Амулет счастья. Керамика талисман на счастье. Камни амулеты и талисманы | Роман ТэосПодробнее. Самый сильный талисман приносящий богатство и удачу. Наши каналы на Дзене. Читайте наших лучших авторов здесь.
Канал на дзен счастливый амулет - фото сборник
Предлагаем вам читать онлайн Счастливый амулет (Анастасия Степанова) бесплатно без сокращений. 566 предложений - низкие цены, быстрая доставка от 1-2 часов, возможность оплаты в рассрочку для части товаров, кешбэк Яндекс Плюс - Яндекс Маркет. Тебе интересен заработок на Дзен, но пока сомневаешься и хочешь получить пошаговый алгоритм действий.
Читать на дзен счастливый амулет
Предлагаем вам читать онлайн Счастливый амулет (Анастасия Степанова) бесплатно без сокращений. На существует канал «Счастливый амулет», публикующий множество различных историй. Дзен Счастливый амулет статистика. Читать счастливый амулет обычная история стеклянная любовь с 32 гл.
Счастливый амулет яндекс дзен новый рассказ на дзен
Нравится: 52 современная живопись необычайной красоты питер: 2 тыс изображений найдено в Яндекс Картинках. Нравится: 465 Генрика, автор: Dobryni Электронная книга Scribd. Нравится: 230 Дом за озером. Глава 1. Счастливый амулет Дзен. Нравится: 417 Сто тысяч Читателей Счастливый амулет Дзен.
В тот момент, когда у вас в голове возникает вывод, вы не можете видеть его таким, какой он есть. Тогда вы будете совершенно сбиты с толку. Примечание редактора: Посмотрите плейлист Молодежь и правда UnplugWithSadhguru , всеобъемлющий сборник выступлений Садхгуру и его взаимодействия с молодежью и студентами Индии. Источник Привет! Меня зовут Илья Гусев, я занимаюсь машинным обучением в команде Яндекс. У каждого новостного сюжета на сервисе есть своя страница, где собраны новости об одном и том же событии из разных источников. Сегодня мы рассмотрим построение краткой выжимки, дайджеста сюжета. В такой выжимке, состоящей из фрагментов новостных документов, содержится основная информация о событии. Очевидно, почему дайджест полезен для пользователя — мы выводим на экран сюжета самое важное о событии. С похожими задачами сталкиваются многие инженеры: например OpenAI недавно опубликовала статью про реферирование книг. Поэтому я надеюсь, что описанный ниже подход будет вам полезен. Как и всё в Новостях, построение такой выжимки должно быть полностью автоматическим. До внедрения выжимки текстовая часть сюжета выглядела так: Теперь она выглядит так: Задача Реферирование или аннотирование, или суммаризация — процесс получения краткой версии документа, которая раскрывала бы его суть. Вы наверняка сталкивались с аннотациями книг, газетных и новостных статей, составленными людьми. Автоматическое же реферирование происходит с помощью компьютерной программы. Автоматическим реферированием инженеры занимаются с 50-х. Одна из первых работ на эту тему — статья Ханса Петера Луна 1958 года. Задача мультидокументного реферирования тоже достаточно стара. Её основное отличие от обычного реферирования — на вход алгоритму подают не один, а несколько документов. В Яндекс. Новостях мы реферируем сюжет, то есть коллекцию документов об одном и том же событии. На выходе хотим получить краткую выжимку самых важных подробностей из этих документов. Важно, что Новости не пишут собственные тексты, даже автоматически: у нас нет своей редакции, все материалы, которые мы используем, получаем от изданий-партнёров. То есть в готовую выжимку обязательно должны попасть текстовые фрагменты из документов на входе. Это отметает все абстрагирующие методы, которые могут писать новые тексты, в том числе и YaLM. Выжимки бывают разных форматов: они могут отличаться размером и числом фрагментов. После экспериментов мы остановились на 4 предложениях. Выжимки большего размера, как и фрагменты больше предложения, пользователи воспринимают тяжело. Это не могло работать на сервисе в такой постановке. Во-первых, такие алгоритмы никак не могут учитывать важность фрагментов, которые встречаются в нескольких документах. Во-вторых, они очень сильно сдвигают распределение трафика в сторону одного источника, что для нас неприемлемо. Что касается методов именно мультидокументного реферирования, тяжёлые end-to-end модели мы даже не рассматривали как минимум потому, что не смогли бы объяснить изданиям и пользователям, как они работают. Алгоритмы Новостей должны быть максимально прозрачны и интерпретируемы. Мы остановились на мультидокументном реферировании через кластеризацию предложений. Во-первых, этот алгоритм крайне прост в понимании, написании и поддержке. Во-вторых, эмбеддинги предложений для кластеризации можно предподсчитывать один раз для каждого документа, что экономит кучу процессорного времени. Это не единственный подходящий