# Продакшн-разборы эталонов · v0.1

Срез публичных метрик: 2026-08-22. Подписчики, просмотры, длительность и главы — `OBSERVATION`; объяснение «почему это работает» — аналитический вывод, а не раскрытая авторами статистика удержания или конверсии. В выборке 18 паттернов: два заданных референса разобраны глубже, остальные показывают разные редакционные машины и контрпримеры.

## Что именно разбираем

| Слой | Вопрос к продакшну | Что переносим в Daisy |
|---|---|---|
| Обещание | Как зритель узнаёт собственную ситуацию? | дело, заказчик результата, критерий приёмки |
| Упаковка | Что говорят title + thumbnail до клика? | один конфликт, одно изменение, минимум терминов |
| Первые 30 секунд | Где цена бездействия, результат и причина досмотреть? | до/после + артефакт финала |
| Драматургия | Как знание превращается в последовательность? | задача → ограничение → сборка → проверка → следующий шаг |
| Доказательство | Что зритель может увидеть или повторить? | живой артефакт, тест, чек-лист приёмки, границы |
| Сериализация | Почему нужен следующий выпуск? | профессия × тип результата × рабочий контур |
| Описание и CTA | Куда ведёт внимание после просмотра? | шаблон дела → запуск в Daisy → связанный эпизод |
| Экономика | Насколько формат воспроизводим редакцией? | повторяемая сцена, пакет съёмки, переиспользование по каналам |

## 1. Cal Hyslop · «Cowork explained earlier»

**Наблюдение.** [Видео](https://www.youtube.com/watch?v=IBI8DecuFyg) длится 9:52; на срезе — 171 тыс. просмотров при 24,6 тыс. подписчиков канала. Пять глав: проблема AI-уроков → Purpose → Setup → Skills → Scheduling. Описание начинает с бесплатного interview prompt, затем ведёт в платный kit.

**Продакшн-механика.** Заголовок формулирует не тему, а сожаление новичка: «почему мне раньше никто так не объяснил». Первые 3:15 легитимизируют растерянность зрителя и атакуют привычную подачу «изнутри интерфейса». Затем одна запоминаемая четырёхчастная модель заменяет обзор функций. Это не полная инструкция; это карта, после которой инструкции становятся понятными.

**Что воспроизводить.** Формат `mental model before demo`: 7–10 минут, одна схема, четыре элемента, один повторяющийся рабочий пример, главы в описании, скачиваемый диагностический шаблон. Для Daisy: «Почему AI всё ещё не помогает в работе: дело → контекст → критерий → повтор».

**Не копировать.** MCP/skills/scheduling — терминология конкретного продукта. Daisy нужна собственная простая модель, привязанная к результату дела, а не калька с функций конкурента.

## 2. Sandeep Swadia · «4 AI Agents»

**Наблюдение.** [Видео](https://www.youtube.com/watch?v=TL8V41Ea6oM) длится 20:46; 776 тыс. просмотров и 1,43 млн подписчиков. Framework Four Cs: coordination, creativity, clarity, coaching. В описании — newsletter, Spotify и четыре конкретных результата; в сценарии отдельно удержаны человеческое решение и границы агента.

**Продакшн-механика.** Thumbnail даёт лицо, четыре знакомых приложения и эмоциональную фразу `FEELS ILLEGAL`; title обещает почти невозможную экономию, но сам выпуск быстро приземляет её в четыре бытовых роли. Каждый блок — не инструмент, а отдельная польза. Повторяемая форма prompt-а (работа, инструмент, категории, формат, граница) превращает зрителя из наблюдателя в сборщика.

**Что воспроизводить.** Один выпуск = четыре соседних дела, объединённых мнемоникой; крупный визуальный символ каждого; готовый каркас инструкции; обязательная граница «что остаётся человеку». Мультиканальная цепочка: YouTube → audio commute → newsletter → шаблон.

**Не копировать.** Формула «99% жизни» сильна для клика, но опасна как продуктовая правда. Daisy может сохранять эмоциональную амбицию, показывая точный периметр автоматизации и проверку результата.

## 3. Jeff Su · лестница сложности без технического стыда

**Наблюдение.** [«AI Agents, Clearly Explained»](https://www.youtube.com/watch?v=FwOTs4UxQS4) — 10:09, 4,76 млн просмотров, шесть глав: AI vs agents → LLM → workflow → agent → реальный пример → summary.

**Механика.** Трёхуровневая лестница даёт новичку место на карте, а не перечень определений. Продюсерски это дёшево и масштабируемо: ведущий, чистая графика, один пример, recap. Описание продолжает урок таймкодами, ссылками на источники и одним лид-магнитом.

