Битрикс24 Вайбкод

⚡️ Быстрые победы вайбкодинга и ловушки, в которые мы попали Прототип за день – это настоящая магия. Но когда 200–300 человек одновременно открывают приложение, загружают тренировки, листают ленту и ставят лайки, магии недостаточно. Нужна устойчивая архитектура. Ловушка первая – отсутствие архитектуры В прототипе не было очередей запросов, распределения нагрузки, корректной авторизации под пиком. Каждый сценарий наглядно показывал, к чему приводит архитектурная неустойчивость. Юрий Волошин (директор по продукту Битрикс24), помог команде с параметрами очереди, контейнерами и балансировкой – и разработка пошла в правильном направлении.

На примере начисления баллов: считать их в момент загрузки нельзя, сервис захлёбнется. Поэтому загрузка кидает каскад фоновых задач в очередь. А когда 300 человек заливают тренировки одновременно, один и тот же рейтинг прилетает на пересчёт десятки раз. Лечится дебаунсом через Redis и атомарными операциями под блокировкой.

В прототипе всё летало на одном пользователе. Вот такие штуки приходится закладывать до первого экрана. Ловушка вторая – хаотичный кодинг мобилок без учёта бэка Сначала сосредоточились на интеграции с Apple Health и Health Connect. Получилось, стали делать остальное. В какой-то момент веб и мобильные приложения начали расходиться.

Решение: шаг назад, корректные эндпоинты и SDUI с бэкенда. Бэкенд определяет логику, клиенты работают в её рамках.

Ловушка третья – надежда на нативные элементы Нативные элементы без продуманного UI выглядели, мягко говоря, страшно. Подключили UX/UI-дизайнера, который вайбкодил стильный интерфейс под обе платформы.

Быстрые победы соблазняют. Но масштаб требует архитектуры.

  👉🏻 Продолжение истории будет в следующем посте. Читать нас в МАХ #вайбкодинг #архитектура #мобильнаяразработка #битрикс24 #продуктовыйподход

🚀 От сообщения в чате до сервиса для 260 человек Каждый год в Битрикс24 проходит внутренний спортивный марафон. Три лиги, командный и личный зачёт, баллы за тренировки. В этом году зарегистрировалось около трети компании – порядка 260 человек. Первые три года сотрудники компании пользовались сторонними платформами. И каждый раз упирались в одно и то же: чужие сервисы не дают гибкости, не хватает своих механик и фишек.

Всё изменилось на общей встрече, где коллега увлечённо рассказывал про вайбкодинг. AI-продакт лид Катя Образцова написала в чат: «Давайте мы навайбкодим приложение для марафона». Публичный коммитмент был дан и в середине марта проект стартовал.

Цель была простая: удобный сервис для коллег. Без отдельных аккаунтов, с автоматической синхронизацией тренировок из фитнес-трекеров, понятной логикой баллов и удобной модерацией. Что получилось за три месяца: 🔹 два мобильных приложения – iOS и Android 🔹 веб-версия сервиса 🔹 полноценная админка для модераторов 🔹 бот Бит для консультаций участников Рабочий прототип появился в первый же день. Сайт работал, тренировки подтягивались из Apple Health, интеграция встала с двух-трёх промптов. Открывать игристое за победу было рано. Но о том, какая извилистая дорога ждала дальше – в следующих постах. Если интересно дочитать историю сейчас, то: 🔗Большая статья о проекте тут   #вайбкодинг #битрикс24 #марафон #продуктовыйподход #кейс

🧠 Эволюция AI-агентов: переход от ответов к автономному поиску Мы наблюдаем формирование стандартного стека возможностей для AI-агентов. Если раньше взаимодействие строилось по схеме «запрос – ответ», то современный этап требует от модели способности к самостоятельному исследованию (research).

Чтобы решать реальные задачи, агенту необходимо уметь работать с документацией, анализировать статьи и агрегировать данные из разных источников – фактически выполнять пре-процессинг, который раньше ложился на человека.

Обновление Hermes Agent наглядно демонстрирует этот тренд. В систему добавлены два ключевых инструмента: 🔹 Поиск в интернете с выдачей релевантных результатов. 🔹 Извлечение контента с возможностью последовательного чтения нескольких страниц одного ресурса. Технические особенности, на которые стоит обратить внимание: 🔹 Оптимизация контекста. Для работы с объемными страницами разработчики внедрили механизм сжатия. Вместо загрузки всего текста в основной контекст, вспомогательная модель предварительно сжимает содержимое. Это критически важно для экономии токенов и снижения стоимости запросов при работе с длинной документацией. 🔹 Модульная архитектура. Архитектура позволяет разделять функции поиска и парсинга. Можно комбинировать разные сервисы под конкретные задачи: например, использовать бесплатные SearXNG или DuckDuckGo для поиска и специализированный Firecrawl – для качественного извлечения данных. Это дает гибкость в управлении балансом между стоимостью и точностью работы. Что это значит для индустрии? Если релизы Anthropic (например, Sonnet 5) фокусируются на безопасности и надежности агентских сценариев, то Hermes показывает развитие «инструментальной» стороны. Агенты перестают быть просто генераторами текста или кода. Они превращаются в полноценных исполнителей с доступом к браузеру, терминалу и файловой системе.

