AI для Разработки — Claude | Cursor | Copilot
前往频道在 Telegram
100+ AI-источников → лучшие инструменты для разработчиков. Cursor, Copilot, Claude API — обзоры, туториалы, новинки. Вопросы: @aiskladadmin
显示更多937
订阅者
+1224 小时
+157 天
无数据30 天
数据加载中...
![[PYTHON:TODAY]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1e8JKN%2F5465241907756731355%3Fty%3Dx&w=256&q=75)
吸引订阅者
七月 '26
七月 '26
+35
在3个频道中
六月 '26
+31
在0个频道中
Get PRO
五月 '26
+31
在0个频道中
Get PRO
四月 '26
+24
在0个频道中
Get PRO
三月 '26
+15
在0个频道中
Get PRO
二月 '26
+50
在4个频道中
Get PRO
一月 '26
+680
在4个频道中
Get PRO
十二月 '250
在0个频道中
Get PRO
十一月 '250
在0个频道中
Get PRO
十月 '250
在0个频道中
Get PRO
九月 '250
在0个频道中
Get PRO
八月 '250
在0个频道中
Get PRO
七月 '250
在0个频道中
Get PRO
六月 '250
在0个频道中
Get PRO
五月 '250
在0个频道中
Get PRO
四月 '250
在0个频道中
Get PRO
三月 '250
在0个频道中
Get PRO
二月 '250
在0个频道中
Get PRO
一月 '250
在0个频道中
Get PRO
十二月 '24
+2
在0个频道中
Get PRO
十一月 '24
+7
在0个频道中
Get PRO
十月 '24
+7
在0个频道中
Get PRO
九月 '240
在0个频道中
Get PRO
八月 '240
在0个频道中
Get PRO
七月 '24
+6
在0个频道中
Get PRO
六月 '24
+3
在0个频道中
Get PRO
五月 '24
+6
在0个频道中
Get PRO
四月 '24
+18
在1个频道中
Get PRO
三月 '24
+17
在4个频道中
Get PRO
二月 '24
+70
在5个频道中
Get PRO
一月 '24
+146
在9个频道中
Get PRO
十二月 '23
+352
在9个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 28 七月 | +1 | |||
| 27 七月 | +12 | |||
| 26 七月 | +2 | |||
| 25 七月 | +1 | |||
| 24 七月 | +5 | |||
| 23 七月 | +1 | |||
| 22 七月 | 0 | |||
| 21 七月 | +1 | |||
| 20 七月 | 0 | |||
| 19 七月 | 0 | |||
| 18 七月 | 0 | |||
| 17 七月 | +1 | |||
| 16 七月 | 0 | |||
| 15 七月 | +1 | |||
| 14 七月 | +2 | |||
| 13 七月 | +1 | |||
| 12 七月 | 0 | |||
| 11 七月 | +1 | |||
| 10 七月 | +2 | |||
| 09 七月 | +1 | |||
| 08 七月 | +1 | |||
| 07 七月 | 0 | |||
| 06 七月 | +1 | |||
| 05 七月 | +1 | |||
| 04 七月 | 0 | |||
| 03 七月 | 0 | |||
| 02 七月 | 0 | |||
| 01 七月 | 0 |
频道帖子
MCP-сервер: первые грабли собирают не инженеры, а обычные юзеры
Ребята из Туту сделали MCP-сервер, чтобы ИИ-агент искал поездки по реальной базе билетов, а не галлюцинировал «секунду, подбираю…». И тут же собрали занятные шишки.
Самая неожиданная: у MCP-сервера должен быть лендинг. Первые отзывы прислали не разработчики, а живые люди — тыкали в адрес сервера в браузере и ловили белый экран:
{"detail": "Method Not Allowed"}
text/html — показываем человеку нормальную страницу: что это, как подключить, зачем. По умолчанию безопаснее отвечать как агенту, а лендинг отдавать, только если точно распознали браузер. Боты-превьюшки в мессенджерах тоже получат страничку — и это ок.
