемногу добавляют ИИ-фишки.

Я пользуюсь OpenRouter. У этого сервиса есть три хороших преимущества:

• Баланс можно пополнить через криптовалюту
• Этот сервис является агрегатором моделей. Это значит, что нужно платить только в одно место, а не покупать N-ое количество разных подписок
• AI-сервисы не могут отследить истинное географическое положение пользователя, так как обращение идёт через прослойку в виде OpenRouter. Это, в свою очередь, даёт защиту от бана по региону

Для OpenRouter можно поднять у себя на сервере Open WebUI. Сам этот WebUI довольно функциональный. Если бы в нём был такой же уровень интеграции с поиском в интернете, как в Perplexity, то я бы полностью перешёл на него.

Однако даже у такой связки есть альтернатива в виде Mammouth. Не уверен, что подобный сервис долго проживёт, но платить 10 долларов в месяц за все популярные модели разом кажется весьма выгодным предложением.

Obsidian

Copilot

Крутое решение. В большей степени оно у меня стоит из-за режима `vault QA` и возможности искать связанные заметки. Хотя также нередко я делю экран пополам (слева заметка, справа чат) и буквально задалбываю ИИ, чтобы он мне помог улучшить заметку.

Если пользуетесь моделями через OpenRouter, то возможно вы не знали о возможности поиска в интернете.

Augmented Canvas

Слегка быстрее и удобнее, чем заходить в чат, писать запрос, копировать его и вставлять на канвас.

InlineAI

Чертовски удобная вещь. Позволяет очень быстро генерировать что-либо. Также крайне часто использую его для развития или исправления написанного текста.

Обратите внимание, что у плагина есть возможность задать команды, которые вызываются через `/`. Рекомендую добавить хотя бы одну команду, которая исправляет грамматику, орфографию и пунктуацию.

Copilot like auto-completion

Автодополнение для текста. Его я включаю тогда, когда у меня случается сильный затык. Подсказки этот затык иногда помогают преодолеть.

Хотел бы отметить, что автодополнение довольно прожорливо потребляет токены. Поэтому не рекомендовал бы держать плагин постоянно в активном режиме.

Почему не альтернативы?

Я попытался распробовать Proofreader, но пока с трудом понимаю, чем он лучше хорошего промпта.

Есть достаточно популярный Smart Connections, но на данный момент выбор между ним и Copilot имеет скорее "религиозный" характер.

Text Generator вроде как функционален, но InlineAI делает то же самое, не переусложняя.

Я также попробовал множество других плагинов, но все они кажутся мне довольно примитивными повторениями любого ИИ-чата, который и так легко доступен через браузер.

Пределы у имитации компетенций

Я не разбираюсь, как программируются квантовые компьютеры. Но я могу попросить Cursor, чтобы он написал программу для квантового компьютера.

Я могу открыть какую-нибудь базу данных антропологических находок и сказать ИИ: "Ищи закономерности и белые пятна". И он что-то да найдёт.

Вопрос. На что же в конечном итоге способен некомпетентный человек с гиперкомпетентным помощником?

Я не знаю точного ответа на этот вопрос, но мои эксперименты и наблюдения за другими показали следующее:

• Я нередко наблюдал, как ИИ зацикливался в ответах, при этом по пути постоянно теряя контекст. Зациклившийся чат очень похож на дырявое ведро с водой
• ИИ может водить за нос бесконечно долго, а некомпетентный пользователь не сможет этого даже распознать
• Без конкретных, специфических знаний невозможно выбраться из тривиальных (зачастую неработающих) ответов ИИ. Буквально говоря, ты не можешь задать правильный вопрос, поставить правильную задачу, потому что у тебя в голове физически этому вопросу или задаче не из чего сформироваться
• При работе с ИИ трудно избегать линейного нарративного мышления. Ты задаёшь вопрос, ИИ на него убедительно отвечает. Ты продолжаешь корректировать, расспрашивать, просишь выполнить какую-то работу, ИИ на всё отвечает и всё делает. Ты думаешь, что всё так и должно происходить и развиваться, но по факту всё это может не иметь смысла (например, изначальные посылки могут быть неверны, проблема может изначально быть искусственной). Проще говоря, ИИ пытается продуктивно сгенерировать решение для того, что ты у него просишь, не беря в расчёт, имеет ли содержательность сам по себе такой процесс

Тут я хотел написать грубое, категоричное умозаключение про человеческую глупость, которая будет умножаться с помощью ИИ, но не стану этого делать.

