47682
Авторский канал по ВАЙБ КОДИНГУ, сотрудничество: @nikwolve
Совет по вайбкодингу: подключите GitHub к своему ИИ-агенту и не просите сразу писать код. Это заметно сократит расход токенов.
Новички начинают с запроса вроде: «Напиши мне приложение, которое принесёт $100000, не допускай ошибок». Но гораздо эффективнее сначала дать агенту изучить существующие опенсорс-проекты.
Промпт:
«Я разрабатываю XXX. Пока не создавай файлы и не пиши код. Сначала найди похожие open source-проекты на GitHub и выбери самые полезные в качестве референсов. Проанализируй, какие задачи они решают, какую архитектуру используют, на каких технологиях построены, поддерживаются ли сейчас и какие решения стоит повторить или, наоборот, избежать. Затем, исходя из моих требований, предложи стек технологий, архитектуру системы, границы MVP и последовательность разработки. Только после моего подтверждения переходи к реализации.»
Если пропустили: недавно в Claude Code изменили работу команды /fork. 🇨🇳
Теперь она копирует текущую сессию в новый фоновый сеанс, а вы можете продолжать работу в текущем.
Прежнее поведение — запуск субагента внутри той же сессии с последующим возвратом результата — теперь доступно через команду /subtask.
v2.1.212+
В копилку скиллов: AntiVibe — скилл для Claude Code, который превращает разбор любого кодбейса в подробный обучающий материал.
Он объясняет архитектурные решения и компромиссы в новом или легаси-коде, чтобы вы понимали логику. ✋
На заметку всем, кто постоянно работает удалённо через Claude Code CLI: десктопное приложение умеет подключаться по SSH — к серверам, виртуальным машинам, dev-контейнерам и так далее.
Ado из Антропик, как пещерный человек, вспомнил об этом после целой ночи обновления домашней лаборатории через терминал. Не повторяйте его ошибок. 😂
OpenAI готовит Astra — новое семейство моделей для длительных задач, где несколько ИИ-агентов работают над одним проектом.
По словам компании, модель смогла получить 10 новых результатов по давно открытым задачам в математике, квантовой теории сложности и теоретической информатике.
Среди них:
– Построена первая явная несофическая группа.
– Опровергнута гипотеза жёсткости Конна.
– Доказана теорема о квантовом параллельном повторении для общего случая двухпользовательских игр с запутанностью.
– Доказана гипотеза об объёме Эрхарта.
– Получено первое улучшение общей оценки экспоненты упаковки сфер с 1978 года.
Ключевые идеи доказательств сгенерировала Astra. Затем модель формализовала их в Lean, получив машинно-проверяемые сертификаты доказательств и рукопись объёмом 249 страниц. А стоимость успешного запуска составила около $2 000 по тарифам Sol API.
Похоже именно её Альтман презентовал в Белом Доме на этой неделе. Внутри OpenAI пока не решили, выйдет ли эта модель как GPT-6 или GPT-5.7.
Сейчас она проходит этап «Trump testing». 🙄
Представлен обновлённый Firecrawl MCP
Главные изменения:
→ расходует на 50% меньше контекста при каждом вызове /search, /scrape и /interact;
→ поддерживает мгновенную авторизацию через OAuth для пользователей;
→ получил режим без API-ключей для ИИ-агентов.
Теперь подключить веб-контекст для агента можно практически в любом MCP-клиенте.
Это чертовски круто: с помощью Fable создали настоящий дневник Тома Реддла из «Гарри Поттера». 🥰
Разработчик встроил LLM в reMarkable, и теперь устройство отвечает на написанные вопросы прямо на странице
В ближайшие дни автор обещает открыть исходники
5 опенсорс no-code платформ для создания LLM, RAG и AI-агентов
1. AutoAgent — полностью автоматизированный фреймворк с нулевым порогом входа по коду. Достаточно описать высокоуровневую цель на естественном языке, а система самостоятельно выполнит планирование, декомпозицию задач и их исполнение. Она превращает промпт в работающую систему агентов.
