Вайб-кодинг

AI снова лезет в трейдинг. На GitHub открыли проект NOFX — это open source версия нашумевшей системы NOF1 для автоматической квантовой торговли. Под капотом большие модели вроде DeepSeek и Qwen. Они анализируют графики, ищут точки входа, открывают и закрывают сделки и потом сами разбирают свои ошибки. Есть нормальный интерфейс с графиком доходности, позициями и объяснениями решений прямо в реальном времени. Работает с Binance, Hyperliquid и Aster DEX. Развернуть можно одной кнопкой через Docker. Кому хочется поиграться с AI-трейдингом и посмотреть, как модели ведут себя на реальном рынке, можно заценить: github.com/tinkle-community/nofx

LangChain показал Deep Agents CLI с памятью инструкций Команда LangChain представила пример консольного инструмента Deep Agents CLI, построенного на их пакете deepagents. Это демонстрация того, как можно сделать разработческое приложение поверх нового фреймворка. Главная фишка - память. CLI запоминает указания и советы, которые пользователь давал раньше, и может опираться на этот контекст дальше. По сути, это более «осознанный» помощник для разработки. Проект пока небольшой, но хорошо показывает, как deepagents можно интегрировать в реальные сценарии: помощь с кодом, автоматизация рутинных задач, адаптация к стилю конкретного разработчика. Видео и подробнее в блоге: blog.langchain.com/introducing-deepagents-cli/ youtu.be/IrnacLa9PJc

Лайфхак для Cursor Это прямо штука, которая меняет игру Когда контекст подбирается к ~50%, просто напиши команду /summarize. Экономит деньги и держит ответы модели чёткими.

Освой GitHub MCP Server меньше чем за 90 секунд Вчера наткнулся на GitHub MCP Server прямо в VS Code и честно, офигел. Можно создавать репозитории, управлять задачами, делать pull-request’ы и многое другое… не выходя из редактора. На видео короткое демо, чтобы показать, как MCP Server от github может зарядить твой VS Code 🧠 VS Code реально выходит на новый уровень с этими MCP-серверами от разных инструментов и компаний :)

Разработчики нашли способ сделать работу с Claude Code в терминале куда удобнее. Появился опенсорсный тул под названием Claude Code Enhanced Statusline. Он выводит в строку статуса всё, что раньше приходилось выискивать вручную: стоимость запросов, состояние MCP-серверов, инфу по Git и тд Фишка в том, что статус-бар полностью настраивается. Можно собрать из 18 модулей свой набор. С темами тоже порядок, три готовые и возможность сделать свою. Разработчики хвастаются приростом скорости до 90 процентов благодаря кэшированию. Всё работает на macOS, Linux и Windows. Ставится одной кнопкой, так что попробовать просто. Код и инструкции лежат на GitHub: github.com/rz1989s/claude-code-statusline

Делитесь сессиями Claude Code одной командой Выпущена версия v1.26.1 claude-code-templates, потому что часто нужно передавать работу прямо посреди сессии. Команда:

npx claude-code-templates@latest --chats

- Все ваши сессии сгруппированы по чатам - Можно скачать любую переписку Как поделиться сессией: - Передайте файл и добавьте его в проект - Затем выполните:

claude "read @ chat-file.md and continue"

Или если вы в одном аккаунте, нажмите «Resume» — там будет команда:

claude --resume session_id

Фича сделана, чтобы команда могла работать с общим контекстом, не теряя темп.

Черт возьми, Hugging Face снова навалила золота 👍 Они выкатили бесплатный блог (практически КНИГУ), где без воды разбирают реальность разработки SOTA-моделей. Я не видел, чтобы какие-то лаборатории или исследователи так честно рассказывали о реальных решениях и нюансах в LLM-разработке. Это прямо сокровище. Внутри более 200 страниц про предобучение, постобучение и необходимую инфраструктуру. Пробежал взглядом по этому блогу, он чертовски подробный, как и их ultrascale playbook. Читать тут: https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook

Новичкам в Claude Code бывает тяжело разобраться, с чего начать и какие команды реально нужны. Для этого есть Claude Code Cheat Sheet, это типа краткий, но толковый справочник с чёткой дорожкой обучения от простого к сложному. 10 уровней: установка, работа с командами, автоматизация, CI/CD, безопасность, использование в продакшне. Примеры, лучшие практики и ответы на частые вопросы. 🙂 Если хочешь быстро въехать в инструмент, то шпаргалка определенно пригодится.

Jules теперь доступен как расширение для Gemini CLI! 🐙 Можно спокойно скидывать удалённые задачи по коду на Jules прямо из Gemini CLI, не блокируя терминал. Примеры: ❯ /jules добавь кнопку логина на главную ❯ /jules обнови все зависимости до последних версий ❯ /jules глянь статус моей последней задачи анонс с подробностями

Cursor получил большой апдейт до версии 2.0 — теперь он с собственной моделью Composer. Composer называют лучшей моделью, которая выполняет задачи всего за 30 секунд. А еще Cursor 2.0 позволяет запускать множество агентов параллельно, что очень удобно. Плюс обновили интерфейс, добавили встроенный браузер для тестирования и голосовой режим 👍

Codex pro tip: Добавь это правило в AGENTS.md, когда он начинает путаться с командами в песочнице, чтобы заставить его спрашивать разрешение. (Я устал разбираться, почему он не может добавить или закоммитить файлы 🚑) ---

Если команда в шелле падает с ошибкой failed in sandbox, используй инструмент запроса разрешения (with_escalated_permissions), чтобы сначала спросить у пользователя одобрения, а потом пробовать снова.

