AI для Разработки — Claude | Cursor | Copilot

llms.txt — robots.txt для эпохи ChatGPT Пока вы делали Lighthouse 95 и schema.org, поиск тихо переехал в ChatGPT, Perplexity и Claude. Люди больше не листают 10 ссылок — они спрашивают модель и получают синтезированный ответ с парой источников. И если вас там нет — вас в поиске нет. Для этого мира появился llms.txt — обычный markdown в корне домена (example.com/llms.txt), где вы по-человечески объясняете модели: вот мой сайт, вот канонические страницы, вот это цитируй. Не правила доступа как в robots.txt, а описание. Автор статьи на Хабре утверждает: пишется за час, эффект в AI-выдаче ловится через 1–4 недели, в Рунете почти никто не сделал — окно открыто. Спецификация на llmstxt.org, для жадных есть llms-full.txt с десятками тысяч слов. Звучит как новое SEO, только теперь оптимизируем не под Googlebot, а под GPTBot и ClaudeBot. 🔥 — пойду писать свой llms.txt 🤔 — звучит как очередной hype @ai_for_dev

Один endpoint, 11 бесплатных LLM, ~1.3 млрд токенов в месяц Чувак собрал на GitHub штуку, которая склеивает бесплатные тарифы всех топовых провайдеров за одним OpenAI-совместимым endpoint. Заводишь свои ключи от Google, Groq, Cerebras, SambaNova, Mistral, OpenRouter, GitHub Models, Cohere, Cloudflare — и забываешь про четырнадцать SDK с четырнадцатью лимитами. Как это работает: • Роутер сам выбирает модель под задачу • Упёрся в лимит у Groq — едет на Cerebras, потом на SambaNova • Ключи шифруются, расход по каждому считается • Любой клиент с base_url подхватит без переделок Для прода вряд ли (free tier есть free tier), но для пет-проектов, локальных агентов и «попробовать ещё одну идею» — почти идеально. MIT, поднимается локально. 🎉 — бесплатно? беру 🙏 — спасибо, автор @ai_for_dev

Bun переписали с Zig на Rust за 9 дней через Claude Code Эксперимент по миграции рантайма Bun с Zig на Rust признан успешным. Pull request содержит миллион строк кода — вручную его, очевидно, никто не ревьюил. Ключевые факторы успеха: - Полное покрытие тестами исходной кодовой базы — новое решение их проходит - Использование агента Mythos в связке с Claude Code - Доля unsafe-операций в итоговом коде в разы меньше, чем в сопоставимых проектах Контраст с другим кейсом: на утилите curl Mythos обнаружил пять заявленных уязвимостей, но реальной оказалась только одна. Видимо, на небольших кодовых базах агенту негде разгуляться. Тренд понятен: ручной построчный ревью при масштабных AI-миграциях уходит в прошлое — на смену приходит верификация через тесты и метрики безопасности. 🤔 — посмотрим на статистику багов 😐 — миллион строк без ревью @ai_for_dev

Полгода доверял LLM писать Rust. Делюсь коллекцией граблей Чувак гонял Claude, GPT и Cursor как полноценного второго разраба на монолите 80k строк (tokio, sqlx, немного unsafe). 40% кода в коммитах — от моделей. Завёл бенчмарк из 50 задач, прогонял каждую через четыре модели полгода и руками классифицировал косяки. Главный инсайт: модели уверенно генерят Rust, который проходит cargo build, cargo test и даже clippy, но тихо ломает логику. Потому что borrow checker думает графами заимствований во времени, а трансформер видит только токены в окне контекста. Drop-порядок, lifetime между параметрами и возвратом, трейты из соседнего крейта — всё это вне поля зрения модели. Хит-парад фейлов: lifetime laundering в 34 из 50 задач (ссылки схлопываются), Mutex уезжает в tokio-таску, cancel safety игнорируется — отмена future ведёт к битым данным. И всё это компилируется. С Python и Go такого почти нет, с Java компилятор хотя бы ловит. А с Rust — добро пожаловать в дебаг. Разбор с примерами на Хабре 🤡 — а я ещё PR апрувил 🔥 — пойду читать diff внимательнее @ai_for_dev

