Вайб-кодинг

Команда Codex "/review" под капотом использует вот этот промпт: https://github.com/openai/codex/blob/main/codex-rs/core/review_prompt.md Он довольно "не универсальный" и жёстко задаёт стиль, поэтому вместо этого можно попросить основного агента поднять суб-агента вручную:

codex exec \
  -s read-only \
  -m gpt-5.2-codex \
  -c model_reasoning_effort="xhigh" \
  "<review-prompt>"

Такой подход работает как универсальный суб-агент Codex под любую задачу: можно настраивать модель, конфигурацию, разрешения и так далее. 🛌

Парень выкатил свежий блог про то, как выжать максимум из claude code 2.0 и агентских инструментов вообще. Завари чай и почитай для души 😈

Предновогодний подгон от Грег Айзенберга: он написал пошаговый план по созданию мобильных приложений с помощью ИИ. ❤️ Это полноценная инструкция из 33 пунктов, как запустить свой ИИ-стартап:

1. Берёшь Claude Code, Rork, Vibecode и прочие инструменты, поднимаешь первый мобильный MVP в тот же день, как появилась идея. 2. Через Claude Code уплотняешь логику, закрываешь крайние кейсы, делаешь поведение предсказуемым. 3. Сразу продумываешь ключевое взаимодействие так, чтобы оно помещалось в 10 секунд записи экрана. Это новый «lean startup». 4. Смотри топовые короткие видео в своей нише и выпиши первые 3 секунды каждого — это входные хуки. 5. Демо вокруг хука, а не вокруг списка фич — меняем мышление. 6. Записывай простые демки прямо с эмулятора или устройства и выкладывай без полировки. 7. Короткие видео — твой канал обратной связи в реальном времени. Это важно. 8. Тестируй несколько хуков для одного и того же приложения до того, как снова трогать код. 9. Смотри в аналитике, где люди ставят паузу, пересматривают или пишут «wait what» — это сигналы, что им реально важно. 10. Скринь комментарии, которые понятнее всего описывают продукт, и используй эту формулировку дальше. 11. Скормите комментарии Claude Code и попроси сгруппировать фидбек в конкретные изменения. 12. Вкати минимальное изменение, которое делает демо понятнее. 13. Через Claude Code быстро внеси правки и перезапиши демо в тот же день (делает основатель, помощник или ИИ-аватар — не важно). 14. Повторяй цикл каждый день, пока приложение не станет объяснять себя без озвучки. 15. Пусть демо само станет механизмом дистрибуции. Это твой ориентир. 16. Вводи пейволл, когда появился интерес. Проверяем готовность платить. 17. Добавь один вопрос или мини-опрос в онбординг, чтобы создать ощущение вложенности. 18. Используй ответы, чтобы персонализировать первый результат под пользователя. 19. Покажи результат сразу после онбординга, чтобы было понятно, что ввод имел значение. 20. Сразу после первого использования дай одно чёткое инсайт-сообщение «зачем это вообще». 21. Сохраняй первый результат, чтобы возникло чувство владения и повод вернуться. 22. После появления ценности попроси о небольшом следующем шаге — усиливаем вовлечённость. 23. Популярные ответы из онбординга превращай в новые углы для демо-контента. 24. Покажи прогресс «до/после», даже в простом виде. 25. Дергай повторное вовлечение, когда результат реально изменился. 26. Дай способ экспортировать/шарить результат так, чтобы сохранялся контекст — помогает вирусности. 27. Улучшай онбординг-тексты с Claude Code по тому, что реально конвертит. 28. Хук зафиксирован, когда люди начинают объяснять приложение друг другу. 29. Увеличивай частоту публикаций, когда формат стабильно работает. Продолжай эксперименты. 30. Подстраивай продукт под то, что заходит в видео. 31. Коротко: Ship → демо → наблюдай реакцию → ужимай цикл → монетизируй → повторяй, пока не появится инерция. 32. Дальше, если повезло: PMF. Потом дивиденды, новые приложения (купить или собрать), или раунд, если хочется. 33. Всё. Ты собрал мобильное приложение с ИИ.

Если ты всё ещё проходишь мимо скилла dev-browser — зря спишь. Вот пример, как GPT 5.2 в Codex программно шарится по документации Seedream_AI на ByteDance VolcEngine: 1. npm i -g openskills 2. openskills install SawyerHood/dev-browser 3. openskills sync Готово.

