Лень разбираться как главный движок роста рынка SaaS и что такое tech curiosity 🤨 Вчера я сказала @doraakulshina, что для меня лично большинство SaaS тулов выглядит бесполезно - я, например, не вижу для себя велью в Cursor (да простит меня Илон Маск) или Lovable. Зачем платить за подписку на что-то, что нельзя закастомить и контролировать, если то же самое можно за минуту закодить в клод коде? И уверена, что я не одна такая Обычно небольшие команды платят за 10–15 подписок, используют по 40% от каждой и половину все равно делают руками/своим любимым агентом. Ну и если посмотреть на тренды, то в мире вайбкодинга доля Курсора упала с 41% в прошлом июне до 26% в мае, а половину категории теперь занимает Anthropic. То есть Маск две недели назад закрыл сделку на 60 миллиардов за тул, который проигрывает клоду 😑 Хотя у Маска логика, конечно, другая - он покупал не редактор, а данные, на которых уже дообучили Grok, и платил за это акциями SpaceX, которые за один день торгов выросли на всю сумму сделки. Так что Курсор ему нужен как топливо для модели, а не как продукт. Но это только подтверждает мысль: продукт сам по себе, оказывается, стоит куда меньше, чем данные генерируемые людьми, которым лень разбираться 🤨 У ловабл 60% юзеров не разработчики, 50 миллионов продуктов и 600 миллионов визитов в месяц на то, что эти люди навайбкодили. Лень разбираться как написать и захостить сайт, поищу готовое и заплачу. И это огромный рынок Дора вкинула мне интересный термин - tech curiosity. По сути это противоположность платному шорткату, то есть готовность разбираться, как работают части проекта, как пройти ревью в эпле, да даже просто как настроить почту, чтобы не попадать в спам. Мне, как разработчику, это все конечно проще, но для большинства это пытка, и они с радостью заплатят $25 в месяц за ловабл, потому что, как оказалось, само словосочетание claude code у многих вызывает панику (хотя это даже не обязательно CLI, а тот же чат с клодом, просто заточенный под кодинг) В то же время у "лень разбираться" есть ожидаемая обратная сторона. Ловабл сами писали про проблему "последних 10%" - апп почти готов, но не работает, и юзер, который не хотел разбираться, разбираться не умеет. Исследователи нашли критические дыры в безопасности у каждого десятого ловаблового приложения, и понятно откуда, пользователю же обещали, что уметь программировать не нужно 🤠 Так что большая часть рынка SaaS это монетизация чужого нежелания разбираться, тратить время и это самый большой рынок из возможных, потому что любопытных мало, а ленивых оптимизирующих свое время сильно больше. И тут новое пространство это конечно же last mile проекты для завайбкоженных продуктов (обещание мы щас тебе допилим твой неработающий вайбокод до продакшен-реди конфетки) @neural_prosecco

Дмитрий Завалишин написал классный пост о преимуществах Java над другими языками программирования. Ниже — ключевая цитата.

Проект большой и длинный. Оптимизировать надо по лёгкости понимания кода. Код должен быть многословным и совершенно однозначно интерпретируемым в точке прочтения, без анализа окружения. Явные типы везде, явные исключения везде, длинные осмысленные идентификаторы, документирование методов, параметров, возврата, всего. То есть, собственно, Ява.

Давайте сейчас забудем про AI, вернемся в первобытные времена до 2022 года. Всё же абсолютно правильно написано. Не поспорить ни с чем. Но мой личный опыт программиста — 100% Java проектов именно что неподдерживаемы, потому что нечитабельны. Ок, я Java не знаю, можно предположить, что поэтому и не читабельны. Но я и PHP с Python не знал никогда, а читал спокойно и поддерживал. Или, было время, я Си не знал (потом узнал), тоже всё нормально было. А с Java нет. Удивительное расхождение теории с практикой.

Если интересно, я вот так со своим ИИ Агентом общаюсь / агентской системой:

[founder-mode](slashCommand;founder-mode) обнови implementation plan и перепроверь как у нас все работает (наши fractal mas, спекулятивные роутеры, ральф лупы и другие архитектуры и агентские системы из 09_Management/_auto_orchestration + 09_Management/_auto_work + 09_Management/ralph_loop_research Ты ничего не упустил в рамках того как гипотезы проверяешь / продумываешь и тд и тп? не получится ли так, что модель слишкам слабая и глупая? ей нужен кто-то из моделей старше и ты можешь параллельно обрабатывая гипотезы, параллельно работать и через Ollama и через обычные модели из спекулятивного роутинга. + добавь наконец Ollama в 09_Management/_CLI_AI_APIs/MODEL_REGISTRY.md + 09_Management/_CLI_AI_APIs/scripts -> чтобы там был понятный .py агент/скрипт для работы с Ollama и думать где Ollama может эффективно / быстро / точно заменять другие модели дешевые. + изучи / думай какая пропускная способность в токенах у Ollama и какая у других моделей, на сколько дольше будет работать и хуже? То есть, на время тестов, пока все будет работать, тебе нужно тестировать Ollama с другими альтернативами и вариантами, чтобы обнаружить деградацию + нужно логи писать по тому как Ollama справляется / работает / отвечает и как эффективно вообще новая версия overnight_curiosity_evolve_daemon.py будет работать. Давай первый прогон сделаем тестовый, что ты будет каждую 1 минуту писать вместо 5 для телеметрии, и вместо раз в 20 минут запускать логику - запускай ее раз в 4 минуты. И мы за 10 минут сможем 2 полный круга прогнать и понять как это все работает. думай / изучай как правильно вообще логи собирать и чтобы они все место у меня на диске не заняли и как их потом искать быстро и осозновать инсайты через 16_AI_graph_brain думай / работай через [founder-perplexity-model-council-reasoning](slashCommand;founder-perplexity-model-council-reasoning) [founder-fractal-mas](slashCommand;founder-fractal-mas) R=3 + [founder-evolve-ouroboros](slashCommand;founder-evolve-ouroboros) [founder-dreaming](slashCommand;founder-dreaming) + [founder-self-healing](slashCommand;founder-self-healing) И обнови implementation plan, чтобы была кнопка proceed и я проверю план и запущу цикл на 20 минут

😐 Ультимативный разбор... Go 1.27? Честно, не знаю зачем я это сделал, но я сделал.. Ну почти. https://golang.guide/go-1-27/ Сначала я решил просто написать базовый обзор релиза. Но потом я увлёкся и не смог вовремя остановиться. Мне хотелось не просто сухо рассказать об изменениях, а добиться глубокого понимания читателя — причины этих изменений, какие проблемы они решают, как реализовано, почему именно сейчас, какая история стоит за самыми интересными фичами. При этом, я старался писать так, чтобы всё это читалось интересно и легко. В итоге, работа над статьёй так сильно затянулась, что когда она выйдет, сам релиз уже никому не будет интересен. Поэтому я решил опубликовать ту её часть, которая уже готова — это примерно 60%, и туда вошло всё самое интересное и важное: - Дженерик-методы, которые десять лет обещали не добавлять - Новый движок JSON v2 - Пакет uuid наконец-то в стандартной библиотеке - Детектор утечек горутин, который переиспользует сборщик мусора — на мой взгляд, самое красивое, что есть в этом релизе Во вторую половину войдут: постквантовые подписи, рантайм, net/http, SIMD и тулинг. Это я дописываю прямо сейчас, оно появится в той же статье. Все код-сниппеты запускаются прямо из статьи на актуальном go1.27. Каждый из них можно редактировать и экспериментировать — не нужно открывать отдельный плэйграунд. А ещё я подготовил для вас наглядный виджет с демонстрацией механики работы детектора утечки горутин. Я потратил на эту статью ОЧЕНЬ много времени. Возможно, стоило потратить на более фундаментальный гайд — тот же GC, над которым я также сейчас работаю. Но надеюсь, вам всё же понравится ❤️ Стоит ли писать подобные обзоры про новые релизы? ———— А ещё я прикрутил к сайту email-рассылку (и письмо про Go 1.27 туда ушло сильно раньше этого поста) и комментарии к статьям. Если вдруг заметите какие-то баги, пишите в комментариях, постараюсь оперативно поправить. И не хулиганьте в комментариях на сайте! 👍 #article #go1_27

Генерация кода: сокращаем рутину в разработке Задача простая: во всей кодовой базе поменять print на logger.info. Поиском и заменой не выйдет, заденешь комментарии, где print просто упомянут словом. Синтаксическое дерево умнее — проходит по узлам, находит именно вызовы print, меняет только их. Но у абстрактного дерева (AST) своя цена. Код после трансформации становится чище и теряет всю документацию, потому что комментарии и форматирование оно не хранит в принципе. То есть безопасно рефакторить внутри репозитория им нельзя. Автоматизация давно не роскошь, а базовый минимум, и жертвовать читаемостью ради неё смысла нет. Остаётся третий инструмент, который держит всю структуру от запятых до комментариев. Посмотрим, чем конкретное синтаксическое дерево закрывает то, на чём спотыкаются два предыдущих.

