47682
Авторский канал по ВАЙБ КОДИНГУ, сотрудничество: @nikwolve
Что на самом деле выбирает Claude Code, если попросить его что-то собрать, вообще не называя в запросе никакие инструменты.
Парни 2 430 раз натравили Claude Code на реальные репозитории и смотрели, что он выбирает. Ни в одном промпте не было названий инструментов. Только открытые, не зауженные вопросы.
3 модели · 4 типа проектов · 20 категорий инструментов · 85,3% доля извлечений
Главный вывод: Claude Code скорее строит, чем покупает. Custom/DIY это самый частый одиночный ярлык, который удалось извлечь: он всплыл в 12 из 20 категорий (при этом он размазан по категориям, тогда как конкретные инструменты обычно привязаны к одной категории). Когда его просят “добавь feature flags”, он собирает конфиг-систему на env vars и раскатку по процентам вместо того, чтобы рекомендовать LaunchDarkly. Когда просят “добавь auth” в Python, он пишет JWT + bcrypt с нуля. А если он всё-таки выбирает инструмент, то выбирает жёстко и без метаний: GitHub Actions 94%, Stripe 91%, shadcn/ui 90%.
Полный отчёт здесь: https://amplifying.ai/research/claude-code-picks
Boris Cherny поделился тем, что ждёт нас в следующей версии Claude Code:
Они добавляют два новых скилла: /simplify и /batch. Он сам пользуется обоими каждый день и очень хочет поделиться ими со всеми. ✅
Вместе эти скиллы автоматизируют большую часть рутины, которая раньше требовалась, чтобы:
1. довести pull request до продакшена
2. делать простые, параллелящиеся миграции кода/simplify
Использует параллельных агентов, чтобы подтянуть качество кода, поднастроить производительность и проверить соответствие CLAUDE.md.
Пример: "hey claude сделай это изменение в коде, а потом запусти /simplify"/batch
Интерактивно помогает спланировать миграцию кода, а потом выполняет её параллельно десятками агентов.
Каждый агент работает в полной изоляции через git worktrees, прогоняет тесты и только потом поднимает PR.
Пример: "/batch migrate src/ from Solid to React"
Кто-то сделал интерактивный визуализатор GPT, который показывает каждый шаг того, как модель генерирует ответ. Не только финальный результат, а весь пайплайн. 🧸
Читать полностью…
Исследователи задали Claude простой вопрос: "Я хочу помыть машину. Автомойка в 100 метрах. Мне идти пешком или ехать?"
Claude ответил: идти пешком.
Все крупные LLM ответили: идти пешком.
Правильный ответ: ехать.
Машина должна оказаться на мойке. И вот что самое дикое: в модели не поменялось вообще ничего. Поменялась только архитектура промпта.
Исследователи прогнали чистое исследование с изоляцией переменных на Claude Sonnet 4.5. Голый промпт? 0% правильных.
Добавили аккуратно оформленную роль эксперта? Всё ещё 0%.
Впрыснули подробный физический контекст типа модели машины, где стоит на подъездной, как припаркована? 30%.
Но когда они заставили модель использовать структурированный фреймворк рассуждений STAR, где нужно явно прописать Situation, Task, Action и Result, точность прыгнула до 85%. Если совместить STAR с профайл-данными, получалось 95%. Добавили сверху RAG и дошли до 100%.
Ключевой механизм сидит внутри шага "Task".
Без структуры модель цепляется за эвристику по расстоянию: "100 метров близко, значит иди", и вообще не обрабатывает реальную цель. А когда её вынуждают сформулировать задачу как "доставить машину на автомойку", скрытое физическое ограничение становится явным прямо в контекстном окне.
Знание у модели уже было. Её просто не заставляли вытащить это знание наружу до того, как она выдаст вывод.
Самый неприятный результат вот какой: структурированное рассуждение обогнало простую накачку контекстом в 2,83 раза.
Больше фактов почти не помогало. Помогали нормальные когнитивные подпорки. Это переворачивает дефолтный индустриальный инстинкт. Когда агенты фейлятся, большинство команд добавляют больше retrieval, больше документов, больше памяти. А это исследование говорит, что узкое место не в отсутствии инфы. Узкое место в том, как модель заставляют перерабатывать то, что у неё уже есть.
Та же модель. Те же параметры. Скачок качества рассуждений на 55 процентных пунктов. Это не масштабирование.
Это архитектура на уровне промпта.
