ИИ

Ладно, в комментариях уже успели обосрать монтаж от Opus, но смотрите реальную ситуацию. Задача: сделать выпуск мульт подкаста с двумя персонажами человек и его душа. В формате рилс. Первый ролик был получен путём кучи попыток в Seedance 2.0 и себестоимость одного такого видео доходит до 20$ просто за генерацию движения персонажей. И всё равно это видео не ушло в продакшн. Потому что косяки в позах, озвучке, движениях. Второй ролик собрал Claude Opus. Причем анимация персонажей — это код. То есть пересобирать можно сколько угодно и с большой скоростью. И стоит это копейки. Опус создал систему для масштабного выпуска таких подкастов. То есть время было затрачено на создание такой базы, которая позволяет собирать новый ролик за 1-2 минуты реального времени.

Пока мы без советов тестировщиков. Не доходят руки проверить, дополнить и запланировать новую партию. Сейчас все крутится вокруг платформы и фиксов багов. Выкатил несколько новых сборок для Android и iOS вчера. 2го октября выступаю на степикон и готовлю доклад про ИИ и геймификацию. Это платная конференция для авторов курсов на Stepik и других платформах, но материалы к докладу по сути строятся на двух статьях, которые вы можете прочитать сами: ИИ в курсах по тестированию Геймификация в курсах: результаты внедрения Как и обещал, сажусь за обновление продвинутого курса в модулях: мобильное тестирование, git, bash, ci, cd. Уроки и скрины уже есть. Осталось только их проверить.

Период полураспада софта - 3 месяца Я сейчас возвращаюсь к сайту BitGN, чтобы начать подготовку к соревнованию ECOM2 (agentic economy), добавить место для публикации LLM бенчмарков и в целом обновить дизайн. В этот код я давно не ходил, и он ну очень дремучий - эпохи где-то до декабря 2025 года, когда Codex расцвел. Современным стандартам AI Native разработки совсем не соответствует. Агенты спотыкаются часто (даже Astra), предлагают ерунду, прямо за ручку надо держать. А потом я восстановил хронологию и сильно удивился. Я же ушел из TimeToAct в феврале этого года, чтобы начать делать платформу для бенчмарков агентов. Этой весной мы с COLIBRIX провели два соревнования, с тех пор 2.8M задач выполнено агентами на платформе. И выходит, что возраст кода BitGN не “вечность” - а всего 7 месяцев от начала разработки. Причем в последний раз я туда активно ходил всего три месяца назад. За это время настолько улучшилось как качество современных AI code агентов, так и наше понимание об их эффективном использовании, что проекты быстро начинают казаться постаревшими. В общем, если кажется, что софт теперь стареет быстрее - это иллюзия. Код как преспокойно лежал себе в Git-e, так и лежит там. Это просто так быстро улучшаются наши ожидания о работе с AI Coding агентами. Ваш, @llm_under_hood 🤗

RRSI: метод рекурсивного самоулучшения обвязки ИИ-агентов от Google улучшил результаты Claude Opus 4.8 на всех бенчмарках Исследователи из Google Cloud AI Research представили метод RRSI (Regularized Recursive Self-Improvement), который автоматически улучшает обвязку ИИ-агентов так, чтобы прирост сохранялся и на новых задачах. Обвязка - это всё, что окружает замороженную LLM: промпты, логика управления, инструменты, память и работа с контекстом. Метод полезен командам, которые строят агентов на закрытых моделях через API: веса таких моделей недоступны, поэтому качество агента поднимают через обвязку. Ещё он нужен тем, кто уже оптимизирует промпты и инструменты автоматически и видит, что прирост не переносится на новые задачи. Обвязка ИИ-агента решает, какой файл прочитать перед правкой, как восстановиться после упавшей команды и что оставить в контексте. Регуляризация во время обучения мешает модели зазубривать обучающие данные, например, применяет штраф за слишком большие веса. RRSI применяет ту же идею к обвязке: менять можно всё, от промптов до субагентов, но избегает подгонки результатов под конкретный бенчмарк. Существующие методы автоматической настройки обвязки почти не переносят прирост на новые задачи. С обвязкой RRSI агент на Claude Opus 4.8 стал лучше на всех восьми бенчмарках. На задачах, на которых настраивали обвязку, он прибавил от 1.1 до 6.0 пункта (на Terminal-Bench 2.1 с 74.2 до 80.2), а на пяти незнакомых бенчмарках от 1.8 до 4.7 пункта (на JobBench с 36.0 до 40.7). В офисных задачах средний результат на незнакомых бенчмарках вырос с 39.7 до 43.6 пункта, а на инженерном Frontier-Eng с 17.7 до 22.0, то есть на 24.3%. При этом обвязка RRSI экономнее: с ней агент тратит на одну задачу в среднем 2.42 млн токенов, а с обвязкой, настроенной без регуляризации, 3.80 млн. Код опубликован на GitHub под лицензией Apache 2.0, журналы экспериментов выложены на странице проекта. #Stateoftheart

