Поставил себе на iPhone новое приложение для уведомлений от CLI-агентов Это опенсурс, называется Buzz (не перепутайте с их другим продуктом) Через него клод, кодекс и другие агенты могут отправлять на телефон пуши: - когда выполнил задачу - если нужен апрув или есть вопрос - вылезла ошибка (timeout, API rate limit и тд) И отдельно агенты могут спавнить виджет с прогресс-баром и статусом на заблокированном экране и в островке По HTTP, то есть агенту и телефону не обязательно быть в одной сети Уведомления приходят автоматом, а вот когда обновлять прогресс агент решает сам, так что попросите его еще:

Поставь скилл для Buzz, включи "finished": true, и всегда показывай/обновляй прогресс через скилл buzz.

Скачать приложение на iOS: TestFlight Или если захотите хостить у себя: GitHub @tips_ai #tools

🦀 GitHub переписал runtime GitHub Copilot на Rust — с помощью самого Copilot Изначально runtime был написан на TypeScript, работал поверх Node.js и V8. Теперь это: - более 800 000 строк production-кода на Rust - крупная миграция работающей системы, а не экспериментальный прототип - Copilot использовался прямо в процессе переноса и рефакторинга Интересный момент: инструмент для генерации кода помог переписать собственную инфраструктуру на язык, ориентированный на производительность, контроль памяти и предсказуемость runtime. Хороший пример того, куда движется разработка: AI всё чаще используется не только для написания отдельных функций, а для миграции больших production-систем между технологическими стеками. https://github.blog/ai-and-ml/generative-ai/migrating-the-github-copilot-runtime-to-rust-using-copilot/

ИИ для разработчика Я сижу в Chrome непрерывно. Мне трудно вспомнить даже три его новые фичи за десять лет. Каким был, таким и остался. Сотни разработчиков трудятся, что-то делают, получают бонусы и повышения, внешне ничего не меняется. Ещё я непрерывно сижу в Telegram. Три и даже десять фич за десять лет я назову, но, скажем, за год – ни одной хоть как-то значимой. То же самое с приложениями банков, такси и всеми любимыми сайтами. Изменений никаких, современная версия у всех идентична доковидному варианту. А вот Claude Code (как Windows приложение! нейросеть отдельно, только на приложение смотрим) меняется буквально ежедневно. Появились встроенный браузер, нормальная работа с мобильным телефоном, пришли (и, кажется, ушли?) артефакты, по-другому просматриваются файлы – это за пару месяцев или около того. Я пост ночью писал, этого ещё не знал, а утром они вкладки объединили, отдельного чата больше нет. Не строгое доказательство, но жирный намек, что AI все-таки ускоряет разработку продуктов, не только создание слоп-кода. #простомысли #ai

На постере изображена реклама Devin — автономного ИИ-ассистента для разработки ПО от компании Cognition Labs. Реклама бьет в одну из самых старых и болезненных проблем корпоративного IT: * Что такое COBOL: Язык программирования, созданный еще в 1959 году. Несмотря на архаичность, на нем до сих пор работают критически важные системы крупнейших мировых банков, страховых гигантов, авиакомпаний и правительственных структур США. * Суть проблемы: Переписать (мигрировать) миллионы строк древнего спагетти-кода на современные языки — титаническая, рискованная и невероятно дорогая задача. Проекты таких миграций длятся годами и часто проваливаются, а знающие COBOL специалисты массово уходят на пенсию. * Посыл рекламы: Слоган Goodbye COBOL. Devin finally finishes that migration заявляет, что автономный ИИ-разработчик способен взять эту рутину на себя и довести бесконечный процесс переноса легаси-кода до конца. По оценкам Reuters, около 43% банковских систем США и до 95% операций в банкоматах до сих пор опираются на код, написанный на COBOL. Во время пандемии 2020 года системы выплаты пособий по безработице в нескольких штатах США (включая Нью-Джерси) рухнули из-за наплыва заявок, и губернаторам пришлось публично искать программистов-добровольцев, знающих COBOL, так как штатные специалисты отсутствовали. Попытки ручной миграции с COBOL известны эпическими провалами: например, австралийский Commonwealth Bank потратил около 750 млн долларов и более пяти лет, чтобы модернизировать свою базовую платформу.

