Недавно ковырялся в Chess Platform. В какой-то момент решил пофиксить экраны регистрации/авторизации, потому что Codex или Claude их как-то стремненько собрали в первый заход. И подумал, что ни разу не видел какую-то попытку на шахматных платформах обыграть "шахматные темы" в подобных сценариях. Сюда же можно еще 404-ошибку добавить. Codex за 5 минут собрал варианты ниже. У LLM, конечно, проблема с генерацией реальных шахматных позиций (ну и дорабатывать надо без сомнения), но раньше, конечно, без вариантов было что-то подобное даже подумать сделать, т.к. все время не хватало ресурсов. P.S. в проде LLMки собрали говно в итоге... Надо будет потом править. #process #chessplatform #llm

OpenAI рассказали, как работают их forward deployed engineers. Команду собрали в начале 2025, чтобы закрывать "deployment gap" – разрыв между тем, что модель вроде бы умеет, и тем, на что люди реально могут опереться в работе. Девиз команды был: начни с результата, сделай все, чтобы получилось, а масштабируй потом. И это кстати реально текущая работа. Мне кажется все вендоры говорят: модели уже супер-умные, а вот внедрений по всем вертикалям не хватает. По сути сейчас сжигают токены в основном стартапы за чужой счет :) Короче, рассказали о нескольких юзкейсах: – Инжиниринг полупроводников, середина 2025: около 15 FDE на 10+ юзкейсов – генерация тестов, поиск причин сбоев, ассистент по архитектуре. Верификация в отрасли съедает около 70% усилий проекта. Часть FDE пришла в OpenAI за несколько дней до этого и в чипах не понимала ничего – сидели с инженерами заказчика, учили предметную область, вместе строили метрики. За 3–6 месяцев все юзкейсы дошли до прода: около 48% экономии времени на генерации тестов, медианно 22% прироста производительности на оптимизации ядер, недели отладки превратились в часы. – Потом подрос Codex, и все юзкейсы перевели на общую обвязку с Codex в центре: кастомные приложения стали плагинами и скиллами, свои CLI и интерфейсы выкинули. Ушло около 90% кастомного кода в каждом проекте. Первое внедрение в одном кейсе заняло 2 месяца, расширение на вторую команду – 1 день. – Налоговый AI для бухгалтерских фирм Thrive Holdings: в пилоте обработали 7 000 деклараций, пропускная способность выросла примерно на 50%. Самые сложные – декларации по сдаче недвижимости: 6 недель инженерии и проверок практиками, чтобы выйти на 90% precision и recall. Хах, заполнение декларации я тооа не всякие красивые фичи) – Голос для телекома: голос – около 90% обращений в поддержку. Модель выдавала около 60% на ключевых evals, для прода мало. Подключили Research, за 6 месяцев довели до 80%, потом 90%+. Эта голосовая модель теперь работает и у других клиентов. Прикол, что их критерий успеха – делать себя ненужными каждые пару месяцев. Когда вышел Codex, кто-то в команде спросил, что делать, если он за раз собирает то, что они строили месяцами. Ответ – идти искать задачу посложнее. И это как раз ответ для разработчиков, которые думают, что все пропало. Короче, главный вывод для интеграторов: кастомный код – временный, через полгода его заменит платформа. Долговечный актив – это знание предметной области, датасеты, метрики вместе с экспертами клиента и понимание, где модель не вытягивает. И обратите внимание: OpenAI тоже ушли от мультиагентной архитектуры к одному агенту со скиллами, ровно как советует Anthropic в предыдущем посте. https://openai.com/index/forward-deployed-engineering-means