**Перенос.** Серия «Объясняем без словаря»: чат → дело → повторяемое дело → командный контур. Каждый выпуск заканчивается одним зримо различимым тестом: «если нет X, это ещё не Y».

## 4. Kevin Stratvert · экранная школа с одним сквозным кейсом

**Наблюдение.** [Zapier tutorial](https://www.youtube.com/watch?v=JtdUgJGI_Oo) — 19:42, 714 тыс. просмотров, 13 глав. Сквозной кейс: форма обратной связи → персонализированный email; затем formatter, AI-ответы и продвинутые функции.

**Механика.** Никаких скачков между абстрактными примерами: один маленький бизнес сохраняет причинность каждого клика. Главы равны проверяемым действиям, описание заранее обещает результат и перечисляет знания. Это прекрасный search evergreen.

**Перенос.** «Сделаем вместе» для Daisy: один реальный исходный пакет, непрерывная запись экрана, контрольные точки после каждого шага, финальный тест на новом примере. Снимать пачками по общей UI-сцене; менять профессию и исходный материал.

## 5. Futurepedia · ноль → работающий объект за один урок

**Наблюдение.** [Урок](https://www.youtube.com/watch?v=EH5jx5qPabU) — 25:57, 4,05 млн просмотров, 19 глав. Первые семь минут строят понятия и guardrails; затем API/n8n и работающий агент с памятью, инструментами, тестированием и отладкой.

**Механика.** Сильная траектория результата: зритель заранее знает, что закончит объектом, который можно запустить. Теория дана ровно перед моментом, когда нужна в сборке. Resource pack и платформа курсов продолжают путь.

**Перенос.** Флагманские Daisy-лабы по 20–30 минут: «из нуля в принятый результат», где последняя четверть — тестирование, не украшение. Не называть урок beginner, если зрителю нужны скрытые API-знания.

## 6. Vicky Zhao · workflow как интеллектуальное преимущество

**Наблюдение.** [«My 17 Minute AI Workflow To Stand Out At Work»](https://www.youtube.com/watch?v=yqq_U2fxd2U) — 17:30, 809 тыс. просмотров, семь глав. Сначала четыре шага knowledge work, затем связка Elicit → NotebookLM → Claude.

**Механика.** Вход не через экономию времени, а через профессиональную идентичность: «стать заметнее на работе». Модель работы появляется раньше брендов. Инструменты распределены по ролям, поэтому связка выглядит системой, а не мешком советов.

**Перенос.** Профессиональные сезоны Daisy должны продавать изменение качества работы — «исследование, которое выдержит вопросы», «решение, которое команда примет» — и лишь затем показывать продукт.

## 7. Leila Gharani · микропроблема с машинной приёмкой

**Наблюдение.** [Excel-разбор](https://www.youtube.com/watch?v=v85SsD3HMMk) — 9:28, 35 тыс. просмотров, 13 глав. Один дефект: hardcoded числа внутри формул; решение через FORMULATEXT, REGEXTEST, conditional formatting, исключения и ограничения метода.

**Механика.** Это образцовый `problem-first`: чистый отчёт может быть неверным, дефект невидим обычным инструментом, финал визуально проверяем. Автор не останавливается на happy path — объясняет ложные срабатывания и что regex не поймает.

**Перенос.** Серия «Невидимая ошибка»: 6–10 минут, один профессиональный риск, автоматическая или формальная проверка, исключения, версия с Daisy. Это самый сильный мост к критериям MACHINE/FORMAL в онтологии.

## 8. Andy Stapleton · профессия как полный производственный поток

**Наблюдение.** [Literature review](https://www.youtube.com/watch?v=jJntl74QNWo) — 18:43, 189 тыс. просмотров, 15 глав: поиск → фильтрация → пробелы → структура → текст → AI-review → ручная проверка.

**Механика.** Инструменты меняются, но фазы профессии сохраняются. Автор продаёт снятие стресса, а не технологию. Финальная ручная проверка признаёт риск и усиливает доверие; newsletter и курс образуют понятную воронку.

**Перенос.** Рисовать карту дела профессии до выбора моделей. В Daisy один выпуск может показывать весь контур, а короткие эпизоды — каждый переход и критерий приёмки.

## 9. Teacher’s Tech · безопасная игрушечная организация

**Наблюдение.** [No-code Copilot agent](https://www.youtube.com/watch?v=Iz3ul6hSeTs) — 9:26, 341 тыс. просмотров, десять глав. Демонстрационный бизнес — dog grooming spa; бот получает знания, правила, тест и публикацию. Это часть 1 серии.

