Agents Lab

MoA в Hermes Agent - новый режим, где несколько моделей работают как один агент 🔱 Внутри есть модели-советники и главная модель. Модели-советники читают задачу и дают приватные заметки: как подойти к решению, где могут быть ошибки, что стоит проверить. Пользователь их не видит, инструменты они не вызывают. Главная модель получает эти заметки, собирает финальный ответ и уже сама работает как обычный Hermes: вызывает tools, продолжает /goal, пишет результат в чат. На HermesBench связка Claude Opus 4.8 + GPT-5.5 дала результат выше, чем каждая модель отдельно: примерно +8% к Opus 4.8 и +11% к GPT-5.5. Цена тоже растет: один шаг агента превращается в несколько вызовов моделей. Поэтому MoA больше подходит для сложных задач: архитектура, ревью, планирование, длинные исследования. Начинается игра: кто лучше замиксует модели 💃 чат

Репозиторий loop-engineering - набор шаблонов для AI-агентов, которые работают по циклу Агент запускается по расписанию, читает память проекта, делает задачу, проверяет результат отдельным агентом и записывает, что произошло. В репозитории собраны шаблоны для таких сценариев: ежедневная проверка проекта, сопровождение изменений в коде, реакция на упавшие тесты, обновление зависимостей, журнал запусков и лимиты расходов. И есть статья, которая разбирает эту идею на более рискованном примере - автоматической торговой системе. Там цикл выглядит так: собрать рыночные данные, найти торговый сигнал, проверить его на исторических данных, исполнить сделку и следить за риском. 📎 Loop engineering: как собрать самоулучшающуюся торговую систему чат

Как AI-агенты учатся после каждого запуска 😘 Обычно все смотрят на модель и веса. Но в продуктах быстрее работают другие слои: harness, проверки, память, навыки и действия пользователей. Самая сильная часть - агент может учиться на правках человека. Менеджер одобрил возврат, который агент завернул, причина попала в процедурную память, следующий похожий кейс обрабатывается умнее. Разбор Karpathy AutoResearch, SEAL, AlphaEvolve, Hermes, OpenClaw, Anthropic Skills и AG-UI в одной статье: 📎 Как AI-агенты учатся на практике чат

OpenRouter MCP - живой каталог моделей для агентов Подключаете его к Claude Code, Codex CLI, OpenCode или Cursor - и агент может сам спросить: какая модель сейчас лучше для кода, JSON extraction, длинных документов, дизайна, reranking, speech-to-text или дешевого прогона. Что внутри: 🔵 models-list, model-get, model-endpoints - живой каталог моделей, цены, контекст, модальности, провайдеры, latency, throughput и data policy 🔵 benchmarks и rankings-daily - оценки из Artificial Analysis, Design Arena и тренды по использованию 🔵 chat-send - можно отправить тестовый запрос в несколько моделей и сравнить ответ, стоимость и провайдера 🔵 generation-get - показывает точную цену, токены и endpoint конкретного прогона 🔵 docs-search, credits-get, providers-list - поиск по документации, баланс и настройки маршрутизации Подключение простое:

claude mcp add --transport http openrouter https://mcp.openrouter.ai/mcp
claude mcp login openrouter

или для Codex:

codex mcp add openrouter --url https://mcp.openrouter.ai/mcp
codex mcp login openrouter

Авторизация идет через OAuth. OpenRouter создает отдельный ключ только для MCP, по умолчанию на 7 дней и с лимитом $10. Почти все инструменты только читают данные. Платным становится chat-send, потому что он реально вызывает модели. чат

Кому нужен светофор для Claude Code? чат

Hermes Agent получил команду /learn, которая превращает документы, репозитории и рабочие процессы в навыки. Hermes сам собирает контекст, пишет файл SKILL.md по стандарту и сохраняет его для будущих задач. Документация /learn Чтобы команда появилась, обновитесь через /update и выполните /restart. У меня он почему-то решил не перезагружаться в этот раз 👍 чат