GitHub-репозиторий: https://github.com/HKUDS/AutoAgent
2. AnythingLLM. Одно из лучших комплексных решений для создания внутренних инструментов. Объединяет RAG, агентные воркфлоу и управление документами в едином self-hosted-пространстве. Платформа ориентирована на приватность и рассчитана как на технические, так и на нетехнические команды, которым нужно создавать инструменты на основе собственных данных.
GitHub-репозиторий: https://github.com/Mintplex-Labs/anything-llm
3. LangChain Open Agent Platform. Специализированный UI, построенный поверх LangGraph. Вместо того чтобы скрывать внутреннюю логику, он делает поток выполнения агента наглядным с помощью узлов и связей. Это позволяет детально управлять маршрутизацией, циклами и координацией нескольких агентов без необходимости писать код самого графа.
GitHub-репозиторий: https://github.com/langchain-ai/open-agent-platform
4. Sim. Визуальный конструктор воркфлоу со встроенным AI Copilot. Вы проектируете агентные пайплайны в виде исполняемых графов, при этом встроенный ИИ может генерировать или изменять эти воркфлоу за вас. Также платформа предоставляет подробный трейсинг выполнения, что значительно упрощает отладку сложных цепочек.
GitHub-репозиторий: https://github.com/simstudioai/sim
5. Dify. Платформа, готовая к использованию в проде, с акцентом на наблюдаемость. Поддерживает управление промптами, сложные RAG-пайплайны и агентную логику, а также предоставляет мониторинг во время выполнения. Если вы разворачиваете решение для реальных пользователей, это один из стандартных вариантов.
GitHub-репозиторий: https://github.com/langgenius/dify
Несколько ресурсов по harness engineering, которые я с большим удовольствием изучаю в последнее время:
» https://walkinglabs.github.io/learn-harness-engineering/en/ — отличный курс о том, как продуктивно ограничивать поведение агента, какие проблемы возникают при использовании LLM (особенно с удержанием контекста) и как сделать harness более агентным и доводящим задачи до корректного завершения.
» https://twotimespi.dev — создай упрощённого агента на Python (Tau). Начни с uv tool install tau-ai.
» https://humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents — уроки и выводы из неудач и успехов в построении harness-ов для кодинг-агентов за 12+ месяцев.
» https://langchain.com/blog/the-anatomy-of-an-agent-harness — обзор высокого уровня множества компонентов, которые должны правильно сойтись в harness-е, чтобы агент работал.
🐸🐸🐸
Копировать веб-страницы в LLM не обязательно вместе со всем HTML-кодом, рекламой и элементами интерфейса. Для этого появилось расширение .MD this page, которое в один клик преобразует любую страницу в чистый Markdown, готовый для передачи языковой модели.
Расширение использует Mozilla Readability, чтобы автоматически выделить основное содержимое страницы и отбросить навигацию, рекламу и другой лишний контент. Перед экспортом результат можно просмотреть и при необходимости отредактировать, а затем скопировать в буфер обмена, сохранить в виде Markdown-файла или использовать как основу для промпта.
При экспорте также можно настроить, что именно попадет в итоговый документ: оставить или убрать изображения, ссылки, метаданные, URL исходной страницы и карту структуры документа.
Проект распространяется с открытым исходным кодом по лицензии MIT.
Мой текущий любимый репозиторий скиллов — это безусловно коллекция скиллов mattpocock, которую я уже не раз рекомендовал: https://github.com/mattpocock/skills
Эти скиллы действительно подготовлены настоящими инженерами. Большинство из них состоят всего из нескольких простых предложений, но это самый что ни на есть настоящий опыт и практические советы из разработки. А ещё это ключевой способ изучать его философию программирования. Будь то /grill-me, /caveman, /zoom-out или /hand-off — я пользуюсь ими всеми регулярно.
Особенно хорош скилл /to-tickets. Представьте: вы уже проработали идею, прошли через /grill-me — его скилл, который помогает согласовать требования между вами и агентом перед началом работы, — и теперь перед вами лежит огромный план реализации.
