The post has been translated automatically. Original language: Russian
The person opens the service, writes a request and waits for the image. After a while, the result appears — you can view, save, and try again.
At this point, few people think about queuing tasks, connecting models, or storing files. And this is understandable: the man came to do his job. He needs to prepare an illustration, try out an idea for a video, or figure out a new tool.
And for the team that develops the service, this is where the whole list of questions begins. Where will the request be sent? What happens if processing is delayed? Where will the user find the finished material? Will he be able to understand what happens after pressing the button?
Our team is developing AI Box, a platform for working with generative models, and NeoGate, a platform for teaching AI and digital skills. In the first article, we want to introduce you to these products through the tasks behind their development.
AI Box: what happens after sending the request
In the AI Box, the user can work with image, video, and audio generation models via a Telegram bot and a web interface. On the screen, it looks like a sequence of simple actions. In order for them to add up to a working service, you need interconnected components.
The platform accepts the request, sends it to the connected AI provider, organizes the processing and saves the result. Integration with providers, routing, task queuing, internal billing, and file storage are responsible for this path. The product also includes a generation gallery and an industrial library.
The enumeration sounds technical, but each such part has a completely human meaning. The gallery is needed to return to the created materials. Queue — to organize the processing of incoming tasks. The prompt library provides a starting point for making a query.
For the team, working on the AI platform is also about connecting these parts. Connecting the model is one of the steps. Next, you need to think through the entire path of a person: from the first request to the moment when he opens the finished file.
At the same time, even a working service cannot decide in advance what exactly the user considers a good result. A "beautiful image" is a vivid illustration for one, and a calm subject composition without unnecessary details for the other. You need to be able to express this difference in the assignment.
NeoGate: how to help a person figure it out
There is a similar story with learning. From the outside, everything can look simple: I opened the lesson, looked at it, and moved on to the next one. But there is a noticeable distance between "I understand the explanation" and "I can do it myself."
The person repeated the request from the lesson and received a suitable picture. And then he changed the task, and he doesn't know what to write anymore. Or the result looks impressive, but it is unclear whether it can be used.
Such situations explain why practice and consistency are needed in learning. It is important to give a person the opportunity to apply the technique, see where they are having trouble, and return to the right material.
To organize training, we are developing NeoGate, our own LMS platform. It has a catalog of programs, a personal account, video tutorials and materials, assignments and progress tracking. The platform also provides order processing, payment acceptance, and access to purchased training. Through it, users complete AI and digital skills programs, including the AI Academy.
The work of the team is also behind this. It is necessary to organize materials, link access to the program with the purchase, provide navigation and the opportunity to continue learning. And when preparing the programs themselves, it is important to consider what the student will do with the knowledge gained.
Marking the completed lesson helps you see progress. An independently completed task allows you to check what a person has learned.
How does this occur in a single task?
Let's imagine an educational situation: you need to make an illustration for publication. There is a theme and an approximate idea, but so far there is no exact understanding of what the frame should be.
You can immediately write a request and see what happens. The first option sometimes helps to decide. Then the decisions begin: leave the background or simplify, change the composition, remove unnecessary objects, choose a different style.
The AI Box provides the part of the work where the request is passed to the model and turned into a result. Studying at NeoGate can help you master the skills for such a task — if they are included in the chosen program.
Then the person checks the image. Does it fit the text? Is the main idea clear? Are there any details that need to be fixed? It is here that it becomes clear whether the original problem has been solved.
Our products have different roles, and each can be used independently. We are working on both a generation tool and an environment in which a person learns to use such tools meaningfully.
In the following articles we will tell you in more detail what this work consists of.: how does the request go through, why does the service need a queue, how to prepare the task for generation, and what to check in the finished material. Through specific examples, we want to show solutions that usually remain behind the interface.
And where do you most often get stuck when working with AI: when you need to explain your idea, or when the result has already been obtained, but it is unclear what to do with it next?
Человек открывает сервис, пишет запрос и ждёт изображение. Через некоторое время появляется результат — можно посмотреть, сохранить, попробовать ещё раз.
В этот момент мало кто думает об очереди задач, подключении моделей или хранении файлов. И это понятно: человек пришёл сделать свою работу. Ему нужно подготовить иллюстрацию, попробовать идею для видео или разобраться с новым инструментом.
А для команды, которая разрабатывает сервис, именно здесь начинается целый список вопросов. Куда отправится запрос? Что произойдёт, если обработка задержится? Где пользователь найдёт готовый материал? Сможет ли он понять, что происходит после нажатия кнопки?