Куда двигать свой AI-стек прямо сейчас: мысли про тарифы, локалки и железо Вчера писал про браузер Comet от Perplexity, а сегодня хочу развернуть более глобальную картину того, что сейчас происходит с подписками и куда вообще катится рынок. 1. Конец эпохи подписок по $20 Perplexity - относительно небольшой стартап, особенно на фоне Google или Anthropic. Они находятся в куда более уязвимом положении, работая по API, поэтому первыми начали активно резать функционал и просить деньги за базовые вещи. Но этот тренд неизбежно дойдет и до остальных гигантов. Ограничения и рост цен продиктованы банальным дефицитом видеокарт, видеопамяти и общим кризисом на рынке полупроводников. Мы проживаем последние моменты условной халявы в стандартных тарифах. Базовым минимумом для нормальной работы становится подписка за $100-200, куда компании сейчас стараются напихать максимум возможностей. Но и эта щедрость ненадолго, думаю, что на горизонте года и их будут резать. Поэтому мой посыл - залетайте в эти тарифы нужно прямо сейчас, пока дают максимум (как тот же Google со связкой сервисов вроде NotebookLM), быстро выстраивайте рабочие процессы, пробуйте все, что там доступно, чтобы к моменту неизбежных урезаний точно понимать, за что вы готовы платить. 2. Инвестиция в локальное железо Для большинства ежедневных задач огромные облачные LLM объективно не нужны. Локальные модели развиваются бешеными темпами: если год назад для схожего качества требовалось шаманить с SGR, то сейчас условная Gemma E4B из коробки отлично закрывает базовые кейсы. Я уверен, что в течение года модели в этом размере станут еще круче. Показательный пример - недавний запуск Perplexity Local Computer в рамках их экосистемы. Ребята развивают направление AI Harness и выкатили решение, работающее либо на Qwen, либо на собственном обученном оркестраторе. Но чтобы крутить локально модели такого уровня (27B и выше), нужно железо. На фоне дорожающей памяти и урезания базовых комплектаций производителями, лучшая инвестиция в свой AI-стек прямо сейчас - это покупка мощной машины. В идеале - Mac с объединенной памятью от 64 ГБ (или хороший ПК на Windows). Это дает полную автономность от облачных лимитов и подписок, которая через год станет еще более критичной. 3. Как оптимально собрать стек под себя Формула эффективного рабочего сетапа на ближайшее время выглядит так: одна сильная подписка ($100+) + локалка на хорошем железе + 1-2 ситуативных сервиса под узкие задачи. • Выбор флагмана. Если ваш фокус - разработка и код, логичнее держаться Claude или ChatGPT. Если вы глубоко сидите в экосистеме Google и хотите максимум отдачи на каждый доллар - Google AI с тарифом уровня Ultra полностью закрывает потребности. У меня этот переход, например, снял необходимость держать пачку параллельных подписок. • Вайб-кодинг и сторонние тулзы. Сервисы вроде Lovable, Bolt или Granola - неплохая точка входа, но платить за них бесконечно нет смысла. Гораздо перспективнее сразу учиться работать с AI-кодингом через Claude Code, Codex или Antigravity. Если нужно пилить прототипы - вы вполне сможете делать это в них. Если нужен узкий тул для своих задач - вы сможете накодить его. Как только вы понимаете механику, необходимость в промежуточных сервисах отпадает сама собой. 🚀 Влад Корнышев про AI и создание AI-продуктов

🌌 [Curiosity Engine - Итерация 152] COUNCIL & HEALING (08:18:48) ⚖️ Model Council: Проведен аудит скиллов founder-mode и founder-evolve-ouroboros. Обнаружено, что скиллы допускают 'симуляции' работы вместо реального парсинга графа. 🛠 Self-Healing: Внедрен скрипт real_tantivy_extractor.py. Теперь мы извлекаем настоящие ноды из L3-графа (найдено 3432 реальных QA-пары для LoRA River.ai). 🛡 Вывод: Отказ от симуляций повышает достоверность данных до 100%. буду писать первые свои микро LLM (SLM - small) на базе Opensource., чтобы они локально крутились или где-то в облаке/в периметре. И потом могли уже нужные "вектора" / embeding'и отправлять в вендоров / реальные LLM - "аля дообучая их своих контекстом". А зачем мне свои LLM/SLM? Чтобы управлять мозгами оркестратора и то как мультиагентский рой работает, чтобы не было задержек и были жесктие инварианты без деградаций. Экспериментирую