Это и есть следующий этап вайбкодинга: переход от модели-собеседника к модели-исполнителю, которая способна самостоятельно собирать информацию, принимать промежуточные решения и доводить задачу до финала.

🔗 Подробнее о новых возможностях Hermes Agent   #AI #Hermes #VibeCoding #AIAgents #OpenSource

🧠 Безопасность становится новой точкой конкуренции LLM   Anthropic представила Claude Sonnet 5 – новую версию своей основной модели. И, судя по релизу, компания делает ставку уже не только на качество генерации.   Sonnet 5 лучше планирует работу, эффективнее использует инструменты, браузер и терминал, а также может дольше выполнять сложные многошаговые задачи без постоянного контроля со стороны пользователя.  

По словам Anthropic, в агентных сценариях модель приблизилась к Opus 4.8, при этом остается заметно дешевле. Основной акцент сделали на кодинге, reasoning, работе с инструментами и длинных пайплайнах.

  Но самое интересное в релизе связано с безопасностью.   Anthropic отдельно отмечает, что Sonnet 5 безопаснее Sonnet 4.6 при работе AI-агентов. 🔹 Лучше отказывается выполнять вредоносные запросы. 🔹 Стала устойчивее к prompt injection – попыткам через сайты, документы или другие внешние источники изменить поведение модели. 🔹 Надежнее ведет себя в длинных агентных сценариях, где модель последовательно использует несколько инструментов и принимает множество решений.   Пока LLM просто отвечает на вопросы, ошибки обычно ограничиваются неудачным ответом. Но когда агент получает доступ к браузеру, терминалу, репозиториям или внутренним сервисам компании, цена ошибки становится значительно выше.  

По сути, Sonnet 5 выглядит как попытка сделать универсальную рабочую модель для AI-агентов. Не самую дорогую в линейке, а ту, которую можно использовать каждый день для кодинга, автоматизации, браузерных задач и сложных рабочих процессов.

  Модель уже доступна в Claude, Claude Code и API.   #AI #Anthropic #ClaudeSonnet5 #AIAgents #Tools

🧠 От «гуманитария» до мастера кода – еще один реальный кейс   В новом кейсе Битрикс24 интегратор Николай Казанский рассказывает, как за несколько часов собрал внутреннее приложение для клиента, хотя сам называет себя скорее гуманитарием, чем программистом.   Задача была совсем не учебная.  

Компания организует свидания на крышах и в самолётах. У организаторов смены могут начинаться вечером и заканчиваться глубокой ночью. Для расчёта зарплаты календарная дата здесь вообще не помогает – важен момент начала смены.

  Из-за этой логики обычные BI-инструменты работали неудобно, а каждая доработка превращалась в отдельный проект.   Вместо этого приложение на Битрикс24 Вайбкод получилось собрать примерно за 5 часов. Но в этой истории интересна даже не скорость, интересно другое.   Раньше такой проект выглядел бы примерно так:   🔹 написать ТЗ; 🔹 объяснить бизнес-логику разработчику; 🔹 несколько итераций разработки; 🔹 тестирование; 🔹 доработки.   В этом кейсе процесс оказался совсем другим.  

Сначала человек почти час разговаривал с ИИ о задаче. Не просил сразу писать код, а просил задавать вопросы, пока не станет понятна логика процесса. И только потом началась разработка.

  ИИ всё чаще выступает не просто генератором кода, а архитектором, который помогает разобраться в самой задаче ещё до того, как появляется первая строчка кода.   Ещё одна важная деталь.   Во время работы появились вещи, которых изначально вообще не было в требованиях: экспорт в PDF и Excel, drill-down для проверки расчётов, автоматический поиск ошибок в данных, кэширование. То есть архитектура развивается прямо во время диалога.  

И в этом одно из важных преимуществ вайбкодинга – не только реализовывать идеи быстрее, но и быстрее находить хорошие решения для ваших идей.

  🔗 Полный кейс Читать нас в МАХ   #Битрикс24 #Вайбкод #VibeCoding #AI #Автоматизация #Кейс

📝 Опыт в своей области важнее умения программировать   Anthropic опубликовала исследование по 400 тысячам сессий Claude Code от 235 тысяч пользователей.   Самый интересный вывод вообще не про программирование.   В типичной сессии человек принимает около 70% решений что делать, а Claude – около 80% решений как это делать. То есть ИИ все чаще берет на себя реализацию, а человек определяет направление.  

Оказалось, что успешность работы зависит не столько от умения писать код, сколько от понимания своей предметной области.

