zvec-grep (zg) от Alibaba Qwen Локальный слой поиска для человека и агентов. Объединяет точное совпадение текста, лексический поиск и векторный поиск в одном CLI, подключается через MCP к кодинг-агентам • гибридный поиск - вектор + BM25 + ripgrep, ранжирование через Reciprocal Rank Fusion • поиск по смыслу, проверка точным текстом и regex • структура-ориентированность - индексирует символы кода, заголовки и иерархию документов вместо сырых чанков • результат с привязкой к файлу и строке - меньше вызовов и токенов у агента • 100% локально - эмбеддинги, индексы и поиск на устройстве, GPU не нужен • работает из терминала: zg query • подключается к Claude Code, Codex, OpenCode, Cursor и другим через MCP • Linux, macOS, Windows Бенчмарки на Claude Code и Codex: ответы точнее и меньше расход токенов. Индексы лежат в .zvec-grep/ под корнем проекта, данные не покидают машину без разрешения. #search MAX

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

Сетапим окружение с нуля Коротко: mise умеет сетапить не только версии языков под проект, но и настраивать все окружение, по сути упрощая настройку как машины так и проекта до буквально одного файла. Я буквально на этой неделе перевел на него и свои dotfiles (https://github.com/mokevnin/dotfiles) и проекты. Кто-то скажет, нафига мне это надо у меня все в докере. У меня на этот счет два соображения, даже если у вас язык в докере, снаружи часто есть разного рода cli, которые нужны всем (и нам и агентам). Сюда относятся cli агенты, терминалы, docker compose, kube, helm, git, google cloude, oh my zsh и еще тыща приблуд, которые хочется сетапить. И второе, есть немало людей, которые разрабатывают не только готовые приложения, но и библиотеки, например, я работаю с большим количеством опенсорса, где докера нет и нафиг не нужен (с ним тупо сложнее, а стейта там нет). Напомню, что mise (придеший на замену asdf) это, пожалуй, самый классный способ управлять версиями языков в конкретном проекте. Он работает универсально для любого стека и ставит ровно то что нужно чтобы работал конкретный проект делая сетап независимым. В принципе это давно существующая штука и под каждый язык есть менеджер версий (не путать с пакетным менеджером). Но mise пошел дальше и сделал декларативный способ указывать что засетапить, какие симлинки создать и так далее. Причем он не пытается построить абстракцию поверх существующих решений (как некоторые devops тулзы), в нем явно описывается что откуда ставить. А уже дальше, когда будет выполняться настройка, mise сам определит что конкретно запускать на текущей системе. Если у нас mac, то он не будет запускать apt, но запустит brew. Кусочек файла mise.toml:

[settings]
idiomatic_version_file_enable_tools = []
dotfiles.root = "~/dotfiles"
dotfiles.default_mode = "symlink"

[tools]
node = "26.7"
ruby = "latest"
pnpm = "latest"
overmind = "latest"
caddy = "latest"
docker-cli = "latest"
docker-compose = "latest"
fzf = "latest"

[bootstrap.packages]
"brew:libpq" = "latest"
"brew:vips" = "latest"
"apt:git" = "latest"
"apt:libpq-dev" = "latest"
"apt:libvips" = "latest"

[bootstrap.repos]
"~/.oh-my-zsh/custom/plugins/you-should-use" = { url = "https://github.com/MichaelAquilina/zsh-you-should-use.git", ref = "master" }

[dotfiles]
"~/.config/nvim" = "nvim"
"~/.config/mise/config.toml" = { source = "mise.toml", mode = "symlink" }

В общем я попросил клод проанализировать мою систему и проекты. В результате он добавил mise.toml в несколько основных проектов и полностью пересобрал мои dotfiles, удалив кучку всяких скриптов и make тасков. Заодно я попросил его подсказать, что еще классного есть в мире cli что стоит поставить. Он нашел десяток полезнях, которые я теперь юзаю. Например он поставил какую-то прикольную штуку, которая меняет поиск через "вверх" в терминале, когда жмякаешь эту кнопку, то он сразу показывает список всего что было набрано до этого.