Кому интересно, вот статья - https://arxiv.org/abs/2602.21814 🌯
Пора переосмыслить то, как мы строим agent skills, а именно перестать лепить их как документацию для людей, так как это жрет токены и провоцирует галлюцинации.
Вот сжатый набор ключевых best practices (чтение меньше 5 минут), который поможет нам писать skills лучше.
Зацени: https://github.com/mgechev/skills-best-practices 📰
Perplexity завезли новую фичу: Perplexity Computer. 🤙
Computer объединяет все актуальные возможности ИИ в одну систему: ресерч, дизайн, код, деплой и ведение проекта end-to-end.
Ключевое, то что это мульти-модельная система. Computer запускает саб-агентов параллельно и подбирает под каждую задачу наиболее подходящую модель (в т.ч. через Opus). Всего роутит работу между 19 моделями.
Плюсом Computer персонализирован под тебя, помнит твою прошлую работу и по умолчанию безопасен. Есть сотни коннекторов, персистентная память, файлы и доступ к вебу, и всё это поверх инфраструктуры Perplexity.
Модель оплаты: по факту использования, с опциональным выбором модели для саб-агентов и лимитами расходов.
Можно выбирать разные модели для разных задач саб-агентов и контролировать расход токенов.
Пользователи Max получают 10 000 кредитов в месяц, включенных в подписку.
Также выдают разовый бонус 20 000 дополнительных кредитов: его начислят при запуске текущим пользователям и при регистрации новым. Бонус сгорает через 30 дней после начисления.
Доступно в веб-версии для подписчиков Max уже сегодня, а скоро появится и для Perplexity Pro и Enterprise.
❤️ Мем дня: Claude Sonnet 4.6 задали вопрос на китайском:
«你是什么模型?» (Что ты за модель?)
А она уверенно ответила:
«我是 DeepSeek.» (Я DeepSeek)
Спросили на французском:
nom du modèle (название модели?)
А в ответ: ChatGPT
😅
Забавно, то, что они недавно обвинили DeepSeek в «industrial-scale distillation attacks».
В копилку скиллов : skill для draw.io в Claude Code.
Описываешь диаграмму, получаешь редактируемый PDF, PNG или SVG. В каждый файл встраивается полный XML от draw.io, так что его можно в любой момент заново открыть и отредактировать.
Исходники 👍
Hugging Face выкатили плагин, который превращает Claude Code, Gemini и Cursor в полноценных ML-инженеров.
Называется HF Skills, и он полностью бесплатный.
Одна команда, и твой AI-агент сможет:
→ Дообучать LLM через SFT, DPO или GRPO, с встроенным выбором железа и оценкой стоимости
→ Создавать и трансформировать датасеты через SQL-запросы
→ Автоматически подтягивать актуальные benchmark-оценки из Artificial Analysis API
→ Публиковать вашу arXiv-статью в HF Hub и за один проход связывать ее с вашей моделью
→ Мониторить training runs в реальном времени через дашборды, синхронизированные с HF Spaces
Архитектура предельно простая.
Каждый скилл это папка с файлом SKILL.md. Агент читает его и сразу понимает, как обрабатывать сложные ML-воркфлоу, с которыми раньше вообще не умел работать.
Совместимо со всем: Claude Code, OpenAI Codex, Gemini CLI, Cursor.
Установка занимает 10 секунд:/plugin install hugging-face-cli@huggingface/skills
Дальше просто общаетесь как обычно:
"Оцени GPU memory для fine-tune модели на 70B."
"Стримь новые строки в мой датасет."
"Свяжи мою статью с моей model card."
2.1K звезд. Apache 2.0. 👜
Мне очень нравится читать гайды по Claude Code, которые пишут инженеры:
🤔Например недавно прочитал этот, автор которого работает в Cloudflare. Там он делится тем, как использует CC по фазам:
1. Research: глубоко прочитать указанный каталог/модуль кода и выдать подробный отчет в research.md
2. Planning: на основе research сгенерировать подробный plan.md (этот plan)
3. Annotation Cycle: прямо в plan.md оставить комментарии под свои требования, попросить CC обновить plan, и так повторять, пока не устроит
4. По plan сгенерировать Todo List
5. Implement: полностью реализовать
6. Feedback & Iterate: давать короткие команды с фидбеком и итеративно улучшать
Шаг 3 и шаг 6 прям очень свежие. И конечно, в статье куча деталей, которых нет в этом кратком пересказе. Вообще многие агенты могут пройти тем же пайплайном от начала до конца, так что текст стоит внимательно прочитать.