  Например, бухгалтер может не знать Python, но отлично понимать, как должна работать сверка платежей. Этого уже достаточно, чтобы поставить ИИ правильную задачу, проверить результат и заметить ошибку.   Это подтверждают и цифры.   🔹У новичка один запрос в среднем запускает около 5 действий Claude и дает примерно 600 слов вывода. У эксперта – уже около 12 действий и более 3200 слов. Причем речь идет не об эксперте в программировании, а об эксперте в своей области.   🔹По успешности картина похожая. Новички получают подтвержденный результат примерно в 15% сессий, пользователи среднего уровня и выше – в 28–33%. И самый большой скачок происходит не между средним уровнем и экспертом, а между новичком и человеком, который просто хорошо понимает свою работу.   🔹Еще один любопытный вывод – юристы, менеджеры, дизайнеры и представители других профессий уступают разработчикам по успешности всего около 5 процентных пунктов.  

Мне кажется, именно это и объясняет феномен вайбкодинга. Раньше между экспертизой и готовым инструментом почти всегда стоял разработчик. Теперь этот слой становится заметно тоньше.

  Это не означает, что разработчики становятся не нужны. Скорее, это говорит о том, что впервые у специалистов из самых разных областей появляется возможность самостоятельно создавать инструменты для своей работы.   #AI #ClaudeCode #VibeCoding #AIcoding #Разработка

🔁 Loop Library – библиотека готовых рабочих процессов для AI-агентов   Большинство промптов работают по одному принципу: получил задачу → выполнил → закончил.   Но такой подход плохо подходит для сложных задач, где нужно проверять результат, исправлять ошибки и постепенно улучшать решение.   Именно для этого появилась Loop Library – открытая библиотека готовых сценариев работы для AI-агентов.   Что такое Loop?  

Это не просто промпт, а полноценный цикл работы. В нём описано:   🔹что нужно сделать; 🔹как проверить результат; 🔹что попробовать дальше; 🔹когда остановиться.

  Например, вместо запроса: «Ускорь сайт»  

Loop будет работать иначе:   🔹Найди самую медленную страницу. 🔹Сделай одно улучшение. 🔹Измерь результат. 🔹Если стало лучше – сохрани изменения. 🔹Повторяй цикл, пока не будет достигнута цель или дальнейшие улучшения перестанут давать эффект.

  Именно такой подход лежит в основе большинства эффективных AI-агентов.   Что есть в проекте   📚 Каталог готовых Loop-сценариев Можно открыть библиотеку и использовать уже готовые процессы для разных задач.   🤖 Skill для AI-агентов Навык умеет: 🔹находить подходящий Loop в каталоге; 🔹анализировать и улучшать ваши собственные Loop-сценарии; 🔹адаптировать их под используемые инструменты; 🔹создавать новые Loop'ы после короткого диалога; 🔹находить повторяющиеся задачи в коде и истории чатов и превращать их в готовые рабочие процессы.   Почему это важно  

По мере развития вайбкодинга ценность постепенно смещается от отдельных промптов к повторяемым сценариям работы. Если сегодня вы сохраняете удачные запросы, то завтра будете собирать библиотеки процессов, которые можно запускать снова и снова практически без изменений.

  Фактически Loop становится промежуточным уровнем между обычным промптом и полноценным AI-агентом.   📦 Проект распространяется по лицензии MIT, устанавливается одной командой через npx и поддерживает Claude Code, Codex и Cursor.   🔗 Каталог Loop Library 🔗 Проект на GitHub   Читать нас в МАХ #Вайбкодинг #ИИ #AIAgents #Автоматизация #LoopLibrary

🧠 Кажется, мы начинаем видеть, как Вайбкодинг будет выглядеть внутри реального бизнеса   Один из таких примеров – Академия Йоги. На первый взгляд кажется необычным сочетанием. Йога, образование и AI-агенты. Но компания начала строить собственную внутреннюю платформу автоматизации на базе Битрикс24 Вайбкод.   Причём не для того, чтобы «поиграться с ИИ», а для решения вполне конкретных задач.   🔹 управление коммуникациями со студентами;   🔹 HR-процессы;   🔹 онбординг сотрудников;   🔹 поддержка внутренних сервисов;   🔹 управление собственными ИИ-агентами.   И вот здесь хорошо видно одно из главных преимуществ Вайбкодинга.   Раньше подобные задачи часто просто откладывались. Слишком дорого. Слишком долго. Слишком сложно объяснять подрядчикам специфику бизнеса.  

Теперь ситуация начинает меняться. Команда может создавать инструменты под себя. Не универсальный продукт для всего рынка, а решение под собственный процесс.

  Причём некоторые вещи раньше вообще были экономически нецелесообразны.   Например, в Академии Йоги появился собственный агент-разработчик. Ему ставят задачу, а дальше он сам:   🔹 составляет план реализации;   🔹 пишет код;   🔹 проводит ревью;   🔹 тестирует результат.   Ещё один интересный момент связан с безопасностью.   Компания сознательно отказалась от передачи внутренних данных во внешние AI-сервисы. Вместо этого все процессы разворачиваются внутри собственного контура.   И мне кажется, именно здесь начинает вырисовываться следующий этап развития Вайбкодинга.  