Айтишник рассказал, как любовь к ИИ-агентам перевернула его карьеру. Разработчик ИИ-агентов Лёша Остриков начал свой путь в логистике и big data, пилил софт для курьеров, но переключился на создание и развитие ИИ-агентов. Всё из-за задачи, которую Лёша поставил агенту: нужно было разобраться со сложным моментом в Telegram-боте — как сделать так, чтобы без реплая на бота человек понимал, что сообщение относится именно к нему. Лёша нашел решение с помощью агента — и понял, что тот может быть полезен не только для таких точечных кейсов. Он продолжил экспериментировать, а со временем этот интерес перерос в новый профессиональный маршрут. Если до сих пор сомневаетесь в пользе агентов, задумайтесь 😁

Google Antigravity 2 -> хороший пример как я сделал свою реализацию общения между чатами/контекстами/проектами имея L1/L2/L3 память со всей информацией с которой я вообще работал. Это дальше открыло возможность сделать свой p2p/zero-trust чат/мессенджер аля Slack для общения с агентами из твоего AI IDE/моего AI ADE + с другими людьми и их агентами. В общем, теперь можно быстро / проактивно общаться 1 на 1 с людьми и с их агентами самим и через своих агентов для автономной коммуникации/работы + свое файловое хранилище зашифрованное и тд и тп. + работаю, чтобы можно было чаты длеать на 3+ человека и их агентов + чаты / интеграции с другими сервисами, чтобы оттуда тянуть апдейты или взаимодействовать с сервисами на обычном/человечем языке. Это прям очень сильно ускоряет разработку / коммуникации / исследования

Задумывались, почему одни компании ПОЛЕЗНО внедрили ИИ-агентов, а другие накупили сотрудникам подписок, запустили кучу пилотов и... всё? В чём разница? ИМХО, это ключевой вопрос, чтобы ИИ-трансформация вообще запустилась (без ответа на него всё остальное будет вхолостую стрелять). И у меня есть подсказка: причина ровно та же, по которой ИИ так хорошо делает код. Именно код, а не презентации, отчёты или посты на Дизраптор (их он вообще не пишет - говорит "не могу осилить, не мой уровень"). Меткая мысль на эту тему попалась в колонке Дмитрия Ушанова, директора ИИ-центра Т-банка. Если кратко, то агенты быстрее заходят туда, где результат можно ТОЧНО проверить относительно малой кровью, а цена ошибки при этом, ну, приемлемая. Эта мысль кажется базой-основой, но если её развернуть, то есть важный нюанс, смотрите: Обычно успех эйай в разработке объясняют так: "Код = сплошь текст, а LLM в тексте хороши". Но договор - это тоже текст. Как и коммерческое предложение. И много что ещё. Однако, агентов-юристов в проде почти не видно. Но зато агентов-разрабов пруд-пруди. Прикол в том, что у кода есть бесплатный "проверяющий": компиляторы, тесты, флаги "запустилось / упало" и т.д. Агент написал фигню → среда сразу дала ему по щам → агент переписал. Нужно всего три итерации, а человек в этой цепочке в общем-то не прям нужен (на практике пока скорее нужен, но всё идёт к тому, что ключевое слово "пока"). А вот с ошибкой в договоре так не получится - она всплывёт через полгода в суде, ошибка в закупке - при отгрузке через квартал. И проблемы будут совсем другого уровня. Получается, главное узкое горлышко в реальном внедрении - не интеллект модели (с ним всё уже более-менее гуд, при чём у всех LLM), а цена верификации. Проще говоря, насколько дёшево и сердито можно проверить, что агент не накосячил. И тут бизнес делает логичный манёвр: "раз проверять некому - поставим человека". Это называется human-in-the-loop (HILT), "человек в контуре". Агент делает - кожаный перепроверяет и жмёт "ок". Но прикол в том, что это только кажется разумным компромиссом, а по факту самый дорогой режим из возможных: вы платите и за токены, и за человека, а человек ещё и тупеет, потому что 95% времени просто кликает "ок" (примерно как чувак, который сидит за рулём беспилотного такси на тестовых прогонах). Ушанов так и пишет: если модель плюс контроль стоят дороже процесса без ИИ, то оно вообще зачем? Это напоминает "зловещую долину" у роботов: полностью ручной процесс - окей, полностью автономный - тоже окей, а посередине какая-то стрёмная фигня. Отсюда и ответ на вопрос из заголовка: Компании, которые добротно внедрили агентов, сначала перепилили процесс так, чтобы у него появился свой "компилятор": формальные критерии, проверяемый результат, и нативный (то бишь, по дефолту предполагаемый) контроль на стыках между шагами. Разработчики получили это бесплатно от природы, а всем остальным придётся "поработать напильником". Так что, если ваш агент второй год живёт в статусе пилота - скорее всего, вашему процессу просто нечем проверить, что агент всё делает правильно, не врёт и не краснеет косячит. Дизраптор