**Механика.** Игрушечная компания уменьшает страх ошибки, но сохраняет рабочую правдоподобность. Плейлист обещан уже в описании, а не постфактум. Последовательность кончается тестом на точность и публикацией.

**Перенос.** Завести постоянные учебные миры Daisy — маленькое агентство, школа, магазин, семейный проект — и возвращать персонажей и артефакты в сезонах. Зритель накапливает контекст вместе с каналом.

## 10. Matt Wolfe · исчерпывающий справочник и его предел

**Наблюдение.** [35 ChatGPT tips](https://www.youtube.com/watch?v=WTF5qphyy8w) — 38:58, 338 тыс. просмотров, 21 глава. Plan comparison, настройка аккаунта, выбор модели, projects, prompting, проверка фактов, files, canvas, images.

**Механика.** Формат силён как поисковая «полка»: большой охват запросов в одном URL, чрезвычайно плотные chapters, постоянная поверхность для sponsors/newsletter/podcast.

**Контрпример.** Список из 35 советов создаёт ощущение полноты, но плохо отвечает «какое моё дело изменится завтра». Для Daisy такой выпуск полезен как quarterly reference, но не как ядро ежедневного сериала.

## 11. Skill Leap AI · рейтинг инструментов как медиа, не обучение

**Наблюдение.** [«26 Best AI Tools»](https://www.youtube.com/watch?v=ieqiNDdXSaw) — 15:25. Обещание — выбор после теста более 1 000 инструментов; категории: productivity, content, research, coding, design, video.

**Механика.** Число, текущий год и слово `ranked` дают понятную причину клика и ежегодного обновления. Формат легко дробится на Shorts и текстовые карточки.

**Контрпример.** Инструмент быстро устаревает, а метод работы остаётся неявным. В Daisy рейтинг должен быть «лучшие способы получить X» с критерием и тестом, а не только каталогом брендов.

## 12. n8n · продуктовый release bite

**Наблюдение.** [Release-видео](https://www.youtube.com/watch?v=z0FLzGsNSJA) — 2:42, десять микроглав: old/new agents, Slack, встроенные функции, observability, установка.

**Механика.** Для уже тёплой аудитории ценность создаётся сравнением «раньше/теперь» и предельной плотностью. Длинное объяснение вынесено в docs; видео — событие продукта.

**Перенос.** `Daisy changed one thing` — 90–180 секунд, старый путь рядом с новым, один рабочий эффект, ссылка на полный лабораторный урок. Не смешивать с beginner acquisition: контекст уже предполагается.

## 13. Zapier · обучение организации через открытый playbook

**Наблюдение.** [Webinar](https://www.youtube.com/watch?v=drpZqtzHcnE) — 59:34. Тезис описания: рубрика AI fluency задаёт язык, но реальное освоение связывается с hiring, onboarding, performance, Golden Paths, peer learning и manager expectations.

**Механика.** Это формат для buyer-а, не массового новичка. Доказательство строится организационной системой и ролями спикеров, а не быстрым экранным wow.

**Перенос.** Daisy Teams нужна отдельная buyer-линия: 30–45 минут, открытый шаблон внедрения, роли, контроль, adverse effects и обсуждение с командой. Не маскировать webinar под пользовательский tutorial.

## 14. Ditch That Textbook · педагогическая цель раньше AI

**Наблюдение.** [«One Size Fits None»](https://www.youtube.com/watch?v=WKOBx1wfPnU) — 50:31. AI-инструменты организованы вокруг differentiation of content, process and product; освобождённое время связывается с более человеческой работой учителя.

**Механика.** Сильное этическое основание: технология подчинена педагогическому результату. Длинный формат подходит PD/webinar-контексту, но требует коротких производных для массового открытия.

**Перенос.** Детско-образовательная линия Daisy должна начинаться с безопасного эксперимента и критического мышления, не с «автоматизируем ребёнка/учителя».

## 15. OpenAI Use Cases · задача как единица навигации

**Наблюдение.** [Каталог use cases](https://developers.openai.com/codex/use-cases) организует материалы по коллекциям, ролям и задачам: inbox, chief of staff, computer use, dashboard, product feedback, messy data, cash flow, slide decks и другим результатам.

**Механика.** Это не лента и не курс, а постоянно расширяемая таксономическая поверхность. Пользователь входит через собственное намерение, а одну и ту же механику можно показать в нескольких профессиональных контекстах.

**Перенос.** Атлас Daisy должен стать фронтендом продукта: профессия → дело → исходные данные → принятый результат → шаблон. Контент и библиотека дел не должны жить отдельно.