Виртуальные сотрудники: мой опыт с Boxerbook Я уже писал про свой хобби-проект Boxerbook. Это открытый каталог профессионального бокса: все бои с источниками, рейтинги, прогнозы, сайт на четырёх языках. Много вводных дал мой тренер Тимур, Сергей Булаев рассказал, как строить медиа, а дальше мы вместе с Claude накидываем задачи в Telegram, и всю работу команды делают агенты. Я прикинул, кого бы пришлось нанять, если бы всё это делала обычная команда. Инженер данных. Разобрал протоколы боксёрских комиссий четырёх стран. Собрал таблицу судей на 175 тысяч записей, данные о 50 тысячах нокдаунов и каталог из 4 600 полных видео боёв с официальных каналов, привёл всё к одному формату и разложил по реляционной базе. Аналитик. Построил модель прогноза и Fight X-ray, наш разбор боя по видео: AI распознаёт позы боксёров, а алгоритм считает темп, давление, защиту и движение по раундам. По видео стабильно измеряется стиль, а победителя пока не угадать, зато получается подробный профиль боксёра. Около тысячи боёв он прогнал на локальных GPU. Исследователь. Прочитал 47 научных работ и книги лучших тренеров, вывел 40 гипотез и проверил их на наших данных. Дизайнер и редактор. В Telegram-чате написали, что на карточке боя слишком много информации, и за вечер он переделал страницу боя на всех четырёх языках. Теперь сверху то, что интересно человеку: кто победил, как именно и в чём у соперников самый большой разрыв. Ниже лежат все данные боя для поисковиков и AI-ассистентов. Контролёр качества. Когда агенты готовили пример для этого поста, они заметили, что одному боксёру из-за совпадения имени приписали девять чужих боёв. Ошибку доказали по датам и протоколам, исправили и закрыли дыру, через которую она попала в базу. Маркетолог. Нашёл контакты боксёрских ассоциаций и тематических журналов, списался с ними, подобрал выгодные размещения и написал статьи, одна уже вышла. Получается 6–10 вакансий, которые в обычной компании я бы открыл, а здесь не пришлось. Агенты уже умеют долго и самостоятельно работать над задачей. Решения, деньги, доверие, отношения и креатив пока остаются на людях. Ещё мы с Сергеем обсуждали, чем нам могут помочь потребительские агенты вроде Muse, Duet, Dots и бота Grok. Пока не придумали, но записали в список того, что надо изучить. Claude Code вместе с Codex Claude ведёт проект: разбивает задачу на части, раздаёт их субагентам и проверяет каждый шаг. Codex получает те же данные и отдельное задание: найти то, что мы пропустили. Сегодня Codex на проверке нашёл, что прогноз, посчитанный уже после боя, мог попасть на страницу как прогноз «до боя». Исправили это в самом источнике ещё до выкладки. Код узким местом быть перестал, теперь всё упирается в решения по длинному списку вопросов: что считать, что публиковать, а что нет, где размещать статьи, какие критерии и гипотезы развивать. Уже можно посмотреть: • Бой с разбором по видео, Хейни против Рамиреса • Новая страница боя, Наваррете против Фостера Данные открыты, для агентов есть API и MCP: https://github.com/mvtk1978/boxerbook-mcp @maxvotek | linkedin | substack

Проблема пяти аккаунтов Клода Мы на днях с парнями сделали на 40 онлайн человек зум мит, где обменялись опытом че кто кодит, как деплоит и сколько стоит это все кодить. Главная причина нужды в N аккаунтах Claude Code / Codex - это "миллион строк кода". Конечно, клоду не хватает контекстного лимита, чтобы управлять миллионом строк кода. Мне кажется вообще вот найдена причина, откуда компании миллионы баксов тратят на клод. У меня в Invoisin 24 тыс. строк кода. Поэтому у меня Claude за 100 баксов подписка справляется с проектом и еще тремя другими stealth projects. При этом, я вам скажу, проект не простой, там дохрена фичей. Ребята, количество строк кода это полная хуйня в том смысле, что миллион строк кода это уже Netflix какой-то. Это не мера качества проекта или количества его фичей. Не надо знать все фреймворки мира, чтобы верить в одну истину - система тем стабильнее и надежнее, чем она проще. У меня есть возможно непопулярное для кого-то из вас предположение: все эти оркестраторы и проверяторы кода (типичное заклинание: "Opus закодит и Атлас проверяет") и ведет к миллиону строк кода. А чем больше строк кода тем больше риск ошибок/багов/проблем. С одной стороны просто жалко ребят, что им приходится кучу бабок платить за несколько аккаунтов. С другой - каждый д***ит как он хочет 😂 Решение конечно это взять в напарники более умелого прогера (как это модно называть "Архитектора", по мне так просто прогер, которому не похуй) либо самому таким стать. Таким стать, на самом деле проще, чем кажется.

