Вайб-кодинг

Появился curl.md — преобразование URL в Markdown для агентов. 👊 Добавляешь префикс curl.md/ к любому URL → получаешь Markdown, оптимизированный для агентных систем. Что даёт: - более плотный контекст - меньше расход токенов Пример:

npx curl.md developer.mozilla.org/docs/Web/API/Fetch_API/Using_Fetch

- меньше промежуточной обработки - более плотный контекст на входе модели - проще извлекать смысл из сложных страниц Проверить можно здесь: https://curl.md/playground Вот исходники Способы использования в документации

Аналитики, для вас хорошие новости: OpenAI встроили ChatGPT прямо в Excel и Google Sheet Теперь можно использовать GPT-5.5 для анализа неструктурированных данных, построения финансовых моделей, генерации формул, обновления таблиц и сборки трекера расходов. 🤭

Конвертируем книги в скиллы для Claude Появился book-to-skill — это скилл Claude Code, который автоматически извлекает данные из PDF или EPUB книг и генерирует структурированные файлы скиллов, включая резюме по главам, глоссарии и справочные таблицы по паттернам проектирования. Основной скрипт extract.py поддерживает несколько тулов извлечения и автоматически выбирает оптимальный подход в зависимости от типа книги: - для тех-книг используется Docling -- для сохранения таблиц и блоков кода; - для книг с обычным текстом используется pdftotext для быстрого извлечения. После генерации скилл вызывается через /skill-name, и Claude может напрямую отвечать на основе содержимого книги 🫡

Не так давно, представили агента, который автоматизировал команду постобучения в Hugging Face: ml-intern Это реализация с открытым исходным кодом реального исследовательского цикла, которым ежедневно пользуются исследователи машинного обучения. Вы задаёте промпт, он изучает статьи, проходит по цепочкам цитирования, реализует идеи в изолированных средах с графическими ускорителями, итеративно дорабатывает и собирает модели с глубокой исследовательской базой под любой сценарий. Всё построено на экосистеме Hugging Face. 🤗 Он способен на нетривиальные вещи. На днях, разрабы, вдохновившись nanochat от Andrej Karpathy, поставили ml-intern задачу обучить компактную модель со смесью экспертов со всеми архитектурными улучшениями DeepSeek v4. Для сквозной проверки он обучил модель со смесью экспертов на 100 млн параметров, пройдя как стадию предобучения, так и постобучения. ml-intern автономно справился с рядом реальных задач на стыке исследований и инженерии: > отладка переполнений при использовании гипер-соединений на малых масштабах > выбор размерностей для уменьшения модели до ~100 млн параметров > исправление имён параметров после применения компиляции графа вычислений в PyTorch для ускорения обучения - вот сам код этой модели - Base model: https://huggingface.co/cmpatino/nanowhale-100m-base - Instruct Model: https://huggingface.co/cmpatino/nanowhale-100m

Vercel представила deepsec — опенсорсный каркас для обеспечения безопасности при кодинге. 🦆 • упор на интерфейс командной строки • масштабирование через песочницы • подключаемые код агенты • рассчитан на крупные репозитории • можно использовать через AI Gateway или свою подписку После нескольких месяцев успешного внутреннего использования они прогнали его на одних из самых крупных опенсорсных код базах.

OpenCode получил крупное обновление. Нативный графический интерфейс чата, с возможностью в любой момент переключиться в терминал, встроенные диффы, панель git, очередь сообщений, стиринг, расширенные вызовы инструментов, смена провайдера прямо в процессе диалога и другие возможности. Каковы шансы, что это в итоге сконвергируется в полноценную IDE? 😨

settings.json для Claude, который полностью убирает попапы с запросами разрешений 🔧 Правила allow/deny, хуки, конфиг для команды — полный файл под копипасту внутри. 2 минуты на настройку, минус ~30 прерываний за сессию.

Терминал Warp стал опенсорс. Написан на Rust, доступен на Windows, macOS и Linux. Комьюнити встретило новость очень тепло – за считанные часы репозиторий набрал уже 41+ тыс. звезд! 😮 https://github.com/warpdotdev/warp @IT_Portal

DeepSeek V4 Pro против Xiaomi MIMO V2.5 Pro MIMO V2.5 Pro выигрывает по 2 факторам: 1. примерно на 1 минуту быстрее, чем DeepSeek V4 Pro 2. более чистый визуальный стиль Причина: MIMO V2.5 Pro изначально мультимодальная модель, поэтому лучше понимает, как должен выглядеть качественный визуал. Интересно будет посмотреть, как DeepSeek V4 Vision изменит это. ⏳

POV: Claude перенёсся на 6 месяцев вперёд и рассказал, почему твой следующий шаг уже провалился. Это называется premortem (предразбор провала до старта). Дэниел Канеман (нобелевский лауреат, автор «Думай медленно… решай быстро») называл это своей самой полезной техникой принятия решений. Google, Goldman Sachs и Procter & Gamble используют её перед крупными запусками. Проблема, которую она решает: когда ты спрашиваешь Claude «это хороший план?», он находит причины согласиться. Так он обучен: поддерживать и подтверждать. В итоге ты уходишь с ощущением уверенности. Дальше ты неделями или месяцами строишь систему вокруг этого плана. Потом всё ломается. 😆 И постфактум становится очевидно, что проблема была видна сразу, но её никто не прогнал через стресс-тест, потому что Claude подтвердил, что всё ок. premortem переворачивает контекст. Вместо «что может пойти не так?» ты задаёшь: «прошло 6 месяцев, и это уже провалилось. объясни, как именно это произошло». Это меняет режим анализа: нет задачи быть оптимистичным, потому что исход уже зафиксирован как провал. В таком режиме модель перестаёт искать причины, почему план должен сработать, и начинает раскладывать сценарии деградации. В ответ ты получаешь набор способов, как проект мог умереть, с развернутыми сценариями и ранними сигналами, на которые стоит обратить внимание. дальше обычно делают сводку: > какая точка отказа наиболее вероятна > какой сценарий наиболее критичен > какое скрытое допущение самое рискованное (часто самое ценное) > пересобранная версия плана с закрытыми дырами в итоге ты пишешь «premortem this» и передаёшь план — дальше всё разбирается автоматически. Вот скилл: pre-mortem skill 🍿

