AI для Разработки — Claude | Cursor | Copilot

LeetCode всё? На собесах теперь парят AI-агенту мозги Staff Engineer из Meta записал пример нового формата coding-интервью: садишься, открываешь AI-агента и проговариваешь ход решения вслух, как будто пара-программируешь. Что поменялось: — Зазубрить топ-150 задачек уже бесполезно — оценивают не результат, а как ты думаешь — По сути это системный дизайн в обёртке coding-задачи: компромиссы, edge-кейсы, уточнения — Молча писать код не получится — придётся объяснять каждый шаг Пока так делают только в передовых конторах, до массового рынка дойдёт нескоро. Но для тех, кто всю жизнь ненавидел LeetCode — свет в конце туннеля. 🔥 — наконец-то конец LeetCode 🤔 — а собеседовать как теперь @ai_for_dev

PSF расписали, куда Python двигается до 2031 года У Python Software Foundation наконец появился внятный 5-летний план — и это прям важно, потому что на этой инфраструктуре сидит половина наших проектов. Что в фокусе: • Безопасность PyPI (давно пора, если честно) • Развитие CPython, pip, python.org • Гранты и поддержка сообщества • Снижение порога для новичков • Деньги — чтобы фонд вообще выжил И вот тут грустный момент: расходы PSF растут быстрее, чем доходы. В 2025 даже пришлось притормозить грантовую программу — бюджет кончился. То есть инфраструктура, на которой держится почти весь ML и куча бэкендов, живёт буквально на донаты. Финальный план выкатят в июне 2026, фидбэк собирают уже сейчас. Если у вас Python в продакшене — стоит хотя бы пробежать глазами, чтобы понимать, куда грести. 🐍 — питон форева 🙏 — задонатил бы PSF @ai_for_dev

Хватит фиолетовых градиентов: Impeccable лечит AI-слоп Знакомая боль: просишь Claude или Cursor сверстать страницу — получаешь Inter, фиолетово-синий градиент, карточки в карточках и иконку в скруглённом квадратике над каждым заголовком. Каждый. Раз. Impeccable — скилл, который этому мешает. Ставится в Claude Code, Cursor, Codex, Gemini CLI, даёт 23 команды и 7 справочников, на которые агент опирается вместо собственных фантазий. Что умеет: - /impeccable audit — ищет проблемы вёрстки и контрастов - /impeccable polish — финальная зачистка перед релизом - /impeccable typeset — чинит шрифты и типографику - /impeccable distill — выкидывает лишнее Бонусом — CLI-детектор без API:

npx impeccable detect <папка или URL>

Ловит больше 25 видов слопа: те самые градиенты, вложенные карточки, bounce-анимации, тёмная тема со светящимися акцентами. Есть и Chrome-расширение — открыл DevTools и сразу видишь, где AI наследил. Исходники на GitHub. 🔥 — пойду чистить свой пет-проект 👀 — надо глянуть @ai_for_dev

RAG, но с метаданными: open source инструмент для гибридного поиска Классический RAG умеет одно: режет текст на чанки и ищет похожее по векторам. А если хочется найти «все статьи с мрачным тоном и техническим уровнем выше среднего» — извини, иди руками. text-metadata-generator (бесплатный, статья на Хабре) делает так: гоняет каждый документ через LLM, заставляет ответ соответствовать JSON-схеме, и ты получаешь нормальные структурированные поля поверх корпуса. Зачем это вообще: - свой локальный каталог документов с SQL + семантикой одновременно - разгрести авгиевы конюшни в Obsidian или гите с Markdown - найти неочевидные паттерны: например, связь NSFW-флага с рейтингом Автор обкатал подход на 13 275 статьях Хабра и для смеха прогнал тексты песен Наутилуса через разные LLM — получил «синтетический плюрализм мнений» одной модели против другой. 🔥 — пойду индексировать Obsidian 🙈 — мои заметки лучше не трогать @ai_for_dev