Если сразу отдать этот план агенту, вероятность получить посредственный результат очень высока. Причина простая: вы перегрузите контекст, пытаясь сделать всё сразу. Именно здесь и помогает /to-tickets. Он разбивает большой план на небольшие задачи, помечая каждую тегом ready for agent.
После этого агент может последовательно работать над каждой задачей, точно понимает, каковы AC (Acceptance Criteria, критерии приёмки), и способен самостоятельно проверить результат (или запустить субагента для ревью).
☕️
Fable вернулся, а значит время для полезных советов:
Используйте Fable 5 как оркестратор, а Opus + Codex для выполнения (чтобы экономить использование Fable):
Fable 5 (макс. рассуждение) = оркестратор
Opus = сабагент для глубокого анализа.
Sonnet = механический рабочий сабагент
Codex = старший инженер-коллега с альтернативным взглядом.
Настройка:
1. Установите Fable 5 как основную модель. В Claude Code: /model → Fable 5 → reasoning /effort max
2. Создайте 2 сабагентов через /agents в Claude Code:
1. deep-reasoner → закрепить за Opus
EN:
Use for reasoning-heavy phases, architecture, debugging complex issues, algorithm design.
Think thoroughly, return a concise conclusion the orchestrator can act on.
Используй для этапов, требующих глубокого анализа: проектирование архитектуры, отладка сложных проблем, разработка алгоритмов. Анализируй максимально тщательно и возвращай краткий вывод, с которым сможет работать оркестратор.
Use for mechanical tasks, boilerplate, tests, formatting, simple edits.
Execute efficiently.
Используй для механических задач: шаблонный код, тесты, форматирование, простые правки. Выполняй их максимально эффективно.
/plugin marketplace add openai/codex-plugin-cc/plugin install codex@openai-codex/codex:setupCLAUDE.md в папке:## Orchestration workflow
You (Fable) are the orchestrator. Plan, decompose, synthesize.
Reasoning-heavy phases → deep-reasoner
Mechanical work → fast-worker
Codex (/codex:rescue --background) is a cracked engineer on par with deep-reasoner, from a different perspective. Treat as a peer, not a reviewer.
High-stakes decisions: task Opus + Codex on the same problem in parallel, synthesize the best of both, without showing either the other's answer. Keep your own context lean.
Цель: [что нужно сделать]
Контекст: [файлы, ограничения]
Ты — технический лидер. Делегируй задачи, требующие глубокого анализа, deep-reasoner; рутинную работу — fast-worker; задачи, где нужен свежий взгляд, — Codex.
Сначала покажи мне план, затем приступай к выполнению.
В Claude Code v2.1.198 появился новый встроенный навык: /dataviz
Он загружает в контекст рекомендации по проектированию диаграмм и дашбордов: выбор типа диаграммы, правила компоновки и визуальную иерархию для интерфейсов с большим объемом данных.
Также в него входит исполняемый валидатор цветовой палитры, благодаря которому Claude может программно проверять контрастность и соответствие требованиям доступности, а не делать предположения.
Ничего устанавливать не нужно - навык уже входит в состав CLI.
Если вам нужно быстро визуализировать данные в HTML и получить качественный результат с первой попытки, этот навык стоит вызывать явно. На втором демо он генерирует дашборд на основе статистики загрузок с http://aitmpl.com. 🐸
Sonnet 5 вышел. TL;DR:
1. Anthropic называет его самым агентным Sonnet на сегодня
2. Производительность почти как у Opus 4.8, но дешевле
3. Серьёзные улучшения в рассуждении, использовании инструментов, кодинге и работе со знаниями
4. Модель по умолчанию для Free и Pro пользователей
5. Доступен в Claude Code и API сегодня
6. Вводная цена: $2/M input, $10/M output до 31 августа
7. Стандартная цена: $3/M input, $15/M output
8. В целом безопаснее Sonnet 4.6, ниже уровень галлюцинаций и сикофантии
9. Киберзащита включена по умолчанию, но Opus остаётся сильнее для серьёзной киберработы
Также тестеры сравнили Sonnet 5 с Opus 4.8, Sonnet 4.6 и GPT 5.5.