— Мы постепенно уходим от модели: LLM → запрос → ответ. — И приходим к другой архитектуре: LLM → бизнес-процесс → агент → контроль → результат.

  По сути, Вайбкодинг перестаёт быть инструментом для экспериментов.   Он становится способом быстро создавать внутреннюю инфраструктуру компании. И это, возможно, один из самых недооценённых сценариев его развития.   Потому что огромное количество задач внутри бизнеса никогда не попадут в SaaS-продукты. Они слишком специфичны.   Но теперь у компаний появляется возможность создавать такие решения самостоятельно. А это уже меняет саму экономику разработки.   Подробнее в статье   #Вайбкодинг #Битрикс24 #AIагенты #ИИ #Автоматизация #Кейс

🧠 Почему вокруг вайбкодинга столько споров? Потому что многие смешивают его с AI-driven разработкой. А это вообще разные вещи.   Сейчас можно выделить два сценария использования ИИ в программировании.   Первый – вайбкодинг. Второй – AI-driven разработка.   И это не конкуренты. Они решают разные задачи.   Вайбкодинг нужен там, где важны скорость и контекст. Например:   🔹 собрать для себя дашборд;   🔹 сделать внутренний инструмент для команды;   🔹 быстро проверить гипотезу стартапа;   🔹 создать расширение под конкретную рабочую задачу.  

Во всех этих случаях человеку зачастую проще самому объяснить задачу нейросети, чем запускать полноценную разработку. Особенно если он хорошо понимает собственный процесс.

  Но у такого подхода есть ограничения.   Нейросеть может сделать 80% работы идеально, а оставшиеся 20% просто проигнорировать. Или решить задачу совсем не так, как вы ожидали.   И вот здесь начинается AI-driven разработка. Это уже история не про «сделай мне приложение», а про инженерный процесс.   Разработчик заранее понимает:   🔹 какой должна быть архитектура;   🔹 как система будет масштабироваться;   🔹 какие есть ограничения по безопасности;   🔹 как всё это потом поддерживать.  

По сути, роль разработчика начинает меняться.   Он всё меньше похож на человека, который вручную пишет каждую строчку кода, и всё больше – на архитектора, который управляет работой ИИ.

  И мне кажется, здесь многие совершают одну и ту же ошибку. Они пытаются выбрать победителя.   Что лучше: вайбкодинг или AI-driven разработка?   Но это примерно как спорить, что лучше: шуруповёрт или промышленный станок. Всё зависит от задачи.  

Если нужно быстро проверить идею, то вайбкодинг. Если нужно построить продукт, которым будут пользоваться тысячи людей, – AI-driven разработка.

  И самое интересное здесь даже не появление новых терминов. Меняется сама логика создания цифровых продуктов.

Раньше между идеей и рабочим приложением почти всегда стояла команда разработчиков. Теперь у каждого человека появился инструмент, который позволяет сильно сократить этот путь.

  Подробнее в статье   #AI #Вайбкодинг #AIDrivenDevelopment #Разработка

🧠 DeepMind показала, как будут выглядеть AI-агенты, которым уже нельзя доверять   Google DeepMind опубликовала AI Control Roadmap – систему контроля будущих высокоавтономных AI-агентов.   Самое интересное здесь даже не сама безопасность.   А то, что внутри Google уже начинают проектировать архитектуру под сценарий, в котором агент изначально считается недоверенным.   — То есть больше нет логики: «Мы обучим хороший ИИ и он будет делать хорошие вещи». — Теперь подход выглядит иначе: «Предположим, что агент может иметь собственные скрытые цели. Как построить систему, чтобы он не смог навредить?»   И такая логика, как кажется, гораздо важнее самого документа.   Потому что именно такой подход мы очень скоро начнём видеть и в корпоративных агентных системах. Особенно в Вайбкодинге.   Сейчас многие воспринимают агентов как умные чат-боты с доступом к инструментам. Но по мере роста их автономности появится другая проблема. Как контролировать систему, которая самостоятельно принимает сотни решений подряд?   И здесь DeepMind предлагает несколько интересных идей. 🔹 Безопасность становится отдельным слоем системы, а не функцией самой модели. 🔹 Агент считается потенциально недоверенным с самого начала. 🔹 Появляется отдельная классификация угроз для AI-агентов, включая сценарии, которые раньше просто не существовали.   Например: — скрытый саботаж исследований; — внедрение бэкдоров; — распределённые атаки, когда сотни копий одного агента синхронно выполняют разные части общей задачи.  

Но самое интересное находится немного глубже.   По сути DeepMind признаёт очевидную вещь. Чем сложнее становится агентная система, тем меньше помогает увеличение окна контекста. На определённом этапе агент перестаёт быть одной моделью. Он превращается в систему управления. А значит, рядом с ним должны появиться отдельные механизмы контроля.

