Понимать AI. Работать с ним. Проверять результат.
Современный AI уже не только отвечает в чате. Он получает знания, действует на компьютере и в web, взаимодействует с людьми, другими агентами и физическим миром. AI Literacy даёт карту этих взаимодействий и простой способ управлять ими.
Один реальный шаг может иметь несколько активных векторов одновременно.
Сначала — с высоты птичьего полёта.
Вместо списка сервисов смотрим на устойчивые типы взаимодействия. Векторы не взаимоисключающие: чтение страницы — KN + WB, локального файла — KN + CP, новое условие от человека — HM + KN.
KN Knowledge
Информация и контекст, которые AI получает и использует.
CP Computer · WB Web · PH Physical
Среды, где AI читает, действует и меняет состояние.
HM Human · AG Agent
С кем AI согласует, делегирует и принимает обратную связь.
Потом — управляем процессом.
PAE не является частью HM. Это отдельная ось: что бы ни делал AI и какие векторы ни использовал, работу удобно вести через PLAN → ACTION → EVIDENCE.
ACTION / KN + WB / DATAAI исследует web и собирает данные.EVIDENCE / CP + HM / WORKFLOWAI фиксирует результат, человек проверяет и принимает его.Подробнее о PAE →Не пересказывать возможности. Проверять их.
Лаборатория — отдельный раздел с реальными Windows- и browser-сценариями. Там сохраняются не только удачные результаты, но и границы, ошибки и доказательства.
CP · KN · HM
Desktop Commander: AI на реальном компьютере
Файлы, терминал, процессы, реальные изменения и вопрос настоящей изоляции.
WB · KN · HM
Opera Neon: браузер как рабочая среда AI
Snapshot, navigation, forms, web UI и проверка состояния после действия.
HM · INTERFACE
Viewoupe: Read → Reduce → Recall
Фокус-чтение, до трёх смысловых anchors, одна формулировка In my words и local-first Memory для возврата к прочитанному.
Новый пользователь начинает не с выбора бренда.
Сначала — общий способ работы с AI. Затем можно открыть конкретную среду и понять, какие векторы и инструменты она добавляет.
Материалы складываются в одну систему.
Базовые статьи объясняют понятия. Lab показывает их в действии. Собственные инструменты и эксперименты превращают отдельные наблюдения в воспроизводимые методы.
Сначала увидеть систему. Потом поручать AI реальную работу.
AIV даёт карту взаимодействий. PAE удерживает процесс управляемым. Evidence отделяет выполненную работу от убедительного ответа модели.