В целом MCP — открытый протокол: агент сам узнаёт про инструменты сервиса и дёргает их, вместо парсинга сайта. McKinsey вообще пророчит агентам продажи на 3–5 трлн долларов к 2030-му.
Остальные наблюдения: habr.com
🔥 — забрал в закладки
😁 — «Method Not Allowed» — родное
@ai_for_dev| 2 |  +1Код от ИИ красиво работает — и красиво дырявый
Исследователи из Университета Дакоты взяли простые Python-скрипты от ChatGPT, Copilot и Gemini для обычных офисных задач и прогнали через проверку. Результат жёсткий: 100% содержали критические уязвимости.
История знакомая до боли: разработчик или обычный сотрудник просит утилиту, получает первый рабочий вариант — и сразу в прод.
А дальше начинается веселье:
— парсеры глотают любые ссылки → привет, SSRF и доступ к внутренним серверам;
— почтовые скрипты дырявы для инъекций → корпоративный SMTP становится шлюзом для фишинга;
— сортировщики файлов ведутся на подмену путей и симлинки → отдают локальные документы.
Самое ироничное: аудит этого кода поручили Claude Code. Нейросети уже проверяют поделки друг друга на закладки.
😐 — знакомая картина
🤔 — надо перепроверить утилиты
@ai_for_dev | 52 |
| 3 |  GPT-6: анонс на этой неделе (по слухам)
Инсайдеры сообщают о поездке Сэма Альтмана в Вашингтон с презентацией новой модели для Белого дома.
Заявленные направления: решение долгоиграющих математических задач и снижение стоимости сложной бизнес-работы. Для тех, кто строит на OpenAI API, это потенциально новый уровень рассуждений и, возможно, другой ценник за токены.
По неподтверждённым данным, речь о модели, ранее фигурировавшей в истории с Hugging Face.
Подтверждённых первоисточников нет — оценивать стоит после публикации бенчмарков и документации.
🤔 — жду цифры
😎 — потестим на выходных
@ai_for_dev | 59 |
| 4 |  Microsoft сделала ИИ, который сам себя взламывает — и сам чинит
Microsoft показала Project Perception: три команды ИИ-агентов гоняют по кругу без людей. Одни ломают, другие разбираются, что из найденного реально опасно, третьи закрывают дыры. И так круглосуточно.
Модель MAI-Cyber-1-Flash живёт внутри системы управления уязвимостями MDASH и уже выбила 96% на бенчмарке CyberGym — на 12 пунктов больше, чем Mythos от Anthropic. Бонусом всё это почти вдвое дешевле: дорогие «думающие» модели берут на себя сложное, а рутину раздают быстрым узким моделям.
Публичный тест стартует 3 августа. В июле Белый дом запустил инициативу Gold Eagle по ИИ-защите от кибератак, и Microsoft явно хочет стать её основной платформой. Но осадочек есть: 96% — это на синтетике, а не на настоящих атаках. Пока агенты сами не закроют реальную брешь в проде без человека, цифра остаётся лабораторной.
Читать целиком
👀 — интересно, что покажут
🤔 — а на живых атаках?
@ai_for_dev | 63 |
| 5 | Anthropic выпустила бесплатный курс по Claude Code
Anthropic запустила бесплатный онлайн-курс Claude Code in Action, посвящённый её инструменту для программирования. Курс входит в образовательную программу Anthropic Academy и размещён на платформе Skilljar; отдельный аккаунт для прохождения не требуется.
Курс рассчитан не на новичков, а на разработчиков, которые уже используют Claude Code и хотят перейти к более длинным, командным сценариям. Основная идея — научиться запускать агента на часы работы и затем с уверенностью проверять результат.
