Телеграм канал «PixelMap»

ИИ в Figma. Боль или не боль.

Ромина Кавчич накатала прям практический гайд по Figma Make — не «поиграться с ИИ», а чтобы оно реально работало на команду, а не плодило ещё один слой хаоса.

Главная боль, как она объясняет, вообще не в инструментах. Боль — в потере контекста, когда прыгаешь между ними. Внешние штуки генерят компоненты/стили «как получится», и они не совпадают с вашей дизайн-системой в Figma. Итог предсказуемый: всё это потом приходится сводить руками, синкать, перепроверять, и ты такой: «ну охуенно, спасибо».

В статье Ромина разложила процесс по шагам: подключение внешних библиотек и сервисов через MCP-коннекторы, дальше — работа с API, и в конце — публикация демо. Фишка в том, что прототипы генерятся на ваших компонентах, токенах и переменных дизайн-системы — прямо в рабочем файле, без цирка с переездами.

И да, там есть конкретные, наглядные примеры, не просто теория.

Прокачивать себя в ИИ с фигмой тут: https://learn.thedesignsystem.guide/p/figma-make-wont-work-until-you-do

Отрицательный экономический рост!
ИИ оставит всех без работы!
Нас заставят пользоваться Max! 😱

Звучит как приговор? Ха-ха, нет.

Пока одни паникуют, я и 29 других digital-директоров спокойны. Почему? Потому что мы умеем:

🔹 Находить выход там, где другие видят стену.
🔹 Искать позитив в любом негативе.
🔹 Превращать кризис в точку роста.
🔹 Дружить с ИИ, а не конкурировать с ним.
🔹 И да, оставаться в уютном TG, даже когда все вокруг кричат про «Max».

В папке собраны 30 самых стойких, веселых и (да, черт возьми) сексуальных профессионалов индустрии! 🕺💼

Это не просто список. Это люди, которые прошли путь «с самых низов» до владельцев бизнеса и футбольных клубов (у нас есть и такие!).

Кому залетать обязательно:
Дизайнерам, креаторам, стратегам, SMM-щикам, промт-инженерам, программистам, менеджерам и руководителям. Всем, кто каждое утро просыпается и идет строить индустрию.

Если слова Digital, IT и AI для тебя — не просто набор букв, а то, с чем ты сталкиваешься каждый день — эта папка станет твоим счастливым билетом. 🎫

🚀 Успевай забрать папку, пока кризис не наступил! (Шутка. Или нет?)

В 2026 у многих компаний появилась одна и та же проблема: налоговая нагрузка выросла, а прибыль не растет так же быстро. И в этот момент резидентство «Сколково» начинают рассматривать как инструмент экономии на налогах. Действительно ли это так просто?

На вебинаре разберем, где реальность, а где ожидания.
Без воды: что действительно получают компании, как стать резидентом и главное — успешно сохранить этот статус.

❓ Сколково для бизнеса в 2026: ожидания vs реальность — что получают компании на самом деле

🗓 25 февраля в 17:00 МСК
🔗 онлайн-вебинар

Что вы поймете на вебинаре:
— нужно ли вам «Сколково» и в чем экономический эффект
— как пройти экспертизу и написать заявку
— что будет после приобретения статуса (и как не потерять преимущества на отчетности)

🎁 Бонус: чек-листы и другие полезные материалы для участников в конце вебинара!
🔗 Регистрируйтесь по ссылке
Реклама. ООО "АЛХЕНА" ИНН 9717088189. Erid: 2VtzqvpC4MZ

Koda: когда весь мир кодит с Claude Code и Cursor, у нас появился свой сильный игрок

Пока западные кодинг-агенты становятся стандартом де-факто, у нас тоже не сидят на месте. Команда, которая стояла у истоков GigaCode в экосистеме Сбера, выкатила отдельный продукт — Koda. И это, если честно, любопытно.

Что это такое
Koda — AI-ассистент для разработчика, который живёт там, где вы и так живёте: VS Code, JetBrains IDE и даже терминал.
То есть это не «ещё один чатик в отдельной вкладке», а штука, которая реально работает с контекстом репозитория и помогает решать инженерные задачи, а не просто болтать.