Google выкатил Pomelli. Новый маркетинговый AI-агент на Google Labs. Он может проанализировать твой бренд и сгенерировать готовую маркетинговую кампанию. Сейчас доступен в США, Канаде, Австралии и Новой Зеландии. Вообще штука выглядит круто. Я прям рад. Нужно запускать рекламу, а времени разбираться с этим добром вовсе нет. Буду плотно тестить.

У Microsoft с open source прямо любовь 😎 Выпустили Agent Lightning для оптимизации multi-agent систем. Работает с популярными фреймворками для агентов. Почти ничего переписывать не нужно. Поддерживает разные штуки: RL, автоматическую оптимизацию промптов, supervised fine-tuning и другое.

5 практических советов по Context Engineering (применимо к Google DeepMind Gemini): 1. Порядок контекста имеет значение: старайтесь использовать «append-only» контекст, тоесть добавлять новую информацию в конец. Это увеличивает попадания в кэш и снижает стоимость (в ~4 раза) и задержки. 2. Управляйте инструментами статично: не меняйте порядок или доступность инструментов в процессе задачи без необходимости. Это может сломать кэширование контекста и запутать модель, если в истории есть вызовы инструментов, которые больше не определены. 3. Используйте внешнюю память: явно или неявно записывайте контекст/цели во внешнее хранилище, чтобы избежать потери информации. Типичная задача в Manus требует примерно 50 вызовов инструментов в среднем. 4. Повторяйте цели, чтобы не потеряться: периодически заставляйте модель проговаривать свои цели, чтобы основная задача оставалась в её недавнем окне внимания. 5. Принимайте ошибки: сохраняйте сообщения об ошибках в контексте. Это даёт модели возможность учиться на ошибках и не повторять их.

Разработчик выложил в open source более 90 проектов по AI-инженерии Инженер под ником patchy631 поделился внушительной коллекцией из более чем 90 open source-проектов, связанных с AI-агентами, RAG, MCP и контекстной инженерией. По словам автора, лучший способ освоить создание AI-агентов:

не читать блоги и не смотреть видео, а писать код и собирать всё с нуля.

Проекты уже собрали свыше 18 тысяч звёзд на GitHub.

Gemini Tip: Есть модели Gemini Pro и Flash для Text-to-Speech (TTS), которые умеют генерировать речь в 30 разных голосах и понимают подсказки про стиль, тон, акцент и темп. Вот как это сделать (Flash TTS доступен даже на бесплатном тарифе):

from google import genai
import wave

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash-preview-tts",
    contents="Say cheerfully: Good morning to all vibe coders!",
    config={
        "response_modalities": ["AUDIO"],
        "speech_config": {
            "voice_config": {
                "prebuilt_voice_config": {
                    "voice_name": "Kore",  # 30 voice options
                }
            }
        }
    }
)

data = response.candidates[0].content.parts[0].inline_data.data

with wave.open("output.wav", "wb") as wf:
    wf.setnchannels(1)
    wf.setsampwidth(2)
    wf.setframerate(24000)
    wf.writeframes(data)

доки по созданию речи: клик

Microsoft открыла исходники MarkItDown - универсального Python-инструмента для конвертации файлов в Markdown —> Он конвертирует PDF, Word, Excel, PPT, HTML, JSON, XML, EPUB, изображения (OCR), аудио (ASR), ZIP, YouTube — идеально для LLM Советую заценить, если хочешь быстро превращать любые файлы в Markdown

Китай выкатил новый open-source LLM, который обошёл Claude 4 Sonnet. Alibaba выпустила 30-миллиардную агентную модель, показавшую state-of-the-art результаты на Humanity’s Last Exam и других бенчмарках для агентных систем. Самое впечатляющее - активируется всего 3.3B параметров на токен.

Anthropic выкатили свою «кулинарную книгу» для разработчиков Теперь у Claude есть своя книга рецептов - сборник готовых примеров и ноутбуков, чтобы быстро выжать максимум из API без боли и шаманства с промптами 😘 Внутри: • Классификация и суммаризация текста; • Retrieval Augmented Generation (RAG) с внешними базами; • Интеграции с SQL, калькулятором и Wikipedia; • Работа с изображениями, PDF и графиками; • Генерация картинок через Stable Diffusion; • Саб-агенты, JSON-режим, фильтры модерации и кеширование промптов.

Не тратьте время на создание агентского браузера Команда Composio представила бесплатное и полностью открытое расширение для Chrome, которое фактически заменяет GPT Atlas и предлагает ещё больше возможностей. Расширение умеет выполнять действия прямо в браузере пользователя и взаимодействовать с более чем 500 инструментами, включая Gmail, Slack, Notion и другие популярные сервисы. Оно интегрируется в боковую панель Chrome, что делает доступ к функциям максимально быстрым и удобным. Проект построен на базе Composio Tool Router, Gemini 2.5 Computer Use от Google AI Devs и AISDK. Исходный код доступен на GitHub: https://github.com/ComposioHQ/open-chatgpt-atlas