Программа разбита на четыре блока: управление длинными сессиями (планирование, откат неудачных шагов); настройка (файл инструкций CLAUDE.md, «навыки», режимы доступа и правила через хуки); автоматизация (запуск по расписанию, «безголовый» режим, встраивание в проверку кода и pull-запросы на GitHub); верификация автономных прогонов и упаковка конфигурации в плагин для всей команды. По итогам — тест и сертификат.
Отдельно на неделе: беспилотные такси Waymo с 2024 года накопили около 9,3 тыс. долларов штрафов за парковку — примерно 400 долларов в месяц на весь парк, большую часть Waymo уже оплатила.
🎉 — бесплатно, забираю
🤔 — курс или маркетинг
Источник: kod.ru
@ai_for_dev | 61 |
| 6 | Microsoft выкатил модель, которая сама ищет уязвимости
Новая MAI-Cyber-1-Flash прочёсывает кодовые базы, находит дыры и помогает готовить исправления. Работает она не в одиночку, а внутри MDASH — системы из 100+ AI-агентов.
Самое интересное — экономика. Компактная модель тянет до 90% задач, а на сложные 10% зовут тяжёлую GPT-5.4. В сумме система выдаёт 96% на бенчмарке CyberGym и выходит вдвое дешевле старой связки из трёх моделей.
А ещё Microsoft запускает Perception — команды агентов, которые круглосуточно следят за корпоративной инфраструктурой, ставят патчи и закрывают новые угрозы.
Читать: microsoft.ai
😐 — тревожно
🤔 — надо изучить
@ai_for_dev | 69 |
| 7 |  Antares от Cisco: маленькие модели, которые ищут дыры в коде
Cisco представила семейство малых языковых моделей Antares — они находят известные уязвимости в исходном коде и стоят при этом копейки.
В линейке три модели: Antares-350M, Antares-1B и Antares-3B. Две младшие уже лежат на Hugging Face. Главная фишка — их можно гонять локально, так что свой закрытый код никуда отправлять не нужно.
Цифры бодрые: 350M обошла Gemini 2.5 flash, 1B — Gemini 3 Pro и GLM-5.2, а ещё не вышедшая 3B набрала столько же, сколько GPT-5.5. И это при всего трёх миллиардах параметров — у больших GPT их сотни миллиардов.
Внутри — итеративный поиск, имитирующий работу исследователя: модель берёт описание уязвимости, ищет похожие шаблоны, читает файлы и сужает круг до подозрительных. Пригодится для CWE-разбора, приоритизации инцидентов, усиления статического анализа и сортировки в CI/CD.
😐 — звучит настораживающе
🤔 — надо проверить на своём репо
Источник: habr.com
@ai_for_dev | 70 |
| 8 | Детерминированный пайплайн: свободный текст → граф действий
Задача: превратить реплику игрока на естественном языке в исполняемый порядок операций, где зависимости («выхватить меч» → «прыгнуть») не нарушаются. Решение — не один большой промпт, а декомпозиция.
Слои архитектуры:
1. Классификатор — маршрутизирует вход: игровое действие → движок, спам → игнор, вопрос по правилам → лёгкая LLM, «ещё раз» → подстановка предыдущего сообщения.
2. Атомизация — реплика дробится на атомарные действия.
3. Граф зависимостей — фиксирует порядок и параллелизм атомов.
4. Параллельный пайплайн специалистов — отдельные модели считают атаку, проверяют ловушки, назначают проверку атлетики; арбитр склеивает разрозненные ответы в непротиворечивый результат.
Профит: контролируемость, меньше галлюцинаций и предсказуемая стоимость токенов вместо ставки на «умную» модель.
Архитектурный разбор
😎 — атомизация по-взрослому
🤔 — арбитр не узкое место?
@ai_for_dev | 75 |
| 9 |  Fable 5.1 может выйти уже в августе
По утечке Anthropic уже допилила новую модель внутри и готова выкатить её следом за GPT-6.
Самое вкусное: цену обещают оставить как у Fable 5. То есть новый уровень качества по старому прайсу — если не наврали, конечно.