Чем отличается от “просто автодополнения”
Ключевая ставка — агентский режим. Вы пишете задачу человеческим языком, а агент сам шарится по проекту: находит нужные файлы, понимает контекст и предлагает пошаговый план, что править и где.

Плюс базовые режимы, без которых после Cursor уже странно:
— автодополнение в редакторе
— чат по коду
— поиск по проекту/докам

Модели и “единая точка входа”
Внутри — поддержка нескольких современных моделей, а если есть доступ к своему провайдеру, то просто подключаете API-ключи и работаете в одном интерфейсе. При этом у Koda заявлена бесплатная модель — чтобы закрывать повседневку без «опять кончились лимиты».

Так, а почему это может выстрелить именно у нас?
Проблема локального рынка обычно не в промптах (с этим уже все научились), а в суровой реальности: VPN, оплаты, доступность провайдеров, корпоративные контуры и вот это всё. Koda изначально проектируют как решение которое “работает из коробки”, а для компаний — с нормальной опцией развёртывания в закрытой инфраструктуре. И вот это уже звучит как то, что реально будут брать, а не просто тестить на выходных.

Если вы давно хотели workflow уровня Cursor/Claude Code, но в российских условиях постоянно упирались в доступы — за Koda точно стоит последить.

Знаете еще наши продукты? Пишите в коментах.

CFP Merge Tatarstan в самом разгаре 🔥

17-18 апреля мы планируем собрать топовых экспертов со всей страны в Иннополисе в пятый раз. Первые спикеры уже на сайте.

👉🏻Подать свой доклад можно до 17 февраля на сайте конференции.

👉🏻Открыт прием заявок и на проведение нетворкинга или активности любого формата. Оставить свою заявку можно здесь.

Если ранее вы подавали заявку на Merge Moscow, но хотите перенести доклад на конференцию в Иннополисе, напишите нам на почту: info@mergeconf.ru

Figma Make: когда нужно не заставить дизайн работать (да, снова про нейрости)

Итак, про боль

В какой-то момент статичного дизайна уже мало. Нужно, чтобы люди прокликали сценарии, увидели состояния, почувствовали поведение — как в продукте. Варианта два: Собирать классический прототип в Figma и страдать от стрелочек и логики или использовать достижения нейрочеловечества превратив дизайн в рабочий код через Figma Make.

А что такое Figma Make

Figma Make — это среда внутри экосистемы Figma, где интерфейсы и интерактив собираются через диалог с моделью, прямо как в ChatGPT: ты пишешь промтом, что должно происходить, добавляешь референсы из дизайна — и Make генерирует функциональный прототип или простой веб-интерфейс, который уже можно “пощупать”. Дальше всё идёт итерациями: уточняешь, докручиваешь, правишь точечно — без пересборки с нуля.

Промты как сценарий, контроль остаётся у дизайнера

В Make важно не “нарисуй красиво”, а “вот сценарий”. Что делает пользователь, что интерфейс показывает в ответ, какие состояния нужны (loading/empty/error/успех), какая логика срабатывает. Ты задаёшь правила — Make собирает, а ты направляешь следующими итерациями, удерживая структуру и смысл.

Главная фича: результат не заперт в генераторе

То, что Make сгенерил, можно превратить в обычный Figma-дизайн: копировать, редактировать, доводить руками или публиковать как готовый mvp. И это решает ключевую проблему генерации — когда “едет” визуальная консистентность. Ты можешь отполировать кусок до нужного качества, вернуть его как референс и попросить Make продолжить уже по обновлённому эталону.

Связка с Figma Sites: закрывает пробелы по компонентам и интерактиву

В Figma Sites сайты собираются быстро, но часто упираешься в ограничения: не хватает нестандартного компонента, интерактивной секции или небольшой логики, которую пока не хочется отдавать разработке. Make здесь работает как дополнение: быстро собираешь нужный блок через диалог и возвращаешь его обратно в общий Figma-процесс. В итоге дизайнер закрывает не только внешний вид, но и часть поведения — не выходя из экосистемы.

Где даёт максимум эффекта

Make особенно полезен, когда нужно показать “как работает”: формы и валидация, фильтры и сортировки, состояния загрузки и пустые экраны, интерактивные блоки для лендингов. Вместо долгого и кривого переноса в код ты быстрее получаешь живой прототип — и решаешь, что довести руками, а что продолжать промтами.