Sandbox Mode «Я могу запустить npm install?» [Allow] «Я могу запустить npm test?» [Allow] «Я могу прочитать этот файл через cat?» [Allow] и так по кругу штук сто раз /sandbox → границы заданы → Claude работает внутри Один раз задаешь рамки. Дальше Claude спокойно крутится внутри них. Максимальная скорость по принципу yolo при реальной безопасности Узнать больше 🎁

Antigravity: просмотреть изменения или принять всё Я: принять всё, ооо

Бесплатный API с моделями ИИ — без привязки карты. ✓ 1000 запросов в день к моделям OpenAI ✓ Есть Qwen 3, Kimi K2 и Llama ✓ Аудио, голос, reasoning и прочее Сервис называется Groq → http://groq.com

Prompt: Создать анимацию запуска ракеты: старт с зажигания двигателя и густого дыма, затем медленный отрыв от площадки с постепенным ускорением. Всё в одном HTML-файле на HTML/CSS/JS. HTML Output (размер результата):

618 строк HTML (gpt-5.2-extended-thinking) 332 строки HTML (gemini-3-pro) 188 строк HTML (grok-4.1-thinking) 820 строк HTML (opus-4.5-thinking-32k)

Характеристики моделей:

- gpt-5.2-extended-thinking: Оценка 9.6/10. Reasoning Time: 22 c, общий ответ: 129 c, объём reasoning: 205 слов - gemini-3-pro: Оценка 9/10. Reasoning Time: 10 c, общий ответ: 36 c, объём reasoning: 203 слова - grok-4.1-thinking: Оценка 2.8/10. Reasoning Time: 6 c, общий ответ: 10 c, объём reasoning: 63 слова - claude-opus-4.5-thinking-32k: Оценка 7.4/10. Reasoning Time: 72 c, общий ответ: 184 c, объём reasoning: 1353 слова

* Во всех тестах использовался самый первый “сырый” ответ модели, без доп.прогонов и уточняющих подсказок. * GitHub с исходниками и метриками * Время размышления замерялось вручную с момента нажатия Enter. На скриншотах таймер стартует только в момент начала инференса, поэтому цифры могут немного расходиться.

Дообучи DeepSeek-OCR под свой язык (все на локалке, 100%) Большинство vision-моделей воспринимают документы как огромные последовательности токенов, из-за чего обработка длинного контекста получается дорогой и медленной. DeepSeek-OCR использует контекстное оптическое сжатие, чтобы переводить 2D-лейауты в vision-токены. Это дает эффективную обработку сложных документов. Это vision-модель на 3B параметров, которая дает 97% precision, при этом использует в 10 раз меньше vision-токенов, чем текстовые LLM. И да, ее можно без проблем дообучить под свой кейс на одной GPU. Я использовал Unsloth для эксперимента на персидском тексте и получил улучшение character error rate на 88.26%. ↳ Базовая модель: 149% character error rate (CER) ↳ Дообученная модель: 60% CER (на 57% точнее) ↳ Время обучения: 60 steps на одной GPU Персидский был просто тестовым кейсом. Ты можешь подставить свой датасет под любой язык, тип документов или конкретную предметную область, с которой работаешь. Все на 100% open source Технический стек: - UnslothAI для запуска и тонкой настройки модели - LightningAI среды для хостинга и развертывания Код и настройки среды можно найти здесь

Ещё один проект на сегодня: разработчик показал just-bash (реализацию bash на TypeScript под AI-агентов.) Зачем? Агентам удобно разбираться в данных через шелл, и это работает лучше, чем куча спец-тулов. Внутри grep, sed, awk и всё, что обычно нужно Claude Code или Cursor. Есть бинарь, оверлей-ФС, sandbox-режим и API совместимое с Vercel Sandbox. Практика такая: агент запускает just-bash, копается в проектах, патчит, проверяет, не имея доступа к настоящей системе. Быстро, безопасно в рамках песочницы и без выхода за root. Большую часть кода написал Opus 4.5, сам автор всё не читал. 😊 Пакет: тут Подробнее: тут На видео показан пример агента, исследующего только что созданную кодовую базу.

Старший инженер Google выкатил документ на 424 страницы под названием Agentic Design Patterns. Каждая глава подкреплена кодом и закрывает передний край разработки AI-систем: → цепочки промптов, роутинг, память → MCP и координация нескольких агентов → guardrails, reasoning, планирование Это не блог-пост. Это полноценная программа. И она бесплатна. PDF-версия кому нужна 📖

Чувак завернул Claude Code в контейнер и поднял его в Kubernetes как автономного онколл-бота. Он следит за конкретными namespace, ловит ошибки в приложениях, сам заходит в под, делает хотфикс и в конце собирает отчёт. По факту получился инженер дежурства 24/7, только без кофе и бессонных ночей. 😊 Архитектура простая: дашборд + cronjob. Поведение задаётся через env-переменные — auth_mode (api_key/auth.config) и worker_mode (autonomous/watcher). Мониторит только те namespace, которые вручную разрешили. В демке он запускается в autonomous mode: находит ошибку, патчит прямо в рантайме и заканчивает отчётом. Время реакции — около 3–5 минут. Автор проверил на двух кейсах: один простой, другой пожёстче. Дашборд и прогоны можно глянуть тут Репозиторий и пример k8s-конфигов (в том числе под ArgoCD) лежат в посте, тут же

