Самый важный для меня сценарий — добыча и подготовка данных для анализа. Покажу порядок шагов на недавнем примере.

Мне захотелось проанализировать свои частые покупки в Яндекс.Лавке. Я попробовала добыть их своими силами и написала в поддержку, но там ответили, что все заказы есть в личном кабинете, а больше они ничем не могу помочь.

Первым делом я сохранила html‑страницу с историей заказов и пошла советоваться с чатом‑ГПТ:

На странице истории заказов был виден набор продуктов, но стоимость указана только в целом за заказ. Уточняю, как собрать недостающие цены по каждой позиции:

Я уже плохо понимаю о чём идёт речь, но инструкции очень конкретные, просто делаю:

Скоро выясняется, что этот способ не сработал. Чатик хитрит и предлагает мне сходить ≈500 раз по ссылкам вручную:

Но в ответ на моё недовольство предалагает другое решение:

Следующий час я пытаюсь работать со скриптами, которые пишет чат‑ГПТ, но это безнадёжная затея. Ошибки сыпятся одна за другой. Сдаюсь:

Это было примерно 30‑е обещание прислать полностью рабочую версию. Чат‑ГПТ старается, но получается пока плохо. За кодом лучше сразу идти в Курсор.

Там всё решается буквально за три запроса:

Нравится, что прежде чем писать код Курсор сам задаёт вопросы и уточняет всякие детали. С первой же попытки получается сохранить локально страницы отдельных заказов. Но таблица почему‑то не сформировалась.

Даю новое задание:

На этот раз тоже всё получилось, но я забыла добавить статусы и стоимость доставки и упаковки (пусть будет на всякий случай!).

Когда и с этим Курсор справился, мне приходит в голову отдельно сложить все картинки для продуктов:

И тут всё получилось практически с первого раза. Я только уже в процессе выполнения скрипта поняла, что лучше сохранять по одной картинке для каждого уникального названия позиции, без дублей. Остановила скрипт, внесла правки и запустила заново.

Результатов, которые Курсор отдал за 20 мин, от Чата‑ГПТ я пыталась добиться больше часа. И бесконечно спотыкалась о проблемы и ошибки.

Готовый датасет и картинки я забрала в Табло, теперь у меня есть плейграунд для исследования своих покупок. Планирую таким же образом добавить туда и другие супермаркеты, которыми часто пользуюсь.

Я пробовала строить графики в Курсоре на базе d3.js, получается прикольно. Я даже словила флешбек из прошлой жизни, когда я ставила задачи разработчикам и вместе с ними докручивала результат, — только на этот раз вместо живого разработчика все мои хотелки правил Курсор.

Но всё же для экпериментов и исследований мне пока лучше подходит знакомый и на 100% предсказуемый интерфейс Табло. Тем более, что если возникает глупый вопрос о том, как что‑то сделать, его всегда можно задать тому же Чату‑ГПТ:

В итоге меньше чем за полдня я собрала мега‑интересные для меня самой данные и даже набросала первую наглядную визуализацию. Не зря лавка каждый год называет меня «уникальным водно‑яичным» человеком :‑)

Тем из вас, кто на ты с ИИ‑ассистентами, это совет покажется примитивным и излишне подробным. Но если бы я не увидела, как Рома Бунин на моих глазах меньше чем за час собирает в Курсоре интерактивный дашборд, мне было бы сложно попробовать самой. Надеюсь, кого‑то из советчиков мой путь вдохновит на собственные эксперименты.