Вайб-кодинг

Держите практическое руководство по созданию обвязок для ИИ-агентов Оно помогает понять, что превращает голую языковую модель в агента, разбирая компоненты обвязки: выполнение инструментов, память, сборку контекста, границы безопасности, планирование и мультиагентную оркестрацию. Начинается с самых основ и 50-строчного Python-примера, который можно скопировать и запустить. Практические главы охватывают песочницы, навыки, саб-агентов, обработку ошибок и проектирование долгоиграющих обвязок. Отдельно приводится сравнение OpenClaw, Claude Code, Codex, Cline, Aider и Cursor. 🐸

Как не слить конфиденциальные данные в общедоступные нейросети? Самый надежный способ — развернуть их локально на собственном сервере. Или не тратить на это время и воспользоваться готовым решением от Selectel. В каталоге готовых ИИ-моделей нейросети уже развернуты на оптимальном железе для инференса. Что вы получаете в Selectel: ⚡Большой выбор моделей для ваших задач: для генерации текстов и кода, распознавания речи, создания контента и других. ⚡Производительность и гибкое масштабирование. Инференс-сервис развернут на современном железе с актуальными видеокартами и автоматически адаптируется при росте или снижении нагрузки. ⚡Прогнозируемая стоимость: платите за фактическое время потребления вычислительных ресурсов. Начните работать с ИИ-моделями на выделенной инфраструктуре: https://slc.tl/qj23l Реклама. АО "Селектел". erid:2W5zFJpqUKK

Разработчик из Китая, выпустил тул, который почти автоматически собирает презентации из любых файлов. Просто отдаёте агенту ссылку или документ и он автоматически собирает полноценные редактируемые .pptx-файлы с нативными фигурами и анимациями. ppt-master умеет конвертировать любой документ в .pptx, поддерживает кастомные шаблоны и даже добавляет аудионарацию для заметок докладчика. В веб-версии ChatGPT и Claude это уже есть, поэтому хорошо, что появился и CLI-вариант. В реальной практике обычно ИИ делает черновик, а человек доводит руками. Такие пайплайны будут дальше только развиваться. 100% опенсорс 😎

Промпт-инжиниринг и loop engineering. Простое объяснение По своей сути агент это цикл while: - Модель выполняется - Она запрашивает вызовы инструментов - Результаты работы инструментов возвращаются в контекст - Модель запускается снова, пока не перестанет запрашивать инструменты Подход ReAct описал такую форму цикла ещё в 2022–2023 годах, и почти все современные агентные системы и фреймворки используют похожую реализацию. Поэтому сами циклы это далеко не новая идея. Описанная выше реализация была решена уже давно. Но оставался нерешённым цикл вокруг этого цикла. Именно о нём недавно говорили Борис Черни и Питер. В наиболее распространённой схеме внешним циклом управляешь ты. - Пишешь промпт - Читаешь шаги, которые выполняет агент - Пишешь следующий промпт - Повторяешь процесс, отслеживая ошибки по мере работы Сейчас появляются попытки автоматизировать и внешний цикл, чтобы исключить человека из процесса. - Запуск происходит по расписанию или по событию - Агент выполняет множество шагов без новых промптов между ними - Сам решает, когда работа завершена - Возвращается к человеку только тогда, когда действительно требуется его участие Рассмотрим пример с упавшим тестом в CI. Сейчас ты копируешь сообщение об ошибке в агента, читаешь предложенное исправление, запускаешь тесты и снова передаёшь следующую ошибку, пока все тесты не пройдут. То есть каждый шаг проходит через тебя. При автоматизированном цикле агент выполняет те же самые шаги самостоятельно. Он запускается по расписанию, считывает ошибку, готовит исправление в отдельной ветке, запускает тесты и передаёт следующую ошибку самому себе как новый шаг, пока тесты не пройдут или не будет достигнут лимит шагов. Отдельный ревьюер проверяет исправление, открывает PR, если всё в порядке, или передаёт его человеку, если обнаруживает проблемы. Внутренний цикл всегда был автоматическим. Сейчас автоматизируют именно твоё участие в этом процессе. Но бесплатно это не даётся. > Пока ты управлял внешним циклом, ты мог остановить процесс, обладал памятью о проекте и выступал в роли ревьюера. Теперь все эти функции должны существовать внутри самой системы. > И хотя участие в цикле замедляло работу, зато ты понимал, что именно происходит. Главный недостаток исключения человека из цикла в том, что ответственность остаётся за тобой, а понимание происходящего, скорее всего, теряется. > Сам по себе цикл не умеет определять, когда действительно пора остановиться. Он просто поверит агенту, что задача выполнена, и может завершиться даже при падающих тестах. Поэтому условие остановки должно проверяться независимо, а также необходим лимит шагов или токенов, чтобы избежать бесконечных циклов. > Контекст увеличивается на каждом шаге, и по мере его роста качество работы модели снижается. Поэтому цикл должен сокращать контекст, сохраняя только сводки вместо полной истории, переносить большие результаты в файлы и разбивать крупные задачи на отдельные запуски. > Наконец, агент не должен сам проверять собственную работу, потому что он примет любое своё решение как правильное. Такую проверку должна выполнять отдельная модель или бинарный/детерминированный тест. Стоимость тоже быстро растёт, потому что на каждом шаге заново передаётся весь контекст. Поэтому длинный цикл может стоить во много раз дороже, чем выполнение одного промпта. Если хочешь разобраться глубже, можно прочитать подробный разбор - от описанного выше цикла до полностью автономного запуска, который завершает работу самостоятельно, с примерами кода для каждого этапа. Читайте дальше 🐸

