✅KEISOSUBBOTA Кейсосуббота — это рубрика, где мы делимся своими работами и взаимодействиями с ИИ. Это может быть что угодно: -картинки -анимации -текст -код -боты -песни -видео и т.д. ❤️ Не забывайте оставлять обратную связь на работы других людей. Это очень ценно Давайте попробуем меньше разводить флуд в комментариях. Для разных вопросов у нас есть чат — там такое. А здесь давайте по делу. Читайте ниже пояснение 👇А также читать пояснения и правила по ссылке ниже. ❗️ВАЖНО! Прочитайте по ссылке ниже пояснения: Ссылка на пояснение для тех, кто не участвовал ни разу в этой рубрике. Или для тех кто не помнит, какие есть правила. + ПУБЛИКАЦИИ ОТ ИМЕНИ КАНАЛОВ И ЕСЛИ У ВАС НЕТ НИКА В ТЕЛЕГРАМ— НЕ ПРОХОДЯТ СЕЙЧАС МОДЕРАЦИЮ ТАКЖЕ - ЕСЛИ НЕ ПОЛУЧАЕТСЯ ОСТАВИТЬ КОММЕНТАРИЙ (БОТ БЛОЧИТ ВАС) -- читайте здесь 〰️Пояснения нужны для того, чтобы потом не удивлялись почему удалён тот или иной материал. Ставим реакцию🔥 этому посту и далее скидываем кейс (с использованием нейронок/ИИ/AI/whatever) в комменты ниже👇 У кого есть то, чем хочется похвастаться?🥳🥳🥳 три... два... раз.. 🚀Поехали #keisosubbota@serge_ai

Важность исследования контекста Тема заезженная, но я сейчас кодю с Opus 5 и, конечно, провожу новую фичу через research стадию и интервью. Собственно, хоть фича и совсем небольшая, даже после того, когда кажется, что все готово, я все равно прошу опуса доисследовать контекст и проработать корнер кейсы и он действительно находит что-то новое и мы учитываем дополнительные инварианты, т. е. не зря просили доисследовать. Вообще, может показаться, что с появлением новых сильных моделей и харнессов проблема исследования контекста (research фазы) решена. Тем более, я даже явно попросил агента о дополнительном исследовании. Но что в действительности? Вы помните, что у меня Grok Heavy подписка с практически бесконечными лимитами, поэтому я смело попросил опуса запустить 5 сфокусированных грок агентов поисследовать глубже все ли мы с ним учли в спеке. Результат: гроки нашли 9 релевантных пробелов, которые мы не учли в спеке. Ну, всё, куда уж дальше-то копать? Ан нет, грок-то бесконечный у нас, давайте еще один проход 5-ти субагентов запустим. Результат: еще +4 находки. Ну, теперь-то уж точно всё, сколько можно? в 2025-й что ли вернулись? Почти. Мы тут недавно CodeAlive агента перевели на GPT 5.6 Luna (кстати, невероятно цепкая и крутая в исследовании и в code review модель), хороший повод проверить новый режим глубокого анализа нашего агента (он специально запромптчен, чтобы предельно глубоко копать)... Отправил. 2 минуты поисков и вуаля, еще +6 находок и пробелов в спеке, которые Опус потом подтвердила и исправила. Ну, и финально фейблом тоже прошлись, которая дала еще 3 полезных замечания по спеке и несколько мелочей. И только теперь спека готова к реализации. Почему так сложно? Две главные причины: 1. Да, фича хоть и небольшая, но нетривиальная и идет в некоторый конфликт с существующей механикой. 2. Кодовая база уже довольная большая и непростая - за 2+ года набралось более полу миллиона строк кода в сумме, это тоже усложняет задачу агенту. Количество ручной работы при этом можно сократить, завернув всю церемонию в скилл (вы тогда на вопросы будете отвечать где-то ближе к началу и в конце, т. к. каждый новый ваш ответ может поменять траекторию и потребовать доп. проверку контекста). В целом, чем более легаси проект, тем актуальнее будут все эти долгие и упорные перепроверки и тем сложнее будет стадия планирования. Особенно если вы, как и я, хотите за one-shot получить около prod-ready результат. Теперь когда вы услышите, что агенты не работают в enterprise, вы знаете каким постом ответить. Кстати, почему не Haiku 4.5? Хайку очень слабая модель на фоне Грока и Luna, она просто видит сильно меньше и уже подводила меня, поэтому теперь не советую ее (в крайнем случае Sonnet 4.6 хотя бы если у вас только клод подписка). Расскажите как у вас теперь выглядит стадия планирования? Вот теперь думаю раз CodeAlive так здорово спеки умеет ревьюить и граундить, может, есть смысл упаковать это в отдельный MCP/skill метод и отдать агентам в пользование? Актуально это? @ai_driven