Мои принципы командной AI Native разработки Главная цель тут - самостоятельность агентов при сохранении общего замысла продукта. (1) Люди и агенты могут координировать работу через общий язык и явно сформулированные концепции. Это можно использовать, если нужно держать AI Native команду из них в синхроне, распараллеливая работу между ними. В начале нужно создать небольшое смысловое ядро. Это цель, язык, приоритеты и ограничения, из которых естественно следуют дальнейшие решения. Это маленький файл, который пишется вручную (агент может помогать вычитывать). Он грузится в начало контекста агентов и проговаривается со всеми людьми в команде. На базе него принимаются решения и расписываются требования. (2) Получается пирамида, где нижние слои детализируют верхние: смысловое ядро -> решения и требования -> исполняемые BDD спецификации -> код. Чем выше, тем важнее человеческое суждение и тем шире последствия ошибки. Чем ниже, тем больше работу можно распараллеливать и проверять автоматически. Обратная связь из реального мира идёт вверх и помогает пересматривать исходные представления. (3) Контекст раскрывается по мере необходимости (progressive disclosure для людей и агентов). Краткая точка входа ведёт к подробным документам. Знания сохраняются в репозитории и доступны между сессиями. Имена файлов имеют значение! (4) Соответствие кода оформленным требованиям можно проверить запуском тестов! Продуктовые требования связаны с быстрыми поведенческими спеками (executable BDD specs), которые позволяют перепроверять корректность кода со скоростью 7k спеков в секунда. (5) У агента есть инструменты, чтобы проверять результат и исправлять ошибки. Это исполняемые спеки, служебные интерфейсы для отладки. Плюс доступ к логам и продуктовой телеметрии для получения обратной связи от реального мира. (6) Эта система из людей и агентов должна накапливать опыт. Скажем, ошибки улучшают спеки и документацию; пересмотр базовых принципов происходит осознанно (скажем, если повторяются разногласия или узнаем что-то новое). Общие соглашения и центр управления помогают переносить удачные решения между проектами. Урок усвоен, когда он меняет будущие решения или проверки и уменьшает вероятность повторения ошибки. Это можно проверять перезапуском старой сломавшейся задачи после переконфигурации всей пирамиды. А как вы помогаете своим агентам эффективнее работать в командах с людьми? Что работает хорошо, а что - не очень? Ваш, @llm_under_hood 🤗

$2304 ARR с SEO Блин офигеть клиенты потихоньку идут, и Invoisin.com развивается. Причем с SEO идут прям компании - это вообще я был скептик но работает. Затрат на маркетинг ноль (шучу, уже не ноль, там в OpenAI ads кампания крутится, но пока ХЗ результат). Крупный лид появился из Франции - попросили одну фичу (Outlook Integration). Я с утра в кофейне в Claude Design накинул прототип, закинул ему и понравилось. Завтра в продакшн фича (клиент на $1500 ARR). Подробнее про как делать SEO Скриншот - плагин в Omarchy, в реалтайме следить за выручкой - бабки всегда перед глазами, мотивирует быть в тонусе. Вот что мне пишет француз: "I do, however, see two advantages in your solution: the ability to import Harvest data and your willingness to incorporate user feedback." выбирает между мной и крупным конкурентом, но пока мое интереснее, ибо я ему в отличие от конкурентов просто пишу и общаюсь - клиентский сервис.

Что я имел в виду В прошлом посте я написал, что заказной разработке наступает конец. Хочу уточнить, что имел в виду — речь не о том, что разработка вообще не нужна и все клиенты теперь будут вайб-кодить сами. Я про другое: очень большой пласт вещей, которые раньше делали разработчики даже по мелочи, теперь человек может реализовать сам для себя. У нас внутри компании все внутренние продукты уже пилятся самими пользователями. До разработчика доходит только финальная проверка. И если этот пласт мелких автоматизаций выпадает из ротации, рынок становится менее ёмким. Остаются крупные разработки, где работают крупные игроки (вроде нашей компании). В больших проектах сама разработка занимает процентов 30–40 времени. Остальное — дознавание, выяснение, как что должно работать и как чего должно запускаться. Тут ИИ заказную разработку не убивает. А вот мелкие продукты, которые раньше делали фрилансеры и небольшие местечковые команды, — вот этот сегмент сильно пошатнулся. Спрос на такие команды и индивидуальных разработчиков заметно сократится и, в том числе, из-за роликов вроде моего гайда по вайбкодингу.