Бывший инженер Google объяснил, как работают AI agent loops, harness и evals за 20 минут. Логика простая: трассируешь каждый запуск → прогоняешь через LLM-оценщик → находишь сбои → фиксишь → выкатываешь новую версию. Так агенты постепенно улучшаются. Agent loops + memory + harness + evals - базовый стек для таких систем. Смотреть на ютуб 😜 Посмотри и сохрани этот фреймворк.

Началось

Нашёл отличную книгу — The Hitchhiker’s Guide to Agentic AI, которая охватывает практически весь стек Agentic AI. Главная ценность книги - это широкий обзор всего направления: архитектура LLM, обучение моделей, методы обучения с подкреплением, системы инференса, оценка моделей, агентные системы и многое другое. Лучше всего использовать её как карту знаний. Сначала просмотреть оглавление, найти темы, в которых есть пробелы, понять, чего ещё не хватает, а затем углубиться в соответствующие главы. Такой подход помогает выстроить системное понимание Agentic AI. 🐸🐸🐸

Если используете LLM-as-a-Judge для оценки моделей, стоит обратить внимание на эту работу. В статье представлен метод BINEVAL, который разбивает каждый критерий оценки на набор простых вопросов с ответами «да» или «нет». Каждый вопрос оценивается независимо, после чего результаты объединяются в многомерную итоговую оценку. Такой подход позволяет увидеть, почему модель получила низкий балл по конкретному критерию, а сами ответы можно использовать для точечной доработки промптов. Авторы сообщают, что на бенчмарках SummEval, Topical-Chat и QAGS метод без дополнительного обучения показывает результаты на уровне или выше UniEval и G-Eval, особенно при проверке фактической достоверности. Статья: https://arxiv.org/abs/2606.27226 🐸

Разработчик, гений и филантроп, представил экспериментальный проект LoginWithChatGPT. Он позволяет пользователям входить в сторонние сайты через свой аккаунт ChatGPT и использовать его возможности без необходимости оплачивать API OpenAI владельцу сервиса. Все по-разному восприняли идею. Некоторые вспомнили, что несколько месяцев назад обсуждалась возможность использовать подписку ChatGPT как источник токенов для сторонних приложений. Другие усомнились, соответствует ли такой подход условиям использования OpenAI. По словам автора, OpenAI уже позволяет сторонним приложениям (например OpenClaw/Hermes) получать доступ к Codex через CLI. Он с помощью реверс-инжиниринга реализовал аналогичный механизм через OAuth для веба и мобильных приложений. При этом разраб отметил, что пока не уверен, соответствует ли решение правилам OpenAI, и ждёт официального ответа компании, прежде чем открывать исходный код проекта. Демо проекта 🤔

Проект OpenHuman менее чем за месяц набрал более 33 тысяч звёзд на GitHub. Одной из главных причин такого роста стала новая функция Super Context 🐸 При открытии нового чата OpenHuman сначала собирает контекст: анализирует релевантную информацию о пользователе, текущем экране и выполняемой работе. Благодаря этому уже первый ответ строится так, будто диалог длится уже несколько сообщений. OpenHuman это ИИ-ассистент с открытым исходным кодом, который работает на уровне операционной системы и интегрируется со 118 приложениями. По словам разработчиков, он использует локальные данные пользователя и со временем всё лучше адаптируется к его стилю работы Проект работает локально, поэтому данные не покидают устройство пользователя. В течение десяти дней подряд OpenHuman входил в число самых популярных репозиториев GitHub, а сейчас занимает первое место в рейтинге платформы. http://github.com/tinyhumansai/OpenHuman

DeepSeek представила DSpark — новый метод спекулятивного декодирования для DeepSeek V4 Flash и DeepSeek V4 Pro, который увеличивает пропускную способность инференса на 51–400%. По данным разработчиков, DSpark хорошо работает не только с моделями DeepSeek, но и с другими открытыми LLM, включая Gemma и Qwen. Вместе с анонсом компания открыла исходный код проекта, опубликовала научную статью с описанием метода и выложила готовую модель на Hugging Face.