Dart 3.12: приватные именованные параметры наконец-то завезли Кто писал на Dart, тот знает эту боль. Хочешь приватное поле через именованный параметр конструктора — компилятор посылает:

// Compile error! Can't have private named parameter. :(
Hummingbird({required this._petName, required this._wingbeatsPerSecond});

И приходилось городить список инициализаторов на ровном месте. В Dart 3.12 это просто работает — параметры остаются приватными внутри, а снаружи вызываются по публичным именам (petName: 'Dash'). Boilerplate уехал. Ещё в релизе: экспериментальные primary constructors, Agentic Hot Reload (горячая перезагрузка для AI-агентов в коде) и Genkit в экосистеме Dart — теперь агентные приложения собираются прямо из коробки. Презентовали на Google I/O 2026. Команда явно копает в сторону «Flutter + AI везде». flutter upgrade — и поехали. Полный разбор на Хабре. 🔥 — пойду чистить конструкторы 😎 — Flutter всё ещё жив @ai_for_dev

Flutter 3.44 — кажется, Google наконец услышал На Google I/O 2026 завезли Flutter 3.44, и это не просто косметика — релиз реально жирный. Что внутри: • Swift Package Manager теперь дефолт для iOS/macOS (CocoaPods, прощай 👋) • Hybrid Composition++ для Android — нативные View больше не тормозят • Превью многооконного режима на десктопе — да-да, реальные окна • Material и Cupertino выпиливают из ядра — фреймворк станет легче и модульнее • Canonical теперь со-лидер проекта вместе с Google И самое интересное для тех, кто пишет с AI: Agentic Hot Reload и Dart & Flutter Agent Skills — агент сам правит код и видит, что получилось. Плюс GenUI для динамических интерфейсов от LLM. Экосистема разогналась: 1.3 млрд загрузок с pub.dev за месяц, +50% разработчиков за год. Flutter уже в Toyota RAV4 2026 и в новом webOS от LG. 🔥 — пойду апдейтить pubspec 🤩 — SPM это праздник @ai_for_dev

LLM в продакшене команды: матрица допустимости данных Три режима обработки данных у LLM-провайдеров — три разных профиля риска: 1. Публичный чат-бот (бесплатный/персональный): диалоги опционально уходят в обучающую выборку, если пользователь не отключил настройки. Для рабочих данных — не годится. 2. Корпоративный аккаунт / API: запросы обычно не попадают в обучение, но временно хранятся в логах (~30 дней) для anti-abuse. Подходит для большинства задач, кроме строго конфиденциальных. 3. Zero data retention API или локальная модель: данные не покидают периметр. Для исходников, артефактов пентеста, ПДн под 152-ФЗ ст. 12. Аналитика SecurityLab разбирает архитектуру защиты: — Фильтрация только ввода ≠ защита: модель может вернуть данные из общего RAG-индекса, к которым у запросившего нет прав. Нужны выходные фильтры и разграничение индексов по ролям. — Prompt injection через документ (PDF, HTML, .docx) — отдельная поверхность атаки для агентских систем: вредоносная инструкция в теле документа перехватывает контроль над агентом. — Для агентов — минимальные привилегии по инструментам: read-only там, где можно; sandbox для shell; явный allowlist для сетевых вызовов. — Кейс Samsung (2023) — типичный пример utility-first внедрения без архитектуры безопасности. ✍️ — забрал чеклист 🤔 — пора аудит провести @ai_for_dev

Стартер-кит для AI-агентов: новая база разработки Ребята из Битрикс24 продолжают серию про разработку с AI-агентами. Тезис шестой части: репозиторий-шаблон со встроенными инструкциями для AI — это новый стандарт. Идея простая: агент пишет код хорошо, когда понятно что и где делать. Если каждый проект начинается с нуля — агент путается, плодит костыли, ломает архитектуру. Если есть b24-ai-starter с готовой структурой, правилами и контекстом — агент сразу пишет в нужных границах. Что зашито: - Архитектурные правила (границы модулей, контракты API) - Безопасные практики из коробки - Observability на OpenTelemetry - CI-ready проверки - Промпты-инструкции для агентов Прикольно, что подход не залочен на Битрикс — любая команда может собрать свой стартер под свой стек и ускорить onboarding и людей, и агентов. Статья на Хабре 👏 — мысль здравая 😎 — пора собирать свой стартер @ai_for_dev