способ мультидокументного реферирования, тот же LexRank вполне применим для нескольких документов. Сразу оговоримся, что идея мультидокументного реферирования через кластеризацию предложений не нова. Существует много статей про этот метод: например, эта и эта. От них наш алгоритм отличается прежде всего способом подсчёта расстояний между предложениями. В общих чертах алгоритм устроен так: Разбиваем каждый документ на предложения. Основными объектами нашей выжимки как раз будут эти предложения. Для каждого предложения всех документов считаем эмбеддинг — числовое представление информации, которая содержится в предложении. Совершенно необязательно использовать для этого нейросетевые модели, подойдёт и старый-добрый TF-IDF, только он будет хуже определять похожие предложения. Основная причина, почему мы делаем именно так — высокая производительность DSSM Яндекса: более тяжёлые с точки зрения процессорного времени модели мы пока не можем себе позволить из-за большого потока документов. Когда мы добавим в эту часть сервиса побольше GPU, это снизит ограничения в производительности, и можно будет использовать трансформеры. Для каждой пары предложений из разных документов считаем, насколько они похожи друг на друга. Для разных предложений из одного документа считаем, что они заведомо отличаются. Запускаем на полученной двумерной матрице сходства алгоритм иерархической кластеризации со склейкой по среднему например, такой с подобранной по ручной разметке границей обрезки. На выходе получаем кластеры, состоящие из похожих друг на друга предложений. Таким образом, один кластер равен примерно одной «смысловой единице» нашего сюжета. Пример кластера: Во время эксперимента выяснилось, что у животных, чьи тела размещены параллельно земле, более гибкие позвоночники. В рамках эксперимента было определено, что животные, у которых тела располагаются параллельно поверхности земли, имеют куда более гибкий позвоночник В процессе эволюции животные приобрели более гибкий позвоночник, который оптимален для длительного соприкосновения ступни с землей. У животных же, имеющих тела, расположенные параллельно земле, позвоночник стал весьма гибким. Предполагаем, что самые важные элементы сюжета упоминали чаще, а значит, предложений в таких кластерах должно быть больше. Оставляем четыре самых крупных кластера с наибольшим количеством документов. Сортируем оставшиеся четыре кластера по относительной медианной позиции составляющих их предложений в оригинальных документах. Это нужно для того, чтобы текст выглядел более связным. Фильтруем в кластерах предложения с местоимениями, которые непонятно к чему относятся с помощью текстового классификатора и регулярок. Например, во фразе «Она назвала шесть пунктов, в которых высказана озабоченность в отношении производства на этом предприятии» непонятно, к кому относится «она» и о каком предприятии идёт речь. Выделяем предложение, которое будет представлять кластер в итоговой выжимке. Алгоритм ранжирования предложений внутри кластеров использует несколько параметров, основной из которых — средняя похожесть предложения на все остальные предложения кластера. Получается, мы отдаём предпочтение предложению, эмбеддинг которого ближе всего к центру масс кластера. Это не единственный возможный критерий выбора, можно, например, для каждой точки брать медиану расстояний до остальных точек, чтобы уменьшить влияние огрехов кластеризации. В итоге получаем выжимку из четырёх предложений, каждое из которых встречается в одном из документов наших партнёров. Метрики В Яндексе существует разделение на офлайн- и онлайн-метрики. А вот офлайн-метрики не требуют этих взаимодействий. По онлайн-метрикам дайджеста мы видим, что пользователям удобна новая функциональность: активность и время, проведённое на сервисе, увеличиваются. В качестве основных офлайн-метрик мы используем две разметки в Толоке. Толока — это сервис краудсорсинга, который позволяет выдавать тысячам людей несложные задания. Первая разметка оценивает, хорошая или плохая получилась краткая выжимка, а вторая выявляет проблемы с отдельными фрагментами. Бинарную разметку мы регулярно снимаем с топовых сюжетов основных рубрик. Каждую выжимку размечает 10 человек. Если только 5 или 6 человек из 10 сказали, что с выжимкой всё в порядке, то мы ставим выжимке вердикт «не уверены». Если 4 и меньше, то «плохая выжимка», а если 7 и больше, то «хорошая». На графике ниже красным цветом отмечена доля плохих выжимок, зелёным — доля хороших. Важно отметить, что вердикт «плохая выжимка» не гарантирует наличие серьёзных проблем, только очевидных. А они могут быть как мелкими, так и серьёзными. Такую разметку тяжело масштабировать. Чтобы обойти это, мы построили