NVIDIA открыла исходный код модели визуальной локализации LocateAnything-3B. Модель умеет находить объекты даже в очень плотных сценах. Например, на изображении с десятками миньонов, стоящих вплотную друг к другу, она корректно выделяет каждого отдельной рамкой. Главное отличие от большинства существующих моделей - это способ генерации ограничивающих рамок. Обычно координаты (x1, y1, x2, y2) предсказываются последовательно, цифра за цифрой. Это замедляет работу, а ошибки на ранних этапах могут влиять на последующие координаты, особенно если объектов много. В LocateAnything-3B используется параллельное декодирование: модель сразу предсказывает готовые рамки целиком, а не строит их поэтапно. За счёт этого детекция становится стабильнее, особенно в сценах с большим количеством объектов. Для обучения использовались не только классические датасеты для распознавания объектов, но и данные для распознавания интерфейсов, OCR и анализа структуры документов. Поэтому модель умеет находить как реальные объекты, так и элементы пользовательского интерфейса и текстовые области. Модель содержит 3 млрд параметров и распространяется с открытым исходным кодом. 💜

Вайбкодинг. День 3

Исследовательская группа THUDM открыла исходный код фреймворка slime для RL. Именно на нём за два дня был выполнен полный пост-тренинг модели GLM-5.2., и он же используется во всей серии GLM — от версии 4.5 до 5.1. Ключевая идея slime - фиксированное ядро обучения. Любой RL-ран состоит из двух частей. Первая генерирует опыт: модель отвечает, система оценивает ответы. Вторая обучается на этом и обновляет веса. Часть обучения почти не меняется. Она читает сэмплы, считает loss и делает шаг оптимизатора. Так же работает и на математике, и на агентных задачах с инструментами. Различия начинаются в генерации. В одном случае это один ответ и простая проверка результата. В другом - цикл с вызовом тулов, чтением ответов и отложенной наградой. slime фиксирует границу именно здесь. Обучающий цикл остаётся одним ядром, а всё различие уходит в то, как формируются данные. Внутри он связывает Megatron для обучения и SGLang для rollout, а между ними стоит Data Buffer, который управляет промптами, кастомными данными и генерацией. Обычно RL-стек разрастается в набор разрозненных тренеров, rollout-сервисов и агентных фреймворков. slime этого избегает. Многошаговое использование инструментов, изолированные среды выполнения, обратная связь от среды и награды за проверку результата - всё это становится частью генерации данных, а не разветвлением цикла. В итоге агентные задачи и математические задачи проходят через один и тот же цикл. Система уже обкатана на продакшене. Этот цикл используется в GLM-моделях и поддерживает Qwen3, DeepSeek V3 и Llama 3. На нём построены экосистемные проекты Dressage, Miles, vime, OpenClaw-RL и другие — без изменения ядра.

«Урок не в том, что RL нужен более крупный фреймворк. Разнообразие должно быть в генерации данных, а тренировочный цикл должен оставаться достаточно маленьким, чтобы ему можно было доверять».

☕️☕️☕️

С появлением вайбкодинга всё больше приложений выходит сразу к реальным пользователям и часто без базовой защиты и ограничений. За это прилетают счета Supabase на $200, боты, которые забивают формы в первый же день, письма с требованиями прекратить деятельность и т.п. Поэтому вот чеклист для вайбкодеров от разработчика с 20+ лет опыта. Он поможет закрыть базу перед релизом: 1. Защищайте не только приложение, но и себя. Как только вы начинаете собирать данные пользователей, вступают в силу юридические требования (GDPR, CCPA). Подготовьте политику конфиденциальности и точно знайте, где хранятся пользовательские данные. 2. Row Level Security. Без RLS любой может открыть DevTools и прочитать всю вашу БД. В Supabase это настраивается через Auth → Policies. Если политик нет, то база фактически открыта. Исправляется за несколько минут. 3. Тестируйте не только успешные сценарии. Попробуйте ввести неправильный пароль пять раз, сбросить пароль для несуществующей почты, дважды открыть ссылку подтверждения, зарегистрироваться с уже существующим email. Именно так находится большая часть ошибок аутентификации. 4. Проверьте базовую безопасность. Попросите ИИ: «Проверь моё приложение как специалист по безопасности и убедись, что у меня сильные заголовки безопасности и надёжный базовый уровень безопасности». 5. Прогоните приложение по рекомендациям OWASP. Запрос для ИИ: «Проверь моё приложение на соответствие стандартам OWASP и подсвети уязвимости». Так часто обнаруживаются SQL-инъекции, XSS и ошибки в системе аутентификации. 6. Валидация на клиенте. Злоумышленник может отключить JavaScript и обращаться к API напрямую. Все проверки нужно повторять на сервере. 7. Код, написанный ИИ, часто допускает утечки данных в трёх местах: - значения из .env попадают во фронтенд; - API возвращает больше данных, чем нужно; - секреты оказываются в логах. Запрос для проверки: «Проверь моё приложение на утечки credentials или чувствительных данных во фронтенде или API-роутах». 8. API-ключи не должны попадать во фронтенд. Если ключ оказался в браузере, считайте, что он уже скомпрометирован. Перенесите работу с ним на сервер или используйте прокси. 9. Настройте rate limiting до релиза. Ограничьте все эндпоинты, которые обращаются к платным API. Один неконтролируемый поток запросов способен увеличить счёт, например, с $20 до $200 всего за день. 10. Добавьте CAPTCHA на публичные формы. (например, бесплатный Cloudflare Turnstile) и ограничьте CORS своим доменом. Это занимает около 10 минут и эффективно защищает от массовых атак ботов. 11. Не раскрывайте внутренние ошибки пользователям. Вместо сообщений вроде: «SELECT * FROM users failed», показывайте нейтральные: «User not found». Подробности сохраняйте только в серверных логах. Прогоняйте это чеклист перед каждым запуском. Вот полный разбор. 🐸