Вышла новая японская модель Sakana Fugu (arxiv), навела шуму знатно, в X - 25 млн просмотров Самая интересная часть - оркестрация 🔄 Снаружи это один API: вызываешь fugu или fugu-ultra, как обычную модель. Внутри Fugu решает, кого из агентного пула подключить, кому отдать подзадачу, где нужна проверка, а где достаточно одного сильного worker-а. Полный пул моделей Sakana не раскрывает. В отчете фигурируют GPT-5.5, Claude Opus 4.8 и Gemini 3.1 Pro, но точные версии, правила маршрутизации и внутренние промпты закрыты. У обычного Fugu логика ближе к умному роутингу: выбрать подходящую модель под шаг задачи. У Fugu Ultra - полноценный workflow: несколько агентов, роли, промежуточные ответы, проверка, синтез. Типичный паттерн из отчета: GPT строит решение, Opus приходит на этап дебага и находит уязвимости, после чего результат дорабатывается. В других задачах Fugu может устраивать дебаты, вызывать специалиста по теме или даже рекурсивно подключать Fugu как еще одного участника команды. Установщик для Codex: curl -fsSL https://sakana.ai/fugu/install | bash потом: codex-fugu Цены на api: fugu - вы платите только по стандартной ставке для конкретной базовой модели. fugu-ultra - 5$ Input, 30$ Output, 0.5$ Cache. Если контекст больше 272К, то 10$ Input, 45$ Output, 1$ Cache. И есть подписка 20/100/200$. До конца июля получаете второй месяц бесплатно. Теперь можно иметь свою фронтир модель, не имея модели 💃 чат

Looper (188 ⭐️) - скилл, который помогает спроектировать loop до запуска. Если плохо описать /goal или /loop, агент быстро сожжет токены и будет уверенно крутиться вокруг плохой задачи. Looper добавляет шаг - сначала собирает нормальный цикл, потом отдает его Claude Code или другому агенту. Вы запускаете /looper, а он интервьюирует вас по ключевым частям: 🔵 цель и контекст 🔵 что считается готовым результатом 🔵 проверки: команда, модель-судья или человек 🔵 отдельный reviewer/судья, например Claude проверяет работу Codex 🔵 лимиты по итерациям, времени, токенам и “нет прогресса” 🔵 файлы состояния: state.json, run-log.md, loop.yaml, RUN_IN_SESSION.md Loop становится видимым артефактом. Его можно прочитать, поправить, переиспользовать, закоммитить и только потом запускать. чат

Если пользуетесь Codex CLI - проверьте ~/.codex В Codex нашли неприятный баг с локальными логами: CLI слишком подробно писал TRACE/WebSocket/telemetry события в SQLite:

~/.codex/logs_2.sqlite
~/.codex/logs_2.sqlite-wal
~/.codex/logs_2.sqlite-shm

В issue #28224 один сетап экстраполировали до ~640 TB записей в год на SSD. Размер файла при этом может не выглядеть страшно: WAL крутится и перезаписывается, а износ диска всё равно происходит. Если файлы уже разрослись, закройте Codex и удалите их:

rm -f ~/.codex/logs_2.sqlite*

Фикс уже вошёл в обновление 0.142.0 чат

🔱Hermes Agent раскрывается постепенно. Сначала это просто запросы в Telegram или терминале: найти, сравнить, поправить файл, запустить команду. Дальше появляется память, SOUL.md, skills, MCP, sub-agents, cron jobs, профили и отдельные рабочие агенты под разные задачи. 📎15 уровней Hermes Agent. Тут хорошо видно, на каком этапе вы сейчас и какой следующий шаг даст больше всего пользы. Самый интересный момент начинается после cron jobs. Если агент каждый день приносит результат, он должен учиться на обратной связи. Для этого есть 📎Hermes Sensei Loop: агент собирает замечания, проверяет новый prompt на holdout-наборе и продвигает изменения только если качество реально выросло. Сначала доведите Hermes до уровня, где он стабильно делает работу без ручного вмешательства. Потом добавляйте лупы, чтобы они улучшали workflow, а не просто запускал старые задачи по расписанию. чат