🤨ИИ теперь угадывает, что я хочу написать, раньше меня. Что дальше? Возможно вы заметили в Codex, когда в диалоге есть контекст (пока что это не в 100% случаев высвечивается, поэтому на скрин прикрепил то, что прям сейчас попало в фокус внимания), то в окно для промптов приложение само (условно, говоря) подсказывает, что написать агенту. Причём система чётко пишет моим языком, задаёт вопросы, хвалит или ругает даже матом, если агент тупит. Эта подсказка горит сереньким, достаточно нажать на tab и она применяется. Я могу дописать 1-2 предложения, т.е. чуть дополнить или чуть удалить лишнее. Это не тупое "делай" или "дальше" — это реально осмысленные подсказки. Система сама перечитывает ответ и артефакты и даёт +- нормальный промт для продолжения движения агента. Короче думаю суть вы поняли. К чему я об этом? Ну главное — это удивительно, видеть, как она предсказывает мои же мысли и формирует их иногда даже лучше, чем я сам. Далее — это какая-то мета сущность что-ли. Я хз как это определить, но допустим у меня есть оркестратор по проекту (главарь, если по простому) и он уже даёт задачи другим, я в свою очередь контролирую и проверяю только его работу. Так вот эта мета сущность (которая пишет доп. промпты) уже вполне может контролировать работу и недоделки самого оркестратора 2 года назад меня спросили на одном закрытом выступлении: "какой навык или связку прокачивать человеку на ближайшие 7 лет?". Я ответил что-то типа "проджект менеджмент и стратегическое планирование, т.к. нейросети через два года смогут сделать многое, но нужно будет уметь управлять этими рабочими". И вот полгода назад умирает понятие вайбкодинг, рождается "агентный инженирнг" (умение управлять агентами, но рег. менеджмент и проверки остаются за пользователем, хотя проектную работу "они", агенты уже и сами организовывать умеют) и вот сейчас мы в точке, где они и сами могут управлять собой (я не про банальные субагенты, а про того кто управляет управляющим, не путайте) в принципе с достаточно высоким процентом точности Вчера прокатился слух, что Anthropic готовит модель, которая (если сильно упрощать) будет иметь что-то около интуиции пользователя и предугадывать его мысли. Судя по всему OpenAI уже это тестит в Codex Удобно ли это? Да, супер удобно! Улучшает ли это взаимодействие с агентом, качество и скорость работы? Безусловно улучшает. Стрёмно ли это выглядит? Да, немного стрёмно. Почему стрёмно? Я сколько не пытался сделать (а уж поверьте я пытался начиная с чатжпт 3, с выходом каждой новой модели и всеми доступными методами, а не просто 10 примеров) агента научить писать, как я думаю — это не получалось. Точно так же не получалось и сделать оркестратора над оркестратором, который будет качественно работать... Но сейчас судя по всему системы очень близки к этому. Возможно усиливается ещё эффект, что нейронка пишет от моего имени в это окно, которое всегда было моим местом, а теперь и оно пропадает Если бы меня сейчас спросили какой скилл прокачивать на 7 лет — я бы ответил "умение расслабляться, фокусироваться и общаться, коммуницировать с людьми + спорт. умение не тревожится и быть счастливым независимо от работы и реализации. а ещё умение читать книжки". Я по долгу службы и интересов нахожусь во многих-многих диджитал нишах и ИИ экспансия настолько серьезная, что капец, многое сдувает конкуренцией в сотни раз быстрее, чем это было раньше. Контент, аукцион рекламы, pr публикации — всё становится делать сложнее, а не легче. Именно просто из-за кратного увеличения конкуренции (да, много дерьма и слопа, но какая разница. всё равно даже с ним нужно конкурировать). Если кажется, что у кого-то вот сейчас успешный успех и схема получения трафика железобетонная — посмотрите на нишу в перспективе 2х лет и станет ясно, что эффект очень временный. Именно поэтому многие sasочки, схемки, автоматизации и прочие вайбкожанные проекты остаются без денег на задворках истории, а максимум в архвиах рилзов и тиктоков "смотрите как может мой джарвис или контент завод, пишите кодовое слово... и т.д.". Так что же дальше? Я не ванга. Я хз

История двух проектов или как вайб-кодинг хороший код подсматривал Последнюю пару недель я кодил как не в себя. Причем вел одновременно два противоположных по духу разработки проекта. Один - честный agentic harness coding, второй - полный vibe coding. И сегодня выяснилось, что второй позаимствовал много из первого. Первый - платформа с материалами по AI Native разработке. С контролем качества, исполняемыми спеками, придирками к качеству кода и вылизыванию интерфейсов - ею не только будут пользоваться люди, но я и планирую показывать исходный код на видео сессиях. Выкатили, люди используют. Второй - виртуальная машина с версионированием для совместной работы агентов. Я дописывал ее прямо на бегу во время конференции и в код не заглядывал ни разу. Имело значение только то, что архитектура внятная, она держит нагрузки и работает как надо. Это тот самый проект, где Fable 5.1 сказал “такое успеть невозможно”, а Astra сказала “теоретически можно успеть, если урезать весь функционал”. Успели и провели. 20 сотрудничающих агентов, 700 изменений виртуальной машины, только один побег из песочницы (агент залез в историю изменений машины глубже, чем ему полагалось) А сегодня я заглянул в код, чтобы разобраться как все это работает, и как это масштабировать. Я был готов к ужасу вайб-кодинга и каше из файлов (ибо там под капотом 4 разных рантайма, не считая Web UI), а увидел нормальный проект. Даже скучный (скину скриншот папки в комментарии) Когда я начал пытать историю Codex-a на тему - “а почему оно такое аккуратное?”, то всплыло три факта: (1) Этот проект был результатом очередного эксперимента, где код переписывался с нуля. К тому времени мне надоело заводить проекты в Codex на каждый эксперимент, и я просто запускал их из одного control centre (это папка на диске с локальными ссылками на другие проекты и глобальными инструкциями). (2) Идеи и код таскались между проектами под влиянием инструкции piecemeal growth, или того, что от нее осталось: “Add abstractions, concurrency and configuration only when a present requirement needs them.” В процессе ненужное отваливалось, а нужное кристаллизовалось. (3) Codex при перетаскивании подсматривал и в другие проекты, в том числе и вылизанный код платформы. Натащил оттуда те идеи, которые соответствовали духу piecemeal growth В общем, получился интересный вывод. Результаты яростного вайб-кодинга становятся лучше, если агент может брать пример с хорошо организованных проектов на диске. Хороший код - иногда работает лучше в качестве инструкций, нежели куча нагенерированного слопа в markdown. Теперь уже не так жалко времени, которое я потратил на вылизывание кода платформы. Ваш, @llm_under_hood 🤗