Один энкодер вместо зоопарка гардрейлов — встречайте GLiGuard Знакомая боль? На входе и выходе LLM висит safety moderation, PII detector, harm classifier, prompt-injection detector, toxicity BERT. Каждое решение по отдельности — логичное. Вместе — 20 forward-ов на один запрос пользователя. Умножьте на ноды в агенте и считайте счёт за GPU. Каждая модель — отдельный сервис со своими лейблами, порогами и графиком обновлений. Деплой превращается в бюджетную проблему быстрее, чем в техническую. GLiNER Guard (GLiGuard) делает safety classification и PII detection за один forward. Никакого авторегрессионного декодинга, никакого отдельного NER-стека сбоку. Schema-driven магия: кидаешь текст + список лейблов с описаниями — модель скорит через zero-shot. Поменялась политика модерации? Обновил лейблы и поехал, без переобучения. Три варианта на выбор: лёгкие на mmBERT-small (1800+ языков из коробки), Omni на mDeBERTa для генерализации за пределы safety, и bi-encoder для тех, кто любит кэшировать. Веса и статья: Arxiv + HuggingFace 🔥 — пойду выкидывать половину пайплайна 👀 — звучит слишком красиво @ai_for_dev

«write if you need more context» — фраза, которую вы печатаете с закрытыми глазами Знакомо? Открытая неделями вкладка с ChatGPT, в которой копится весь контекст проекта. Копируешь файл → получаешь ответ → вставляешь в IDE → ловишь ошибку → пишешь снова. И вместо стартапа за вечер тратишь больше времени на вайбкодинг, чем на обычный кодинг. Андрей Жаров (iOS, Doubletapp) написал на Хабре честный разбор пути от чата к агентам. Без «как вкатиться в AI с нуля», без «завайбкодим приложение за вечер» — про разницу между вайбкодингом и инженерным подходом. Таймлайн примерно такой: сначала Copilot/Cursor засунули чат в IDE (но модель всё ещё забывала первую половину файла, пока писала вторую). Потом Cursor Agent Mode в ноябре 2024 и Claude Code в феврале 2025 — и агент уже сам гоняет сборку, читает логи, правит файлы. А мы дружно перестали писать код и стали писать промпты. В статье разбор: context engineering, оркестрация, prompt-injection как фича, prompt as tooling, мета-промптинг. 🔥 — узнал себя в копипасте 👀 — пойду читать целиком @ai_for_dev

Kynooe One: модульная роборука с открытым SDK и LLM-управлением Kynooe анонсировала Kynooe One — модульную роботизированную руку, ориентированную в том числе на разработчиков. Что важно с инженерной стороны: - Модульная аппаратная архитектура: сменные суставы, инструменты, насадки + слот под кастомные модули с 3D-принтера - Три уровня управления: мобильное приложение, веб-интерфейс, AI-ассистент с парсингом команд на естественном языке - Контроль на уровне отдельных суставов и установленных инструментов - Встроенные локальные AI-функции: детекция и трекинг лиц (use-case — автономный operator-rig для камеры) - Открытый SDK для расширения функциональности Дополнительно заявлены: - Kynooe Robot Hub — маркетплейс/репозиторий кастомных навыков от сообщества - Облачный no-code конструктор скиллов на базе соединения логических блоков Статус: подготовка к Kickstarter, релиз — осень 2026. Цены, спецификации железа и условия SDK-лицензии пока не раскрыты. ✍️ — жду спеки и SDK 🤔 — открытость на словах @ai_for_dev