Пользуйся Claude Code с телефона или вообще откуда угодно через защищенное VPN-соединение: Claude Code Remote
По факту, это набор скриптов, который дает полный интерактивный доступ к Claude Code CLI прямо из браузера на телефоне.
Как это устроено:
- Tailscale поднимает защищенный шифрованный туннель между устройствами
- ttyd раздает терминал как веб-страницу
- tmux держит сессии живыми при разрывах связи
- FastAPI-обертка добавляет мобильный UI, диктовку iOS и кнопки быстрых действий
Важно: доступ только через Tailscale IP, в публичный интернет ничего не уходит. Работает откуда угодно, не только из домашнего Wi-Fi, главное чтобы Mac был включен
исходники 👋
Вот она, имба для мульти-агентного кодинга: Parallel Code.
Он позволяет одновременно гонять Claude, Codex, Gemini, и у каждого свой отдельный git-workspace, без конфликтов.
Хочешь, чтобы несколько AI параллельно делали разные задачи? Например:
🌥 Claude рефакторит ядро/основной модуль
💬 Codex пишет юнит-тесты
♊ Gemini обновляет документацию
Обычно это выглядит как три терминала, три окна и постоянные переключения. Но решение c Parallel Code проще: git worktree + автоматизированное управление.
100% опенсорс 😊
В Claude Code появилась встроенная поддержка git worktree
Теперь агенты могут работать параллельно и не мешать друг другу. Каждый агент получает свой worktree и может работать независимо.
В Claude Code Desktop поддержка worktree уже встроена какое-то время, а теперь это добавили и в CLI.
А вот парочка юзкейсов от Boris Cherny:
1️⃣ Используйте claude --worktree для изоляции
Чтобы запустить Claude Code в отдельном git worktree, просто стартуйте его с опцией --worktree. Можно также задать имя worktree или позволить Claude назвать его за вас.
Используйте это, чтобы запускать несколько параллельных сессий Claude Code в одном git-репозитории, без того чтобы правки кода перетирали друг друга.
Также можно передать флаг --tmux, чтобы запустить Claude в отдельной Tmux-сессии.
2️⃣Используйте worktree mode в Desktop-приложении
Если вам удобнее не через терминал, откройте вкладку Code в Claude Desktop app и включите ✅ worktree mode
3️⃣ Subagents теперь поддерживают worktree
Subagents тоже могут использовать изоляцию через worktree, чтобы делать больше работы параллельно. Это особенно мощно для больших пакетных изменений и миграций кода.
Чтобы включить, попросите Claude использовать worktrees для своих агентов.
Доступно в CLI, Desktop app, IDE extensions, web и Claude Code mobile app.
4️⃣ Custom agents поддерживают git worktree
Можно настроить так, чтобы subagents всегда запускались в своем worktree. Для этого добавьте isolation: worktree в frontmatter агента.
5️⃣ Также доступно для систем контроля версий не на Git
Если вы используете Mercurial, Perforce или SVN, определите worktree hooks, чтобы получить изоляцию без необходимости использовать Git.
Кому интересно, можно подробнее почитать про worktree тут
Как сэкономить на OpenClaw API, используя бесплатную модель уровня Opus 4.5?
1️⃣зайди на https://build.nvidia.com
2️⃣залогинься или зарегистрируй аккаунт
3️⃣открой https://build.nvidia.com/moonshotai/kimi-k2.5/deploy
4️⃣нажми "Get API key"
5️⃣скажи агенту обновить модель, указав новый API key + URL
6️⃣проверь, что заменены и model, и baseUrl
Готово, теперь ты на бесплатной Kimi K2.5, по ощущениям, многие сопоставляют её с Opus 4.5.
Да, платные модели обычно лучше, но на ранней стадии почему бы не так?
Минусы:
- медленнее
- бывают API-ошибки
- иногда нестабильно
Если можешь платить, плати. Если нет, юзай это, тестируй, а потом апгрейднись, когда упрешься в лимиты.
Тестируй все подряд, идеального сетапа сейчас никто не знает. Лучший ход это пробовать максимум. 👋
Сохраняем себе: этот свежий репо с claude-code-best-practice
Там в одном месте собраны продакшн-готовые агенты, память между сессиями, кастомные хуки, skills и команды.
Кстати, Anthropic выкатили новую фичу auto-memory.
Теперь Claude запоминает то, что узнаёт о тебе между сессиями: контекст проекта, паттерны дебага, предпочитаемые подходы, и потом подтягивает это сам, без того чтобы тебе приходилось что-то вручную записывать.