Всем четырём моделям дали одинаковый промпт: создать три автономные HTML5 Canvas-сцены с реалистичной физикой столкновений.
Промпты:
- Автомобиль врезается в кирпичную стену.
- Шар для сноса разрушает дом.
- Катапульта запускает камень в стену замка.
Результаты:
Sonnet 5: 15 047 токенов, $0.15
Opus 4.8: 23 063 токена, $0.58
Sonnet 4.6: 25 824 токена, $0.39
GPT 5.5: 31 152 токена, $0.94
Sonnet 5 показал такой же уровень, как Opus 4.8 и GPT 5.5, во всех трёх тестах. В сценарии с шаром для сноса он превзошёл Opus 4.8: трос двигался плавно, и каждый удар приходился точно в цель. В тесте с катапультой он оказался лучше GPT 5.5: камень каждый раз попадал внутрь стены.
При этом Sonnet 5 всё ещё уступает по детализации и качеству графики. Зато он использовал меньше токенов, чем остальные модели. 😜
Для следующего поколения моделей одного ноутбука уже будет недостаточно.
Совет по Codex: попросите Sol настроить Luna Max как субагента.
В бенчмарке DeepSWE Luna Max набрала 67% против 73% у Sol Max. При этом средняя стоимость выполнения одной задачи оказалась почти в 14 раз ниже: $0,61 против $8,39. Поэтому отдельные чётко ограниченные задачи вполне логично передавать Luna..
Промпт:
Создай кастомного агента luna_worker в файле ~/.codex/agents/luna-worker.toml.
Используй следующие настройки:
model = "gpt-5.6-luna"
model_reasoning_effort = "max"
Добавь описание и инструкции для выполнения чётко ограниченных делегированных задач. Остальную конфигурацию не меняй. Проверь совместимость с установленной у меня версией Codex, покажи diff, а затем используй luna_worker для задач субагента.
Google начала открывать Gemini Spark пользователям Google AI Pro за пределами США.
Spark — персональный ИИ-агент, который круглосуточно работает в фоне и выполняет задачи по вашим указаниям, беря основную работу на себя.
Эту рабочую игру DeepSeek V4 Flash 0731 создала в Hermes Agent по одному промпту. На выполнение ушло 32 минуты, а весь запуск обошёлся всего в $0,07 — семь центов. 🐸
И дело не только в низкой цене токенов. По данным Artificial Analysis, выполнение тех же бенчмарк-задач обходится ей в 105 раз дешевле, чем Fable 5.
Топ-5 самых популярных GitHub-репозиториев этой недели:
Buzz — опенсорс платформа для совместной работы разработчиков и AI-агентов над кодом.
Ego Lite — браузер для AI-агентов, который использует ваши реальные вкладки, куки и авторизации.
Open Code Review — AI-инструмент от Alibaba для автоматического ревью Git-диффов и поиска ошибок в коде.
I Have ADHD — скилл , который заставляет AI отвечать коротко, структурированно и без лишней воды.
Editor — oпенсорс 3D-редактор для проектирования и совместной работы над архитектурными проектами.
Разработчики делают крутые вещи. И это прекрасно.
Читать полностью…
Website Downloader стал полностью открытым проектом.
Инструмент позволяет скачать практически любой сайт целиком вместе со всеми необходимыми ресурсами, чтобы он работал локально без подключения к интернету.
Автоматически скачивает HTML, CSS, JavaScript, изображения и шрифты сайта, преобразует все ссылки для локальной работы, упаковывает проект в ZIP-архив и отдает готовые файлы по мере их загрузки.
Всё, что раньше приходилось делать вручную в течение нескольких часов, теперь доступно через один интерфейс.
Проект может пригодиться для клонирования сайтов, создания офлайн-архивов или изучения реализации чужих веб-проектов. 😏😏😏
Совет для пользователей Claude Code:
claude --bg --name "Session Name" "Prompt goes here"
/claude-handoff — это замена /handoff, которая делает именно это.