А то ведь знакомо: вертишь эти цены так и эдак, а на паре серьёзных запросов кошелёк уже плачет. Официального анонса пока нет, так что ждём и надеемся.
🔥 — по старому прайсу, беру
🤔 — верю после релиза
@ai_for_dev | 73 |
| 10 |  Stolen Compute: инвентаризация открытых inference-эндпоинтов
Проект сканирует публичное адресное пространство, находит ИИ-серверы без аутентификации и агрегирует их в поисковый каталог. Пользователю остаётся выбрать модель и слать запросы напрямую — вся нагрузка ложится на владельца незащищённого узла.
Заявленные цифры: около 2 тысяч моделей и порядка 20 тысяч активных нод. В выдаче встречаются тяжёлые веса — Kimi 1T, DeepSeek V3 и другие.
Вывод простой: любой self-hosted inference (vLLM, Ollama, TGI и т.п.), выставленный наружу без обратного прокси с авторизацией и без файрвола, попадает в такие каталоги за считанные часы. Проверьте адрес привязки (0.0.0.0 против 127.0.0.1) и наличие токена. Каталог: stolencompute.com.
🤔 — конфиги под замок
😐 — нод нараспашку
@ai_for_dev | 75 |
| 11 |  Visa открыла VVAH — агентный харнесс для поиска уязвимостей
Visa выложила на GitHub свой инструмент VVAH (Visa Vulnerability Agentic Harness) — открытый харнесс для автономного поиска, устранения и проверки уязвимостей с помощью AI-моделей. Построен на наработках Project Glasswing от Anthropic.
Это пайплайн из 4 фаз и 11 стадий — от загрузки кода до проверенного исправления:
- Фаза 1 — разведка и моделирование угроз, карта поверхности атаки;
- Фаза 2 — глубокий анализ и адверсариальная верификация эксплуатируемости;
- Фаза 3 — синтез и отчёты (Markdown + SARIF 2.1.0);
- Фаза 4 — предложение фиксов и их проверка перед принятием.
Качество находок держат три решения: моделирование угроз до анализа, детерминированное голосование нескольких агентов против ложных срабатываний и структурированные артефакты триажа. Ключевая метрика — Mean Time to Adapt: время от обнаружения до проверенного фикса в продакшене.
Мульти-модельный по дизайну: Claude, OpenAI-совместимые или их комбинация через vendor-neutral слой. Важно: сканируйте только тот код, на который у вас есть права, а находки требуют ревью человеком.
Репозиторий
😐 — тревожно
🤔 — надо проверить
@ai_for_dev | 95 |
| 12 | LLM не думает — она угадывает по паттернам
Когда разработчик получает задачу, он её разбирает: декомпозиция, зависимости, дизайн, потом код. LLM делает ровно наоборот — сразу генерирует, перебирая паттерны из обучающего корпуса, пока не найдёт что-то похожее. Без проектирования, без понимания.
И это не баг — это фундаментальный принцип трансформеров. Отсюда же все странности: почему миллион токенов контекста — не панацея, а подорожник, почему thinking-модели не думают, и почему RAG — это не магия, а костыль поверх очень ограниченного инструмента.
Короткая историческая справка: до трансформеров были RNN/LSTM — обрабатывали текст слово за словом, обучались медленно, дальние связи теряли (градиент тухнет). В 2017 Google выкатил Attention Is All You Need — и индустрия почти полностью съехала на трансформеры.
Статья хорошая для тех, кто устал слышать "AI всё может" от менеджеров. Пора перестать очеловечивать инструмент и считать его магией — он просто очень хорошо предсказывает следующий токен.
🔥 — наконец-то по делу
😎 — расскажу менеджеру
@ai_for_dev | 103 |
| 13 | Пять терминалов — это уже норма
Помните времена, когда хватало одного окна и одного агента? Теперь у вас пять терминалов, семь веток, и вы понимаете: код давно не проблема — проблема в том, что на всех не хватает внимания.
