Практический гайд без теории про трансформеры. Ровно то, что нужно, чтобы завтра почувствовать прирост — без копипаста в браузерный чат и без страха слова «агент».

Ты уже пробовал нейронки. Может, даже много раз.

Открыл ChatGPT. Скопировал кусок ТЗ. Получил ответ. Поправил руками. Скопировал обратно в Confluence. На следующий день — снова с нуля: объяснить проект, вставить ограничения, описать формат, проверить воду.

Со временем складывается ощущение: «Столько подготовки ради одного ответа — проще сделать самому». На каждый запрос уходит столько шагов, что выгода от AI тает. Это и есть трение — лишняя работа вокруг инструмента, а не внутри задачи.

Браузерный чат устроен как разовая консультация. Работа системного аналитика — это сквозной процесс: созвоны, документы, схемы, задачи, согласования. Когда AI живёт в отдельной вкладке, он не помнит твой проект, не видит твои артефакты и не знает, как должен выглядеть хороший результат.

Отсюда и страх слова «агент». Кажется, что это что-то для лидов, сеньоров и тех, кто любит ковырять n8n по вечерам.

На самом деле агенты и скиллы — самый простой слой поверх нейронки. Не код. Не пайплайны. Не вторая профессия.

В этом гайде — один сценарий на вкус: почувствовать, как AI-стол ощущается в работе. Не курс на 14 скиллов и не «сделай всё сам за вечер».

Типичный вечер до стола: созвон 45 минут → час на протокол, выжимку требований и список вопросов заказчику. Копипаст между вкладками, снова объясняешь контекст чату.

С AI-столом тот же вход выглядит иначе: транскриб лежит в notes/, одна команда в чат — и через несколько минут в projects/ появляется черновик: протокол, требования, уточняющие вопросы. Без «расскажи про проект с нуля». Агент правит файл прямо на глазах — не в отдельной вкладке, которую потом переносишь в Confluence.

И так по каждой задаче СА, которая сжигает время: набросать диаграмму по ТЗ, разложить БФТ, оформить постановку в Jira, прогнать НФТ по чек-листу, собрать OpenAPI из описания метода. Один и тот же принцип — сырой вход лежит в проекте, сценарий отрабатывает рутину, ты остаёшься на уровне смысла и проверки.

Именно этот момент — когда рутина перестаёт быть ручной вознёй — и есть причина разбираться в агентах и скиллах дальше. Ниже разберём всю рутину, которую можно отдать нейронкам — чтобы сразу понимать, куда направлять AI, а где держать фокус как аналитик.

Ключевая мысль: если каждый запрос начинается как первый — у тебя не AI-флоу. У тебя умный чатик, к которому ходят за советом.

Рынок уже спрашивает с аналитиков навыки AI на собеседованиях — и вопросы конкретные:

• Используешь ли ты нейросети?
• Как именно ты их используешь?
• Опиши, как ты решал конкретную задачу с помощью ИИ.
• Как ты проверяешь результат, который выдала нейронка?
• Знаешь ли ты, что такое RAG? Agents? Skills? Rules?

Пока редко кто требует готовую системную работу с нейронками на уровне агентов как обязательное условие. Но на собеседовании уже ожидают увидеть: понимаешь ли ты, как применять AI в задачах СА, можешь ли описать конкретный кейс, слышал ли про RAG, agents, skills. Ответ «иногда спрашиваю ChatGPT» сам по себе не провал — но и не выделяет. Сильнее смотрится кандидат с повторяемым процессом, а не с разовыми экспериментами.

При этом на рынке уже сложился другой стандарт — не «какой чат открыть», а как устроено рабочее пространство:

Пока одни ждут регламент от компании, другие собирают повторяемую систему под свои задачи и освобождают 1–3 часа в день. Сейчас это даёт преимущество. Позже станет базовым ожиданием.

Входной порог ниже, чем кажется: большинство «продвинутых» на рынке просто перестали работать в браузере и начали хранить контекст рядом с задачей.

Да, сейчас чаще всего такие подходы используют лиды и сеньоры — не потому что это сложно, а потому что у них больше рутины, которую больно отдавать вручную.

Мидлы, которые переключатся с «чатика в браузере» на AI-рабочий стол, получают те же бенефиты:

• меньше ручной возни с форматированием и черновиками;
• быстрее первичная структура документов и диаграмм;
• меньше когнитивной усталости от «объяснять проект в сотый раз»;
• больше готовых артефактов, которые сделала нейронка.