BERT-классификатор, приближающий разметку. На каждое изменение алгоритма можно просто прогнать классификатор и получить примерный эффект от этого изменения. Это позволило нам перебрать гиперпараметры алгоритма и выбрать оптимальные с точки зрения этого классификатора, с последующей проверкой по разметке. По результатам ручного отсмотра плохих выжимок, мы выделили 4 основных категории ошибок представлены на картинке , а также отдельно захотели выделять фрагменты про предысторию события. Вторая разметка как раз нацелена на то, чтобы выяснить, какие из ошибок встречаются чаще. Метки надо ставить отдельным фрагментам, но разметчикам доступна вся выжимка. Основной проблемой на данный момент являются дубли, то есть фрагменты повторяющие друг друга. Берутся они в основном из-за несовершенства эмбеддингов и кластеризации. Планы Уже больше 3 месяцев автоматическое построение выжимок работает на всех платформах и для всех сюжетов. Пользователи в целом довольны, это видно по росту возвращаемости и активности на сервисе. Добавляем новую информацию: подсвечиваем ссылки и сущности. Очевидно, что текущие разметки проверяют лишь «внешний вид» выжимки, а хотелось бы ещё понимать, как хорошо выжимка вытаскивает важные подробности и насколько она информативна. Будем продолжать исследования в этом направлении. Мы надеемся, что все будут в выигрыше от внедрения дайджестов. Ещё несколько примеров построенных выжимок Источник За последние месяцы на страницах ИА REX было опубликовано несколько материалов, где их авторы критиковали непонятную, предвзятую и странную политику и деятельность Яндекс Дзена. Авторы справедливо выражали свое недоумение и негодование за наплевательское отношение к их каналам со стороны платформы Яндекс Дзена. Примерно полтора года назад мы открыли свой канал на платформе Яндекс Дзена. Но почему-то там неоднократно блокировали наши материалы. Первоначально, не зная, особенностей, мы думали, что так и должно быть. И по своей инициативе некоторые блокированные материалы сами удаляли, о чем сейчас очень сожалеем. За это время, может быть, больше 30 раз платформа незаконно блокировала наши материалы. Обычно на это уходило день- два. И мы регулярно получали письма платформы с дежурными словами «Статья была ошибочно заблокирована. Приношу извинения за неудобства…». В своей электронной почте мы сохранили примерно 20 таких дежурных и сухих ответов Яндекс Дзена. Моя чаша терпения переполнилось, когда 24 ноября в день трагедии и памяти российского лётчика подполковника Олега Пешкова я написал статью, разместив этот материал на нашем канале. Называлась она «Шесть лет назад в небе над Сирией турки сбили российский СУ-24, а лётчика Олега Пешкова расстреляли в воздухе…». После этого я эту статью отправил в другие российские СМИ, где её с удовольствием разместили. Понадобилось более полутора суток, чтобы после известных дежурных слов Яндекс Дзен разблокировал вышеназванный материал. Кстати, при этом они соврали, написав, что решат проблему в течение 24 часов… На основании этого конкретного случая — блокирования важного материала, который был написан специально в день памяти российского военного лётчика, подло сбитого турками в Сирии, считаю, что у сотрудников Яндекс Дзена нет чувства государственного российского патриотизма. Или они это сделали по просьбе турецких лоббистов? После разблокировки этого материала я случайно увидел в разделе Предупреждение канала много отметок о нарушениях. Я стал по каждому случаю писать обращения, и за неделю с 25 ноября по 2 декабря 2021 года платформа Яндекс Дзен пять раз признавала свои ошибки и разблокировала мои материалы или удаляла свои предупреждения. Я уверен, что именно в отместку за мою активность, платформа Яндекс Дзен решила наказать меня и стала особо тщательно проверять наш канал. Возможно для того, чтобы накопить доказательства компроматы для дальнейшей блокировки канала… Самое интересное заключается в том, что некоторые наши аналитические материалы даже были заблокированы как… порнографические! Я не успел по всем предупреждениям направить свои жалобы в Яндекс Дзен, они опередили меня. Чтобы они показывались в общей ленте рекомендаций, соблюдайте требования Дзена» орфография сохранена. Дело в том, что после появления этого сообщения, из раздела Предупреждения полностью исчез их список «нарушений». Я, как журналист, имею право думать, что они это сделали преднамеренно, чтобы я не мог доказать всю их несостоятельность. В ответ на это я направил в адрес платформы обращение, где изложил все моменты. В данном обращении я заявил о том, что знаю требования Яндекс Дзена, но не согласен с вышеназванным решением и изложил своё мнение, которое считал основанием для ОТМЕНЫ запрета.