Продолжаем изучать тему лупов ✍️ 🔵AI loops: что это такое и где они реально работают База: что такое loop, зачем нужны проверка, состояние и лимиты, где это помогает, а где просто сжигает токены. Подойдет тем, кто пока использует ИИ через одиночные запросы и хочет понять следующий уровень. 🔵Loop engineering: как заставить агента кодить ночью и не сжечь бюджет Практика для разработки: STATUS.md, skills, worktrees, MCP, субагенты, бюджетные стопы и утренний отчет вместо стены логов. Подойдет разработчикам и тимлидам, которые хотят запускать кодинг агентов в репозитории безопаснее. 🔵Один loop, 259 PR в месяц: практическая схема loop engineering Схема полноценного loop: 6 частей, первые задачи, ограничители, типичные сбои и дешевые альтернативы. Начинайте с маленького повторяемого процесса, где есть автоматическая проверка, лимит шагов и понятный результат. чат

Graphify (70к ⭐) - карта проекта для AI-агентов Агентам постоянно приходится заново читать файлы, искать по репозиторию и тратить контекст на куски кода. Graphify решает это через граф знаний: один раз строит карту проекта, а потом агент спрашивает ее вместо бесконечного grep и чтения файлов. После запуска /graphify . появляются три артефакта: - graph.html интерактивная карта в браузере - GRAPH_REPORT.md понятный отчет с главными узлами, связями и вопросами - graph.json граф, который агент может спрашивать через CLI или MCP Что интересно внутри: 🔵 код парсится локально через tree-sitter: классы, функции, импорты, вызовы, SQL-схемы и связи 🔵 docs, PDF, изображения, видео и Google Workspace можно добавлять в тот же граф 🔵 есть MCP-сервер с инструментами query_graph, get_node, shortest_path, list_prs, get_pr_impact 🔵 поддерживаются Claude Code, Codex, OpenCode, Cursor, Kilo Code, Hermes, OpenClaw, Gemini CLI, Devin CLI и другие агенты 🔵 можно поставить hooks, чтобы после коммитов граф обновлялся сам Установка: uv tool install graphifyy graphify install /graphify . Для команд это особенно кдобно: graphify-out/ можно коммитить в репозиторий, и новые агентные сессии сразу получают готовую память проекта. Агент видит, где авторизация, где база, какие модули связаны, какие PR задевают те же части системы и где может быть конфликт. Бонусом статья - 📎 Второй мозг в Claude на Obsidian: практический гайд ЧАТ

Bayer показала, как выглядит агентный RAG в проде. PRINCE помогает исследователям работать с доклиническими данными: уточняет запрос, ищет по PDF-отчетам через RAG, ходит в структурированные данные через Text-to-SQL, проверяет полноту фактов и собирает ответ с цитатами. 📎 Как выглядит надежная агентская ИИ-система ЧАТ

Semble (5.3к ⭐) - быстрый поиск по коду для AI-агентов. Агент спрашивает: Как в проекте устроена аутентификация? - и получает нужные фрагменты кода без долгого чтения всего репозитория. Что умеет: 🔵 работает локально на CPU, без API-ключей и внешних сервисов; 🔵 подключается как MCP server, CLI или отдельный подагент; 🔵 подходит для Claude Code, Codex, Cursor, OpenCode и VS Code; 🔵 по бенчмаркам авторов экономит до 98% токенов против grep + read. Как установить - тут Product Manager Skills (5.2к ⭐) - библиотека продуктовых скиллов для Claude Code, Cowork, Codex и других агентов. Внутри 50+ скиллов для исследование проблемы, PRD, roadmap, приоритизации, пользовательских сценариев, стратегии, роста и продуктовых метрик. Самые полезные: 🔵 discovery-process - помогает пройти путь от гипотезы до плана проверки 🔵 prioritization-advisor - подбирает способ приоритизации под вашу ситуацию 🔵 prd-development - собирает PRD, который можно отдавать команде 🔵 roadmap-planning - превращает цели и инициативы в понятный план релизов Готовые сценарии: 🔵 /discover - разобраться в проблеме, собрать вопросы и выбрать проверки 🔵 /write-prd - превратить идею в PRD и первые пользовательские сценарии 🔵 /strategy - собрать позиционирование, проблему, варианты решений и roadmap Чат