Когда на собеседовании смог притвориться синьором, и теперь в компании будет работать нейронка за 400к

Остался последний шанс попасть в ШАД в этом году. У вас 1 день! Фундмательнальная двухгодичная программа для студентов и специалистов с опытом. Среди направлений: разработка машинного обучения, Data Science, инфраструктура больших данных и анализ данных в прикладных науках. Совмещение глубокой теории + задачи из реальных проектов Яндекса. Среди лекторов ведущие IT-эксперты, а в лекциях как база, так и авангард разработок. Поступить можно по классическому треку — с 3 этапами отбора, или по альтернативному — он подходит для специалистов с опытом. Обучение можно пройти как очно в городах присутствия, так и гибридно или онлайн. Успеваем подать документы в ШАД до 3 мая.

Анонс нового фреймворка с агентным харнессом: Flue Flue концептуально похож на Claude Code, но полностью headless и программируемый. Нет требований к наличию оператора, нет терминального интерфейса и графического интерфейса. Один TypeScript. При этом ощущается как работа с Claude Code: агенты выполняют задачи автономно, с минимальным количеством кода. Основная логика вынесена в Markdown cкиллы, контекст и AGENTS.md. По позиционированию ближе к Astro или Next.js, но для агентов. Он не привязанан к конкретному окружению выполнения. Поддерживается деплой в разные рантаймы: Node.js, Cloudflare, GitHub Actions, GitLab CI/CD. Изначально Flue использовался для внутренних воркфлоу в репозитории Astro. После экспериментов стало понятно, что такой слой абстракции нужен не только для одного проекта. Вопрос, который поднимается:

сформировался ли рынок агентов до стадии перехода от библиотек к полноценным фреймворкам. 😬

Я говорю Claude: «Ты сеньор веб-разработчик с 20 годами опыта»:

Теперь Claude Code может читать полную документацию, не расходуя ни одного токена. Для этого его нужно подключить к NotebookLM от Google через MCP. Дальше идёт видео-гайд по настройке ⬇️

Xiaomi выпустила опенсорс модель «MiMo-V2.5-Pro» И она очень хорошо работает для агентов и задач кодинга. Её можно подключать к OpenClaw, Hermes Agent, Claude Code и другим. Также хорошо проявила себя для frontend-задач. Пример: в one-shot режиме сгенерировала 3D-игру, оптимизированную под мобильные устройства. Другой пример, в одном промпте модель смогла: - использовать браузер - пройти по нескольким страницам - извлечь данные - выгрузить их в CSV Впечатляет. И ещё момент. MiMo-V2.5-Pro смогла клонировать Windows 11 как веб-приложение с кучей функций: - меню «Пуск» - Paint - блокнот - настройки - изменение размера окон Всё собрано за ~15 минут и в одном запросе. - в 3–4 раза дешевле GPT-5.4 - в 8 раз дешевле Opus 4.6 Также даёт контекст до 1M токенов. Модель распространяется с открытыми весами, апи 😇

2000 файлов DESIGN.md из лучших продуктов мира, структурированные так, чтобы модель могла их читать и обучаться на них. Цвета, типографика, отступы, сетки и многое другое. Бесплатно. https://styles.refero.design/ 🔫

Веб-сайты теперь можно вставлять прямо в Figma 😱 Это новая функция расширения html.to.design для Chrome: 1. захват любой веб-страницы или её части 2. «копировать в буфер обмена» 3. вставка напрямую в Figma Самый быстрый воркфлоу для импорта веб-сайтов в Figma, который когда-либо был реализован

Гений пересобрал почти весь core OpenClaw в одном workflow: - 25 блоков - 29 связей - краткосрочная и долгосрочная память - мультиканальность (Телеграм + Слак) Ручной сборки не было. Стек полностью опенсорс. Можно запускать локальные модели, владеть всем end-to-end. Полный разбор: 00:00 — вступление 01:00 — SimClaw в работе: планирование дня, поиск встреч, отправка письма 04:05 — возможность долгосрочной памяти 05:52 — внутри workflow: как всё связано 12:09 — сюжетный поворот 12:50 — сборка целого workflow через один промпт 15:42 — почему это операционная система для AI workforce 17:00 — попробуй сам Опенсорс стек, который это всё запускает: https://github.com/simstudioai/sim 😬

NVIDIA раздаёт бесплатный доступ к API более чем к 50 моделям ИИ 🤯 Без банковской карты. Нужен только API-ключ → MiniMax M2.7, DeepSeek v4, GLM 4.7, Kimi, Nemotron, Llama, Gemma, Mistral → эндпоинт, совместимый с OpenAI API → работает с Cursor, Zed, OpenCode, Hermes Настройка: → взять ключ на http://build.nvidia.com → base_url = http://integrate.api.nvidia.com/v1 → добавить api_key = "$NVIDIA_API_KEY" → выбрать модель (например, minimaxai/minimax-m2.7)