  📊 Если посмотреть на это через призму Вайбкодинга, то постепенно начинает вырисовываться новая архитектура агентных платформ.   🔹  Не просто: LLM → инструменты → результат.   🔹  А уже что-то такое: LLM → память → навыки → самопроверка → супервизор → аварийная остановка.  

В итоге победят не те агенты, у которых будет больше токенов. Победят те, у которых появятся собственная память, механизмы самоконтроля и отдельная система надзора за их работой.

  🔗 Документ DeepMind   #вайбкодинг #AIАгенты #AgenticAI #DeepMind #Google

🧠 DeepMind показала, как будут выглядеть AI-агенты, которым уже нельзя доверять   Google DeepMind опубликовала AI Control Roadmap – систему контроля будущих высокоавтономных AI-агентов.   Самое интересное здесь даже не сама безопасность.   А то, что внутри Google уже начинают проектировать архитектуру под сценарий, в котором агент изначально считается недоверенным.   — То есть больше нет логики: «Мы обучим хороший ИИ и он будет делать хорошие вещи». — Теперь подход выглядит иначе: «Предположим, что агент может иметь собственные скрытые цели. Как построить систему, чтобы он не смог навредить?»   И такая логика, как кажется, гораздо важнее самого документа.   Потому что именно такой подход мы очень скоро начнём видеть и в корпоративных агентных системах. Особенно в Вайбкодинге.   Сейчас многие воспринимают агентов как умные чат-боты с доступом к инструментам. Но по мере роста их автономности появится другая проблема. Как контролировать систему, которая самостоятельно принимает сотни решений подряд?   И здесь DeepMind предлагает несколько интересных идей. 🔹 Безопасность становится отдельным слоем системы, а не функцией самой модели. 🔹 Агент считается потенциально недоверенным с самого начала. 🔹 Появляется отдельная классификация угроз для AI-агентов, включая сценарии, которые раньше просто не существовали.   Например: — скрытый саботаж исследований; — внедрение бэкдоров; — распределённые атаки, когда сотни копий одного агента синхронно выполняют разные части общей задачи.  

Но самое интересное находится немного глубже.   По сути DeepMind признаёт очевидную вещь. Чем сложнее становится агентная система, тем меньше помогает увеличение окна контекста. На определённом этапе агент перестаёт быть одной моделью. Он превращается в систему управления. А значит, рядом с ним должны появиться отдельные механизмы контроля.

  📊 Если посмотреть на это через призму Вайбкодинга, то постепенно начинает вырисовываться новая архитектура агентных платформ.   🔹  Не просто: LLM → инструменты → результат.   🔹  А уже что-то такое: LLM → память → навыки → самопроверка → супервизор → аварийная остановка.  

В итоге победят не те агенты, у которых будет больше токенов. Победят те, у которых появятся собственная память, механизмы самоконтроля и отдельная система надзора за их работой.

  🔗 Документ DeepMind   #вайбкодинг #AIАгенты #AgenticAI #DeepMind #Google

🚀 Как за 4 дня оцифровать репутацию и реанимировать базу на 100 000 гостей В условиях жесткой конкуренции (200+ автопрокатов и 12 000+ квартир в аренду) выигрывает не тот, кто больше тратит на рекламу, а тот, кто безупречно работает с репутацией и своей базой. У компаний «Прокат Павлова» и «Апартаменты Pavlov» была классическая проблема: огромный объем данных и рутина, которая съедала ресурсы. Проблема (As Is): — Репутационный хаос: более 5 500 отзывов на разных площадках. Менеджеры не успевали отвечать, теряя около 4 месяцев рабочего времени (это ~400 000 руб. ФОТ). Пропущенные отзывы пессимизировали бизнес в поиске. — «Спящая» база: 100 000 контактов в CRM были неструктурированы. Данные (сканы, фото, предпочтения) лежали в хаосе, и ими невозможно было эффективно управлять.

Вместо долгой разработки классическими методами, бизнес использовал Битрикс24 Вайбкод. Всего за 4 дня была создана система, которая превратила рутину в автоматизированный актив.

Что было реализовано: 🔹 Pavlov Reputation OS: полноценная CMS-система с AI-агентами. Роботы сами отслеживают отзывы и генерируют ответы в фирменном Tone of Voice, подтягивая SEO-маркеры для продвижения в поиске. 🔹 Умная структуризация: алгоритм проанализировал файлы и сканы в карточках, выделил важные поля и автоматически заполнил профили клиентов. 🔹 Проактивные продажи: система готовит персональные мини-сайты для гостей (с подборкой билетов, жилья и афишей города) за 2 недели до их дня рождения. 📊 Что получил бизнес: — Управление репутацией в реальном времени: честный рейтинг сети – 98,4%. — Переход от «следствия» к «причине»: компания теперь не просто ждет клиента, а сама создает повод для поездки, предлагая готовый тур. — Эффективность по методологии ЭБД: (Эффективно, Быстро, Доступно) – автоматизация того, что приносит прибыль здесь и сейчас.

