Дмитрий Черкашин: AI, нейросети и автоматизация — практическое руководство

Кто такой Дмитрий Черкашин и о чём его канал

Дмитрий Черкашин — автор популярного канала «AI, Нейросети и Автоматизация», который доступен на YouTube и RUTUBE. Его контент ориентирован на практиков: он не просто рассказывает о возможностях искусственного интеллекта, а показывает пошаговые инструкции по настройке инструментов, разбирает типичные ошибки и делится готовыми сценариями автоматизации.

Основные темы канала включают локальный запуск языковых моделей (LLM) через LM Studio, работу с AI-агентами (например, Manus AI), создание Telegram-ботов без программирования, генерацию контента и автоматизацию бизнес-процессов. Черкашин делает акцент на доступности: многие его уроки рассчитаны на новичков, которые хотят быстро получить рабочий результат, не углубляясь в теорию машинного обучения.

Канал насчитывает несколько десятков тысяч подписчиков и регулярно пополняется новыми видео. В отличие от многих других авторов, Черкашин не ограничивается обзорами — он предлагает конкретные решения, которые можно сразу применить в работе или личных проектах.

Локальный запуск LLM: LM Studio и типичные ошибки

Одна из ключевых тем канала — настройка LM Studio для запуска языковых моделей на собственном компьютере. Черкашин выпустил цикл видео «10 распространённых ошибок при настройке LM Studio», где разбирает проблемы, с которыми сталкиваются пользователи.

Основные ошибки:

• Неправильный выбор квантизации (Q4 vs Q8). Q4 даёт меньший размер модели и более высокую скорость, но может снижать качество ответов. Q8 точнее, но требует больше видеопамяти. Выбор зависит от объёма VRAM и задач: для экспериментов подойдёт Q4, для серьёзной работы — Q8.
• Flash Attention. Включение этой опции может удвоить скорость генерации, но не все модели её поддерживают. Черкашин рекомендует проверять совместимость перед запуском.
• GPU Layers. Неправильное распределение слоёв между GPU и CPU приводит к тормозам. Нужно следить, чтобы все слои помещались в VRAM, иначе модель будет использовать медленную оперативную память.
• Большой Context Length. Увеличение контекста сверх возможностей видеопамяти вызывает ошибки или резкое падение производительности. Черкашин советует начинать с 2048–4096 токенов и увеличивать только при необходимости.
• Русские буквы в пути к модели. LM Studio может некорректно работать с кириллицей в именах папок и файлов. Лучше использовать латиницу.
• Память модели: RAM, VRAM, Context Length и KV Cache. Нужно чётко понимать, сколько памяти занимает модель, её кэш и контекст. Черкашин рекомендует использовать калькуляторы памяти, чтобы избежать переполнения.

Эти советы помогают новичкам быстро запустить локальную LLM и избежать типичных разочарований.

Подключение интернета к LM Studio: Web Search, RAG, MCP и AI-агенты

Локальная модель без доступа к сети ограничена своими обучающими данными. Черкашин подробно объясняет, как расширить её возможности с помощью внешних инструментов.

Web Search — модель может искать актуальную информацию в интернете, если настроить соответствующий плагин или API. Это превращает локальную LLM в аналог онлайн-сервисов.

RAG (Retrieval-Augmented Generation) — метод, при котором модель перед ответом обращается к собственной базе знаний (документы, PDF, заметки). Черкашин показывает, как подключить локальные файлы, чтобы ИИ отвечал на вопросы по вашим данным.

MCP (Model Context Protocol) — протокол, позволяющий модели взаимодействовать с внешними сервисами: календарём, почтой, CRM, таблицами. Черкашин называет MCP «мостом» между LLM и реальными бизнес-инструментами.

AI-агенты — более сложные сценарии, где модель не просто отвечает, а выполняет цепочки действий: собирает информацию, принимает решения, запускает скрипты. Черкашин демонстрирует, как собрать такого агента на базе LM Studio и MCP.

Эти возможности делают локальные модели полноценной заменой облачным сервисам для тех, кто заботится о конфиденциальности данных или хочет работать без интернета.