У меня был похожий опыт с монахом, когда я оставался 24 часа в храме. У нас было бесплатное время для чая. Потом время истекло, и ему нужно было идти обедать перед вечерней молитвой. Он напомнил нам о времени обеда, встал и быстро ушел, беспечно игнорируя наши вопросы. Он был радостным, хотя и дисциплинированно. В его энергии было такое процветание, что у него было много вещей, которые он мог дать, чтобы служить нам на протяжении всего нашего пребывания. Это повлияло на нас. Нам не хотелось ставить под сомнение его поступок. Он не боялся своего поведения. То, что он сделал, не зависело от нашей реакции. Он был открыт для всех возможностей нашей реакции. Мы просто довели дело до конца. На вокзале в Корее я увидел двух мужчин, публично дерущихся. Монах спокойно подошел, просунул руку между двумя мужчинами, и двое мужчин перестали драться. Просто так. Нелегко сочетать радость и дисциплину. Нелегко чувствовать себя благополучным, когда у тебя ничего нет. Нелегко оставаться верным своему характеру служения миру. Нелегко перестать гадать, как другие отреагируют на наши действия. В моей жизни было несколько обстоятельств, когда я мог полностью забыть страх и вместо этого использовать любовь. Используя мышление, что я просто оказываю услугу. Сосредоточенность на том, что я делаю то, что делаю, вместо того, чтобы бояться реакции других людей. Это привело меня к синхронности событий! Нам нужно войти внутрь, найти свое внутреннее великолепие и позволить ему сиять вовне. Когда мы это делаем, мы можем быть серьезными и радостными одновременно. И мы можем оставаться в своей природе, в нашем служении миру. Столкнувшись с любовью и страхом, выберите любовь. Когда простой вопрос становится сложной проблемой — дзен-история Вопрос : Я слышал дзен-историю. Когда-то по соседству было два дзен-монастыря, в каждом из которых находился юный послушник. Каждое утро по дороге на рынок один мальчик сталкивался с другим. Этот ответ озадачил первого ребенка, который обратился за помощью к своему хозяину. Это его поправит». На следующее утро дети снова встретились. Это снова озадачило юношу, который признал свое поражение хозяину. На следующий день дети встретились в третий раз. При изменении с изменениями, чем больше мы гонимся, тем дальше мы уходим. Встречайте изменения, не меняясь, поскольку количество способов измениться ограничено, в то время как количество способов оставаться неизменным бесконечно. Хотя количество способов измениться ограничено, количество способов остаться без изменений бесконечно. Садхгуру : Если вы объясните это слишком много, в этом ничего не останется. Вы не можете сделать из этого мораль. Духовный процесс — это не поиск правильных ответов. Духовный процесс — это осознание правильного пути к быть. Если нам нужно искать, первое и самое главное — быть подобным зеркалу для ситуации, в которой вы существуете, чтобы вы могли понять ситуацию такой, какая она есть, и вы были способны действовать. Это также основа всего успеха в мире. Духовный или материальный успех случится с вами только тогда, когда вы сможете увидеть то, что есть прямо сейчас, таким, какое оно есть. В тот момент, когда у вас в голове возникает вывод, вы не можете видеть его таким, какой он есть. Тогда вы будете совершенно сбиты с толку. Примечание редактора: Посмотрите плейлист Молодежь и правда UnplugWithSadhguru , всеобъемлющий сборник выступлений Садхгуру и его взаимодействия с молодежью и студентами Индии. Источник Привет! Меня зовут Илья Гусев, я занимаюсь машинным обучением в команде Яндекс. У каждого новостного сюжета на сервисе есть своя страница, где собраны новости об одном и том же событии из разных источников. Сегодня мы рассмотрим построение краткой выжимки, дайджеста сюжета. В такой выжимке, состоящей из фрагментов новостных документов, содержится основная информация о событии. Очевидно, почему дайджест полезен для пользователя — мы выводим на экран сюжета самое важное о событии. С похожими задачами сталкиваются многие инженеры: например OpenAI недавно опубликовала статью про реферирование книг. Поэтому я надеюсь, что описанный ниже подход будет вам полезен. Как и всё в Новостях, построение такой выжимки должно быть полностью автоматическим. До внедрения выжимки текстовая часть сюжета выглядела так: Теперь она выглядит так: Задача Реферирование или аннотирование, или суммаризация — процесс получения краткой версии документа, которая раскрывала бы его суть. Вы наверняка сталкивались с аннотациями книг, газетных и новостных статей, составленными людьми. Автоматическое же реферирование происходит с помощью компьютерной программы. Автоматическим реферированием инженеры занимаются с 50-х. Одна из первых работ на эту тему — статья Ханса Петера Луна 1958 года. Задача мультидокументного реферирования тоже достаточно стара. Её основное отличие от обычного реферирования — на вход алгоритму подают не один, а несколько документов. В Яндекс. Новостях мы реферируем сюжет, то есть коллекцию документов об одном и том же событии. На выходе хотим получить краткую выжимку самых важных подробностей из этих документов. Важно, что Новости не пишут собственные тексты, даже автоматически: у нас нет своей редакции, все материалы, которые мы используем, получаем от изданий-партнёров. То есть в готовую выжимку обязательно должны попасть текстовые фрагменты из документов на входе. Это отметает все абстрагирующие методы, которые могут писать новые тексты, в том числе и YaLM. Выжимки бывают разных форматов: они могут