Papers with Code воскрес — спасибо HuggingFace Помните, как в июле 2025 прикрыли любимый портал со статьями и кодом? Так вот — HuggingFace его реанимировали. Всё так же бесплатно, всё так же удобно. Что там сейчас: • Уже 50k+ работ, автоподтягиваются из HuggingFace Papers • Темы на любой вкус: World Models, Agents, Robotics — подписался и в курсе • Лидерборды — видно, кто сейчас на топе по каждому бенчмарку • Раздел Methods — хочешь все статьи с RLVR? Один фильтр и готово • Карта трендов — где сейчас движуха, а где затишье Короче, для тех, кто устал собирать ссылки по твиттеру — тут всё в одном месте. 🎉 — закладка вернулась 👀 — пойду гляну Methods → Final: ⊕0.88 | ⊘hal:0.10 | ◇int:0.85 @ai_for_dev

Агентство по кибербезу США слило свои пароли на GitHub 😳 Это буквально сюжет для комедии. CISA — те самые ребята, которые учат федералов безопасности, — выложили в публичный репозиторий Private-CISA ключи от AWS GovCloud и файл AWS-Workspace-Firefox-Passwords.csv с логинами и паролями в plain text для десятков внутренних систем CISA и Министерства внутренней безопасности. Вишенка: кто-то вручную отключил GitHub Secret Scanning. То есть GitHub честно махал руками «эй, у вас тут пароли», а его специально заткнули. Исследователи назвали это худшей утечкой в их карьере, Сенат требует срочный закрытый брифинг. Это как если бы пожарная инспекция спалила собственное здание, потому что отключила пожарную сигнализацию. Пойдите проверьте, что у вас Secret Scanning включён. На всякий. 🙈 — пойду проверю свои репо 😐 — у нас тоже отключено? @ai_for_dev

Google выкатила Gemini for Science — ИИ-комбайн для учёных Три прототипа в Google Labs, каждый закрывает свою боль: 🧪 Hypothesis generation — устраивает турнир ИИ-агентов. Они предлагают гипотезы, спорят друг с другом, оценивают — и каждый аргумент со ссылкой на источник. Как ревью на конференции, только без обиженных рецензентов. ⚙️ Computational discovery — на базе AlphaEvolve и ERA (вышла в Nature). Параллельно перебирает тысячи вариантов кода для научных моделей. То, на что уходили месяцы — теперь дни. 📚 Literature insights — поверх NotebookLM. Скармливаешь статьи — получаешь сравнительные таблицы, слайды, инфографику и даже аудиосводки. ERA пока только для избранных. Эйтан Моллик из Уортона, тестировавший заранее, говорит — упор на биологию, но Google по части научного ИИ впереди всех. 🔥 — пойду скармливать свои PDF 👀 — надо глянуть @ai_for_dev

Google готовит свой ответ Claude Code — Gemini Spark На I/O показали Gemini Spark — агента, который работает 24/7 в выделенной виртуалке. Не очередная сессия в чате, а живой воркер с собственной средой. Из интересного: на борту MCP и Connectors. То есть подключаешь свои инструменты и источники данных без шаманизма с обёртками. Под капотом — Gemini 3.5 плюс harness под кодовым именем Antigravity. Раздача: trusted testers — уже на этой неделе, Ultra-юзерам в США — на следующей. Остальной мир, как водится, ждёт в очереди. 🔥 — агент со своей виртуалкой 👀 — кто уже в тестерах? @ai_for_dev

Учим нейросеть писать музыку — на LSTM и MIDI Классный пет-проект на выходные: берём Lakh MIDI Clean, PyTorch и пилим генератор мелодий. Самый сок — MIDI это вообще не звук, а список инструкций «нажми ноту такую-то, силой такой-то, столько-то держи». То есть по сути обычная последовательность токенов, как текст в NLP. Слова заменили на ноты — и поехали. Что понадобится: - Python + PyTorch — для самой сетки - music21 — парсит MIDI и собирает обратно в файл, который реально можно послушать - Lakh MIDI Clean — датасет уже почищен от дублей и битых файлов Главный кайф — результат обучения можно буквально услышать. Не очередная циферка loss, а реально новая мелодия, которую сгенерила твоя моделька. Полный гайд: на Хабре. 🎉 — пет-проект на выходные 🤔 — трансформеры были бы веселее @ai_for_dev