🚀Быстроновости 💳Razer показали лимитки, сделанные в коллаборации с Hello Kitty — это розово-золотая игровая мышь с фирменным принтом и наушники с декоративным бантом. Мышь оценили в 4 тысячи рублей, а гарнитуру — в 9 тысяч. 🤦‍♂️По слухам, Ubisoft повторно представит Beyond Good and Evil 2 под новым названием. Анонс ожидается уже в этом году: игру могут показать на крупном мероприятии вроде The Game Awards 2026. 😕Глава Take-Two Штраус Зельник не видит проблемы в том, что индустрия отходит от дисков. В них, мол, уже «нет особого смысла», особенно для крупных игр вроде GTA VI: более 90% бизнеса компании уже приходится на цифровые продажи и в этом направлении движется рынок. 😎Подписаться на IGM

Искусство предугадывать тренды Трендвотчер — это специалист, который объединяет маркетинг и социологию, собирая данные и прогнозируя, куда движется рынок. Эти умения можно развить самостоятельно. Начните с регулярного наблюдения: изучайте новости, отчёты, социальные сети и отзывы клиентов. Следите за поведением конкурентов и потребителей, чтобы понять их интересы. Общайтесь с экспертами, анализируйте их прогнозы и оценки. Воспользуйтесь специализированными инструментами для аналитики трендов — они помогут выявить новые, ещё неочевидные направления. Важно сохранять объективность, сопоставлять разные мнения и применять полученные знания в работе, подстраивая бизнес под изменения. Трендвотчинг — это непрерывная практика, которая позволяет вашему бизнесу всегда оставаться на передовой. Фаундер | Бизнес и Стартапы

MSI Afterburner получит плагин GPUProbe для чтения скрытых датчиков видеокарт Создатель MSI Afterburner Алексей Unwinder Николачук представил встроенный плагин GPUProbe, который возрождает концепцию одноименного инструмента для RivaTuner. Плагин умеет считывать данные через регистры MMIO и шину I2C, открывая доступ к скрытым датчикам: температуре HotSpot, отдельных чипов VRAM, силовых элементов VRM и контроллеров питания. Пользователи смогут добавлять новые сенсоры самостоятельно через конфигурационные файлы, не дожидаясь официальных обновлений программы. В качестве примера автор показал интеграцию с кастомными картами ASUS ROG Astral. Плагин считывает ток с каждого контакта 12VHPWR и формирует «сигнал тревоги», если сила тока на пине превышает 12 А или разница между контактами составляет более 5,5 А. Afterburner может автоматически реагировать на аварийный статус — например, снижать Power Limit или выключать ПК. Из-за ограничений соглашений с NVIDIA полноценная встроенная поддержка этих функций в утилите отсутствует, поэтому GPUProbe останется плагином для энтузиастов.

Noctua проверила более 100 корпусов и нашла ошибки в спецификациях 56 моделей Компания Noctua вручную измерила реальный запас высоты под процессорные кулеры в сотне корпусов и зафиксировала расхождения с официальными ТТХ у 56 моделей. К примеру, в Lian Li B4-mATX заявлены 168 мм, но реальный замер показал 164,5 мм, из-за чего флагманский NH-D15 G2 туда просто не влезает. У ASUS Prime AP201 вместо паспортных 170 мм оказалось 168,3 мм — кулер помещается, но поднять вентилятор над высокой ОЗУ уже нельзя. Встречаются и обратные отклонения: у ряда корпусов Corsair фактический запас превысил заявленный почти на 10 мм. По итогам замеров австрийский производитель запустил собственную базу совместимости своих систем охлаждения с корпусами сторонних брендов. Компания планирует постоянно пополнять ее по мере тестирования новых моделей, чтобы уберечь пользователей от ошибок при сборке ПК.