bb plugin atlas - чтобы плагины для bb писать не вслепую Это продолжение поста про bb и стрима, где мы его разбирали втроем. Если вы уже пробовали bb, то знаете: для плагинов он предлагает вайбкодинг на максималках: попросил агента свой сайдбар и фича уже в том же окне. Но что вообще возможно и как оно хоть примерно работает? Скажем, вы знали, что плагин может: - использовать под 30 мест интерфейса чтобы заменить или добавить свою компоненту - подсвечивать куски текста в поле ввода, пока вы печатаете - придержать или отклонить любое сообщение, пока оно не ушло модели - хранить данные в собственной SQLite с миграциями и в vault Для виджета на вечер это знать не обязательно, а вот для чего-то посерьезнее - нужно, и как минимум полезно знать как это правильно называется, чтобы нормально запромптить. Кое-какая документация у bb есть, но написана она скорее для для агентов чем для человека (в виде скиллов, референсов и типов SDK). В общем, так появился bb plugin atlas. Сначала для себя, сейчас вот опубликовал. Забавно, что обычно документацию конвертируют в скиллы, а тут пришлось наоборот, из скиллов и исходников bb собирать документацию. Текст в основном писал агент, небольшую часть формулировок я переписал руками и направлял в нужную сторону. Что внутри: - карта UI-зон - сразу видно, куда можно встроиться и как это место называется, там же все полезные ссылки - архитектура bb и плагина: процессы, точки входа, RPC между фронтом и бэком, где живет состояние - модель доверия и многое другое + бриф для агента на каждой карточке, копируешь и вставляешь в Claude Code, Codex или композер bb Сайт собран на Astro со Starlight. Astro я беру уже не первый раз для самых разных статических сайтов, и с документацией он тоже справляется отлично. Ах да, скилы для технической документации тоже пришлись кстати. 🔥 ➕ 🔁 @nobilix

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

Часть наших читателей уже начала над нами посмеиваться в том духе, что мы теперь не WTF_HR а WTF_AI, потому что про эйчар мы если и пишем, то только в контексте, того, отберут ли роботы всю вашу работу и когда. К тому же, мы давно хотели все-таки сесть и написать что-то про последние события в мире ИИ, включая взлом HuggingFace и вообще будущий захват мира этим самым ИИ. Но вот как к этому подступиться, учитывая, что скромный коллектив авторов уютного канальчика - ни разу не инженеры, а совсем даже эйчары, которые просто иногда рядом с инженерами стоят? И тут мы натолкнулись на гениальную статью, которую просто не можем не прокомментировать, ибо наболело. Итак, издание Business Insider пишет, что на загнивающем Западе некоторые сотрудники жалуются, что неожиданно из индивидуальных исполнителей стали руководителями для ИИ, но за это самое руководство как дополнительную нагрузку не получают дополнительных денег. Прямо так и пишут, да, “стали руководителями для AI-сотрудников”, и даже аргументируют это тем, что уделяют “руководству” AI-сотрудников (то есть формулировкке заданий для AI и проверке результатов их деятельности) больше рабочего времени, чем ручному труду, который положен честному индивидуальному исполнителю. Хочется рассказать сотрудникам Business Insider, что руководителям платят деньги далеко не только за выдачу заданий и контроль результатов. Нормальный руководитель занимается оценкой, развитием, наймом, увольнением, вытиранием соплей, вдохновением, разруливанием конфликтов между своими и своих с чужими, защищает своих людей от начальства в грозном настроении, продвигает их идеи перед начальством в добром настроении, принимает окончательные решения и берет на себя ответственность за действия подчиненных в сложных ситуациях, и прочая и прочая. А люди эти, меж тем, бывают непомерно амбициозными и чрезмерно неуверенными в себе, бывают подлыми и жертвенными, бывают прямыми и изворотливыми, бывают скромными и напоказ - и все эти свои особенности с удовольствием вываливают на начальника и коллег - а начальнику в условиях всех этих странностей нужно лепить из этих странных существа результат в условиях неопределенности. И платят менеджерам за вот это, а вовсе не за промпт и фактчекинг. Уходил ли у вас когда-нибудь к конкурентам Клод, потому что вы ему на регулярной оценке поставили “ниже ожиданий” и не повысили до следующей версии, а у него семья, ипотека, больная теща в Саратове и на все это не хватает токенов? Случалось ли, что недавно нанятый Квен вступил в конфликт с давно работающим Дипсиком из-за трудовых обязанностей, в результате чего Дипсик устроил истерику и ушел на больничный, поставив под угрозу важный проект? Было ли так, что прекрасно продавший себя на интервью Грок оказался самозванцем, но умело скрывал это до окончания испытательного срока, а теперь тянет из вас и вашего юрдепа деньги в суде, оспаривая увольнение, а трудовой кодекс внезапно оказывается на его стороне? И, наконец, приходилось ли вам разруливать эпизод, когда Чатик Джипити и Gemini напились на корпоративе и занялись бурным сексом на вашем рабочем столе, где их и обнаружил сисадмин? Все это нам хотелось бы спросить у тех, кто фанатично, доводя себя до исступления занимается очеловечиванием статистических моделей, предсказывающих следуюее слово. Но вместо этого, чтобы все звучало совсем по-идиотски, как оно того и заслуживает, мы просто попросим всех этих новоявленных руководителей заменить слово “ИИ” на слово “принтер”. “Платите мне больше, ведь теперь я руковожу принтером” - это звучит гордо. И это все, что мы думаем по поводу так называемых “ИИ-сотрудников” и “руководства” ими.