Принимаю участие в нескольких проектах и уже не понимаю, как можно жить без ИИ-помощника. Темпы и объемы, которые помогает поддерживать нейроколлега, недостижимы при работе в одиночку. Вот, например, на днях шлифовал безопасность PersMarket. Да, многие вещи были заложены с самого начала, но при явном аудите системы Claude Code выдал длинную портянку того, что надо чинить. Вроде бы мелочи, но в определнных условиях могут привести к проблемам. Я бы эти мелочи собирал неделями, кучу упустил бы, да и то пришлось бы в коде сидеть 24/7. А тут - за 10 минут готов отчет, по которому сразу запустил работы, не отходя от кассы. Или вот попался опенсорсный сервис для проверки сайтов, собирает тучу инфы и выдает отчет. Говорю Клоду: вот тебе адрес сервиса, посмотри, чего это оно там красным помечает, и дай рекомендации. Он сходил через сайт сразу в API, получил все данные, сформировал отчет и опубликовал в качестве веб-страницы, к которой я всегда могу вернуться (она на скриншоте выше). Там блоки "что сделано", "что осталось", "что не нужно". Ну лепота же? В общем, если раньше мы сами возили тележку с углём, то сейчас мы становимся водителями самосвала. И назад дороги нет. Если, конечно, не апокалипсис какой. #ai #life

Нашел +1 причину перейти на терминальный Claude Code с десктопного. Оказывается десктоп версия подымает на маке полноценную виртуалку. Линукс через Apple Virtualization.framework - в нём крутится песочница для Cowork и Code. Живёт это добро тут:

~/Library/Application Support/Claude/vm_bundles/claudevm.bundle/

Полез в DaisyDisk смотреть, куда утёк диск. 9,4 ГБ один только образ виртуалки. Вся папка Claude — 11,2 ГБ. Базовый сжатый образ весит около 2 ГБ, а живой rootfs.img растёт монотонно и никогда не ужимается обратно. Терминальный CLI работает прямо на устройстве, и изоляция делается на уровне процесса: Seatbelt на macOS, bubblewrap на линуксе. Ставить ничего не надо, качать десять гигов тоже. Если надо срочно освободить 10Гб места, то можно чатом пользоваться в веб-версии, а кодить в терминале.

🐳 Инженер DeepSeek объяснил, почему ускоряет развитие ИИ, который может превзойти его самого. Согласно пересказу его эссе, Шэнъюй Лю работает над основным ядром механизма внимания DeepSeek V4.1. Ещё год назад ИИ помогал ему искать документацию и ошибки. Теперь самостоятельно разбирает CUDA, PTX и SASS, использует инструменты профилирования и подбирает оптимизации. По личной оценке Лю, через 6–12 месяцев ИИ может сравняться с ним или обойти его. Это прогноз самого инженера. Его беспокоит потеря любимой части профессии. Раньше он мог провести полдня, тщательно ускоряя код и пытаясь побить собственный рекорд. Теперь работа постепенно превращается в управление агентом, который делает это за него. Почему тогда продолжать? Лю опасается мира, где самые сильные модели принадлежат нескольким компаниям, а доступ к ним определяет возможности остальных. Получается замкнутый круг: для заработка нужен передовой ИИ, а для доступа к передовому ИИ уже нужны деньги. Он описывает два крайних сценария: общедоступный ИИ как дешёвая инфраструктура — или мир Cyberpunk 2077 с концентрацией технологий и власти. Открытые модели для него — способ приблизить первый сценарий. Лю не рассчитывает, что OpenAI и Anthropic добровольно откроют свои передовые разработки. По его словам, именно поэтому он остаётся в DeepSeek, даже понимая, как быстро меняется ценность его собственных навыков.

Нерешаемых задач не бывает 🤔 Меня недавно спросили: а может ли ChatGPT взять и заказать мне продукты на неделю? В целом — да. Причем самый простой и тупой вариант: дать агенту браузер c открытым сервисом доставки и он уже сам накликает заказ. 🤷‍♂️ И вот здесь, мне кажется, появляется новый слой. Вопрос «можно ли решить эту задачу нейросетью?» уже устарел. 😅 Новый вопрос теперь в другом: насколько дорого мы собираемся это решать? 1️⃣ Можно сжечь миллиарды токенов, запустить кучу агентов и заставить их ходить по сайту, нажимать кнопки и собирать корзину. В итоге вы сэкономили себе десять минут, заказ едет, все счастливы. 2️⃣ А можно построить нормальный пайплайн: агент пишет скрипт, который через API собирает нужные данные, запускает его и проверяет результат. В итоге вся задача выполнится за секунды и потратится минимальное количество токенов. Для пользователя итог примерно один и тот же. А вот стоимость решения — вообще нет. И мне кажется, что именно сюда сейчас смещается главный вопрос вокруг нейросетей. Не «может ли оно это сделать?», а «как сделать так, чтобы оно делало это эффективно?» Как использовать генератор рандомных букв так, чтобы задача не просто иногда магически решалась, а стабильно выполнялась каждый раз — быстро, дешево и предсказуемо. Мы переизобретаем программирование? 😅 Свята место | 10МДК | YHub