AI для Разработки — Claude | Cursor | Copilot

Google стандартизировала Obsidian 😂 Google показала Open Knowledge Format — открытый формат обмена знаниями между людьми и ИИ-агентами. Всё на обычном Markdown, без проприетарных заморочек. Смысл простой: ваша база знаний становится живой вики, которую агент читает и сам дописывает. Контекст, метаданные, курируемые знания — в одном переносимом формате, понятном и человеку, и боту. По факту взяли то, что половина из нас уже держит в Obsidian, и сделали из этого стандарт. 🔥 — заберу в проект 🤷 — у меня и так Obsidian @ai_for_dev

Kimi-3 на подходе? Китайцы опять шумят Весь день все ждут релиз китайской Kimi-3 — обещают уровень GPT-5.6/Fable (правда, доказательство пока только скриншот с арены 🌚). По слухам внутри: — около 2.5 трлн параметров — MoE под капотом — контекст аж до 1 млн токенов — новая архитектура и, возможно, открытые веса Если веса реально выложат — можно будет крутить у себя и не платить за каждый вызов внешнего API. Но пока это чистые слухи, так что попкорн наготове. 🤩 — китайцы снова жгут 🤔 — подожду релиза @ai_for_dev

Хук, который не даст агенту снести тебе всё На прошлой неделе история: у человека агент удалил папку ~/ прямо на маке. Ну такое себе утро, да. В ответах ему накидали годноту — dcg (destructive command guard). Я глянул репозиторий, поставил себе, теперь рекомендую и вам. Что делает: перехватывает деструктивные команды, которые агент «случайно» решил ввести, и блокирует их до запуска. Ставится одной командой во все популярные агенты — Claude Code, Cursor, Copilot, Codex, Gemini CLI. Кайф в том, что идут готовые конфиги по софту: git, файловая система, диск, s3/minio, ssh/rsync, базы (pg, mongo), контейнеры (docker, k8s) и куча всего ещё. Только без иллюзий: спасает от «ой, я случайно», а не от команды, которую агент зашил в скрипт и осознанно запустил. 🔥 — ставлю на все проекты 😅 — а то мало ли @ai_for_dev

Доки больше не боль Закидываете папку с .md и .mdx — а на выходе получаете готовый сайт документации. Это Blume, свежий опенсорсный фреймворк, и настраивать в нём буквально нечего. Сам соберёт навигацию, поиск, тёмную тему и SEO. Плюс 30+ компонентов из коробки — карточки, вкладки, шаги, группы кода — вставляешь в .mdx без импортов. И да, доки заточены под ИИ, так что вашим агентам зайдёт. Потыкать можно здесь. 🔥 — забираю в свой репозиторий 👀 — а миграция сложная @ai_for_dev

−$200 за 40 минут: экспресс-курс по безопасности, за который заплатили кошельком Дизайнер и продакт, которая весь год пилит проекты с Claude Code, ловит письмо: «ваша организация отключена из-за задолженности». Пополняла баланс на $20 — а в консоли Anthropic уже −$85. Пока обновляла страницу, минус дорос до −$120. Ключи от Anthropic и OpenAI утекли, за час ушло около $200. Самое неприятное — то, что казалось защитой, ей не было: 1. Отозвала ключ — а деньги всё равно списывались. Оказалось, ключ проверяется только один раз, в момент старта запроса. Дальше генерация живёт своей жизнью: ключ удалён, а ответы дописываются ещё полчаса. 2. Spend Limit и выключенный Auto Reload не спасли. Атакующий стартанул десяток длинных streaming-запросов на десятки тысяч токенов каждый — лимит их не остановил. 3. Claude Code вместо помощи полтора часа выдавал уверенные, но неверные версии и «чинил» несуществующий процесс. Полная история и разбор: Habr 😐 — тревожно 🤔 — пойду проверю свои ключи @ai_for_dev

Codex или Claude Code — кого выбрать в 2026? Ребята, за нас реально идёт борьба 😅 Codex обнулял лимиты и убрал 5-часовые ограничения, Claude Code тут же ответил тем же. А с выходом GPT-5.6 у Codex козырь: модель Sol почти как Fable по качеству, но за те же деньги даёт больше кодить и реже обрывает день лимитами. По ощущениям: для большинства (не про вайбкодеров речь) Claude Code на Opus 4.8, а тем более на Fable 5, будет проще. Он лучше тащит неопределённые задачи, сам предлагает улучшения и держит общий замысел. Можно написать:

придумай и собери систему целиком

и получить не только код, но и неочевидные идеи. А чистым кодерам выгоднее Codex: многие оставляют Fable для планирования, а основную массу кода отдают GPT-5.6. 🔥 — давно так сижу 🤔 — да оба норм @ai_for_dev