🛠 Инструменты • LangSmith Sandboxes — Изолированное пространство для безопасного запуска кода и итераций агентов. • Taku — Собирайте, запускайте и делитесь настраиваемыми рабочими процессами. • CastReader — Читайте вслух что угодно на 9 языках с помощью ИИ. • Maxfusion — Создавайте профессиональные видеорекламы с помощью ИИ. • Top 125 AI Tools — Лучшие ИИ-инструменты в подборке. • Fabricate — Генерирует full-stack приложение на React и TypeScript из описания. • Page Pulse — Аналитика сайта с AI-инсайтами: трафик, конверсии, тепловые карты. • FigEditor — Создание научных фигур с ИИ из текста, эскизов или референсов. • Chatzy — ИИ-платформа для автоматизации клиентского пути. • Pikes — Креативный ИИ-набор для CPG-брендов: фото, реклама, видео. • Video Transcript — Транскрибация видео и аудио с таймкодами. • Koji — ИИ-платформа для интервью с клиентами и исследований. • Скрытая модель Ox Alpha на OpenRouter — Модель с 1M контекстом, 131K выводом, 80% на DeepSWE. • Nvidia AVO набрал 100% на ARC-AGI-3 — 183 уровня без инструкций. • Google Antigravity получает Remote Control — Доступ к сессиям с браузеров и мобильных устройств. • Inherent (от DeepMind) превзошла Anthropic и OpenAI — Агент Faraday на 27B параметров превзошёл крупные модели в исследованиях. • DeepSeek выпускает экспериментальную Flash Vision модель — Почти сравнивается с Opus 4.8 на агентских задачах. • Alibaba выпускает видеомодель Wan3.0 — Генерирует до 30 сек видео, поддерживает текст, изображения, аудио. • Thomson Reuters создаёт свою ИИ-модель на базе опенсорса — Модель Thomson-1 на базе Qwen, конкурирует с топ-моделями. • Tesla подтверждает запуск Cybercab — Инвайт-событие 3 сентября, активный автопилот ~20-30 авто. • Дата-центры стимулируют новые трансформаторы — Твердотельные, компактные и модульные трансформаторы для ИИ. • Тостерообразные роботакси Amazon выходят на дороги — Электромобили Zoox без руля начали перевозить пассажиров. • Новая дорожная карта MCP — План развития протокола включает агентные примитивы и безопасность.

• Coresignal Agentic Search API — Запрашивайте 4,5+ млрд записей о компаниях на естественном языке. • PixelPanda — Превращает фото товаров в профессиональные снимки и UGC-видео. • Sim — Создание, развёртывание и мониторинг ИИ-агентов. • Bloxks — Создание и публикация мобильных приложений без кода. • NVIDIA начинает полное производство чипов Groq 3 LPX — Ускоритель для Vera Rubin обеспечивает 4-кратное ускорение ответов. • Анонимная модель Ox Alpha обработала 26 трлн токенов — 327 тыс. пользователей за 4 дня, рекорд запуска на OpenRouter. • Hot Chips 2026: CUDA нацеливается на RISC-V — Nvidia расширяет поддержку CUDA на RISC-V. • Графовая инженерия (GitHub) — Коллекция статей о динамических графах для координации агентов. • ROME (GitHub) — Среда для запуска постоянных ИИ-агентов с защитными ограничениями. • Multi — Превращает контент в YouTube-видео с voiceover и captions. • Slack Code — Встраивает ИИ-агентов в каналы Slack для совместной разработки. • MarkItDown — Конвертирует файлы в Markdown для ИИ-процессов. • T3Code — Open-source контрольная панель для кодинг-агентов. • Recraft — Text-to-image модель и дизайн-платформа. • Motiofy AI — Генерация видео из изображений. • Clipto — Единая память для знаний и материалов на компьютере. • Astute — Продвижение B2B-бренда через новый медиа-контент. • Better Claw — Создаёт и запускает ИИ-агентов по расписанию без кода. • Diagrimo — Превращает идеи в схемы, диаграммы и инфографику. • Astorie — Общий холст для сценариев, визуальных идей и медиаматериалов. • Similarweb AI Ads — Отслеживает рекламу в ответах ChatGPT и Google AI. • Meterless — Записывает шаги агента и сохраняет их как сценарий. • Sonic 3.6 — Синтез речи на 44 языках. • Spline V2 — Создаёт 3D-сцены в браузере, Agent Mode по командам. • Nylas — Подключает почту, календарь и заметки встреч. • NVIDIA AVO — Набрала 100% на ARC-AGI-3, внутри Claude Opus 5. • Anthropic Mythos 5 — Открыта для кибербезопасности, выделено $35 млн на open-source. • GEN-1.5 — Робототех-модель осваивает действия по одному примеру.