КайфКодинг

Как сказал Стас Близнюк, регулировать нужно не ИИ, а тех, кто им не пользуются)))

Кто такой Ларго? Запоем прочитал книгу The War of Art про то, как человеку, который создаёт что-то новое — художнику, писателю, предпринимателю — бороться с прокрастинацией, неуверенностью и гордыней. Хочу процитировать сон, который приснился автору в молодости, когда он только начинал свой путь писателя, активно занимался саморазрушением и не знал что делать со своей жизнью. Сон: «Я служил в экипаже авианосца. Только вот корабль стоял на суше. Он по-прежнему запускал свои истребители и делал своё дело, но был выброшен на берег в полумиле от океана. Матросы прекрасно понимали, насколько всё это нелепо; они постоянно чувствовали острую тревогу. Единственным светлым пятном был сержант Корпуса морской пехоты по прозвищу «Ларго». Ларго. Во сне это казалось самым крутым именем из возможных. Ларго был матёрым старшим сержантом — единственным человеком на корабле, кто точно знает, что происходит. Ларго был суровым старым сержантом, который принимает решения и на самом деле всем управляет. Но где же был Ларго? Я мрачно стоял у поручня, когда ко мне подошёл капитан и заговорил. Даже он был потерян. Это был его корабль, но он не знал, как вернуть его в воду. Я нервничал — всё-таки разговор с начальством — и не мог придумать, что сказать. Похоже, капитан этого не заметил; он просто небрежно повернулся ко мне и сказал: «Что, чёрт возьми, мы будем делать, Ларго?» Ларго — это ты

Классный подкаст в Подлодке https://www.youtube.com/watch?v=BOWq8JI-XNg

Некогда объяснять https://us06web.zoom.us/j/81341702631 Стрим для s16 про курсор. Мика Ян (ManyChat) рассказывает про свои личные юзкейсы, а я про командные На английском

Podlodka Techlead Crew про архитектурные антипаттерны (Рубрика #Architecture) Когда рассказывают про архитектуру, то теоретики часто фокусируются на том, а как строить качественную архитектуру. Но на практике инженеры часто сталкиваются с неидеально спроектированными системами, которые доставляют много проблем. Поэтому часто бывает полезно знать симптомы того, что ваша архитектура требует доработок. Ну а вообще лучше изначально разобраться с типовыми ошибками проектирования, которые бывают и у опытных инженеров. Именно этой теме посвящен новый сезон онлайн-конференции Podlodka Techlead Crew. В программе конференции будут следующие выступления - От спагетти кода к доменной модели: критерии выбора между Transaction Script, Active Record, DDD и Clean Architecture, практический взгляд Кирилла Ветчинкина (Авито). - AI для архитектора: валидация требований, поиск зависимостей, возможность ускорения архитектурного ревью с AI в интервью с Тимуром Баюровым (Т-Банк). Кстати, Тимур многое делает для проникновения AI в архитектурные процессы Т-Банка. - Архитектура хранилища данных для вашего проекта: советы от Евгения Ненахова (МТС Web Services). - Еда, EDA и C4 — выбери 3 из 3: практический воркшоп по Event-Driven Architecture и отказоустойчивости с разметкой в C4 проведёт Владимир Невзоров (автор канала System Design World). Конференция пройдет на неделе с 13-17 октября и может принести вам много пользы, если вы связаны с проектированием и разработкой софта. Подробности здесь. P.S. Спасибо ребятам за то, что пошарили информацию о нашем исследовании AI в инженерной культуре России. #Architecture #DistributedSystems #Software #Engineering #Processes #AI