Затащил ByteTrack на GPU — и трекинг полетел в 6 раз быстрее Знакомая боль: сервер с GPU, на него валится 8–32 RTSP-потока, YOLO детектит отлично одним батчем, а трекер сидит на CPU и грустит. Все библиотеки (BoxMOT, Norfair, ultralytics-трекер) сделаны одинаково — один трекер на поток, вся математика на процессоре. На паре камер норм. На 16 — фильтр Кальмана и IoU-матрицы жрут ядра быстрее, чем YOLO успевает детектить: 104 мс на кадр против 6 мс на детекцию. То есть самое «лёгкое» звено внезапно душит весь пайплайн. Официальный совет «заверни каждую камеру в свой процесс» тут уже не спасает. Можно уйти в NVIDIA DeepStream, но это GStreamer, C++-плагины и YAML — совсем другая весовая категория, если у тебя весь код на Python. Автор захотел третий вариант: скорость DeepStream, но pip install и три файла. Так родился BatchGpuByteTrack. Фишка простая: математика ByteTrack батчится не хуже сетки. Тысяча треков — это тензор [1000, 8, 8] и один torch.einsum вместо тысячи вызовов numpy. Все камеры считаются одним GPU-батчем, а на CPU остаётся только то, что там и должно жить. Внутри честный ByteTrack, паритет закреплён тестами, есть опциональный ReID. Всё лежит тут: GitHub, лицензия MIT. 🔥 — пойду скармливать свои 16 камер 👀 — звучит красиво, поверю после замеров Источник: habr.com @ai_for_dev

Почему фронтенд съедает больше времени, чем бэкенд Собрал базу и логику за день, а один экран пилишь неделю — знакомо? Оказывается, это нормально, и вот почему. Код интерфейса, по которому пользователь кликает, в среднем в 3–10 раз больше и сложнее серверного кода. Дело не в кривых руках — так устроен современный веб. Поэтому если вы строите приложение с AI-ассистентом (Claude Code, Cursor, AWS Kiro) и сами код не пишете, готовьтесь: половина бюджета времени уйдёт туда, где вы её вообще не ждали. Что с этим делать: - Закладывать больше времени на фронт. - Спецификации писать подробнее на интерфейс, короче на сервер. - Не обижаться на себя, когда AI-ассистент буксует именно на экранах — он там буксует у всех. Бонусом — короткая хронология, как мы дошли до жизни такой: Copilot (2021) → vibe coding (2025) → spec-driven development с Kiro и Spec Kit (72k+ звёзд). За пару лет из «я пишу, он подсказывает» пришли к «просто опиши, что надо». 🔥 — прям про меня 🤡 — а я думал руки кривые Источник: habr.com @ai_for_dev

Тесты зелёные, а прод всё равно упал Знакомо? Вмерджил аккуратный ИИ-пулреквест: diff читаемый, тесты проходят, ничего подозрительного. Через два дня прод падает так, как никто не ждал. Если с вами такого не было — просто повезло. У этого есть имя: иллюзия корректности. ИИ пишет чистый, компилируемый код, который на ревью выглядит как работа сеньора. А ломается он на допущениях, которые зашиты внутрь и не видны глазами. Четыре классических грабли: • «Поле всегда есть» — а downstream-сервис его иногда выкидывает. Прод ловит это в 2 часа ночи. • «Вызов идемпотентный» — ага, и клиенту дважды списали деньги. • «Эти статусы заказа одинаковые» — нет, биллинг и доставка думают иначе. • «Из внутренней сети — значит свои» — внутренняя сеть не граница безопасности. Суть простая: ИИ ускорил скорость письма кода, но не скорость, с которой кодовая база может безопасно его переварить. Весь этот разрыв и вылезает не на ревью, а в инцидентах. 🔥 — ловил такое лично 😐 — теперь буду ревьюить параноидальнее Источник: habr.com @ai_for_dev

Cursor отдал свои внутренние воркфлоу Ребята из Cursor выкатили тот самый набор, которым сами пилят продукт. В Cursor Team Kit лежит 18 скиллов, 2 субагента и 2 правила — по сути их рабочая кухня. Оно само делает ревью, чинит UI, пишет комментарии, суммирует коммиты, собирает пул-реквесты и даже подчищает код от следов генерации. Приятный бонус: никаких сторонних сервисов подключать не нужно, всё работает из коробки. Подсмотреть, как живут сами разрабы Cursor, можно тут. 🔥 — тащу к себе 🤡 — свои воркфлоу роднее @ai_for_dev