Нашёл бесплатный опенсорс инструмент, который за секунды превращает любые PDF, Word, Excel или отсканированные изображения в чистый Markdown: • текст в правильном порядке • таблицы в HTML • формулы в LaTeX • OCR • 109 языков Работает через CLI, Python или веб (mineru.net). Запускается локально на твоём компьютере. 100% приватно. Больше 70000 звёзд на GitHub. 😋

OpenAI представила GPT-5.6 Вместо одной модели компания выпустила целое семейство: Sol, Terra и Luna. Sol — флагманская модель. По словам OpenAI, это самая мощная модель компании для долгосрочных задач, включая исследование и эксплуатацию уязвимостей. Она также заняла первое место в Terminal-Bench 2.1 — бенчмарке, который оценивает способность ИИ выполнять сложные задачи в терминале с планированием действий и использованием инструментов. Особое внимание в тестах уделяется сценариям из области кибербезопасности. Для Sol появились два новых режима работы: max — для более глубокого процесса рассуждений; ultra — с использованием саб-агентов. Последний подход напоминает OpenClaw и, возможно, отражает раннее влияние создателя OpenClaw Питера Штайнбергера после его перехода в OpenAI. Помимо Sol компания представила ещё две модели: Terra — производительность, близкая к GPT-5.5, при примерно вдвое меньшей стоимости. Luna — самая доступная модель линейки, рассчитанная на высокообъёмные нагрузки. Стоимость GPT-5.6 Sol составляет $5 за 1 млн входных токенов и $30 за 1 млн выходных токенов, что примерно соответствует ценам GPT-5.5. Пока доступ к новым моделям ограничен. По требованию правительства США они открыты лишь для небольшой группы доверенных партнёров через Codex и API. OpenAI заявляет, что планирует открыть широкий доступ в ближайшие недели. 🐸

🐸🐸🐸

Как создать агента, который со временем становится лучше Есть три направления, в которых агент может обучаться: 1. Модель. Работает только для задач, где можно однозначно определить правильный и неправильный ответ, например в программировании и математике. Это лучше оставить крупным лабораториям. 2. Harness (обвязка). Это последовательность шагов, инструменты и проверки безопасности, которые вы выстраиваете вокруг модели. Этим легко управлять, и именно здесь можно быстро получить заметный результат. 3. Контекст. Это текстовое представление всего, чему агент уже научился. Вероятно, самое простое место, с которого стоит начать. Но есть ещё одна вещь, которую многие упускают. Агент должен учиться у своих пользователей. Нужно извлекать опыт каждый раз, когда пользователь исправляет решение агента. Ничто не заменит обратную связь, полученную в реальном использовании. p.s. Вот статья от Atai Barkai на эту тему 🐸

❤❤❤ Yandex B2B Tech запустил Vibecraft – сервис для вайбкодинга создания сайтов и веб-приложений Yandex B2B Tech на фестивале про карьеру и технологии Young Con открыл публичный доступ к Vibecraft — сервису для создания сайтов и веб-приложений по текстовому описанию. С его помощью моджно создавать прототипы цифровых продуктов, трекеров, CRM-систем, мини-игр и не только. Что умеет:

🔴 добавлять личный кабинет, каталог и форму загрузки файлов 🔴 подтягивать фирменный дизайн 🔴 публиковать проекты в интернете, в том числе на своих доменах

...и многое другое 🔥На старте каждый пользователь получает 4000 нейрокредитов для тестирования. А до 1-ого июля среди всех, кто создаст первый проект разыграют iPhone 17. Завайбкодить проект можно по ссылке