CLI → SDK Выше я писал про то, почему с MCP переходят на CLI (кроме некоторых ситуаций). Сегодня – про еще один переход, которы у меня случился пару недель назад Рассмотрим на примере коннектора к тг У меня самописный CLI тул, куда я понемногу добавляю разные функции. Сначала я его использовал просто для того, чтобы агент отправлял текстовые нотификашки ботиком в чат. Потом добавил туда поддержку медиа. Потом отправку в другие чаты. Потом – чтение предыдущих сообщений в любом чате и парсинг каналов (тут понадобилось перенести с урезанного Bot API на полноценный телеграмный MTProto) И каждый раз когда я прошу сделать что-то, чего в моем CLI нет – агент идет его переписывать. Как результат – я по сути воссоздаю весь интерфейс библиотеки mtcute, но в виде CLI команды. Что уже как бы попахивает лишним слоем Так еще и интерфейс текстовой команды сильно беднее чем интерфейс SDK – нет честной типизации, объектов и т.д. Если я хочу сделать какое-то действие в цикле, или хитро обработать вывод, то агент все равно пишет bash-скрипт поверх CLI Так что пару недель назад, я полностью выпиливаю CLI и просто прописываю агенту, как ему использовать SDK напрямую. То есть он пишет код под задачу и сразу его запускает. А если у меня есть какие-то повторяющиеся задачи – я оставляю их в виде импортируемых TS модулей. Теперь агент может делать что угодно, что можно делать ботом в тг. Мне не нужно заранее продумывать сценарии и постоянно обновлять код. Он сам соберет его точно под задачу из исходных модулей библиотеки, либо моих скриптов. Тут правда я натыкаюсь на пару проблем. Основная – это то, что агент постоянно пишет временные скрипты, что убивает всю легкость, которая была у запуска CLI команды раньше. Да, он может писать код inline прям в команде, но внешние библиотеки так не установятся Решается это достаточно просто – нужен раннер с поддержкой autoinstall

Для TS – это bun/deno, а для python – uv

Тогда команда агента выглядит примерно так:

bun --install=force run - <<'TS'
import { Api } from 'grammy'
// используем Bot API либу вместо MTProto для простоты

const { botToken } = await Bun.file(`${process.env.HOME}/.tg-agent-bot/config.json`).json()

const api = new Api(botToken)
console.log('sent:', (await api.sendMessage(373021550, 'Привет через grammY')).message_id)
TS

Проблема номер два – где хранить всякие полезные данные. Например, известные id-шники с описанием или helper-скрипты. Тут все по классике как с CLI – создаем ~/.tg-agent-bot и храним там config.json и папку со скриптами. Там же и токен бота (либо в keychain системы) Получается, из конфигурации skill+cli мы убираем cli и просто описываем все тонким скиллом. Агент сам пишет скрипт прям в момент вызова ——— Осторожно: нет смысла использовать эту штуку, когда у вас узкая задача. Ее имеет смысл завозить, если много кейсов использования и нужна гибкость. И особенно, если нужно как-то хитро обрабатывать вызовы, собирать из них цепочки и т.д. Тема экспериментальная, пользуюсь ей несколько недель, мб чего-то не замечаю – интересно, что думаете

За последние пару дней в Claude CLI вышло несколько новых но бесполезных фич, вот мой топ 3 ☕️: 1/ Добавили в /config настройку Output style, чтобы менять стиль общения агента:

1. Proactive - старается не отвлекать вопросами и сразу действовать 2. Concise - отвечает лаконично, пропускает вступления 3. Explanatory - объясняет свои решения 4. Learning - дает тебе задания и учит писать код

2/ Добавили проверку орфографии, чтобы прям в поле ввода подсвечивались ошибки: Нужно установить любой локальный чекер, например hunspell:

brew install hunspell

И включить его в ~/.claude/settings.json:

"spellcheck": { "enabled": true, "checker": "hunspell", "language": "ru_RU,en_US" }

Правда оно только маркирует ошибки, авто-замены нету 👍 3/ Выпустили официальный скилл discernment-nudge, который заставляет Claude усомниться в своем же ответе Если его ответ содержит советы, планы, оценки и тд, то он в конце ответа добавляет 2–3 вопроса которые можно ему задать. Например:

Ты предложил поднимать поэтапно. Что будет, если поднять сразу?