Наша команда развивает AI Box, платформу для работы с генеративными моделями, и NeoGate, платформу для обучения ИИ и цифровым навыкам. В первой статье хотим познакомить вас с этими продуктами через задачи, которые стоят за их разработкой.
AI Box: что происходит после отправки запроса
В AI Box пользователь может работать с моделями генерации изображений, видео и аудио через Telegram-бот и веб-интерфейс. На экране это выглядит как последовательность простых действий. Чтобы они складывались в работающий сервис, нужны связанные между собой компоненты.
Платформа принимает запрос, направляет его подключённому AI-провайдеру, организует обработку и сохраняет результат. За этот путь отвечают интеграции с провайдерами, маршрутизация, очередь задач, внутренний биллинг и хранение файлов. В продукте также предусмотрены галерея генераций и библиотека промптов.
Перечисление звучит технически, но у каждой такой части есть вполне человеческий смысл. Галерея нужна, чтобы вернуться к созданным материалам. Очередь — чтобы организовать обработку поступающих задач. Библиотека промптов даёт отправную точку для составления запроса.
Для команды работа над AI-платформой состоит в том числе в том, чтобы соединить эти части. Подключение модели — один из этапов. Дальше нужно продумать весь путь человека: от первого запроса до момента, когда он открывает готовый файл.
При этом даже работающий сервис не может заранее решить, что именно пользователь считает хорошим результатом. «Красивое изображение» для одного — яркая иллюстрация, для другого — спокойная предметная композиция без лишних деталей. Эту разницу нужно суметь выразить в задании.
NeoGate: как помочь человеку разобраться
С обучением возникает похожая история. Снаружи всё может выглядеть просто: открыл урок, посмотрел, перешёл к следующему. Но между «я понял объяснение» и «я могу сделать это сам» бывает заметное расстояние.
Человек повторил запрос из урока и получил подходящую картинку. А затем изменил задачу — и уже не знает, что написать. Или результат выглядит эффектно, но непонятно, можно ли его использовать.
Такие ситуации объясняют, почему в обучении нужны практика и последовательность. Важно дать человеку возможность применить приём, увидеть, где он затрудняется, и вернуться к нужному материалу.
Для организации обучения мы развиваем NeoGate — собственную LMS-платформу. В ней есть каталог программ, личный кабинет, видеоуроки и материалы, задания и учёт прогресса. Платформа также обеспечивает оформление заказа, приём оплаты и доступ к приобретённому обучению. Через неё пользователи проходят программы по ИИ и цифровым навыкам, включая «ИИ-Академию».
За этим тоже стоит работа команды. Нужно организовать материалы, связать доступ к программе с покупкой, обеспечить навигацию и возможность продолжить обучение. А при подготовке самих программ — продумать, что учащийся будет делать с полученными знаниями.
Отметка о пройденном уроке помогает видеть продвижение. Самостоятельно выполненное задание позволяет проверить, чему человек научился.
Как это встречается в одной задаче
Представим учебную ситуацию: нужно сделать иллюстрацию для публикации. Есть тема и приблизительная идея, но пока нет точного понимания, каким должен быть кадр.
Можно сразу написать запрос и посмотреть, что получится. Первый вариант иногда помогает определиться. Дальше начинаются решения: оставить фон или упростить, изменить композицию, убрать лишние объекты, выбрать другой стиль.
AI Box обеспечивает ту часть работы, где запрос передаётся модели и превращается в результат. Обучение на NeoGate может помогать осваивать навыки для такой задачи — если они входят в выбранную программу.
Затем человек проверяет изображение. Подходит ли оно к тексту? Понятна ли главная мысль? Нет ли деталей, которые придётся исправить? Именно здесь становится видно, удалось ли решить исходную задачу.
У наших продуктов разные роли, и каждый можно использовать самостоятельно. Мы работаем и над инструментом для генерации, и над средой, в которой человек учится применять такие инструменты осмысленно.
В следующих статьях будем подробнее рассказывать, из чего складывается эта работа: как проходит запрос, зачем сервису очередь, как подготовить задание для генерации и что проверять в готовом материале. Через конкретные примеры хотим показать решения, которые обычно остаются за интерфейсом.
А где вы чаще всего застреваете при работе с ИИ: когда нужно объяснить свою идею или когда результат уже получен, но непонятно, что с ним делать дальше?
Share