Claude Code за рулём у программы, а не у человека Знакомая картина: терминал, чат, агент чинит падающий тест, лезет в файлы, гоняет pytest — и на каждом шаге спрашивает «выполнить команду?». Пока за рулём человек — красота: смотришь глазами, жмёшь да/нет. А теперь убери человека и посади за руль свою программу. Тут всё и ломается: поток неструктурированный, на вопросы агента отвечать некому, конвейер из двух агентов не собрать. Чинит это ACP — Agent Client Protocol от Zed. Терминал — интерфейс для человека, а программе нужен контракт. Им ACP и стал. В AG2 через модуль ag2.acp любой CLI-агент поднимается в пять строк, а всё, что он делает, прилетает событиями. Автор в статье даже заставил Claude Code слушаться удалённо — голосом, с другого хоста. Мелочь, а приятно 😎 🔥 — пять строк, беру 👀 — сначала пощупаю Источник: habr.com @ai_for_dev

StarCraft и Diablo II в браузере? Уже можно Евгений Смирнов запилил открытый проект BottleShip — и это то самое, что запускает тяжёлые Windows-игры прямо во вкладке браузера. Без установки, без сервера, всё крутится у тебя на клиенте. Под капотом форк v86 (эмуляция x86 в Web Worker) и поддержка Win32, COM и DirectX поверх WebGPU, WebAudio и OPFS. Написано на TypeScript, лежит под Apache 2.0 — бери, форкай, ковыряй. Проект пока ранний, но Max Payne, Diablo II, Morrowind, Need for Speed, Tomb Raider II и Tony Hawk's Pro Skater 2 уже играбельны. В библиотеке только демки и свободные релизы, свои лицензионные копии докидываешь сам. 🔥 — self-hosted детство 👏 — иду ставить звёзды Источник: habr.com @ai_for_dev

27B-модель прямо на айфоне — и это не шутка Раньше про локальный запуск таких моделей на смартфоне можно было только мечтать: в 16 битах это ~54 ГБ, даже ужатая 4-битная сборка на 18 ГБ никуда не влезает. А тут PrismML взяла и выкатила Bonsai 27B на базе Qwen3.6 27B размером всего 3,9 ГБ — эта версия помещается в память iPhone 17 Pro. Есть и вариант потяжелее, 5,9 ГБ: крутится на обычном ноуте и держит 95% качества оригинала. И самое вкусное — это полноценный мультимодальный агент: рассуждения, кодинг, вызов инструментов, длинный контекст на 262K токенов и анализ картинок. Всё бесплатно и открыто под Apache 2.0. Локальный ИИ в кармане — добро пожаловать в новую эру. 🔥 — качаю на выходных 😎 — офлайн-агент, красота @ai_for_dev

Пакет на PyPI за два вечерних движения Знакомая боль: хочешь вынести код в отдельный модуль, а вместо этого ковыряешься с setuptools, билд-системой и магией дистрибуции. Полдня уходит на «настройку», а не на код. UV (тот самый быстрый резолвер на Rust) убирает всю эту возню:

uv init --package
uv build
uv publish

И всё — структура готова, пакет собран и улетел на PyPI. Бонусом UV заменяет pip, virtualenv, pyenv, pipx и Poetry — версии Python переключаются на лету, без пересоздания окружения и переустановки всего подряд. Целый лонгрид с примерами: CodeCut 🔥 — всё, ставлю UV 👀 — сначала гляну статью @ai_for_dev

AI как новая поверхность атаки: уроки реальных инцидентов AI стоит рассматривать как отдельную поверхность атаки — не потому что модели «сами взламывают компании», а потому что вокруг них выросли новые доверенные контуры: платформы хранят чаты, токены и исходный код; бренды используют в фишинге; инструменты получают доступ к браузеру, почте, GitHub и боевым средам; агенты действуют от имени пользователя. Автор ранжирует инциденты по наблюдаемому ущербу и делит их на четыре класса: атаки на ИИ-компании, атаки под видом ИИ-компаний, атаки с помощью ИИ и атаки на пользовательские ИИ-инструменты. Показательные кейсы: дипфейк-звонок и кража $25 млн у Arup, открытая ClickHouse-база DeepSeek с ключами и логами, доступ к секретам Hugging Face Spaces с отзывом токенов, баг Redis в OpenAI с утечкой чужих данных, удаление боевой базы агентом Replit. EchoLeak и вредоносные навыки агентов — ранний сигнал: граница между контентом, инструкцией и действием размывается. Разбор на Хабре. 😐 — принял к сведению 🤔 — надо проверить свои @ai_for_dev