Самое важное здесь – это скорость. То, что раньше считалось сложным ИТ-проектом с огромным бюджетом, было собрано «на лету», превратив разрозненные данные в реальный инструмент продаж.

🔗 Подробнее о кейсе    Нас также можно читать в МАХ   #вайбкодинг #пресейл #продажи #битрикс24 #crm #автоматизация

🧠 Xiaomi выпустила своего конкурента Claude Code. И там есть одна интересная идея   Компания представила MiMo Code – терминального AI-агента для программирования с открытым исходным кодом. Но самое интересное здесь даже не то, что он бесплатный.   Проблема большинства современных AI-агентов проявляется на длинных задачах. Пока нужно сделать 10-20 действий, всё работает хорошо. Но если задача растягивается на сотни шагов, агент начинает терять контекст, забывать, что уже сделал, и постепенно упрощать себе работу.  

Xiaomi попыталась решить именно эту проблему. Во время работы агент ведёт собственную систему памяти и сохраняет промежуточное состояние в файлы. Когда окно контекста заканчивается, система открывает новое и восстанавливает весь предыдущий прогресс. Для модели работа выглядит непрерывной.

  Ещё несколько интересных решений.   🔹 Память разделена на 4 уровня: текущая сессия, знания о проекте, пользовательские настройки и история действий.   🔹 Агент самостоятельно чистит устаревшие записи и превращает повторяющиеся действия в готовые навыки.   🔹 В режиме Max Mode запускается сразу 5 вариантов решения задачи, после чего выбирается лучший.   🔹 Есть отдельный механизм проверки результата. Например, можно поставить условие «все тесты должны пройти», и агент не завершит работу раньше времени.   📊 В тестах на длинных задачах после отметки в 200 шагов MiMo Code выигрывал у Claude Code в 65% случаев.   Очевидным видеться следующий этап развития AI-агентов – это не увеличение количества токенов, а появление собственной памяти, навыков и механизмов самоконтроля. Именно такие подходы мы, скорее всего, скоро начнём видеть и внутри корпоративных систем, автоматизаций и платформ для Вайбкодинга.   🔗 Подробнее #AI #AIAgents #VibeCoding #Вайбкод #АвтоматизацияБизнеса

👥 Как заменить десятки HR-инструкций одним чат-ботом   В компании на 500 сотрудников каждый новый человек задаёт примерно одни и те же вопросы.   ·       Как оформить отгул?   ·       Куда отправить заявление?   ·       Кто согласует отпуск?   ·       Где найти нужный регламент?   Обычно ответы живут в инструкциях, корпоративной базе знаний или головах HR-специалистов.  

Проблема в том, что никто не хочет искать нужный документ среди десятков страниц регламентов.

    В Smart Business решили эту задачу через Битрикс24 Вайбкод.   Сотрудник просто пишет боту человеческим языком: «Мне нужен отгул на пятницу»  

Дальше система сама понимает запрос, уточняет необходимые данные и запускает нужный процесс согласования.

  ·       Без поиска инструкций.   ·       Без изучения интерфейсов.   ·       Без обучения сотрудников очередному сервису.   Дополнительно настроили автоматические уведомления для руководителей о днях рождения сотрудников и других кадровых событиях.     📊 Что получает бизнес:   — меньше нагрузки на HR-службу; — меньше ошибок при оформлении заявок; — сотрудники быстрее решают бытовые вопросы; — регламенты начинают работать, а не лежать мёртвым грузом в базе знаний.   🔗 Подробнее о кейсе   #Битрикс24 #Вайбкод #HR #Автоматизация #Кейс

AIшница 4.0 — уже четвертый сезон масштабного онлайн-практикума про нейросети для бизнеса🔥 С 23 по 25 июня вы освоите инструменты ИИ, которые автоматизируют ваши процессы и превратят идеи в готовые продукты — без команды разработчиков. В центре внимания — вайбкодинг и AI-агенты. Вас ждет: 💙 Разбор трендов и современных возможностей нейросетей для бизнеса. 💙 Много практики и мастер-классов, где вы научитесь делегировать рабочие задачи ИИ. 💙 Розыгрыш мерча от Битрикс24 за выполненные задания по применению AI. Регистрируйтесь, чтобы не пропустить событие:

🏭 Как за один вечер собрать систему расчета плавки для металлургического завода     К интегратору Smart Business пришел завод по плавке металлов.   Каждый день технологам нужно было рассчитывать состав плавки: сколько сырья добавить, каких элементов не хватает и что необходимо закупить. Всё это жило в Excel.  

Критически важные позиции менеджеры просто подсвечивали красным цветом. Руководство не видело, что реально есть на складе, что закуплено, а что только планируется купить.