Не знаю почему это реализовали именно так, возможно чтобы не принуждать агента к overthinking в каждом ответе 🤷‍♂️ @tips_ai #news

MCP → CLI Я только собирался написать, почему CLI сосут, и на что их заменять, как понял, что у меня даже нет поста, почему сосут MCP (от которых мы и ушли к CLI). Исправляю! Сначала напомню в двух словах зачем эти ребята нам вообще нужны:

агент сам по себе мало что умеет в мире, где наши данные разбросаны по десяткам веб-приложений, начиная от почты и календаря, заканчивая транскрибаторами звонков, джирами и сервисами электронного документооборота

Нужно его к ним как-то коннектить. И на заре агентных систем ребята придумали подсовывать ему новые инструменты как tools (то, что агент может вызывать в цикле перед тем как дать итоговый ответ). Назвали это MCP (model-context-protocol) У стандарта MCP было много исторических болячек: невнятная аутентификация, загромождение контекста всеми методами всех mcp'шек, , отсутствие строгого следования схеме, stateful логика 🥴 Сейчас они по большей части вылечены. Но есть одна главная проблема – это все еще лишний слой абстракции поверх обычного API. И он требует модель возвращать вызов инструмента в перегруженном JSON формате. То есть, вместо вместо того, чтобы сразу дернуть API нашего условного гитхаба, обвязка нашего агента (она выполняет роль MCP клиента) отправляет это в какой-то MCP сервер (в случае с гитхаб он удаленный, но может быть и локальным), а он уже отправляет это в API Любой агент, у которого есть вызов терминала может либо написать скрипт, который будет обращаться к API напрямую, либо просто вызвать уже сто лет существующую команду gh с нужными параметрами. Всё! И вот какие у этого плюсы: 1. Жрет меньше токенов (потому что не verbose json) 2. Можно стакать вызовы команд в любой последовательности 3. Не обязательно засирать контекст модели всем выводом. Перенаправляем и фильтруем вывод терминальной команды как душе угодно 4. Обычно сильно больше комбинаций параметров 5. Если какой-то функции или параметра нет, агент все так же может написать кастомный скрипт, который сходит в API и сделает то, что нужно Но надо признать, кое-где MCP все-таки нужны – когда у вас есть эфимерная сессия + нужна авторизация. Короче, во всех облачных чатах и коворках. CLI там не подходит по одной причине – авторизация происходит внутри сэндбокса и на каждый новый чат придется делать ее заново Пример: gh отлично работает у вас на ноуте, но в ChatGPT Work вы задолбаетесь каждый раз проходить авторизацию, а вот GitHub MCP подключите один раз и он будет работать всегда В разговорах слышал еще такие аргументы за MCP (но мне они не нравятся): 1. Проще раскатывать на команду и обновлять (хз, автообновление cli делается тривиально) 2. MCP сразу поддерживает инструкции, а про CLI тул агент еще должен как-то узнать (скиллы наш бро) 3. В MCP есть функции, которых нет в API (это вообще извращение, не делайте так. но если пользуетесь чужим сервисом таким, то да, тут придется страдать) А у вас в команде используют MCP? Почему? (напоминаю, что скоро будет пост о том, почему CLI тоже не самый лучший выбор) @ai_grably

Сегодня из интересного: лаба Prime Intellect выпустила своего CLI-агента типо клод кода, и назвали Prime Agent Туда можно подключить свою подписку Claude или ChatGPT и работать как в обычном терминальном агенте, но с RLM и Continual Harness Простыми словами это обвязка по верх ии модели, которая:

1/ Делит большую задачу на части, раздаёт их субагентам обычным вызовом функции rlm("подзадача"), а затем собирает общий ответ. 2/ Во время работы учится на своих действиях и перестраивает свою память, скиллы, инструкции и субагентов без перезапуска

Еще одно отличие от Claude Code в том, что вместо 15 отдельных тулов типа Write, Edit, Bash, Grep, Task и тд., агенту доступен всего 1 тул в виде python консоли. Она не умирает между сообщениями, и через неё он запускает комнды, ищет, вызывает скиллы и тд. То же самое и с памятью агента: он хранит весь свой харнесс как переменные в коде, и после компакта чата они остаются нетронутыми. В будущем агент просто находит и перечитывает. Почитать полный блог как это устроено можно тут. В остальном это привычный CLI-агент, с теми же самыми командами по типу /goal, субагентами, планами и тд. Можно юзать на своей подписке Claude, ChatGPT, Copilot и еще на ~30 провайдерах через API. Попробовать на macOS/Linux: curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh Я честно еще не ощутил реальный прирост в обычных задачах, и меня смущает что их результат 95.5% который они выбили в ARC-AGI-3 — не имеет верификации от самого бенча 🤨 @tips_ai #news