Теперь можно думать так: Claude.MD это твои инструкции для Claude, а Memory.MD это черновик памяти Claude, который он сам обновляет. Если попросишь Claude что-то запомнить, он запишет это туда.
Почитай доки, чтобы подробнее разобраться с памятью и тем, как она работает 🙂
Благодарность от Антропиков: Claude Max за их счёт
Они объявили о раздаче 6 месяцев бесплатного Claude Max 20x мейнтейнерам и core-контрибьюторам open source.
Условия: вы основной мейнтейнер или участник core-команды публичного репозитория с 5 000+ звездами на GitHub или 1M+ месячных скачиваний в NPM. За последние 3 месяца у вас были коммиты, релизы или ревью PR.
Если вы поддерживаете штуку, от которой экосистема тоже зависит, все равно подавайтесь и расскажите про нее.
Подать заявку ❤️
Один гений навайбкодил 3D-город, где каждый разработчик на GitHub это здание.
Чем больше коммитов, тем выше здание.
Чем больше репозиториев, тем шире основание.
Светящиеся окна это недавняя активность.
100% опенсорс
😱😱😱
Находка дня: Nimble skill 💃
Этот скилл возвращает структурированные данные, разложенные по таблицам, с которыми можно сразу работать.
Например:
Попроси Claude Code найти все аренды 2-комнатных квартир в конкретном районе, опубликованные за последние 48 часов, вытащить цену, метраж и URL объявления с нескольких сайтов, и выгрузить все в таблицу.
В итоге ты получишь таблицу, где данные нормализованы между разными источниками.
Он ищет в реальном времени и возвращает структурированный результат.
Он умеет разбирать самые разные сайты, включая те, где контент рендерится на клиенте через JavaScript.
Если ты собираешь агентов, которым нужны веб-данные, этот скилл прям 10/10.
Вот ссылка на сам скилл, а как это работает, смотри в их документации
Кто-то сделал расширение для VS Code, которое превращает твоих AI-агентов в пиксельных персонажей.
Они работают в виртуальном офисе прямо в сайдбаре и ходят там, пока занимаются твоим кодом.
100% опенсорс ❤️
Remote Control теперь официально в Claude Code от Anthropic
С помощью её можно запускать локальные сессии из терминала, а потом продолжать их с телефона. Можно выйти прогуляться, увидеть солнце, выгулять собаку и не выпадать из потока. ❤️
Сейчас идет постепенный rollout для пользователей Max в режиме research preview. Попробовать можно через /remote-control.
Новое: добавь markdown.new перед любым URL и получишь чистый Markdown на выходе.
Cloudflare Markdown for Agents классный, но работает только для сайтов, где это включено. markdown.new работает с ЛЮБЫМ сайтом в интернете.
На 80% меньше токенов. Бесплатно и без регистрации.
Ещё вчера добавили фичу: File to Markdown
Можно загрузить любой файл:
- PDF, DOCX, ODT
- Excel, Numbers, CSV
- Изображения (OCR + саммаризация на базе AI)
API тоже есть, ключ не нужен.
Подробнее: markdown.new/file-to-markdown ✋
Один гений навайбкодил ультрабыструю Linux-подобную ОС прямо в браузере: http://lifo.sh
По сути, это маппинг Linux API на browser API.
Теперь можно запускать недоверенный код. Он уверяет что, возможно, облачный sandbox вам уже не нужен. Сделано и для агентов, и для людей.
Сейчас проект очень экспериментальный. В нем реализованы kernel, shell с interpreter, lexer, parser, pipe и redirection. Почти нет времени загрузки
Помимо базовых команд, он маппит Node API, такие как fs и http, поверх браузерных сетевых вызовов. Конечно, тут еще много чего нужно доделать
Он навайбкодил это за выходные и выкладывает, чтобы собрать фидбек и понять, решает ли это ваши задачи, человеческие или агентные.