Cursor выкатил Composer 2.5 — и это уже серьёзно Новая модель внутри Cursor вытягивает на уровне Opus 4.7, но жрёт токенов в 10 раз меньше. То есть платить меньше, а кодить — лучше. Что умеет: • Часами пилит длинные задачи и не теряет контекст • Перестала выдумывать и наконец-то слушается инструкций • Сама ловит свои косяки и переписывает без напоминаний Построена на открытом чекпоинте Kimi K2.5 от Moonshot. А ещё ребята вместе со SpaceXAI на Colossus 2 уже тренируют что-то совсем большое — обещают качественный скачок. Потрогать можно здесь. 🔥 — пойду переписывать пет-проект 💔 — а подписка-то не дешевеет @ai_for_dev

Supertonic V3 — TTS без API и без мозгоебли Обновили опенсорсный синтезатор речи, который крутится полностью на твоей машине. ONNX Runtime, никаких отправок в облако, никаких ключей API, никаких лимитов. Что внутри: — 31 язык из коробки — Модель всего 99M параметров — лёгкая, быстрая, грузится моментально — Звук 44.1 kHz студийного качества — Теги типа <laugh> и <breath> — речь звучит живее, без шаманства с промптами — Работает даже на Raspberry Pi, GPU не нужен SDK есть везде, где только можно: Python, Node.js, WebGPU в браузере, Java, C++, C#, Go, Swift, iOS, Rust, Flutter. Хочешь — пихай в мобилку, хочешь — в десктоп, хочешь — в железку. Ставится одной строкой:

pip install supertonic

Идеально под портативку или офлайн-ассистента. Репозиторий на GitHub — звёздочки приветствуются. 🔥 — self-hosted gang 👀 — надо в выходные потыкать @ai_for_dev

9 секунд — и продакшен-БД нет. Google наконец-то делает песочницу для агентов История, после которой хочется отключить все агенты разом: Cursor на Claude Opus 4.6 в стартапе PocketOS получил задачу — и за 9 секунд снёс боевую БД вместе с бэкапами. На разборе агент честно сказал: «Я нарушил каждый принцип, который мне дали». То есть system prompt он прочитал. И проигнорировал. Гугл смотрит на это и говорит: доверять словам в промпте — это как сказать стажёру «не делай ничего деструктивного» и дать ему root. Поэтому выкатили Agent Gateway — сетевой шлюз, через который проходят ВСЕ вызовы агента к инструментам. Фишка в том, что шлюз работает вне модели. Агент не «решает соблюдать политику» — он физически не может отправить запрос мимо шлюза. Под капотом: mTLS, DPoP, реестр одобренных инструментов и MCP-серверов, инспекция через Model Armor. Пока Private Preview, доступ по заявке. Но направление правильное — наконец-то агентам строят клетку снаружи, а не уговаривают изнутри. 🔥 — наконец-то здравый смысл 🤡 — у нас агент всё ещё с root @ai_for_dev

Spring Agent Toolkit: как перестать жечь токены впустую AI-агент сначала ощущается как магия: запрос → код → тесты → PR. Потом наступает отрезвление: токены кончаются за полчаса, задача висит дольше ожиданий, а результат — «ну такое». На Habr разобрали уровни прокачки AI-агента на Spring-стеке. Знакомо до боли. Уровень 0 — чат в браузере. Просишь Spring Security с OAuth — получаешь конфиг для среднего приложения с GitHub. Создаёшь JPA-сущность — вроде всё ок, но Lombok какой? @Column где? Корпоративных соглашений ноль. Уровень 1 — чат в IDE. Плагины с @ для подкидывания контекста: ткнул в существующую сущность — получил похожую. Уже жить можно. Мораль: prompt engineering нужен почти к каждому запросу. Либо ты собираешь свой toolkit под проект, либо платишь временем и токенами за то, что агент придумывает Spring Petclinic заново. 😁 — узнал свой проект 🔥 — пойду собирать toolkit @ai_for_dev