Очень много инфы появляется про лупы. Это топ 4 за последние дни: 📎Самоулучшающийся Kimi-сворм: 300 агентов, проверка Opus и цикл без ручного аудита Для тех, кто экспериментирует с multi-agent research, Kimi, дешевыми массовыми прогонами и отдельной verifier-моделью. Внутри: как писать спецификацию для сворма, читать план декомпозиции до запуска, получать файлы вместо ответа в чате, прогонять результат через Opus-проверку и превращать ошибки в постоянные правила для следующих запусков. 📎Loop Engineer: как строить агентные циклы, которые работают без ручного промптинга Для фаундеров, growth-команд и разработчиков, которые хотят запускать агентные процессы вокруг бизнеса: support, SEO, product growth, ads. Главная инфа - как устроить общий слой артефактов, контрактов и логов, чтобы разные циклы читали выводы друг друга и накапливали рабочую память компании. 📎От промптов к loop engineering: как проектировать циклы для кодинг-агентов Для тех, кто уже пользуется Claude Code, Codex или другими кодинг-агентами и хочет перейти от ручных запросов к повторяемым циклам. Внутри: 6 частей хорошего loop - триггер, изоляция, записанный контекст, доступ к инструментам, независимая проверка и состояние на диске. Плюс примеры PR-babysitter, /goal, лимиты, стоимость и случаи, когда loop лучше не запускать. 📎Архитектура агентных циклов: loop, skill и устойчивая оркестрация Для тех, кто думает о production-агентах: фоновые процессы, ретраи, очереди, субагенты, наблюдаемость и восстановление после падений. Аагентный loop должен жить поверх устойчивой оркестрации: каждый шаг сохраняется, ошибки повторяются с нужного места, события не теряются, а dev утром видит все запуски, inputs, outputs и ретраи. Чат

Claude Code получил Artifacts 🏋️‍♂️ - живые страницы из сессии агента. Теперь агент может собрать из текущей работы интерактивную страницу: PR, дашборд, чеклист релиза, карту сервиса или заметку для ревью. Страница строится из контекста сессии: код, плагины, скиллы и подключенные инструменты. Если агент продолжает работу, страница обновляется по той же ссылке. Также перевел две хорошие статьи: 📎 Две дорожки для кодинг-агентов: спецификация и реализация - про процесс "спецификация - реализация", где важнее правильно распределить внимание человека и агента. 📎 GTM-команда на Claude Code, которой управляет один человек - про go-to-market команду из нескольких агентов: prospector, researcher, sequencer, recoverer, reporter, общая память и утренний отчет. Чат

Свежие новости по агентам 📰 🔵 Codex Record & Replay - OpenAI добавил запись действий на Mac: пользователь один раз показывает процесс, а Codex превращает его в skill для повторного запуска через Computer Use, браузер и плагины. 🔵 Grok Build быстро развивается: AGENTS.md, skills, hooks, plugins, MCP, subagents, ACP, headless mode и панель сессий. 🔵 CEO-Bench - новый тест от Princeton для долгих агентных задач. Агенту дают симулированный AI-стартап, $1M стартового баланса и 500 дней управления. Он принимает решения по продукту, рынку, клиентам и росту, видит панели с метриками, базу данных, соцсети, отчеты и историю переговоров, но скрытые параметры ему приходится выводить по косвенным сигналам: спрос, отток пользователей, удовлетворенность клиентов и действия конкурентов. Это ближе к реальной работе агента-оператора, чем обычные coding evals. Ошибка может проявиться через недели, одно решение влияет на несколько частей системы, а “увидел метрику - внес патч” быстро ломается. Результат пока жесткий: большинство моделей не заканчивают выше стартового $1M. На лучшем прогоне выше старта вышли Claude Fable 5, Claude Opus 4.8 и GPT-5.5, но стабильно выше старта больше одного раза оказался только Fable 5. 🔵 Основатель Howie написал сильный тред о том, как они довели AI помощника по планированию до 50% автономности. Категория сложная для агента: если ассистент ошибся в переписке с кандидатом, инвестором или клиентом, пользователь его просто увольняет. Там слишком много редких и неприятных случаев: таймзоны, поездки, переносы, приватность календаря, разные типы встреч, моменты когда лучше спросить человека отдельно, а когда можно отвечать самому. Команда пошла через людей в контуре проверки: собрала команду, которая ловила ошибки и помогала описывать, как должен действовать сильный личный ассистент руководителя в странных ситуациях. Потом на этом выросла карта нестандартных случаев: синтетический эталонный набор данных, проверки качества, fine-tuning, RL, ACE, DSPy, подагенты и новые версии рабочей обвязки. Они не начинали с обещания полной автономности. Они сначала построили доверие и контроль качества, а уже потом постепенно отпускали руль. Сейчас Howie, по словам основателя, дошел до тысяч встреч в день и 50% автономности без роста оттока пользователей и жалоб. Чат