А теперь о важном

ИИ не такой всепроникающий

Для моих товарищей, занятых в логистике, ИИ пока что остается чем-то из области фантастики. Они оперируют понятиями "тоннаж", "маршрут", "складские остатки", но не "нейронные сети" или "машинное обучение".

Такое происходит не потому, что они глупы или нелюбопытны. Просто их повседневная реальность, их бизнес-процессы, их клиенты и поставщики пока не требуют от них погружения в эту тему.

И вот тут возникает интересный парадокс. Люди из "цифрового" мира постоянно говорят о том, как ИИ изменит всё. Мы видим статьи, новости, кейсы, где ИИ оптимизирует, автоматизирует, предсказывает. Нам кажется, что это уже повсеместно.

Но для значительной части экономики, для малого и отчасти среднего бизнеса, для людей, работающих "на земле", эти изменения по факту еще не наступили. И наступят ли?

В общем, мои товарищи, находящиеся за границей ИИ-революции, заставили задуматься: насколько "цифровые" люди оторваны от реальности тех, кто составляет весьма заметную часть экономики, и насколько же ИИ в действительности является всепроникающим?

Баскетбол

Хочу поделиться маленькой историей, которая подтолкнула меня к ещё одному важному размышлению.

В определённый день меня накрыла жёсткая волна беспокойства: казалось, если я не освою ИИ-инструменты, то упущу нечто критически важное. Это было FOMO в чистом виде.

Чтобы отвлечься от этого гнетущего чувства, я решил сходить на баскетбольную площадку недалеко от дома.

На площадке было немало людей, но все они вяло кружились вокруг одного кольца. Мне же хотелось соперничества, динамики, драйва. В общем, всего того, что смогло бы отвлечь от беспокойных мыслей.

Я подошёл к ребятам и предложил разделиться на команды, чтобы сыграть на два кольца.

Наверняка вы знаете, что для того, чтобы в толпе начались какие-то продуктивные процессы, нужно явным образом по конкретным людям разделить ответственность.

Ребята мешкались, поэтому пришлось в моменте проявить инициативу и сделать себя и конкретного наиболее спортивного парня капитанами.

— Я буду капитаном, и ты тоже. Окей? Ты ведь хорошо играешь?
— Да, нормально.
— Выбираем по очереди по одному человеку в команду. Ты выбираешь первым.

Мы разделились и начали игру.

Сыгранность команд была нулевой, и это неудивительно. В уличном баскетболе многое держится на индивидуальных способностях каждого игрока. Однако даже в таких условиях эффективность командной работы значительно возрастает, когда каждый понимает свою роль.

Поначалу я несколько раз проявил агрессию из-за хаотичной командной игры, даже слегка накричал на одного из игроков. Однако довольно быстро понял, что это неверное поведение (хотя бы по той причине, что я хочу поиграть в баскетбол, а не получить по лицу). Я вновь в моменте взял инициативу – распределил позиции и роли. Игра сразу пошла лучше.

Если вы когда-то играли в баскетбол, то наверняка ловили кайф от того, когда ловко обходили соперников и метко забрасывали мяч в корзину. Однако, кроме этого кайфа, наверняка вы припоминаете, что был кайф от кое-чего ещё... Другой кайф был от того, когда другие хвалили вас за заброшенный мяч. Когда они говорили, какой вы красавчик и как бомбически сыграли.