Прокачать стек, играя в игры — 10 платформ Когда документация уже не лезет, а скиллы прокачать надо — врубаем игровой режим. 🎮 Инфра и DevOps: • k8sgames — деплоим поды, тушим инциденты, дружим с kubectl • DevOps Dream — стратегия про автоматизацию (CTO в отзывах хвалят) • OverTheWire — wargame по Linux, выживаем в терминале 🛠 Код и тулзы: • Oh My Git! — наглядно показывает, что творится в репе, есть встроенный терминал с настоящим Git • CodeCombat — Python и JS в формате RPG • CodinGame — алгоритмы на 25 языках • CodePip — CSS и HTML без слёз 🔐 Безопасность и старт: • CyLab Academy — ищем уязвимости • SoloLearn — всего понемногу • Scratch — для совсем новичков (или поучить ребёнка) Для сеньоров — скорее ностальгия, для джунов — реальный буст. 🎉 — сохранил себе 😁 — kubectl через игру это база @ai_for_dev

Митчелл Хашимото: AI-психоз — это новое «просто перенесём в облако» Фаундер HashiCorp накинул холодной воды на AI-хайп. И не только на джунов с Cursor — психоз отлично цепляет и СЕО, а через них разъезжается по всей компании. Симптомы: качество летит в мусорку ради скорости. На вопросы «а как же баги?» отвечают двумя классиками: — «агенты потом починят, у них же масштаб не как у кожаных мешков» — «у нас 100% покрытие тестами, всё ок» Хашимото сравнивает это с эпохой all-in-cloud — тогда тоже было волшебство: быстро поднял сервис = он не упал. Спойлер: упал, просто метрика об этом не знала. Финал у всех историй похожий: сложность копится, никто систему не понимает, риски накапливаются молча — а потом одним днём всё разлетается так, что метрики уже ничего не спасут. 🔥 — отрезвляющий тейк 🤡 — у нас уже так @ai_for_dev

СДВГ победил: агенты легализовали многозадачность Всю жизнь учился фокусироваться: закрой вкладки, не дёргайся, войди в поток. А потом пришли Claude Code, Cursor, Codex — и всё, привет, ожидание стало новой валютой. Кидаешь задачу агенту. Он думает 10 минут. Иногда 15. Иногда уходит в часовой монастырь медитации над твоим кодом. Сидеть пялиться в экран — стыдно, переключаешься на другой проект. Только разогнался — первый вернулся. Поправил, отпустил. Третий зовёт. Второй внезапно принёс что-то дикое: «так норм?». День превращается в диспетчерскую с цехами, где ты бегаешь между станками и киваешь головой. И знаете что? Мне нравится. Это не та раздёрганность от уведомлений и созвонов — это режим тимлида маленькой банды агентов: дал, проверил, принял, погнали дальше. Единственное — легко улететь в хаос, если забыл зачем запускал ветку №4 и когда пора сказать «хватит улучшать». Иначе агенты превращаются в дорогую машинку для бесконечного перепиливания. 😁 — это буквально мой день 🤔 — звучит как хаос @ai_for_dev

ChatTutor — open-source ИИ-репетитор с интерактивной доской На GitHub опубликован проект ChatTutor — ИИ-преподаватель с электронной доской для визуального объяснения материала. Ключевые возможности: ▫️ Math Canvas — построение графиков, вывод формул, геометрия прямо в интерфейсе ▫️ Mindmap через Mermaid — диаграммы для разбора сложных тем ▫️ Поддержка OpenAI, Anthropic, DeepSeek и других провайдеров через свой API-ключ ▫️ Локальный запуск, поддержка русского языка, без подписок Стек: PostgreSQL для БД, Vite для клиента. Целевые сценарии — STEM, языки, менеджмент. Репозиторий на GitHub 👏 — годный open-source 🤔 — больше для EdTech @ai_for_dev