AGENTS.md - инструкция для AI-агентов в репозитории Собрал понятный гайд: как писать AGENTS.md, чтобы его понимали Codex, Claude Code, Hermes, OpenCode, OpenClaw и другие агенты. 🔵 Что класть в файл 🔵 Как описывать команды, тесты и запреты 🔵 Как сделать совместимость с CLAUDE.md 🔵 Пара шаблонов 📎Читать статью Чат

SpaceX договорились купить компанию Cursor за $60 млрд. По Reuters, сделка акциями должна закрыться в Q3 2026, а Cursor становится частью большого AI-контура SpaceX/xAI. На этом фоне Cursor запускает Origin - свой GitHub для эпохи AI-агентов. Это git-платформа, где репозиторий сразу проектируется под работу людей и множества агентов: код, ветки, ревью, фоновые задачи и агентные изменения в одном месте. Параллельно Vercel показал Eve - open-source фреймворк для production-агентов. Главная идея простая: agent is a directory. В папке агента лежат: - instructions.md - роль и правила - tools/ - инструменты на TypeScript - skills/ - переиспользуемые навыки - subagents/ - дочерние агенты - channels/ - Slack, Discord, Teams, web - schedules/ - запуск по расписанию Агенты быстро обрастают собственной инфраструктурой: им уже нужен хостинг кода, очередь задач, ревью, навыки, расписания и безопасные инструменты вокруг проекта. Чат

🔄 SwarmForge (900⭐) от Дяди Боба Uncle Bob (автор книги Clean Code) выкатил свой агентный оркестратор для разработки: локальная связка tmux, git worktree, Babashka-скриптов и файловой "почты" между агентами. Самое необычное - проект разложен по веткам. main хранит документацию и общие скрипты, а рабочие флоу лежат отдельно: - two-pack - быстрый цикл coder -> cleaner -> coder - four-pack - спецификация, код, рефакторинг, архитектура - six-pack - полный конвейер specifier -> coder -> cleaner -> architect -> hardender -> QA - adversaries - отдельный цикл coder <-> reviewer, где ревьюер гоняет кодера до approval Каждая роль запускается как отдельный агент в своей tmux-сессии и своем git worktree. В конфиге можно выбрать CLI для роли: codex, claude, copilot, grok. По умолчанию примеры идут на Codex. Интересная часть - handoff-протокол. Агенты не шлют друг другу длинные сообщения в чат. Они кладут маленькие типизированные файлы в outbox: git_handoff, note, awake. Демон проверяет формат, раскладывает задачи по inbox получателей и будит нужную tmux-сессию. По сути это не "рой агентов, которым дали общий промпт", а инженерный конвейер с ролями, очередями, коммитами, приоритетами и аудитом. В полном six-pack чувствуется почерк Дяди Боба: Gherkin-спеки, TDD, acceptance tests, CRAP/DRY, mutation testing, архитектурные границы, финальная QA-проверка через пользовательский интерфейс. Клевая идея рабочих деревьев под роли, а не под задачи. Агент не просто берет тикет, он живет в своей профессиональной зоне ответственности: спецификация, код, чистка, архитектура, харденинг, QA. Интересно взглянуть на первый коммит в репозитории. Там есть md файлы, которые описывают принципы работы и разработки самого SwarmForge, для понимания, что сувать в контекст агента для кодинга, полезно. 📎 Перевод MD файлов из коммита Как образец агентного SDLC с жесткой инженерной дисциплиной - репозиторий очень любопытный. Чат