Manus AI: полный гайд по бесплатной версии

Manus AI — один из самых обсуждаемых AI-агентов 2026 года. Черкашин выпустил серию уроков, посвящённых этому инструменту, начиная с регистрации и заканчивая созданием сложных сценариев.

Бесплатная версия имеет ограничения по количеству кредитов (токенов), но позволяет выполнять многие задачи: исследование рынка, создание лендингов, генерацию презентаций, написание кода для Telegram-ботов. Черкашин советует экономить кредиты, используя короткие промпты и избегая лишних итераций.

Skills в Manus AI — это готовые шаблоны действий, которые можно настроить под свои задачи. Например, Skill «Deep Research» за 5 минут собирает аналитику по рынку, конкурентам и целевой аудитории. Черкашин показывает, как создать собственный Skill и встроить его в рабочий процесс.

Примеры из уроков:

• Создание лендинга без кода: Manus AI генерирует HTML/CSS/JS по текстовому описанию.
• Автоматическая генерация презентаций: достаточно задать тему, и ИИ создаёт слайды с текстом и изображениями.
• Telegram-бот за 10 минут: Manus AI пишет код бота, который можно сразу развернуть.

Черкашин подчёркивает, что Manus AI — это не просто генератор текста, а полноценный агент, способный выполнять многошаговые задачи.

Автоматизация контент-производства: контент-заводы и Reels-заводы

Одна из самых востребованных тем на канале — создание «контент-заводов»: систем, которые автоматически генерируют посты, видео и графику для соцсетей. Черкашин предлагает пошаговые инструкции, как настроить такой пайплайн с помощью ИИ.

Контент-завод для Telegram, VK, YouTube и Дзена:

• Идеи и темы генерируются нейросетью на основе анализа трендов и ключевых слов.
• Тексты пишутся с учётом тональности и целевой аудитории.
• Визуалы создаются в сервисах вроде Recraft V4.1 или ChatGPT Images 2.0.
• Публикация и аналитика автоматизируются через Make.com или n8n.

Reels- и Shorts-заводы:

• Поиск идей через анализ популярных видео.
• Генерация сценария, раскадровки и хуков.
• Создание кадров с помощью видеомоделей (Seedance, Kling, Veo 3.1).
• Озвучка и субтитры через синтез речи.
• Автоматический монтаж и публикация.

Черкашин отмечает, что такие заводы позволяют масштабировать производство контента без увеличения штата, но требуют начальной настройки и контроля качества.

Создание Telegram-ботов и AI-агентов без программирования

Черкашин уделяет много внимания low-code и no-code подходам. Он показывает, как собрать Telegram-бота с ИИ-функциями без написания кода, используя готовые платформы и нейросети.

Основные шаги:

1. Определить цель бота: консультация, сбор заявок, ответы по базе знаний.
2. Выбрать платформу: ProTalk, Suvvy или собственный бот на базе Manus AI.
3. Загрузить базу знаний (документы, FAQ, описание услуг).
4. Настроить сценарии диалога и интеграцию с CRM.
5. Подключить нейросеть для генерации ответов.

AI-агенты — более сложная ступень. Черкашин объясняет, как создать агента, который не просто отвечает, а выполняет действия: проверяет статус заказа, отправляет уведомления, заполняет таблицы. Для этого используются инструкции, база знаний, память и инструменты (MCP).

Пример: нейропродавец, который квалифицирует лиды, обрабатывает возражения и передаёт разговор менеджеру только в сложных случаях. Черкашин показывает, как настроить такого агента в Suvvy или на базе LM Studio.

Автоматизация бизнес-процессов: Make, n8n и Albato

Черкашин активно продвигает идею, что ИИ должен быть встроен в существующие бизнес-процессы, а не существовать отдельно. Для этого он использует платформы автоматизации: Make.com, n8n и Albato.