## 16. One Useful Thing · доверие через объяснение ограничений

**Наблюдение.** [Newsletter](https://www.oneusefulthing.org/) связывает исследования, наблюдения, образование и практические выводы длинной авторской колонкой.

**Механика.** Ценность — не ежедневный перечень новостей, а объяснительная рамка и доверие к суждению автора. Это слабее для мгновенной пробы, но сильнее для руководителей, учителей и сложных тем.

**Перенос.** Еженедельное `Daisy Field Note`: один неожиданный вывод из пользовательских дел, источники, контрпример, границы и практический тест. Авторское медиа должно сохранять право сказать «AI здесь не нужен».

## 17. Telegram `@vibecoding_tg` · профессиональная лента-проводник

**Наблюдение.** [Канал](https://t.me/vibecoding_tg) — 60 735 подписчиков на прямой странице; TGStat в тот же день показывал 60 734, средний охват 18,6 тыс. и индекс цитирования 218. Расхождение в одного подписчика — нормальная динамика живого счётчика.

**Механика.** Узкая идентичность делает каждый пост частью одного профессионального перехода, а Telegram поддерживает высокую частоту, ссылки и быстрые реакции. Сила не в том, что каждый пост — урок, а в ежедневной курации «что это меняет для практики».

**Перенос.** Не запускать Daisy Telegram как зеркало YouTube. Его работа: утренний кейс, дневной артефакт/шаблон, вечерний вопрос или разбор ошибки; каждую неделю — индекс и сборка в один evergreen-гайд.

## 18. Molniya · сериал вместо потока публикаций

**Наблюдение из локального прототипа.** Модель Molniya соединяет сезон, главы, атлас, подкаст, собственный индекс/данные, weekly letter, гостевой и профессиональный режимы и девятишаговую воронку. Это внутренняя проектная конструкция, а не доказанный внешний performance.

**Механика.** Один исследовательский объект разворачивается во много носителей, а эпизоды не исчезают в ленте — собираются в карту. Собственный индекс создаёт повод возвращаться и обновлять данные.

**Перенос.** Daisy нужен не «контент-план», а сезонная база дел: один корпус исходников производит флагман, 3–5 коротких единиц, Telegram-карты, аудио, шаблон, страницу атласа и продуктовый сценарий.

## Сводная морфология форматов

| Формат | Главная работа | Оптимальная длина | Серийный двигатель | Роль для Daisy |
|---|---|---:|---|---|
| Mental model | снять непонимание | 7–11 мин | один термин/слой за выпуск | acquisition |
| Screen walkthrough | довести до первого результата | 8–22 мин | профессия × дело | activation |
| Zero-to-object lab | собрать законченный объект | 20–35 мин | уровни сложности | activation / learning |
| Micro-risk | поймать одну ошибку | 5–10 мин | библиотека дефектов | trust / retention |
| List/ranking | быстро сориентировать | 10–20 мин | месяц/год/категория | reach |
| Release bite | показать изменение продукта | 1–3 мин | продуктовый релиз | existing users |
| Buyer playbook | внедрить в организацию | 30–50 мин | роль/этап внедрения | Daisy Teams |
| Field note | дать осмысленную позицию | 5–12 мин чтения/аудио | неделя/исследование | trust |
| Telegram card | ежедневный сигнал и проба | 30–90 сек чтения | ежедневное дело | habit |
| Atlas entry | вернуть к накопленному знанию | 3–8 мин | индекс/обновление | library / SEO |

## Стандарт одного воспроизводимого эпизода Daisy

1. **0:00–0:15 — узнавание.** Один обычный момент: файл, письмо, встреча, таблица, план.
2. **0:15–0:35 — обещание.** Видимый артефакт и критерий «готово».
3. **0:35–1:30 — карта.** Не более четырёх частей и одно ключевое ограничение.
4. **1:30–70% — сборка.** Исходные данные → действия → промежуточные проверки.
5. **70–88% — приёмка.** Новый пример, исключение, MACHINE/FORMAL/EXPERT/SUBJECTIVE режим.
6. **88–95% — границы.** Что не передавать AI и где нужен человек.
7. **95–100% — продолжение.** Один шаблон, одно следующее дело, один связанный эпизод.

**Описание:** одно предложение результата → исходные материалы → главы → шаблон → источники/ограничения → следующий эпизод. **Thumbnail:** один артефакт, одна трансформация, 2–4 слова; интерфейс — только если без него понятен конфликт. **Плейлист:** не по моделям и функциям, а по профессии, результату и рабочему контуру.