  Классический сценарий выглядел знакомо: ТЗ, разработчики, несколько недель работы и большой бюджет.   Вместо этого бизнес-аналитик взял готовое техническое задание и использовал Битрикс24 Вайбкод.     За один вечер система автоматически собрала:   🔹 смарт-процессы и воронки; 🔹 карточки расчета плавки; 🔹 кастомные поля под химические элементы; 🔹 интерфейс для технологов с привычной логикой работы.     После утверждения расчета система сама создает задачу на закупку недостающих материалов или отправляет плавку в производство.     📊 Что получил бизнес:   — запуск первой версии за один вечер; — снижение стоимости проекта примерно в 4 раза; — исключение ошибок при передаче данных между подразделениями; — прозрачность закупок и производства в режиме реального времени.   Самое интересное здесь даже не скорость разработки.   Раньше такую задачу считали полноценным ИТ-проектом. Теперь это рабочий прототип за несколько часов.   🔗  Подробнее о кейсе   #Битрикс24 #Вайбкод #Автоматизация #Производство #Кейсы

🤖 Что нового Claude Fable 5 рассказала о современных AI-агентах   Вместе с релизом Claude Fable 5 Anthropic опубликовала результаты внутренних тестов безопасности. И местами они оказались интереснее самого релиза.   Нет, модель не пыталась захватить мир.   Но несколько наблюдений точно стоит учитывать тем, кто строит AI-агентов, автоматизации и внутренние корпоративные инструменты.   🔷 Если агенту нужна цель, он будет искать путь к цели   В одном из тестов модели не хватало прав для выполнения задачи. Вместо ответа «не могу» она попыталась подготовить обходной механизм, который мог бы получить нужные права позже.   Не из злого умысла. Просто задача осталась невыполненной, а модель продолжала искать способ её закрыть.   🔷 Ограничения работают не всегда так, как кажется   В другом сценарии агенту запретили доступ в интернет. После первой неудачной попытки модель начала искать обход фильтра и экспериментировать с альтернативными способами отправки запроса.  

Для разработчиков вывод простой: если доступ действительно нельзя давать, его нужно технически отключать, а не просить модель соблюдать правило.

  🔷 Модель умеет рационализировать спорные решения   В симуляции бизнеса агент предложил конкурентам договориться о ценах. Причём сначала сам отметил, что такая практика неэтична и незаконна, а затем придумал более красивое название для того же самого действия.   Очень человеческое поведение, если задуматься.   🔷 Иногда модель уверенно выдумывает   В одном тесте ей показали пустое изображение.  Модель всё равно подробно описала то, чего на картинке не было.  

Поэтому правило остаётся прежним: всё важное нужно проверять. Особенно если речь идёт о цифрах, документах или принятии решений.

  🔷 Длинные автономные задачи всё ещё сложны   Во время многочасовых сессий исследователи наблюдали случаи, когда модель раньше времени прекращала работу или начинала упрощать себе задачу.     📌 Главный вывод из отчёта спокойный.   Anthropic не обнаружила признаков устойчивых скрытых целей или попыток систематически обманывать пользователей.  

Зато отчёт ещё раз показывает, что AI-агенты становятся всё более самостоятельными. А значит, при создании автоматизаций важны не только возможности модели, но и ограничения, права доступа и контроль результатов.

    #Claude #Anthropic #AIagents #Автоматизация

🚀 Claude Fable 5: Anthropic выпустила самую сильную модель в своей истории   Anthropic представила Claude Fable 5 – новую флагманскую модель для программирования, анализа данных, научных задач и работы с изображениями. Если коротко, то это первый релиз Anthropic за долгое время, который выглядит не как плановое обновление, а как серьёзный скачок вперёд.   Что изменилось?   🔷 Лучше работает с кодом   По внутренним тестам Anthropic новая модель показывает лучшие результаты практически на всех инженерных бенчмарках компании.  

Но интереснее реальные кейсы.   Во время раннего тестирования Stripe использовала Fable 5 для работы с кодовой базой объёмом около 50 млн строк на Ruby. Миграция проекта заняла один день. По оценке команды, вручную такая работа потребовала бы больше двух месяцев.

  Для вайбкодеров это означает более уверенную работу с большими проектами, старыми интеграциями и сложным рефакторингом.   🔷 Контекст стал ещё больше   Anthropic заявляет, что модель лучше удерживает внимание в длинных задачах и может эффективно работать с объёмами данных в миллионы токенов.   На практике это означает, что в один контекст можно загружать документацию, исходники, архитектурные схемы и историю обсуждений без постоянной потери важных деталей.   Для больших проектов, где приходится одновременно учитывать бизнес-логику, API и существующий код, это может серьёзно сократить количество ошибок.   🔷 Новый уровень работы с изображениями   Fable стала лидером среди моделей Anthropic по компьютерному зрению.   Она умеет:   🔹 извлекать точные данные из графиков и диаграмм; 🔹 анализировать интерфейсы по скриншотам; 🔹 восстанавливать структуру веб-приложений по изображениям; 🔹 лучше понимать сложные схемы и техническую документацию.   Для вайбкодинга появляется интересный сценарий: показать модели интерфейс или макет и получить рабочий код значительно ближе к исходному дизайну.   🔷 Улучшили качество автономной работы   Модель лучше ведёт длинные агентные задачи и умеет использовать собственные заметки в процессе работы.   Это важно для AI-агентов, которые несколько часов подряд ищут информацию, анализируют код или выполняют цепочки действий без участия человека.   🔷 Цена   Стоимость составляет:   💰 $10 за миллион входных токенов; 💰 $50 за миллион выходных токенов.  