Заходите и пробуйте: http://lifo.sh 🖐
Дефолтный openclaw выглядит так:
workspace/
├── http://SOUL.md
├── http://IDENTITY.md
├── http://USER.md
├── http://TOOLS.md
└── skills/
workspace/
├── http://SOUL.md (customized)
├── http://IDENTITY.md
├── http://USER.md
├── http://TOOLS.md
├── http://BRAIN.md — live working memory
├── http://MEMORY.md — long-term memory
├── http://HEARTBEAT.md — autonomous thinking loop
├── http://CLIENTS.md — client profiles
├── http://PLAYBOOK.md — decision frameworks
├── http://VOICE.md — writing voice guide
├── http://AGENTS.md — startup rules
├── memory/ — daily logs
├── skills/
│ ├── tweet-writer/
│ ├── website-builder/
│ ├── website-dev/
│ ├── script-polish/
│ └── security-auditor/
├── content/
├── consulting/
├── drafts/
└── crm/
SOUL.md можно почитать здесь
Этот файл CLAUDE.md может сделать тебя 10x инженером
Он собирает лучшие практики от создателя Claude Code, Бориса Черни.
Борис делился в X внутренними приёмами и рабочими схемами, которые их команда использует каждый день. Потом эти треды собрали в структурированный CLAUDE.md, который можно просто закинуть в любой проект.
Что внутри:
- оркестрация workflow
- стратегия по subagents
- цикл самопрокачки (self-improvement loop)
- проверка “прежде чем считать done”
- автопочинка багов
- базовые принципы
Смысл в накопительном эффекте: каждую правку/замечание ты фиксируешь как правило, и со временем Claude меньше косячит, потому что подстраивается под твой фидбек.
## Workflow OrchestrationЧитать полностью…
### 1. Plan Node Default
- Enter plan mode for ANY non-trivial task (3+ steps or architectural decisions)
- If something goes sideways, STOP and re-plan immediately – don't keep pushing
- Use plan mode for verification steps, not just building
- Write detailed specs upfront to reduce ambiguity
### 2. Subagent Strategy
- Use subagents liberally to keep main context window clean
- Offload research, exploration, and parallel analysis to subagents
- For complex problems, throw more compute at it via subagents
- One tack per subagent for focused execution
### 3. Self-Improvement Loop
- After ANY correction from the user: update `tasks/lessons.md` with the pattern
- Write rules for yourself that prevent the same mistake
- Ruthlessly iterate on these lessons until mistake rate drops
- Review lessons at session start for relevant project
### 4. Verification Before Done
- Never mark a task complete without proving it works
- Diff behavior between main and your changes when relevant
- Ask yourself: "Would a staff engineer approve this?"
- Run tests, check logs, demonstrate correctness
### 5. Demand Elegance (Balanced)
- For non-trivial changes: pause and ask "is there a more elegant way?"
- If a fix feels hacky: "Knowing everything I know now, implement the elegant solution"
- Skip this for simple, obvious fixes – don't over-engineer
- Challenge your own work before presenting it
### 6. Autonomous Bug Fixing
- When given a bug report: just fix it. Don't ask for hand-holding
- Point at logs, errors, failing tests – then resolve them
- Zero context switching required from the user
- Go fix failing CI tests without being told how
## Task Management
1. **Plan First**: Write plan to `tasks/todo.md` with checkable items
2. **Verify Plan**: Check in before starting implementation
3. **Track Progress**: Mark items complete as you go
4. **Explain Changes**: High-level summary at each step
5. **Document Results**: Add review section to `tasks/todo.md`
6. **Capture Lessons**: Update `tasks/lessons.md` after corrections
## Core Principles
- **Simplicity First**: Make every change as simple as possible. Impact minimal code.
- **No Laziness**: Find root causes. No temporary fixes. Senior developer standards.
- **Minimat Impact**: Changes should only touch what's necessary. Avoid introducing bugs.
Кто-то собрал вообще все AI-промпты, которые тебе когда-либо понадобятся, в одном месте. ☕️
Там есть промпты для:
- Режима Linux Terminal, Python Interpreter, SQL Console
- Креативного письма, сценариев, дебатов, журналистики
- Карьерного коучинга, подготовки к собесам, резюме, менторства
- Сотен промптов, которые сообщество уже прогнало на практике, под любые AI-модели
Полностью open-source и доступно всем.
Спауним агентов: безумцы выложили в опенсорс систему, которая позволяет управлять 30 параллельными AI-кодинг агентами на одного человека.
40K строк TypeScript. 3 288 тестов. 17 плагинов. Собрано за 8 дней, и построено самими агентами, которыми эта система рулит.
Да, они признаются, что использовали Agent Orchestrator, чтобы собрать Agent Orchestrator. 🙂
Немного цифр:
→ 500+ агент-часов за 24 человеческих часа (20x буст)
→ 86 из 102 PR’ов созданы AI (84%)
→ после 4-го дня, вообще перестали писать код
Подробный разбор