Читать полностью…
Это абсурдно умно: есть способ сократить расходы на Fable 5 до ~70%. Просто преврати контекст Claude Code в картинку и заставь Fable распознавать их через OCR. 😂
https://github.com/teamchong/pxpipe
Антропики увеличили лимиты скорости запросов в Claude Platform API для всех пользователей и упростили систему тарифов — теперь она больше не зависит от объёма расходов на API.
Последние версии моделей Sonnet и Haiku теперь получают до 5× более высокие rate limits на самом высоком уровне.
Каждый уровень лимитов теперь предоставляет одинаковые показатели запросов в минуту и пропускной способности токенов для моделей Opus, Sonnet и Haiku.
Это позволяет выбирать подходящую модель под задачу без необходимости идти на компромиссы из-за ограничений rate limit.
Переход между уровнями лимитов происходит автоматически. При необходимости можно вручную запросить повышение лимита через кнопку “Request rate limit increase” в Claude Console.
Подробнее о rate limits — в документации Claude Platform. 🎉
Anthropic выпустили официальную библиотеку промптов для Claude.
И она полностью бесплатна. Там есть:
- Планирование, отладка, ревью кода, безопасность, автоматизация
Каждый промпт сопровождается пояснениями, как и почему он работает. Библиотека создана самой Anthropic.
🎉🎉🎉
Вашему второму мозгу нужно больше, чем демо-чатбот
Мне тут попался один опенсоурс репозиторий курса от Decoding AI для разработчиков, которые хотят создать ассистента для личной базы знаний с LLM, агентами, RAG и LLMOps.
Что входит:
• Шесть модулей - охватывает архитектуру, ETL, тонкую настройку, развёртывание, RAG и LLMOps
• Офлайн + онлайн приложения - разделяет ML/пайплайны данных и пайплайн инференса ассистента
• Поддержка Notion -использует базу знаний Second Brain, доступен публичный снимок, так что аккаунт Notion не обязателен
• Используются LLMOps-инструменты, включая - ZenML, Opik, Comet, Unsloth, MongoDB, Hugging Face и OpenAI
• Ориентирован на разработчиков с документацией модулей, готовый код, uv/ruff и Docker-инфраструктура
Открытый исходный код (лицензия MIT). 💃
Думскроллинг, но теперь с пользой для учебы 🤓
NotebookLM получил Short Video Overviews — функцию, которая превращает сложные источники в 60‑секундные вертикальные видео с разбором ключевых идей.
Роллаут уже начался для подписчиков Google AI Ultra и Google AI Pro на мобильных устройствах и в вебе. Бесплатные пользователи получат доступ позже.
С Anthropic сняли экспортные ограничения. После конструктивных переговоров с правительством США - доступ к Fable 5 начнут восстанавливать уже завтра
В неё добавлены новые классификаторы, нацеленные на блокировку задач по кибербезопасности. На первых порах часть рутинных операций, вроде кодинга и отладки — будет автоматически передаваться модели Opus 4.8.
Параллельно Anthropic совместно с Amazon, Microsoft, Google и другими партнёрами Glasswing начали разработку консенсусного фреймворка для оценки серьёзности ИИ-джейлбрейков и регламента реакции разработчиков.
Кроме того, компания расширяет сотрудничество с правительством США в области тестирования моделей и мер безопасности. Это будет включать предоставление раннего доступа к моделям и средствам защиты для оценки, обмен информацией о джейлбрейках и злоупотреблениях, а также выделенные ресурсы для совместных исследований. ☕️
Gamma теперь в ChatGPT.
Теперь можно генерировать презентации прямо в чате и дальше редактировать их в Gamma.
Можно просить Gamma:
«Преврати этот техотчёт в саммари для руководства»
«Собери маркетинговый бриф для нашего продукта по кибербезопасности»
«Создай питч-дек из 4 слайдов о выезде команды на Гавайи»
Собираешь идею в ChatGPT. Презентуешь в Gamma. 🐸