Заслуженная похвала — это то, что должно постоянно присутствовать в командном спорте.

Пришлось снова в моменте проявить инициативу и навязать ребятам мысль, что похвала — это то, что должно идти вслед за заброшенным мячом.

В уличном баскетболе нет судьи, а значит, некому следить за соблюдением правил. Мелкие нарушения обычно без проблем игнорируются, однако никто не хочет играть, когда царит полный произвол.

Во время игры произошло несколько фолов, которые разрешились в пользу сильного. Мне показалось, что если так пойдёт и дальше, то некоторые игроки просто уйдут. А я хотел играть. Ненавижу, когда кто-то покидает игру до её завершения. Пришлось снова брать в моменте инициативу, чтобы минимизировать возможность обид в конфликтных ситуациях.

Игра шла весьма бодро. Моя команда в итоге победила.

И вот теперь главный вопрос: при чём здесь ИИ?

Когда я бегу к кольцу, я не могу спросить у ИИ-чата: "Как правильно бросать мяч?". Когда возникает конфликт между игроками, я не могу обратиться к ИИ с вопросом: "Как эффективно разрешить их спор?". Когда нужно распределить игроков по командам, у меня нет возможности получить от ИИ глубокий анализ с тем, как сделать это максимально справедливо. Если я накричал на игрока, то у меня нет времени сидеть и анализировать с ИИ-помощником, насколько это неспортивное поведение и как сильно это может оскорбить человека. Я способен лишь быстро извиниться или в следующий раз похвалить его за хорошую игру, чтобы сбалансировать ситуацию.

По сути, всё, что я могу — это играть по определённым правилам, совершать конкретные действия и проявлять в моменте инициативу.

И знаете что? Мне кажется, что это так не только в баскетболе.

Каким бы навороченным ни стал ИИ, каждому человеку придётся "играть" в определённые "игры" (например, судиться в судах), совершать конкретные действия (например, участвовать в благотворительности) и проявлять инициативу (например, предлагать и внедрять новые технологии в бизнесе).

Человеку во все времена приходилось по ходу жизни чему-то учиться, искать возможности и бороться за определённые результаты. Разве с ИИ такой порядок вещей нарушится?

Не знаю ответа на этот вопрос, однако надеюсь, что намётки на него появятся хотя бы при моей жизни.

Итог

В статье я озвучил довольно много ИИ-инструментов. Контринтуитивно, но чем больше инструментов используется параллельно и чем больше переключений внимания, тем ниже эффективность.

В конечном итоге анализировать результаты, уточнять и в целом ставить задачи приходится пользователю. Я отдаю себе в этом отчёт, поэтому не прыгаю между инструментами без веского на то повода – большинство проблем я решаю через general purpose решение. В иных, более специфических случаях я планирую действия и передаю информацию последовательно по цепочке.

Контролировать один ИИ-сервис или передавать информацию по цепочке из одного места в другое, на мой взгляд, значительно эффективнее, чем параллельно "тыкаться" сразу во все места, "играя" в своеобразного оркестратора.

Кстати, у ИИ-чата есть интересный побочный эффект – человек вынужден читать его вывод. Читать... Это к вопросу о том, что литература "умирает". Не умирает она, но часть её однозначно трансформируется. При этом вы, вероятно, заметили, что тексты, которые генерирует ИИ, не такие уж плохие. Я имею в виду то, что они не блещут высоким литературным стилем, но и не сваливаются до уровня комментаторов YouTube-роликов. Это вроде как должно положительно влиять на массы людей, которые пользуются ИИ, но которые особо ничего не читают в классическом понимании этого слова.

Ладно, пора закругляться. Надеюсь, что вы узнали для себя что-то новое и мне удалось утихомирить ваше FOMO* с помощью моих товарищей логистов и баскетбольной истории.

*Если оно вдруг у вас тоже было, хех.

На этом у меня всё.