Субботняя история Недавно во время отпуска мы останавливались в Стамбуле в одном дорогом и очень колоритном отеле. Называется он Divan Решил погуглить, что означает это слово. И вы не поверите - в турецком языке divan переводится как диван Оказывается, в Турции диван, это исторически важное и почётное место. Именно на диванах в Османской империи проходили заседания совета министров при султане. Сам совет, кстати, тоже назывался Divan. Так что, если вас когда-нибудь назовут «диванным экспертом», можно даже немного этим гордиться. Немного почувствовал себя министром и я, когда на очень удобном диване в нашем отеле, читая интересную книгу. Называется она - Your Life Is Manufactured. How the World Is Made and How We Can Do It Better (примерный перевод - Всё в вашей жизни произведено. Как создаётся наш мир и как мы можем делать это лучше ) Фото в шапке поста ⤴️ Это одна из самых впечатляющих nonfiction книг, которую я когда либо читал. Будь я действительно министром, сделал бы из этой книги учебник и заставил бы прочитать его всех студентов технических специальностей (да и гуманитариям, думаю, было бы очень полезно) Главная идея книги довольно простая - практически всё, что нас окружает, появилось в результате сложных производственных процессов. И большинство людей даже не представляет, насколько эти процессы сложны и насколько далеко друг от друга могут находиться участники одной производственной цепочки. Даже такая простая вещь, как рулон туалетной бумаги, это результат работы десятков предприятий, которые могут находиться на разных континентах. Кроме того, в книге есть история развития промышленности, промышленных революций и прогнозы автора о том, как производство будет развиваться в будущем. Во многом взгляд автора совпадает с моими представлениями о роли материального производства в жизни общества. Поэтому я хочу поделиться с вами некоторыми историями и идеями из этой книги в следующих постах. Пусть простит меня за это автор - Тим Миншалл, профессор производственных инноваций Кембриджского университета. Не переключайтесь. Незаметный бизнес

Борис описывает проблему, которая, на мой взгляд, является законом Лемана на стероидах (второй закон эволюции ПО):

Код будет гнить, если его гниению активно не противодействовать.

Это всегда было актуально и для человеческой разработки, особенно в больших проектах. Проблема с агентами в том, что с ними проект растёт и развивается гораздо быстрее, чем раньше, а значит, и гнить он начинает быстрее. Но я считаю, что это решаемая проблема даже на текущем уровне развития агентов и LLM. Нам с Уроборосом пришлось долго учиться противодействовать заслопливанию кода, и из этого в том числе появились принципы IMMUNE. Правильно выстроенная система адверсариального ревью тоже довольно неплохо помогает. Но ревью должно опираться на явную иерархию требований, начинающуюся с конституционных формулировок. В Уроборосе вершина этой иерархии лежит в BIBLE.md: требования важнее архитектуры, архитектура важнее реализации. На мой взгляд, ключевая проблема тут в том, что LLM нехватает длинного контекста, а основные харнессы плохо помогают им сохранять целостную ментальную модель проекта. Поэтому: 1. Я очень жду LLM с 10B контекстом. 2. Продолжаю развивать Уробороса и делать ставку на мета-системы, которые автономно улучшают и сам процесс разработки: "Improve the generator, not the generation". Мы точно не упёрлись в предел качества автономных агентов, а просто научились очень быстро генерировать код, при этом ещё плохо умеем с той же скоростью противодействовать его гниению.

🧨 Появился набор скиллов, которые мешают ИИ-агентам делать глупости и сжигать токены — ру дизайнер выкатил nodumbmode для фикса типичных ошибок. Внутри лежат 4 скилла: → nodumb — манифест здравого смысла для агента и набор главных рекомендаций. → changelog-discipline — ведёт журнал решений и записывает, что поменялось, почему и что отвергли. → system-feedback — проверяет, понятно ли юзеру, что произошло после действия и что делать при ошибке. → ask-nodumb — дизайнер-консультант, который разбирает продуктовую или UX-задачу до проектирования решения. Самое крутое — все скиллы собраны из реальных ошибок в проектах и новый скилл появляется только после конкретного фейла. Ставится за одну команду:

npx skills@latest add hronicasync/nodumbmode

Сохраняем — тут. @notboring_tech

And to remind you of bipolar nature of my mind, here are my notes on local LLMs: 1. 99% of them are horrible, just outright barely usable even for low-risk applications. Qwen 3.6 derivatives passed some benchmarks but SUX ARSE (Prism 27B included). Nvidia's own stuff is trash too. 2. The exact model is more important than the family. The size (8B, 12-14B, 27B, etc) maters less than how tuned and mixed it is. 3. For my goals I ended up with two very capable models: https://huggingface.co/Brunobkr/OFFELLIA_Gemma-4-E4B-8b-Claude-4.6-Opus-Reasoning-MTP - a tiny 7.5B model but very well tuned for tech stuff. Makes some mistakes, so ask wisely. Can run on a laptop. https://huggingface.co/mudler/gemma-4-26B-A4B-it-Claude-Opus-Distill-APEX-GGUF - fairly big MoE for all sorts of stuff. Eats tons of RAM, but Mix of Experts with APEX allows it to still be very fast. And I run stuff via LM Studio #AI@GameDEV