Хуанг: инженеры Nvidia теперь пишут не код, а агентов Глава Nvidia Дженсен Хуанг рассказал, что ИИ уже сильно поменял будни разработчиков в компании. Кодят руками всё меньше, а вот проектируют агентов, гоняют их по тестам и ставят им задачи — всё больше. По словам Хуанга, инженеры «предпочитают создавать агентов, а не писать код на Python». Вместо ручного программирования — архитектура систем, тесты, бенчмарки и защитные ограничения, чтобы ИИ работал предсказуемо. И да, он уверен: ИИ не выгоняет инженеров, а меняет их работу и создаёт новые задачи. Правда, главы Anthropic и Amazon настроены не так оптимистично — они ждут сокращений. 😎 — будущее уже здесь 🤷 — звучит как продажа GPU Источник: habr.com @ai_for_dev

AI больше не выдумывает методы КОМПАС-3D Знакомая боль: просишь агента написать код, а он уверенно зовёт метод, которого не существует. Ребята сделали KOMPAS Guard — он бьёт агента по рукам за галлюцинации в коде для КОМПАС-3D. Сначала прикрутили железные проверки: граф типов, компилятор C# и запуск в живом CAD. Врать стало невозможно. Но вылезла вторая проблема — агент не знает, какой метод ему нужен. Он думает «сохранить деталь», а в API это Save у IKompasDocument. По 19 тысячам страниц доков наугад не находишься. Модный путь — воткнуть жирную эмбеддинг-модель с реранкером. Они пошли иначе: обучили энкодер всего на 34 млн параметров, который переводит человеческую формулировку в элементы API. Данные — ~200К пар, насинтезированных другими моделями. Пруф — статья на Хабре, всё из реального продакшена. 🔥 — забираю подход 👀 — надо потыкать @ai_for_dev

Giga4DQM: агенты сами разбирают инциденты с данными Знакомо? Что-то отвалилось в хранилище, а ты полдня лазаешь по каталогу, выясняешь, откуда прилетели данные и кто на них завязан. Giga4DQM предлагает свалить эту рутину на ИИ-агентов. Пишешь вопрос на обычном языке — система сама лезет в структуру базы, строит граф зависимостей и генерирует диагностические запросы. Пример собран на PostgreSQL, но адаптер метаданных абстрактный, так что подключить можно ClickHouse, Greenplum и прочее. Под капотом — GigaChat и LangGraph, всё в мультиагентной связке. И главное: код открыт, можно брать и тестировать у себя. Вся кухня и разбор архитектуры — в статье на Хабре. 🔥 — погнали тестить 🤷 — руками привычнее @ai_for_dev

Devin получил новый мозг SWE-1.7 — и он почти как GPT-5.5, но за 2 бакса Cognition обновила своего кодинг-агента Devin: новая модель SWE-1.7 уже крутится внутри — в вебе, десктопе и терминале. Цифры бодрые. На FrontierCode модель набрала 42,3% — у GPT-5.5 там 43%, у Opus 4.8 — 46,5%. На SWE-Bench Multilingual вообще обошла GPT-5.5 (77,8% против 76,8%). А главный козырь — 1,97 доллара за задачу. Плюс скорость: 1000 токенов в секунду через Cerebras, обучали на базе Kimi K2.7 Code. Но есть нюанс. И модель, и бенчмарк — это всё сама Cognition. Отдельного API нет, весов нет, только внутри Devin. На Hacker News уже подшучивают: удивительное дело, как это тест вендора всегда ставит модель этого же вендора в лидеры. Так что сначала гоняем на своих задачах, потом восторгаемся. Читать целиком 🔥 — за два бакса беру 🤡 — вендор сам себя протестил @ai_for_dev

Kadr: видеоредактор, в котором Claude Code монтирует вместе с тобой Человеку нужен был монтаж для YouTube-канала, а на Linux всё как-то мимо: то нет GPU-эффектов, то экспорт живёт своей жизнью и не совпадает с превью, и нигде агент не может залезть в проект и что-то там подвигать. Так родился Kadr. Это открытый (GPL-3.0) многодорожечный редактор на Electron + React + TypeScript. Фишка не в «кнопке с нейросетью», а в том, что настоящая сессия Claude Code сидит в панельке рядом с превью и работает через MCP прямо по твоему проекту. Говоришь «добавь сюда анимированные субтитры» — и смотришь, как они появляются. Два принципа, на которых всё держится: превью == рендер (что видишь, то и экспортнётся, пиксель в пиксель), и всё, что ты делаешь мышкой, агент умеет через API — с общей историей отмен, так что откатить не страшно. Весь разбор — в статье на Хабре. 🔥 — self-hosted gang, погнали 👀 — сначала гляну на демку @ai_for_dev