отличаться размером и числом фрагментов. После экспериментов мы остановились на 4 предложениях. Выжимки большего размера, как и фрагменты больше предложения, пользователи воспринимают тяжело. Это не могло работать на сервисе в такой постановке. Во-первых, такие алгоритмы никак не могут учитывать важность фрагментов, которые встречаются в нескольких документах. Во-вторых, они очень сильно сдвигают распределение трафика в сторону одного источника, что для нас неприемлемо. Что касается методов именно мультидокументного реферирования, тяжёлые end-to-end модели мы даже не рассматривали как минимум потому, что не смогли бы объяснить изданиям и пользователям, как они работают. Алгоритмы Новостей должны быть максимально прозрачны и интерпретируемы. Мы остановились на мультидокументном реферировании через кластеризацию предложений. Во-первых, этот алгоритм крайне прост в понимании, написании и поддержке. Во-вторых, эмбеддинги предложений для кластеризации можно предподсчитывать один раз для каждого документа, что экономит кучу процессорного времени. Это не единственный подходящий способ мультидокументного реферирования, тот же LexRank вполне применим для нескольких документов. Сразу оговоримся, что идея мультидокументного реферирования через кластеризацию предложений не нова. Существует много статей про этот метод: например, эта и эта. От них наш алгоритм отличается прежде всего способом подсчёта расстояний между предложениями. В общих чертах алгоритм устроен так: Разбиваем каждый документ на предложения. Основными объектами нашей выжимки как раз будут эти предложения. Для каждого предложения всех документов считаем эмбеддинг — числовое представление информации, которая содержится в предложении. Совершенно необязательно использовать для этого нейросетевые модели, подойдёт и старый-добрый TF-IDF, только он будет хуже определять похожие предложения. Основная причина, почему мы делаем именно так — высокая производительность DSSM Яндекса: более тяжёлые с точки зрения процессорного времени модели мы пока не можем себе позволить из-за большого потока документов. Когда мы добавим в эту часть сервиса побольше GPU, это снизит ограничения в производительности, и можно будет использовать трансформеры. Для каждой пары предложений из разных документов считаем, насколько они похожи друг на друга. Для разных предложений из одного документа считаем, что они заведомо отличаются. Запускаем на полученной двумерной матрице сходства алгоритм иерархической кластеризации со склейкой по среднему например, такой с подобранной по ручной разметке границей обрезки. На выходе получаем кластеры, состоящие из похожих друг на друга предложений. Таким образом, один кластер равен примерно одной «смысловой единице» нашего сюжета. Пример кластера: Во время эксперимента выяснилось, что у животных, чьи тела размещены параллельно земле, более гибкие позвоночники. В рамках эксперимента было определено, что животные, у которых тела располагаются параллельно поверхности земли, имеют куда более гибкий позвоночник В процессе эволюции животные приобрели более гибкий позвоночник, который оптимален для длительного соприкосновения ступни с землей. У животных же, имеющих тела, расположенные параллельно земле, позвоночник стал весьма гибким. Предполагаем, что самые важные элементы сюжета упоминали чаще, а значит, предложений в таких кластерах должно быть больше. Оставляем четыре самых крупных кластера с наибольшим количеством документов. Сортируем оставшиеся четыре кластера по относительной медианной позиции составляющих их предложений в оригинальных документах. Это нужно для того, чтобы текст выглядел более связным. Фильтруем в кластерах предложения с местоимениями, которые непонятно к чему относятся с помощью текстового классификатора и регулярок. Например, во фразе «Она назвала шесть пунктов, в которых высказана озабоченность в отношении производства на этом предприятии» непонятно, к кому относится «она» и о каком предприятии идёт речь. Выделяем предложение, которое будет представлять кластер в итоговой выжимке. Алгоритм ранжирования предложений внутри кластеров использует несколько параметров, основной из которых — средняя похожесть предложения на все остальные предложения кластера. Получается, мы отдаём предпочтение предложению, эмбеддинг которого ближе всего к центру масс кластера. Это не единственный возможный критерий выбора, можно, например, для каждой точки брать медиану расстояний до остальных точек, чтобы уменьшить влияние огрехов кластеризации. В итоге получаем выжимку из четырёх предложений, каждое из которых встречается в одном из документов наших партнёров. Метрики В Яндексе существует разделение на офлайн- и онлайн-метрики. А вот офлайн-метрики не требуют этих взаимодействий. По онлайн-метрикам дайджеста мы видим, что пользователям удобна новая функциональность: активность и время, проведённое на сервисе, увеличиваются. В качестве основных офлайн-метрик мы используем две разметки в Толоке. Толока — это сервис краудсорсинга, который позволяет выдавать тысячам людей несложные задания. Первая разметка оценивает, хорошая или плохая получилась краткая выжимка, а вторая выявляет проблемы с отдельными фрагментами. Бинарную разметку мы регулярно снимаем с топовых сюжетов основных рубрик. Каждую выжимку размечает 10 человек. Если только 5 или 6 человек из 10 сказали, что с выжимкой всё в порядке, то мы ставим выжимке вердикт «не уверены». Если 4 и меньше, то «плохая выжимка», а если 7 и больше, то «хорошая».