Не так давно я решил для своего YouTube-канала сделать бота. Не простого, а максимально похожего на человека.

Мне захотелось воссоздать личность со всеми повадками, привычками, реакциями и маленькими микропаттернами поведения.
Вот, чтобы скинул ему мем — он понял и как-то отреагировал. Попросил селфи — прислал, и всегда одинаковый, потому что референсный образ генерируется исходя из предпочтений пользователя, заданных при создании. Плюс голосовые: можно разговаривать с ним как с живым собеседником в классическом представлении этого.

Но всё это рушится в тот момент, когда у бота нет нормальной памяти. Если он не понимает, что происходило раньше, не помнит детали, не опирается на собственную историю, общение разваливается. Исчезает ощущение связности, осознанности, «человечности». И тут появляется главный вопрос: как дать память тому, у кого её по умолчанию нет?

Коммерческие модели вроде ChatGPT или Grok не умеют дообучаться под конкретного персонажа или набор данных по-умолчанию. Вы можете создать GPTs, но не сможет обращаться к нему через API и дообогащать образ. Это просто невозможно — у них нет такой функции. Всё, что не помещается в контекстное окно, здесь же и исчезает. Долгие диалоги, многодневные переписки, повторяющиеся темы — модель ничего из этого не помнит. Передавать прошлое промтом бессмысленно: промт разрастается, ответы становятся хуже, стоимость растёт.

Мне нужно было добиться эффекта долгосрочной памяти, не имея самой памяти. И здесь как раз пригодился RAG. RAG если объяснять человеческим языком — это способ хранить отдельные фрагменты «жизни» отдельно от модели и доставать их по смыслу. Не по словам, а по тому, что пользователь имеет в виду.

Каждое важное сообщение, факт, событие (embeddings) или реакцию я превращаю в вектор (vector) — такое числовое представление смысла — и кладу в базу (PostgreSQL). Это даёт возможность искать ближайшие по смыслу штуки, когда пользователь задаёт новый вопрос. Если он спрашивает: «Как прошла твоя неделя?», бот смотрит в свою память, находит все связанные фрагменты и рассказывает. Причём делает это одинаково хорошо и сегодня, и через год. Потому что эти события он не «генерирует», а действительно «прожил» и сохранил как факты.

Под такой подход идеально подходит сценарий, где у бота есть собственная жизнь. Я встроил расписание: он ходит на работу, на пилатес, в кофейню, в клуб, на день рождения подруги. Это не просто декоративные действия — каждое такое событие попадает в память и становится частью истории персонажа. Он сам обогащает свой персональный слой без участия пользователя. Если человек не общался с ботом неделю, он всё равно сможет спросить: «Ну что, как у тебя всё прошло?» — и бот расскажет по фактам, а не фантазируя. И через неделю расскажет то же самое. И через год — тоже. Потому что для него это действительно произошло.

Вся эта история работает только если память организована как надо. Я разделил её на три слоя. Личные знания конкретного персонажа (Character RAG) — всё, что касается его прошлого, характера, отношений, событий и истории взаимодействий с конкретным пользователем. Профессиональный слой (Profession RAG) — чтобы речь специалиста звучала как речь специалиста, а не как пересказ учебника. И третий слой (Global RAG) — поведенческие паттерны: как реагировать на повторные вопросы, как сокращать ответ, как корректно поправить собеседника. Эти слои работают по приоритетам, чтобы бот не путался и не противоречил себе.

Так появляется эффект живого диалога. Не за счёт модели, не за счёт дообучения, которого попросту нет (точнее оно есть, только реализовано другими методами и об этом как-нибудь потом), а за счёт правильно построенной памяти вокруг неё. Это похоже на «Чёрное зеркало», но в хорошем смысле: бот ведёт свою жизнь, помнит её, не искажает события и не теряет связность. И только так можно получить поведение, которое действительно напоминает осознанное общение, а не набор случайных ответов.

Если вам интересна тема построения человекоподобных ИИ-ассистентов, то буду рад продолжить рассказывать про свой проект.