Пятница, самое время посмотреть куда мы тратили больше всего токенов на этой неделе 😏 Для Claude Code есть супер скилл, который разбирает логи сессий и на основе API запросов считает расход токенов Собирает всё это в красивый понятный HTML отчётик С разбивкой по времени, проектам, моделям, файлам, MCP-серверам, скиллам, субагентам и тд Несколько примеров как юзать: /tare report [дней] — отчёт с графиками /tare usage — аналог клодовского /usage /tare share [дней] — обезличенная .md сводка чтобы шерить Есть еще интересная статистика amplified tokens, когда изначально маленький файл переиспользовался внутри контекста столько раз что в итоге стал дорогим Установка (GitHub):

npx skills add kelviq/tare

Если нужно под Codex, попросите его портировать) @tips_ai #tools

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

Промпты старые можно выкинуть на помойку Вспоминаю разные хаки, "особые слова" и структуры промптов, чтобы модели нормально работали, особенно в автоматическом режиме, много где эти промпты уже забиты в коде. В итоге с текущими моделями все эти советы делают только хуже! Вот что Anthropic пишет в новой статье: Раньше модели были глупее, и их приходилось обкладывать жёсткими правилами со всех сторон – «никогда не делай так», «всегда делай эдак». Правила спасали от худших сценариев, но в куче ситуаций были просто неверными. Новые модели достаточно умные, чтобы самим понять по контексту, что от них хотят. Что конкретно поменялось: – Вместо жёстких запретов – здравый смысл. Было: «НИКОГДА не пиши длинные комментарии к коду». Стало: «пиши в том же стиле, что и остальной код в проекте». Модель сама смотрит и подстраивается – Примеры больше не помогают, а мешают. Раньше считалось: покажи модели 2–3 примера, как пользоваться инструментом – и она поймёт. Теперь примеры наоборот сужают мышление: модель копирует показанное вместо того, чтобы найти лучший вариант – Не грузить всё сразу. Раньше все инструкции запихивали в один огромный документ «на всякий случай». Теперь их раскладывают по отдельным файлам, и модель подтягивает нужный, только когда он реально понадобился – Не повторяться. Старым моделям одно и то же писали по три раза в разных местах, иначе забывали. Новым достаточно сказать один раз В Claude Code даже добавили команду /doctor – она сама вычищает ваши раздутые инструкции под новые модели. Мой вывод из этого очень практический: почти всё, что мы понаписали в промптах за последний год, устарело! Немедленно посмотрите на промпты в своих системах и проекта и поменяйте на более современные стандарты (с проверками конечно же). Я регулярно вижу простыни инструкций, где половина правил противоречит другой половине – и модель тратит силы на распутывание этого клубка, а не на задачу. Новый рефлекс должен быть не «что бы ещё дописать», а «что можно выкинуть». https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models

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.