Она не раз наблюдала и знала, как подолгу с фотоаппаратом, на яхте уходил в море. Якорь поднялся на поверхность, и Мирославу пришлось включить свой большой творческий потенциал, он кашлял, притворно захлёбывался, но никто не обращал на это внимание. Отстёгивать наручники бандиты не спешили, они стояли у левого борта и тихо о чём то переговаривались. Напрягая свой слух, пытался сосредоточиться хоть на одном слове, понять о чём идёт речь. Ему надо действовать правильно, если ошибётся, погибнет в два счёта. Где клад вспоминать ему не надо. Он точно знал нахождение этого магического места, опасное, но в то же время манящая сокровищница изобилия. Эту глубоководную местность показала Молпа. Когда Мирослав уходил уже далеко от своего острова на другие, не боясь волнующих волн моря, Он однажды ушёл на своей яхте далеко в открытое море, сбился с курса. Но прелесть в том, что его всегда сопровождал огромный Гоги и прекрасная русалка. Тогда и привила Молпа Мирослава в свои владения, а он вёл свою яхту за ней, предполагая, что русалка приведёт к острову на котором его дом. Так он и нашёл сокровище. Пристёгнутого к якорю, лучи палящего солнца почти высушили одежду, на нём были шорты и водолазка — это футболка с длинным воротом. Шея была широкая и в этой области, характерные четыре прорези, «жаберные дуги», зрелище не из приятных, длинный воротник спасал от лишних вопросов и косо смотрящих зевак. Это и был недуг, смешно звучит, это отец с профессором так говорят и хотят изменить, то есть вылечить. Но Мирослав уже меняться не хочет, ему нравиться поэтапно изучать участки дна, любоваться, как вокруг кружат красивые рыбы, дельфины, скаты, и мелкие акулы. После таких длительных погружений не хочется наступать на твёрдую землю. Хочется постоянно бороздить по морским простором. Было очень жарко, и жажда к пресной воде пересилила страх. Азиат сплюнул и вальяжной походкой, почёсывая кулаки, направился на корму в сторону якоря. Но Грек его остановил. Руки затекли свинцом, приступы боли сковывало всё тело, яркое солнце ослепляло и жгло его лицо. Хочешь ещё искупаться? Грек смотрел на измученного парня пустым, отречённым взглядом не выражающий ни любви, ни ярости, ни сомнение, а сам показывал верзиле большим пальцем, в низ и якорь пополз, стремительно в воду. Якорь впился в коралловый песок, полусидя уже, не закрывая глаза, он смотрел вдаль. Страх переполнял эмоции, опасность могла прийти с любой стороны, он чувствовал себя беспомощной маленькой рыбкой. В прозрачной воде увидел светящие волосы Молпы, она стремительно подплыла и нежно, с тревогой в глазах обняла юношу. Горячая её рука легла на лоб, она потеребила его волосы, ели прикасаясь, осмотрела разбитые опухшие губы, подёргала наручники, так как будто хотела их снять, но ни чего не выходило. Вопросительным взглядом она пристально смотрела, в её глазах горечь и боль, и желание помочь. Молпа не раздумывая, оттолкнулась мощным хвостом, с сильным рывком поплыла в верх. И вдруг тишину нарушил удар об днище катера, ещё и ещё раз слышались удары. В таком гневном бешенстве Молпу он видел в-первые. Кто-то выпал за борт и Мирослав увидел, как русалка схватила одного из похитителей и потащила на дно. От поднявшегося ила и мизерных ракушек видимость ухудшилась, и не было видно происходящее, и кого она утянула. Резко дёрнулся металлический трос, и якорь потянуло на поверхность. Он поднял ослабленное тело Мирослава, и Грек освободил его сразу от оков, швырнул на палубу с такой силой, что самостоятельно подняться уже не мог. Со всей дури он заорал. Если зажмурить глаза то можно представить, что это игра воображения, плод фантазий. Но резкая боль и налетевшие ветром мысли, приходившие одна за другой, сбивая ритм сердца, приводил состояние Мирослава к