Я наконец, запустил свой Codex на Linux сервере, с прямым контролем из-под мобильного ChatGPT приложения (через `remote-control`). Это дает возможность запускать разные задачи нативно без привязки к маку. NB: До этого пробовал разные харнесы со своими telegram интеграциями, но все это не то. Хотелось именно нативного. Для этого:

# ставим `codex` CLI одной из последних верси
npm install -g @openai/codex@latest

# запускаем демона с включенным remote control 
codex remote-control start

# Получаем коротко-живущий код, который вводим в "pair new device" в мобильном приложении
codex remote-control pair

# Остановить демона, когда он не нужен, или когда начинают идти ошибки подключения
codex remote-control stop

Работает пока не очень стабильно (т.к. фича экспериментальная), но это именно тот workflow, который разрабатывает OpenAI. Ваш, @llm_under_hood 🤗

Смотрим, создаём и запускаем что угодно прямо в терминале — нашёл локальный ИИ-комбайн для Mac с Apple Silicon и Linux Бесплатный, нативный и локальный рантайм для, который закрывает вообще все задачи с нейросетями через один CLI: Что умеет этот комбайн:

— Генерация текста и кода, создание картинок (Klein, ZImage), генерация видео (LTX, Wan 2.2), 3D-моделей (TRELLIS, InstantMesh), музыки и синтез речи (Qwen3 TTS); — Из коробки доступны сегментация (SAM 3.1), OCR, детектор лиц, трекинг объектов и просчет карты глубин; — Локальный API-сервер c OpenAI-совместимым эндпоинтом для подключения сторонних клиентов; — Можно дообучать локальные LoRA-адаптеры под текст и графику; — Автоматически проверяет объем памяти и возможности чипа перед загрузкой тяжелых моделей; — Есть и нативное приложение на SwiftUI.

Яблочный спас 🍆

Наткнулся на особенность /model в Claude Code, про которую я если честно не знал и не замечал. Если менять модель через обычный /model, это влияет сразу на все новые параллельные сессии. Что и написано при выборе модели, меня не обманывают: saved as your default for new sessions. Если нужно задать модель только для текущей сессии, при выборе модели в /model подтверждать нужно не клавишей Enter, а буквой [ s ], тогда другие сессии Claude Code это не затронет. Про выбор моделей при запуске через опцию --model, я знаю, но я не пользуюсь этим. В Codex иначе. Его /model меняет модель только глобально, в описании команды прямо написано: for this and future Codex CLI sessions. Никакой клавиши, чтобы применить только к текущей сессии, там нет. Так что в Codex единственный способ изолировать новую сессию с другой моделью — задать её при старте. @tips_ai

Официальный релиз Kling MCP & CLI: нейросети теперь создают видео за вас Отличные новости для креаторов — Kling выкатили поддержку Model Context Protocol (MCP) и CLI. Что это значит простым языком? Теперь вы можете управлять генерацией видео прямо через ваших любимых ИИ-агентов (например, внутри Claude или других IDE). Больше не нужно скакать между вкладками, вручную скачивать файлы и переносить их из сервиса в сервис. Просто напишите одну фразу своему ИИ-ассистенту, и он все сделает сам. Что теперь можно делегировать ИИ с помощью Kling MCP: Пакетная генерация: создавайте сразу несколько версий видео, тестируйте разные стили и автоматизируйте массовое производство контента. Многозадачный постпродакшен: запускайте несколько процессов одновременно — например, ИИ сам сделает липсинк (синхронизацию губ) и поменяет язык озвучки сразу в пачке роликов. Умный анализ и планирование: ваш ИИ-агент может сам проанализировать тренды или вашу задачу, написать сценарий, составить промпты и управлять всем проектом от начала до конца. Интеграция в любой пайплайн: легко встраивается в веб-разработку, софт для 3D и другие рабочие процессы. Готовые ассеты отправляются прямиком в ваш проект. Демка в след посте 👇