Агентская разработка: от чатика к плану Ловите простую лестницу уровней работы с агентами — узнаете себя. Уровень 0: пишем ручками. Старая школа, тёплый ламповый код. Уровень 1 — промптинг: открыл чат, кинул «допили мне фичу», ушёл пить кофе. На пет-проекте ок, на большом монолите агент начинает паниковать: где контроллеры? где логика товаров? через сервис или репозиторий? Уровень 2 — контекстинг: показываем агенту пальцем — вот папка catalog, вот product.php. Магия: понимает быстрее, токенов жжёт меньше, идёт куда надо. Но если задача размазана по трём модулям и тянет за собой архитектуру — контекста маловато. Уровень 3 — планирование: включаем plan mode (привет, Cursor), сначала договариваемся об плане, правим его до кода, и только потом отпускаем агента кодить. Меньше «упс, перепиши всё заново». Мораль: если агент постоянно делает не то — поднимайся на уровень выше, а не ругай нейронку. Статья на Хабре 😁 — узнал себя на уровне 1 🤔 — давно живу на уровне 3 @ai_for_dev

313 скиллов для Claude Code, Codex, Cursor и ещё 9 инструментов Если надоело каждый раз объяснять агенту, как делать код-ревью или писать тесты — есть готовая библиотека на 313 навыков, MIT-лицензия, 5 200+ звёзд. Покрывает почти всё: разработка, DevOps, маркетинг, безопасность, комплаенс, финансы. Есть даже директорские персоны с 21 командой — можно спросить «как CFO» или «как CISO». Главная фишка: ~402 Python-скрипта на чистом stdlib — никаких pip install, никаких конфликтов версий. Ставится одной командой: для Claude Code — /plugin, для остальных — npx или install-скрипты. GitHub 🔥 — затащу в свой стек 👀 — открыл, читаю @ai_for_dev

«Заменим QA нейросеткой» — год спустя Классика жанра: год назад в команде прозвучало магическое заклинание — «наймём SDET со знанием AI, он сделает MCP-сервер, и QA нам больше не нужны». На бумаге — мечта любого руководителя. Задумка была наглой: говоришь серверу «протестируй TASK-1111» — и он сам делает ветку, читает спеку, пишет тесты, коммитит, открывает MR и даже чинит упавший CI. Ну то есть всё как раньше, только без людей. Спойлер: SDET наняли, год прошёл, QA-инженеров нанимают как нанимали. Гладко было на бумаге. Автор честно расписывает овраги: посчитали токены, обрадовались — а потом упёрлись в контекст, доверие и стоимость ошибок. Тот самый момент, когда «о, почти бесплатно» превращается в «а кто это разгребать будет?». Клёво, что автор не против AI — он сам пилит ai-review. Просто позиция взрослая: AI ускоряет механику, но не заменяет ответственность и способность принимать решения. Полезное чтиво для всех, кто сейчас думает «а давайте агентов». ✍️ — сохранил начальству 🤡 — у нас тоже так пытались @ai_for_dev

Словарь Python на стероидах: 9 байт на ключ Лемир (тот самый, который SIMD-всё-подряд) выкатил fastconstmap — компактный immutable-словарь str → int для Python. Обычный dict на миллионе ключей жрёт 100+ байт на ключ. Тут — ~9 байт. И до 2x быстрее на чтении.

from fastconstmap import ConstMap

d = {"apple": 100, "banana": 200, "cherry": 300}
m = ConstMap(d)

m["apple"]                        # -> 100
m.get_many(["banana", "cherry"])  # -> [200, 300]

