Вайб-кодинг

классное имя 😄

Вышла GLM-4.7. Новая версия заметно прокачалась по сравнению с GLM-4.6 и теперь уверенно тянет open-source SOTA в кодинге, сложных рассуждениях и работе с инструментами. Параллельно подтянули чат, креатив, сторителлинг и role-play. Что важно на практике: Кодинг » Существенный прирост качества в реальных дев-сценариях » Модель стала дефолтной в GLM Coding Plan » Лучше держит контекст, меньше ломается на длинных цепочках действий Thinking modes » Доработан Interleaved Thinking » Появились Preserved Thinking и Turn-level Thinking » Можно думать между действиями и сохранять логику между ходами, что сильно повышает стабильность на сложных задачах UX и визуал » Улучшена работа с фронтендом » Поддержка разных стилей » Заметный апдейт в генерации слайдов и постеров Ссылки: » Coding Plan: [http://z.ai/subscribe] » Чат: [http://chat.z.ai] » Веса: [http://huggingface.co/zai-org/GLM-4.7] » Техблог: [http://z.ai/blog/glm-4.7] » Thinking Mode: [http://docs.z.ai/guides/capabilities/thinking-mode]

Совет по Claude Code на сегодня: Ctrl + R (Обратный поиск) Твои прошлые промпты в Claude Code можно искать. Ctrl + R — обратный поиск по истории промптов Ctrl + R ещё раз — переключение между совпадениями Enter — запустить Tab — сначала отредактировать Не печатай повторно. Используй историю.☝️

Awesome Copilot — open-source подборка инструментов, промптов, расширений и workflow для GitHub Copilot. Вместо того чтобы вылавливать советы и хаки по всему интернету, всё полезное собрано и аккуратно разложено в одном месте. Хороший буст по работе с Copilot.😎

Если хочется развернуть у себя на ПК или телефоне быструю AI-модель, без интернета и бесплатно, можно посмотреть на open-source проект Nexa SDK. По сути, сейчас это одно из самых интегрированных и полноценных решений на рынке среди опенсорса, с нормальной экосистемой и инструментарием. За счёт собственной технологии сжатия моделей он спокойно работает без интернета и за миллисекунды прогоняет поиск по тысячам локальных фотографий. С обработкой десятков тысяч чувствительных документов тоже проблем нет. Все данные остаются на устройстве, так что по безопасности и приватности это сильно выигрывает у облачных API. Есть полная совместимость с OpenAI API, поэтому его можно без проблем встраивать в уже существующие дев-воркфлоу. Плюс в комплекте идёт готовый CLI. Одна команда, и модель скачана и запущена. Вкатиться можно буквально за пару минут 🎅

Если хочешь выжать Opus 4.5 максимум в Claude Code, обнови ~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "64000",
    "MAX_THINKING_TOKENS": "31999"
  }
}

Что это даёт: - вывод увеличивается в 2 раза - режим ultrathink всегда включён Ctrl + O показывает рассуждение в подробном режиме. Ultrathink on не заставляет модель думать ровно 31 999 токенов. Он лишь даёт ей такую возможность, но модель будет использовать её не всегда. Из документации: Расширенное мышление использует токен-бюджет, который ограничивает объём внутреннего рассуждения, доступного Claude перед формированием ответа. Больший бюджет токенов на размышление даёт: - больше пространства для пошагового перебора нескольких вариантов решения - возможность детально разобрать крайние случаи и взвесить компромиссы - возможность пересматривать ход рассуждений и самостоятельно исправлять ошибки

OpenSkills v1.3.0 Универсальный загрузчик skills для AI-кодинг-агентов. Теперь можно: - использовать symlink’и для skills - ставить skills из локальных путей и приватных git-реп - синкаться в любой .md файл через флаг --output - запускаться полностью без интерактива в CI/CD через --yes Установка: npm i -g openskills

Плагины — Можешь скинуть свой сетап Claude Code? — присылает 47 файлов в 12 директориях — …ладно, не надо Эта эпоха закончилась.😈

/plugin install my-setup

Находи новые воркфлоу через маркетплейс. Команды, агенты, skills, хуки, MCP. Один пакет. Одна команда.

Новый туториал по AI-кодингу: как правильно стартовать проекты с Claude Code Таймкоды: 00:00 — Не повторяй мою ошибку 02:30 — Фаза 1: планирование 02:54 — Два вопроса, которые стоит задать перед стартом 04:44 — Как использовать AI для помощи в планировании 06:14 — Создание спецификации проекта 11:36 — Фаза 2: настройка 12:04 — Настройка репозитория на GitHub 13:32 — Создание файла переменных окружения (.env) 13:50 — CLAUDE.md и что в него писать 15:57 — Автоматическая документация проекта 18:24 — Установка плагинов 19:33 — Установка MCP-серверов 20:52 — Настройка кастомных slash-команд и сабагентов 23:22 — Продвинутая настройка: предварительная конфигурация прав 24:09 — Продвинутая настройка: хуки 24:55 — Фаза 3: разработка 25:41 — Сборка MVP с Claude 26:33 — Workflow 1: разработка одной фичи 27:49 — Workflow 2: разработка по задачам (issue-based) 29:19 — Workflow 3: мультиагентная разработка (multi-clauding) 30:39 — Советы по продуктивной разработке 33:04 — Как применять всё, что узнал

я помогаю Opus 4.5 оставаться на верном пути

Сэм Альтман говорит, что настоящий прорыв в AI будет не в более продвинутом рассуждении, а в тотальной памяти. AI сможет помнить каждый разговор, письмо и документ за всю жизнь человека, находя паттерны и предпочтения, которые сам человек никогда осознанно не формулирует. Когда память станет постоянной, само понятие персонального ассистента радикально изменится. ⛄️