фактичности. Он лежал ничком на грязном полу, тело наливалось знобящим холодом, воздуха почти не было, дико воняло тухлой рыбой. Похоже, это был трюм, где стояла влажная темнота. Передо ним на полу стояла кружка с водой. Через всё зловоние, он предвкушал вкус манящего напитка, дотянувшись, заграбастал обеими руками, с хищной жадностью сделал несколько глотков. Из ослабших рук кружка выскользнула и стукнулась, расплескав нектар жизни на грязный пол, судорожно пытался собрать остатки влаги, но не мог этого сделать. Пальцы сводило судорогой, он сжимал зубы, корчась от боли. Но боль сковывала тело всё больше, всё сильнее. По — видимому, Мирослав был без сознания, когда перебазировали на другое судно. Не трудно догадаться по звуку моторов и по запаху, что это рыболовное корыто, какой то скрипучий траулер. Морские волны с шумом ударялись, об каркас судна и его укачивало, казалось, что в этой бесконечности остановилась жизнь, хотелось спать, забыть происходящий ужас и пить, пить, пить. Мирослав слышал, как открылась тяжёлая дверь, на грязном, металлическом полу появилась огромная тень, эта тень вошла. Серьёзным, сильным движением взяла Мирослава под мышку и потащила по узкому коридору. Это был огромных размеров мужик. Толстяк нёс парня одной рукой, как перовую подушку, а свободной рукой вытирал пот со лба. От него несло тухлятиной, бил в нос смрадный запах пота и спирта. Всё судно пропитано душком мертвечатины. Не спеша, толстяк занёс пленника в каюту, посадил в кожаное, большое, протёртое кресло.
Канал Счастливый амулет в Яндекс Дзен
| счастливый амулет дзен | Рукоделие и мода | талисман приносящий удачу, счастливый амулет стеклянная любовь глава 33 счастливый амулет дзен замерзшая душа 15 амулет удачи из ниток смотреть фильм талисман удачи счастливый амулет красавец и чудовище 25. |
| Счастливый амулет дзен читать жизнь | счастливый амулет дзен мода, рукоделие, шитье, вязание, поделки из бумаги, роспись, работа с деревом и многое другое в ОК. |
| Счастливый амулет дзен | Счастливый амулет яндекс дзен навигация по каналу онлайн. |
Статистика канала
- Счастливый амулет дзен питерская история глава 15 | Женский портал обо всем самом интересном
- СЧАСТЛИВЫЙ АМУЛЕТ ДЗЕН ЧИТАТЬ 🎆 | Видео
- Счастливый амулет на дзен читать чужие окна - 88 фото
- Дзен счастливый амулет рассказы глава
- Цветочница. Глава 67
Верь мне счастливый амулет рассказ на дзен глава
Отношения, семья и личность. Женские истории и судьбы. Все главы рассказов, видео, сюжеты и обзоры на дзен канале Счастливый амулет.
Дзен существует канал «Счастливый амулет», публикующий множество различных историй. Сами истории базируются на таких вещах, как любовь и отношения. Рассказы же имеют огромную протяжённость по главам и очень близки читателям. Об авторе Известно, что автора данного канала зовут Алёна. Судя по рассказам и отзывам, Алёна очень творческий человек. Её фантазия, терпеливость и жажда оповестить читателей о продолжении долгожданных историй поражают подписчиков.
Из-за того, что рассказов огромное количество, Алёна даже создала специальный путеводитель по своему каналу, придуманный для помощи читателям в ориентировании между её произведениями. В комментариях Алёну позиционируют как «умницу» и «лучик света», а рассказы её, по словам комментаторов, можно «читать часами».
Приходилось прятаться за камнями, за густыми водорослями и не попасться как добыча, потому что эти морские хищники не шутят. Похоже, и эти парни не шутят. Мирослава поместили в сеть для вылавливания акул, сопротивляться без полезно, так как руки с ногами были связаны, и сбросили с судна в воду. Через пару минут вытащили на борт, и бросили на палубу. Снова сбросили и продержали ещё несколько минут в воде, а когда подняли, заволокли в трюм, включили яркий свет.