Из этого хаоса вырос целый рынок «диспетчерских»: программ, которые разводят агентов по отдельным рабочим копиям, следят за их статусом и не дают устроить пожар в проекте.
Забавно, что инфраструктура появилась раньше спроса: tmux (2007) держал процессы живыми, Docker дал контейнеры, git worktree (2015) развёл ветки по папкам, а gVisor и Firecracker добавили изоляцию. Агентам осталось только всё это собрать вместе.
За пару лет мы прошли путь от Aider до Claude Code, Claude Squad и Vibe Kanban. И, кажется, гонка оркестраторов только начинается.
Подробнее — на Хабре.
🔥 — пять окон это норма
🙈 — семь веток и паника
@ai_for_dev | 98 |
| 14 | 30к рублей, 17 часов на GPU — и твой локальный GPT-5.4
Ребята взяли Qwen3.5-27B, докрутили её через QLoRA на задачах российских учителей и получили 3.21 из 4 — ровно как у GPT-5.4 (3.2). Только работает на Mac Mini M4 Pro и не сливает данные в облако (152-ФЗ велел).
Самый сочный момент — они параллельно обучали 32B на Qwen3. Потратили в 3 раза больше GPU-времени, training loss был красивее (0.47 vs 0.51), а на реальных задачах она слила -0.52 пункта. Мораль: новая архитектура бьёт больший размер. Qwen3.5 лучше дружит с русским и структурой, чем его же старший брат предыдущего поколения.
Данные собрали по методике CRAFT — берёшь открытые датасеты (MMLU-RU, MERA, gsm8k-ru) как затравку, а сильная модель генерит из них 30 000 пар запрос-ответ. Всё в пределах бюджета на обед в Москве.
Подробности на Habr
🔥 — QLoRA gang
🤔 — а Qwen3.5 реально такая бодрая?
@ai_for_dev | 100 |
| 15 |  189к звёзд — и не за вайбкодинг
Тот самый репозиторий, который стоит закинуть в закладки, если гоняешь ИИ-агентов в разработке. Без магии «сделай всё за меня» — это набор маленьких, проверенных скиллов, которые учат ассистента нормально планировать, отлаживать код, ревьюить и продумывать архитектуру.
Автор прямо говорит: это про реальную инженерию, а не vibe coding. Скиллы композируемые, легко пилятся под себя и дружат с любой моделью — Claude Code, Codex, что угодно.
Поставить — минутное дело:
npx skills@latest add mattpocock/skills
Забрать на GitHub
🔥 — тащу к себе в репозиторий
👀 — гляну, что там у Matt
@ai_for_dev | 100 |
| 16 | Тренды нейросетей за неделю: скиллы, вайбкодинг и полезные инструменты
Подборка заметных проектов недели для разработчиков.
💻 Аналитик Макс Вайнбах собрал копию веб-версии macOS 27 роем агентов Kimi K3 — пиксельно точная симуляция прямо в браузере. Ушло 3 часа и 60% месячного лимита Kimi.
⚔ Навык No AI Slop убирает из сгенерированных текстов более 20 типичных для нейросетей оборотов. Подключается к Codex, Claude Code и любому чат-боту.
🍩 Таблица со 150+ бесплатными API ИИ-моделей: Google AI Studio, OpenRouter, Groq, NVIDIA, Mistral, GitHub Models — с точными лимитами.
Ещё в выпуске: скилл сборки 3D-лендинга из описания бренда, скилл apple-design для интерфейсов по гайдлайнам Apple и бесплатная программа для монтажа видео через Claude Code и Codex — с обрезкой, переходами, субтитрами и цветокоррекцией.
👍 — полезная подборка
🤔 — надо разобрать
Источник: habr.com
@ai_for_dev | 89 |
| 17 | 502 снаружи, 302 внутри: как отучить LLM-агента врать
Чувак сделал внутреннего read-only агента для разбора инцидентов. Пишешь ему в чат «почему сервис отдаёт 502?» — а он сам лезет в Kubernetes, VictoriaMetrics, Elasticsearch, GitLab и Grafana, собирает факты и честно выдаёт, что проверил, а что нет. В прод при этом ничего не трогает.