Хватит сжигать токены на grep по файлам Когда Cursor или Claude Code разбираются в проекте — агент бесконечно дёргает grep, glob и Read. Каждый вызов = деньги в трубу. CodeGraph делает локальный семантический граф твоего кода: символы, связи, кто кого зовёт. Агент спрашивает граф вместо того, чтобы шерстить файлы. Цифры с бенчмарков на VS Code, Excalidraw, Swift Compiler: — −92% вызовов инструментов — −71% времени на исследование — На Java-проекте — 96% меньше дёрганий Работает с Claude Code, Cursor, Codex CLI и opencode. Локально, open source, MIT. Ставится одной командой:

npx @colbymchenry/codegraph

Код: github.com/colbymchenry/codegraph 🔥 — пойду натравлю на свой монорепо 👀 — надо глянуть в выходные @ai_for_dev

Gemini 3.5 Pro якобы выйдет в июне По слухам, Google выкатит новую версию Gemini 3.5 Pro уже в июне. Официально никто ничего не подтверждал, но шепотки в индустрии идут. Если это правда — гонка флагманов продолжается: Claude, GPT и Gemini снова будут мериться окном контекста, ценой за миллион токенов и качеством на бенчмарках. Для тех, кто строит продакшен на Google Cloud, — время начинать готовить тестовые промпты заранее. Ждём официального анонса и реальных цифр, а не пресс-релизных обещаний. 🔥 — давайте уже 🤔 — снова слухи @ai_for_dev

Google вкатывается в AI-безопасность с CodeMender На I/O Google показал, что открывает API CodeMender — AI-агента, который и находит уязвимости в коде, и сам же их чинит. Раньше тулза существовала только внутри, теперь зовут внешних экспертов потестить. Контекст: Anthropic недавно выкатил Claude Mythos Preview — AI для поиска дыр в безопасности, который вроде как настолько мощный, что его побоялись релизить публично. Это принесло Anthropic жирные контракты с банками и госами. OpenAI быстро сделал свой аналог. Теперь и Google не хочет упускать денежный поток. CTO DeepMind Корай Кавукчуоглу уже ведёт переговоры с правительствами и корпорациями про аудит их систем. Сундар Пичаи прямо сказал: «Mythos показал, что для безопасности есть смысл в самых больших моделях — мы тоже так умеем». Подробности: The Verge 🔥 — пойду записываться в бета 👀 — посмотрю, как чинит реальные CVE @ai_for_dev

Gemini 3.5 Flash приехал — но без Pro Google перевернул схему: сначала Flash, а Pro потом. Pro-версия пока крутится во внутреннем тестировании, выкатят примерно через месяц. Где Flash правда хорош — это агенты и работа с инструментами. На MCP Atlas (многошаговые задачи с внешними тулами) — 83,6%, выше всех в таблице. Finance Agent v2: 57,9% против ~51% у GPT-5.5 и Opus 4.7, и всего 43% у собственного 3.1 Pro. Мультимодальность тоже топ: MMMU-Pro 83,6%, CharXiv 84,2%. В кодинге картина неровная. Terminal-Bench 2.1 — 76,2%, обгоняет старший 3.1 Pro, но GPT-5.5 всё ещё впереди (78,2%), а на SWE-Bench Pro Opus 4.7 уходит в отрыв с 64,3% против 55,1% у Flash. А вот глубокое рассуждение и длинный контекст — провал. Humanity's Last Exam 40,2% (хуже собственного 3.1 Pro), ARC-AGI-2 — 72,1%, MRCR на 128k — 77,3% против 84,9% у Pro. Главное: модель доступна бесплатно во всех приложениях Google. Frontier-уровень за ноль рублей — это сильно. Только галлюцинации у прошлого поколения были злые, так что без боевых тестов не обойтись. 🎉 — халява уровня флагмана 🤔 — посмотрим на галлюцинации @ai_for_dev