Во всяком случае, ему так показалось. Теперь отчётливо видел лица своих похитителей. Один из них в руках держал фотографии, которые делал на глубине, когда нашёл затонувшие корабли. Их было больше сотни. Это похоже на пиратское кладбище из обломков затонувших кораблей на одном месте. Зрелище неописуемое. Морское дно вообще таит в себе множество загадок, иногда думаю, что море это огромный великан с которым нужно посоревноваться или подружиться.
Это определённо одно из красочных мест, где побывал, изумрудные краски окружающей природы, хрустально чистое море, с уникальным миром девственной растительностью и особенной морской обитательностью, с коралловыми композициями и тропических рифовых рыб. На фото отчётливые картинки с золотыми монетами и слитками, разбросаны в полуразрушенных трюмах, серебряная посуда, кувшины и статуэтки из латуни, большие сундуки с огромными навесными замками. Даже не знаю, какими ценностями заполнены они. Он ни когда бы не нашёл эту «пиратскую свору», получилось совсем случайно. Ныряет без акваланга, у него жабры с рождения.
Заклинание на оберег человека. Защитные заговоры от врагов. Заклинание на амулет. Монетизация Яндекс дзен. Яндекс дзен заработок. Как работает монетизация в Яндекс дзен. Яндекс дзен монетизация 2023. Амулет на удачу своими руками. Сделать талисман своими руками. Талисман удачи своими руками. Как сделать оберег на удачу своими руками. Талисманы любви и удачи. Амулеты и талисманы для привлечения любви. Амулеты для успешной торговли. Односторонний амулет. Астрологический навигационный талисман. Амулет навигационный талисман. Оберег для моряков. Счастливый амулет навигация по каналу. Магазин 004 Туапсе каталог. Оо4 ру Туапсе каталог товаров. Щит оберег от Тамары Глоба. Амулет щит от Тамары. Дзен Яндекс новости. Яндекс-дзен лента. Яндекс-дзен лента новостей. Дзен-лента новостей. Амулет богатства. Магические амулеты и талисманы. Дзен Мои коллекции. Яндекс дзен не показывает видео. Яндекс дзен не 0 показов в ленте. Баба Нина ясновидящая амулеты. Ванга денежный амулет. Амулет бабы Нины. Пентакли судьбы амулеты. Талисман процветания. Процветание оберег. Рассказы Яндекс дзен. Яндекс дзен мой канал. Дзен Яндекс история. Подписаться дзен. Аудитория Яндекс дзен. Возраст аудитории Яндекс дзен. Яндекс дзен работа. Дзен на работе. Работа на Яндекс дзен вакансии. Астрологические амулеты. Оберег путешественника. Астрологический оберег. Яндекс дзен блог.
Читать книгу: «Счастливый амулет»
Амулет дзен. Счастливый амулет Яндекс дзен читать. Как сделать амулет на счастье. Дзен на iOS и Android.
Дзен счастливый амулет чужие окна рассказ
| Читать рассказ счастливый амулет | счастливый амулет яндекс дзен навигация, счастливый амулет обычная история, рассказ счастливый амулет путеводитель, счастливый амулет эта странная, счастливый амулет 28, счастливый амулет 27, счастливый амулет 15, счастливый амулет 30. |
| Счастливый амулет дзен рассказы читать | полная инструкция Как Вывести Статью в ТОП Яндекс Дзен / Как Раскрутить Канал на Яндекс Дзен (2022) Продвижение и ведение канала в Дзен – 2023 г. Тренды/алгоритмы/бенчмарки Дзен Как писать на Яндекс Дзен, чтобы набирать тысячи. |
| Счастливый амулет — Каналы Яндекс.Дзен | Счастливый амулет в Яндекс Дзен – это канал писателя, где он ежедневно публикует свои творения. |
| Канал на дзен счастливый амулет | Делитесь видео с близкими и друзьями по всему миру. |
ВЕЧЕРНИЙ РАССКАЗ "ДЕРЕВЕНСКАЯ СНОХА"
Талисманы обереги амулеты. Амулет дзен. Счастливый амулет Яндекс дзен читать. Наши каналы на Дзене. Читайте наших лучших авторов здесь. Счастливый амулет Яндекс дзен толстухины крендельки. Счастливый амулет дзен путеводитель. Амулет талисман пентакль Соломона богатство и удачу.
Счастливый амулет яндекс дзен читать
- Читать рассказ счастливый амулет
- Счастливый амулет яндекс дзен читать
- Счастливый амулет яндекс дзен читать
- СЧАСТЛИВЫЙ АМУЛЕТ ДЗЕН ЧИТАТЬ 🎆