Самое вкусное — без всякого LangChain. Всё на Go: свой рантайм хранит контекст, проверяет права, гоняет план и собирает доказательства. Модели на открытых весах только думают и объясняют, руками в production не лезут.
И вот классика жанра. Снаружи прокси показывает 502, а в логах приложения тот же request_id — редирект 302. Бот сначала выдал «на уровне приложения всё ок, ищите на edge». Формально правда, толку ноль. А причина была тупо в том, что заголовки не влезли в буфер прокси: один Location весил 1191 байт, и прокси просто выкинул ответ.
Мораль: инструментов у агента было даже слишком много. Не хватало умения связать логи между собой и не прыгать на знакомый симптом. Статья — про то, что начинается ПОСЛЕ первого успешного tool call.
🔥 — до боли знакомо
😎 — почитаю на выходных
Источник: habr.com
@ai_for_dev | 107 |
| 18 |  Агент, собери мне игру: 17 скиллов для Three.js
Чувак выложил коллекцию из 17 скиллов, чтобы агент клепал браузерные экшен-RPG почти сам 😳
Внутри — весь цикл: камера, уровни, враги, инвентарь, VFX, звук, плюс оптимизация и тесты. По сути готовые папки-плейбуки: короткий SKILL.md, который агент читает и делает по нему. Дружит с Codex, Claude Code и Cursor.
Самое сочное — игра на видео и правда собрана этими скиллами, поиграть можно прямо сейчас, а всё добро лежит на GitHub.
🔥 — пойду вайбкодить RPG
🤡 — агент, а баги кто чинит
@ai_for_dev | 91 |
| 19 | Deep Agents: собрал всё в кучу — но какой ценой?
Агентов сейчас строят кто во что горазд: берут готовые фреймворки, кликают конструктор на веб-портале или пишут своё — дешевле и в своём контуре. Классика для последнего — LangChain / LangGraph: обёртки, графы, пайплайны под типовые куски агента.
Обычно всё крутится вокруг цикла ReAct: модель порассуждала, дёрнула инструмент, посмотрела результат, снова подумала — и так до ответа. На короткой задаче норм. А на длинной агент начинает тащить на себе всё: историю, результаты инструментов, планы, файлы. И вопрос уже не «как написать промпт», а «как разгрести весь этот бардак». Вот этим и занимается контекст-инжиниринг.
Deep Agents — это когда LangChain уже собрал тебе рабочую среду вокруг обычного агента. Не новая модель, а готовый «тяжёлый рюкзак»: в API — create_deep_agent поверх create_agent. В статье на Хабре разбирают, из чего он собран и когда его реально стоит брать, а когда лучше налегке.
🔥 — забираю в закладки
🤷 — мне и ReAct хватает
@ai_for_dev | 89 |
| 20 | Как я собрал «правильный» RAG и сделал только хуже
Знакомая картина? Берём вектора, эмбеддер, сверху реранкер, добавляем BM25 для гибридного поиска — и на схеме всё летает. Двадцать строк кода, стрелочки, продакшн готов.
Автор реально дошёл до конца на своих данных. Итог: почти каждый «канонический» апгрейд уронил метрику. BM25 — вниз. Реранкер — вниз, причём дважды в разных конфигах. А выстрелило то, что программистам обычно скучно: пара дней возни с данными и нормальные замеры.
Мораль простая: RAG работает, но магия не в коде, который пишется за день, а в eval-харнессе и чистке корпуса. «Так все делают» — это не про ваши данные. Хочешь узнать, что реально помогает — меряй у себя.
Вся история с пруфами: Habr
🔥 — узнал свою боль
😐 — опять мерять руками
@ai_for_dev | 92 |