Подсказки к запросам Claude умеет предсказывать, что ты спросишь дальше. Завершаешь задачу » появляется серым предложенный следующий шаг: Tab — принять и отредактировать Enter — принять и сразу выполнить Раньше Tab дополнял код. Теперь он дополняет твою работу. ☝️

AWS снова отличились. Недавно они представили новый подход, который по-настоящему меняет то, как разработчики строят агентные пайплайны. Проблема в том, что большинство агентных фреймворков до сих пор заставляют захардкоживать workflow, деревья решений и сценарии отказов. Это работает ровно до тех пор, пока агент не сталкивается с ситуацией, которую ты не предусмотрел. Strands Agents от AWS идут другим путём. Вместо переусложнённой оркестрации они опираются на способности современных моделей к рассуждению и позволяют модели самой вести workflow. Ты: - задаёшь цель, - предоставляешь инструменты, - и позволяешь агенту самому понять, как к этой цели прийти. С точки зрения реализации всё максимально просто » нужно определить всего три вещи: 1. LLM, 2. инструменты, 3. задачу. И всё. Дальше агентный цикл берёт управление на себя. При запуске модель сама решает: - нужен ли инструмент, - какой именно, - как сформировать входные данные, - и когда остановиться. Вся логика » model-driven. То есть вместо правил вида «если математика — зови калькулятор» или «если API упал — делай retry», модель динамически планирует шаги и выполняет их сама. Workflow формируется во время выполнения, исходя из цели и доступных инструментов. Выше в видео показано конкретный, прикладной пример. Это агент на базе MCP, который умеет создавать видео в стиле 3Blue1Brown по одному простому промпту. Сетап был минимальный: - MCP-сервер с инструментом для запуска Manim-скриптов, - затем описали агента с этими инструментами. Без системных промптов и без правил workflow. Дальше модель сама: - спланировала шаги, - сгенерировала сцену Manim, - и автономно вызвала нужный инструмент. Даже минимальная конфигурация уже даёт удивительно высокий уровень возможностей. А по мере добавления лучших инструментов или моделей агент становится сильнее сам по себе - без переписывания workflow. Фреймворк полностью open source и работает с любым локальным сетапом. 📖

Gemini 3 Flash: дашборд в формате bento box с живым трекингом рук и блоками визуализации данных. ⚡️⚡️⚡️

Подгон для хакеров: полностью автономный AI-хакер, который находит реальные эксплойты в ваших веб-приложениях. Shannon показал 96,15% успешности на бенчмарке XBOW без подсказок, с учётом исходного кода. Фичи: » Полностью автономная работа » Отчёты уровня пентеста с воспроизводимыми эксплойтами » Покрытие критических уязвимостей из OWASP » Динамическое тестирование с пониманием кода » Работает на базе интегрированных security-инструментов » Параллельная обработка для ускорения результатов 100% опенсорс 👁

Оп, Stream выложили в open-source Vision Agents - фреймворк для ИИ, который понимает видео в реальном времени. Теперь можно заставить ИИ смотреть и анализировать видео с задержкой меньше 30 мс. Комбинация YOLO + Gemini / OpenAI: ↳ спортивный коучинг ↳ обнаружение пожаров с дронов ↳ ассистенты для лайв-митингов Почему это важно: Большинство ИИ-приложений сегодня это текст или статичные картинки. Vision Agents - это понимание живого видео в реальном времени. Подключение к звонку » около 500 мс. Задержка аудио и видео » меньше 30 мс. Идеально для ИИ, которому важно видеть, что происходит прямо сейчас. Реальный тайм-видео ИИ можно собрать буквально в ~5 строк кода:

agent = Agent(
    edge=getstream.Edge(),
    instructions="Coach golf swing",
    llm=openai.Realtime(fps=10),
    processors=[ultralytics.YOLOPoseProcessor()]
)

Пример установки — одна команда и готово:

uv add vision-agents

↳ Вот репозиторий ↳ А вот документация

Работу с браузером в Antigravity тоже сильно прокачали с Gemini 3 Flash. Он стал заметно быстрее и лучше справляется с длинными агентными задачами Вот Antigravity делает глубокое исследование по фронтиру Парето для моделей и пишет код, чтобы визуализировать результат.

Кстати, ещё в NotebookLM появился артефакт Data Table Data Tables выкатились для всех пользователей тарифов Pro и Ultra (для бесплатных аккаунтов доступ появится в ближайшие недели). Он позволяет автоматически собирать данные из ваших источников и формировать структурированную таблицу, пригодную для анализа и дальнейшей работы. Готовые таблицы можно экспортировать в Google Sheets 🛒

Graphite, платформа для AI-код-ревью, подписала окончательное соглашение о присоединении к Cursor. Команды договорились о партнерстве, чтобы быстрее развивать инструменты для совместной разработки и ускорять выпуск качественного софта. Cursor расширяется 😊

😰 На днях, Google выпустила FunctionGemma — компактную модель для локального запуска Языковая модель на 270 млн параметров, рассчитана на работу с функциями и инструментами. Модель занимает около 0,5 ГБ оперативной памяти и может работать прямо на смартфоне, выдавая больше 50 токенов в секунду. Подключение к облаку не требуется, все вычисления выполняются локально. FunctionGemma изначально ориентирована на сценарии, где модели нужно вызывать внешние функции и работать как часть агентной логики. Ее можно дообучать с помощью Unsloth, а затем разворачивать на мобильных устройствах или других системах. Docs + Notebook: тут GGUF: тут