Борис Черни — инженер из Anthropic :

Когда я запустил Claude Code как пет-проект в сентябре 2024, я вообще не представлял, во что это вырастет. Немного ошарашивает, что Claude Code стал базовым инструментом для стольких разработчиков, как вокруг него поднялось комьюнити и как люди используют его подо всё подряд: код, девопс, ресёрч, даже нетехнические задачи. Эта технология выглядит инопланетной и почти магической. Она реально упрощает создание и сборку всего подряд. Всё чаще код больше не узкое место. Год назад у Claude были проблемы даже с генерацией bash-команд без косяков с экранированием. Он держался секунды или минуты. Тогда только начали появляться первые сигналы, что когда-нибудь он сможет быть полезным для реальной разработки. Перематываем к текущему моменту. За последние тридцать дней я влил 259 PRов: 497 коммитов, плюс 40к строк, минус 38к строк. Каждая строка написана через Claude Code + Opus 4.5. Claude стабильно держится минутами, часами и сутками подряд (через Stop-хуки). Софтверная разработка меняется на глазах. Мы реально входим в новый период в истории кодинга. И это только разгон.

Команды Сохраняй любой промпт как переиспользуемую команду. На вход один markdown-файл. На выходе слэш-команда. Аргументы тоже поддерживаются. /explain $ARGUMENTS → /explain src/auth.ts Не нужно повторять одно и то же.

разработчики меняют градиенты после того, как ИИ уже собрал им весь UI.

Когда венчурный инвестор говорит, что твоя бизнес-идея тупая, но ты-то знаешь… ChatGPT бы начал с: “Отличная идея” 😭

Автор собрал все свои посты про AI-инжиниринг в один PDF. Внутри:

основы LLM prompt engineering дообучение RAG работа с контекстом AI-агенты MCP оптимизация деплой оценка и наблюдаемость

375+ страниц. Скачать бесплатно ❄️

Microsoft купила LinkedIn за 26 млрд не только ради пользователей. Им был нужен Economic Graph. Google держит поиск за счёт Knowledge Graph. Amazon контролирует ритейл благодаря Product Graph. Самые мощные компании мира не просто ищут данные. Они связывают их и дают системам строиться поверх общего смыслового слоя. А 99% AI-стеков до сих пор воспринимают память как кучу эмбеддингов в векторной базе. Это не понимание, это приблизительное совпадение. Мы строим агентов, которые читают, но не понимают. Поэтому я позитивно смотрю на Cognee. Он приносит семантическую инфраструктуру уровня Big Tech в опенсорс-стек. Чтобы у ИИ была память, смысловой слой и нормальный контекст из коробки. Коротко, почему это работает: 1. Преимущество "cognify" Обычная схема — ETL (Extract, Transform, Load). Cognee — ECL (Extract, Cognify, Load). Он не просто складывает текст в базу, а считает эмбеддинги, строит связи между сущностями и сохраняет их как семантический слой данных. Из неструктурированного беспорядка получается что-то вроде мозга. 2. Понимание времени Это редкость. Большинство RAG — статичные снимки. Cognee понимает динамику данных. Если статус проекта поменялся сегодня, он помнит историю, а не только последнее значение. 3. Он реально учится Встроенные механизмы обратной связи позволяют улучшать граф со временем. Он не просто отдает ответы, он становится точнее. Big Tech вбухал в это миллиарды. Здесь можно поднять первую память двумя-тремя строчками кода. Векторы находят похожее. Графы находят смысл. Сложи их вместе и начинай строить мозги. Это полностью опенсорс. 🎁

Работа вне офиса или с разных устройств be like: обычный терминал закрыл → сессия пропала → всё по новой. 🙈 Tabminal решает это. Терминал в браузере, сессии хранятся на сервере, можно продолжить работу откуда угодно. WebSocket держит стабильное подключение, при смене сети или обновлении страницы состояние не теряется. Есть AI-помощник, который видит текущую директорию, env и историю команд, отвечает прямо в терминале. При ошибках команд даёт разбор и варианты исправления. Встроены Monaco Editor и файловый менеджер, можно редактировать серверные файлы в браузере. Поддерживает PWA. Оптимизирован под мобильные, есть виртуальная HHKB-раскладка для iPad и телефонов. 100% открытый код