Я на работе сократил до 3 часов в день на типовую рутину — потому что контекст и сценарии лежат рядом с работой, а не в голове и не в истории чата.

Запомни одну фразу:

Никакой магии. Никакого кода. Это правильно заданный контекст, который нейронка подхватывает по твоим правилам — или сама решает, когда его применить.

Хорошие скиллы работают даже с бесплатными моделями в Cursor. Качество артефакта зависит не от «самой дорогой нейронки», а от того, знает ли она твой проект, формат результата и сценарии, по которым нужно пройтись.

1. Зайди на cursor.com и скачай приложение.
2. Зарегистрируй аккаунт — есть бесплатные модели, хватит для старта.
3. Открой программу. Это обычное окно с тремя зонами — как привычный редактор, только с AI справа.

Не пугайся слова IDE. Писать код не нужно — достаточно хранить markdown-файлы: заметки с заголовками и списками, удобные для системной работы. При необходимости .md легко конвертируется в Word и импортируется в Confluence.

1. File → Open Folder — выбери или создай папку, например SA-Workspace.
2. Внутри создай структуру (можешь сделать как из примера ниже или свою: накидать смайликов для удобства навигации, использовать русские слова):

Каждый файл — в формате .md (markdown). Это простой текст с заголовками и списками. Для СА функционала более чем достаточно — плюс можно вставлять таблицы, код разметки для диаграмм (Mermaid) и схемы прямо в документ.

Почему markdown, а не Word?
AI видит файлы в папке. Агент читает их без копипаста. Ты правишь результат прямо в документе — и контекст сохраняется для следующего запроса.

Слева — твои артефакты. Следи за организацией пространства: понятные папки, говорящие имена файлов. Можно добавлять смайлики в названия (📋 протокол-12-06.md, 🎯 требования-v2.md) — так быстрее ориентироваться. Вся документация, которую агент подхватит в контекст, лежит здесь: положил файл в папку — он уже в системе.

По центру — рабочий документ. Агент пишет и правит прямо здесь. Ты видишь изменения в реальном времени.

Справа — чат. Как в браузере, только:

• перетаскиваешь файлы из проекта в чат руками;
• выделяешь фрагмент в файле → копируешь в чат для точечной правки;
• переключаешь модели в одном диалоге;
• агент сам ходит по файлам, если не заданы ограничения.

Про NDA и СБ: можно указать, какие папки агент не трогает, и использовать только локальные или корпоративные модели. Рабочие данные не обязаны «улетать в облачный чат» — настраивается под твой контур.

Возьми реальную мелкую задачу (можешь учебную):

1. Положи в папку транскрипт встречи или сырую хотелку заказчика (текстом).
2. В чате напиши качественный промпт или вставь простейший из примера ниже:

3. Проверь результат — сравни с тем, сколько ушло бы в браузерном чате.
4. Зафиксируй ощущение: вот за это имеет смысл разбираться в скиллах дальше. Один удачный промпт — ещё не система.

Один сценарий открывает дверь. Система — когда каждая рутина знает свой вход, шаблон и проверку. Собрать её в одиночку можно, но на практике уходит недели на затыки: вода в требованиях, сломанный формат, не тот skill, модель «не тянет» задачу.

➡️ Хочешь на диагностике разобрать свою рутину и увидеть, какие из 14 сценариев тебе нужны первыми? Записаться на консультацию

Представь коллегу-джуна, которому ты один раз объяснил:

• где лежит документация;
• в каком формате писать протоколы;
• что нельзя выдумывать требования без пометки «предположение».

Каждый раз не объясняешь заново — он уже знает. Скилл в Cursor — это та же инструкция, только для нейронки.

В Cursor: Settings → Rules / Skills / Agents.

Ты не программируешь. Ты описываешь словами, что нужно сделать — как ТЗ для исполнителя.

Промпт из предыдущего раздела — разовый. Чтобы не писать его каждый раз, его превращают в связку:

• Skill — пошаговый сценарий «транскриб → протокол → требования → вопросы»;
• Rule — когда подключать skill (например, при словах «транскриб», «протокол встречи») и как проверять результат.

В чате это выглядит прозрачно: пишешь коротко «сделай транскриб @notes/встреча.md» — нейронка сама тянет нужный skill. Без копипаста длинного промпта.