Типичные сценарии:

• Заявка из Telegram-бота автоматически создаётся в CRM, отправляется уведомление менеджеру и запускается цепочка писем.
• Контент-завод: идея → генерация текста → создание визуала → публикация → сбор аналитики.
• Обработка документов: загрузка PDF → извлечение данных → заполнение таблицы → отправка отчёта.

Черкашин подчёркивает, что не все процессы нужно автоматизировать с помощью ИИ. Иногда достаточно простых логических цепочек (workflow) без нейросетей. Его подход: сначала понять задачу, потом выбрать инструмент.

Критерии выбора платформы:

• Make.com — удобен для визуального построения сценариев, много интеграций.
• n8n — open-source, можно развернуть на своём сервере, подходит для сложных сценариев.
• Albato — российская платформа, простая в освоении, подходит для малого бизнеса.

Черкашин рекомендует начинать с Make.com, а по мере усложнения задач переходить на n8n.

Вайбкодинг и создание сервисов без глубоких знаний программирования

Термин «вайбкодинг» (vibe coding) популяризирован Андреем Карпаты и означает создание кода с помощью ИИ, когда разработчик лишь задаёт направление, а нейросеть пишет основную часть. Черкашин активно использует этот подход в своих уроках.

Инструменты для вайбкодинга:

• Codex, Claude Code, Cursor — для написания кода на Python, JavaScript и других языках.
• OpenClaw — платформа для создания агентных сценариев без программирования.
• Hermes — инструмент для быстрого прототипирования.

Примеры из уроков:

• Создание мини-сервиса для конвертации валют: Черкашин показывает, как за 15 минут получить рабочий код, который можно развернуть на сервере.
• Разработка внутреннего инструмента для учёта задач: ИИ генерирует интерфейс и логику по текстовому описанию.
• Сборка лендинга с формой обратной связи: Manus AI или Cursor создают готовую страницу.

Черкашин предупреждает, что вайбкодинг не заменяет профессиональную разработку для сложных проектов, но отлично подходит для прототипов, внутренних сервисов и автоматизации рутины.

Маркетинг и аналитика с ИИ: от стратегии до контента

Черкашин рассматривает ИИ как инструмент для полного цикла маркетинга: от исследования рынка до создания рекламных материалов и аналитики.

Этапы:

1. Deep Research — анализ рынка, конкурентов, целевой аудитории с помощью ИИ (Perplexity, Manus AI). Черкашин показывает, как получить структурированный отчёт за 5–10 минут.
2. Стратегия — нейросеть помогает сформулировать ICP, JTBD, оффер, воронку продаж.
3. Контент — генерация постов, сценариев, визуалов, видео. Черкашин использует ChatGPT, Claude, Gemini, а также специализированные сервисы.
4. Реклама — создание креативов, объявлений, гипотез для таргетинга.
5. Аналитика — ИИ обрабатывает данные по CTR, CPL, CPA, CR, CAC, ROMI, LTV и даёт рекомендации.

Черкашин подчёркивает, что ИИ не заменяет маркетолога, но позволяет ему работать в 2–3 раза быстрее, особенно на этапе сбора данных и генерации идей.

Безопасность данных и этика при работе с ИИ

Черкашин регулярно напоминает о важности безопасности при использовании нейросетей, особенно в бизнесе.

Основные правила:

• Не загружайте в публичные ИИ-сервисы конфиденциальные данные: паспорта, банковские реквизиты, коммерческую тайну.
• Обезличивайте данные перед передачей: заменяйте имена на «Клиент 1», адреса на «Город N».
• Используйте локальные модели (LM Studio) для работы с чувствительной информацией.
• Проверяйте политику конфиденциальности сервисов: некоторые используют ваши данные для обучения моделей.
• Для бизнеса рассмотрите корпоративные версии (ChatGPT Enterprise, Claude Enterprise) с гарантиями безопасности.

Черкашин также затрагивает этические аспекты: ИИ может генерировать неточную или предвзятую информацию, поэтому важно проверять результаты и не полагаться на них слепо. Он рекомендует всегда указывать, что контент создан с помощью ИИ, если это требуется по закону или правилам платформы.

Вопросы и ответы