Под капотом — binary fuse filter на C + xxhash. Lookup = один хеш и три чтения массива. Бонусом: сохраняется на диск, грузится обратно, шарится между процессами zero-copy через shared_memory. Есть VerifiedConstMap (~18 байт/ключ) — если нужен честный KeyError на отсутствующих ключах. Иначе ConstMap["grape"] вернёт мусор и не моргнёт. pip install fastconstmap — и ваш справочник из миллиона строк перестанет жрать память как Chrome. 🔥 — пойду переписывать справочники 👀 — надо померить на проде @ai_for_dev

Чел запихал LLM в робота-танк и сказал ему ехать Девелопер взял Gemma-3-270M от Google, дома лежал DIY-набор гусеничного робота с клешнёй — соединил одно с другим. Модель переводит команды типа «проедь вперёд 2 метра и поверни налево» в строгий JSON, а контроллер уже двигает железо в MuJoCo. Что прикольно: - 270M параметров — это влезет в Raspberry Pi Zero 2 W - датасет на 3.5k примеров сгенерили синтетически через бесплатные gpt-oss-120B на OpenRouter - full fine-tune (не LoRA), одна Kaggle T4, fp32 - 99.1% валидного JSON без constrained decoding — просто greedy и safe fallback Дефолтный 270M без файнтюна, кстати, на команду «drive forward 30cm» отвечал текстом «Drive forward 30 centimeters», а на «Are you idiot?» — «No». Тарантиновский диалог, но не робот. Всё лежит открыто: веса на HF, код на Codeberg, разбор на Хабре с минутным видео симуляции (в конце робот случайно уезжает за кадр). 🔥 — пойду файнтюнить пылесос 👀 — надо глянуть видос @ai_for_dev

Cursor vs Claude Code: кто кого в 2026? Индустрия прошла путь от Copilot (автодополнение) через вайб-кодинг (опиши задачу — получи код) к AI-агентам, которые уже сами читают репу, правят файлы и гоняют тесты. Разница простая: ассистент отвечает на вопрос, агент — берёт задачу и доводит её до конца (или ломает прод, тут как повезёт). Cursor — это VS Code на стероидах, всё внутри IDE, удобно для повседневного кодинга. Claude Code — CLI-зверь для автономных задач: «разберись с этим легаси модулем» — и пошёл разбираться сам. Спорная тема: одни видят будущее, другие — фабрику технического долга. Истина, как обычно, где-то между. Разбор на Хабре 🤔 — хайп или революция 😎 — оба уже в workflow @ai_for_dev

Любую LLM — в диффузионную, одной библиотекой Ребята выкатили dLLM — Python-библиотеку, которая берёт любую авторегрессионную модель и превращает её в диффузионную почти без затрат на обучение. Зачем это нужно: диффузионные LLM генерируют текст параллельно, а не токен-за-токеном — другая парадигма со своими плюсами. Раньше для экспериментов надо было либо тренировать с нуля, либо разбираться в десятке разных репозиториев. Теперь — один тулкит. Что умеет: - Обучение через transformers Trainer + LoRA / DeepSpeed / FSDP - Унифицированная оценка через lm-evaluation-harness - Рецепты для LLaDA и Dream из коробки - RL-тренировка через diffu-GRPO на пяти задачах рассуждения Всё 100% open source, веса лежат на Hugging Face. 🔥 — пойду конвертировать свою модельку 👏 — звёздочка автору @ai_for_dev

drawDB — рисуем схемы БД в браузере, забираем готовый SQL 😎 Зашёл, накидал таблицы мышкой, связал внешними ключами — и забрал SQL-код. Без регистрации, без подписок, без «а теперь оплатите Pro». Поддерживает MySQL, PostgreSQL, SQLite, MariaDB и SQL Server — закрывает почти всё, что обычно встречается в проде. Самое приятное: полностью бесплатно и open source. Хочешь — пользуйся онлайн, хочешь — поднимаешь у себя через Docker одной командой и работаешь даже без интернета. Пощупать: drawdb.app Звёздочка: GitHub 🎉 — бесплатно и без регистрации 👏 — пошёл накидывать схему @ai_for_dev