В этом гайде мы останавливаемся на первом простейшем сценарии. На мастер-лабе за 20–30 минут на созвоне проходим превращение промпта в skill + rule на твоём примере — и дальше наращиваем так же остальные рутины. Плюс разбираем агентов, воркфлоу и модели на уровне, достаточном для ежедневной работы СА: какую модель когда брать, как снижать галлюцинации, как встроить стол в NDA.

• Ask — спросил, получил ответ (как обычный чат).
• Agent — AI сам открывает файлы, правит, создаёт новые.
• Plan — сначала план, потом выполнение (удобно для больших задач).

Начни с Ask на одном файле. Когда привыкнешь — включи Agent на рутине.

Этот гайд не отдаёт тебе 14 скиллов файлом. Зато даёт то, на что уходит месяц самостоятельных экспериментов: ясный вектор — что из работы СА реально отдавать нейронкам, а что оставлять себе.

Большинство аналитиков бьются с AI вслепую: гоняют в чат архитектурные решения, согласования с заказчиком, спорные trade-off'ы — и разочаровываются. Нейронка здесь слаба. Зато она сильна там, где у СА горит время на ручную обвязку: структура документа, черновик требований, диаграмма по шаблону, вопросы к заказчику, постановка в Jira, проверка по чек-листу.

Таблица ниже — не «сделай сам за выходные». Это карта делегирования: 14 типовых рутин, которые уже отработаны как сценарии и которые имеет смысл автоматизировать первыми. Ты сразу видишь, на чём акцентировать своё внимание как аналитик — смысл, решения, качество, согласования — и не тратишь недели на то, чтобы нащупать границу «AI тянет / AI не тянет» в одиночку.

Даже один пройденный сценарий из гайда + эта карта дают ориентир. На мастер-лабе мы превращаем вектор в рабочую систему под тебя: каждая строка — skill + шаблон + rules проверки, на твоих задачах или учебных кейсах, с разбором в чате между созвонами.

Важно: это не про «AI сделает работу за тебя». СА по-прежнему отвечает за смысл и качество. AI забирает ручную обвязку: структуру, первичные формулировки, вопросы, проверки, черновики диаграмм.

Когда это настроено один раз — ты просто открываешь рабочий стол и работаешь.

➡️ Узнать, с каких 2–3 сценариев из таблицы логичнее начать именно тебе: Получить консультацию

С таким подходом можно:

• Подключать недостающие знания как модули — положил книгу/статью в папку, агент учитывает при работе.
• Вести проектную память — решения, ограничения, глоссарий всегда рядом.
• Масштабировать на смежные задачи — тот же стол работает для обучения, личных проектов, подготовки к собеседованиям.

Твой репозиторий (папка) с файлами, правилами и скиллами остаётся с тобой — независимо от инструмента. Модели будут сильнее. Твои настройки — тоже.

Отметь, что уже сделал:

• Установил Cursor и создал папку проекта
• Создал хотя бы 3 markdown-файла (контекст, шаблон, рабочая задача)
• Попробовал перетащить файл в чат вместо копипаста
• Получил первый артефакт (протокол / требования / вопросы)
• Почувствовал разницу с браузерным чатом — и захотел повторить на других задачах

Если отметил 3+ пункта — инструмент зашёл. Следующий шаг: не копить разовые промпты, а собрать систему — skill, rules, воркфлоу под твою работу. На это как раз рассчитан мастер-лаб.

Ты попробовал инструмент на одном сценарии. Дальше — разобраться и внедрить, а не копить теорию:

На мастер-лабе за 21 день:

• разбираем агентов, скиллы, rules и воркфлоу — что за чем идёт, когда что подключать;
• поднимаем модели на рабочем уровне — какую когда брать, где хватает бесплатной, как проверять результат без воды и галлюцинаций;
• собираем AI-рабочий стол под твои процессы — не демо, а среда, которую открываешь в обычный рабочий день;
• идём с людьми на том же подходе — чат, разбор затыков, адаптация под NDA и СБ.
• остаёшься в коммьюнити учеников — не «закрыл ноутбук и забыл»: люди на том же уровне и с теми же задачами делятся, что сработало, где затык, как работали с NDA, какой промпт выстрелил. Живой обмен опытом, а не одиночные эксперименты.

Ближайший поток: 5 мест — формат завязан на адаптацию под процессы каждого участника.