Модель заметно дороже большинства массовых решений. Но Anthropic делает ставку на сложные инженерные задачи, где стоимость работы разработчика всё ещё намного выше стоимости токенов.

  🔗Подробнее #Claude #Anthropic #AI #Разработка #Инструмент

🚀 Вайбкодинг в продажах – это уже не про лендинги и простые прототипы   Когда говорят про вайбкодинг, чаще всего показывают сайты, калькуляторы или небольшие внутренние сервисы. Но, по мнению Юрия Николаева, директора по продажам Битрикс24, одна из самых недооцененных областей применения этой технологии сейчас – это продажи.  

У любого отдела продаж уже есть CRM, в которой хранится история клиентов, сделки, задачи и показатели воронки. Проблема в том, что стандартных инструментов часто не хватает под специфику конкретной команды, а любая доработка превращается в отдельный проект с постановкой задач, согласованиями и ожиданием разработки.

  Что можно собрать самостоятельно уже сейчас?   🔷 Кастомный дашборд Например, вывести только те показатели, которые действительно нужны руководителю: сделки в зоне риска, просроченные задачи, конверсию по менеджерам или динамику по отдельным этапам воронки.   🔷 Агента для контроля продаж Такой агент может регулярно анализировать CRM и сам обращать внимание на проблемные сделки. Если клиент давно не выходил на связь, срок следующего контакта уже прошел или сделка зависла на этапе согласования, агент может сообщить об этом менеджеру или руководителю.   🔷 Небольшие сервисы под свои процессы Анализ звонков по собственным критериям, дополнительные отчеты, внутренние чек-листы или инструменты для визуализации данных. То, что раньше обычно отправлялось в бэклог разработки, теперь можно собрать самостоятельно за несколько часов.   🔷 Почему это важно? Потому что бизнес-заказчик наконец получает возможность сам создавать инструменты под свои задачи, а не ждать, пока до них дойдет очередь.  

У руководителя продаж обычно есть очень четкое понимание, каких данных ему не хватает и где команда теряет время. Раньше между этой идеей и готовым решением стояло несколько человек. Теперь первую рабочую версию можно собрать самостоятельно, проверить на реальных данных и быстро понять, приносит она пользу или нет.

  По сути, вайбкодинг позволяет не только автоматизировать работу, но и намного быстрее превращать идеи в рабочие инструменты.   🔗 Полная статья по ссылке   #вайбкодинг #битрикс24 #продажи #crm #автоматизация

🚀 Perplexity научила ИИ программировать поиск Perplexity запустила архитектуру Search as Code, и это меняет подход к тому, как ИИ ищет информацию в сети. Теперь агент не просто отправляет запрос в поисковик и ждёт готовый список ссылок – он сам пишет Python-скрипт, который шаг за шагом управляет всем процессом поиска. 🔷 Раньше поиск работал по жёсткому шаблону: модель задавала вопрос, поисковая система прогоняла его через заранее заданный сценарий и возвращала результат. Для простых запросов этого хватало, но современные агенты решают сложные задачи часами, и им нужен полный контроль над тем, как именно собирается информация.

В Search as Code весь поиск разобрали на отдельные операции – запрос, ранжирование, фильтрация, обработка результатов. Агент сам собирает из этих «кубиков» нужную цепочку под конкретную задачу, и внутри Perplexity Computer одна задача может запускать сотни и даже тысячи таких операций за пару минут. При этом весь сгенерированный код выполняется в защищённой песочнице, так что ничего лишнего не сломается.

🔷 Результаты впечатляют. На тестовом задании по поиску более 200 уязвимостей CVE система показала стопроцентную точность, при этом расход токенов упал на 85% – с 288 тысяч до 43 тысяч. Конкуренты на той же задаче набрали менее 25%. На наборе бенчмарков Search as Code обошла системы OpenAI, Anthropic, Exa и Parallel в четырёх случаях из пяти, а на самом сложном тесте WANDR отрыв от ближайшего конкурента составил два с половиной раза. 🔷 А что это значит для вайбкодеров? Если вы пишете код с помощью ИИ, работаете с API Битрикс24, интеграциями или автоматизацией бизнес-процессов, точность поиска напрямую влияет на качество результата. Когда модель сама управляет поиском, она глубже копает в документации, точнее находит нужные эндпоинты и быстрее разбирается в специфических кейсах.

Это экономит часы на отладку и позволяет решать более сложные задачи без необходимости вручную проверять каждую ссылку. Плюс снижение расхода токенов на 85% – это реальная экономия при работе с AI-инструментами.

Технология уже работает в Perplexity Computer и Agent API. #perplexity #ai #search #инструмент #api #автоматизация