Запись митапа по Claude Code Ура, митап состоялся, и в этот раз у нас есть-таки запись: https://youtu.be/gte_yH6Eue4 Спасибо Максиму @etechlead за шикарное выступление! Затронутые темы: [00:01:08 — Что такое кодовый агент?](https://youtu.be/gte_yH6Eue4?t=68) [00:05:02 — Почему популярны консольные (CLI) агенты?](https://youtu.be/gte_yH6Eue4?t=302) [00:12:01 — Анатомия кодового агента](https://youtu.be/gte_yH6Eue4?t=721) [00:18:46 — Context Engines](https://youtu.be/gte_yH6Eue4?t=1126) [00:20:59 — CodeAlive: context-as-a-service](https://youtu.be/gte_yH6Eue4?t=1259) [00:35:44 — Цикл работы агента (Agent Loop)](https://youtu.be/gte_yH6Eue4?t=2144) [00:38:53 — Погружение в работу контекста](https://youtu.be/gte_yH6Eue4?t=2333) [00:48:16 — Техники управления контекстом](https://youtu.be/gte_yH6Eue4?t=2896) [01:06:54 — Субагенты: ключевая особенность Claude Code](https://youtu.be/gte_yH6Eue4?t=4014) [01:29:17 — Кастомные субагенты](https://youtu.be/gte_yH6Eue4?t=5357) [01:37:45 — Сравнение Claude Code и Codex](https://youtu.be/gte_yH6Eue4?t=5865) [01:56:07 — Codex Cloud и фоновые агенты](https://youtu.be/gte_yH6Eue4?t=6967) [02:01:31 — Будущее AI-разработки и решение проблемы сложности](https://youtu.be/gte_yH6Eue4?t=7291) Ссылки, которые были упомянуты на звонке: ● Канал Максима, Этихлид ● Канал Родиона, AI-Driven Development ● CodeAlive - тот самый context-(engine)-as-a-service, о котором говорили в рамках темы предоставления контекста агентам ● Context Arena - бенчмарки качества удержания контекста моделями, там и OpenAI MRCR с иголками, и ссылка на Fiction.LiveBench Небольшой тизер: предварительно в октябре планируется онлайн-конференция, где я буду читать доклад о проблемах AI-кодинга в Enterprise разработке и их решении. Полезного контента на конфе будет море, так что следите за новостями. Ну и напомню, что 11 октября я выступаю с докладом про Context Engineering в эпоху AI на Kolesa Conf'25. #claudecode #cc #live #stream #meeup #agents #codealive

GLM MAX продает безлимит подписку за 30 долларов в месяц

Кажется у меня появляется новый любимый тул для Deep Research Один и тот же запрос в ChatGPT и Parallel.io https://chatgpt.com/share/68dd6dae-9e38-800e-9859-8cc95ac44768 Подробно и структурно, но вообще ничего нового https://platform.parallel.ai/shared/deep-research/360090e5-379d-4282-acb3-eac5db2a668b Кстати, неплохо. Гораздо лучше чем ChatGPT. Буду ещё его тестить

У меня прямо противоположная позиция относительно AI и массажистов. В том сценарии развития событий, где AI начнет забирать работу людей, одновременно AI настолько сильно бустит производительность труда, что это становится заметно на графике ВВП. А это значит что создаётся очень много ценности во всём стеке применения AI — чипы, дата-центры, базовые модели, software infrastructure, b2b и b2c приложения, интеграция в бизнесы. Где рост продуктивности там очень много денег. И значит, что нужно идти не туда куда ai не дотянется, а туда куда ai дотянется. Ровно по этой логике я интегрирую ai в бизнес, создаю ai продукт, рейзю больше денег и повышаю ставки, чтобы ускоряться с ai, а не тормозить (кстати, скоро будут анонсы).

Лилия, У меня тот же вопрос про мою дочь, поэтому поделюсь мыслями,которые вы возможно найдете полезными. Informational Technologies (IT индустрия) была центральной в информационную эру. Все крутилось вокруг работы по сбору и перетасовке информации (агрегаторы, поисковики, софт для работы с перетасовкой информации в компании). Кажется, что сейчас мы уже в пост-информационной эре. Это подтверждает: - Кратное падение спроса на IT специалистов, от писателей кода до аналитиков. - Появление ИИ ассистентов, которые на ходу пересобирают любую информацию в соответсвии с твоими желаниями - Переход центральной войны гигантов от борьбы за владение информацией к борье за мощности для обучения. В связи с этим, лучше начать с вопроса, что заменит IT в эру AI? Если посмотреть на то, кого начинают искать компании вместо IT специалистов, то увидим паттерн, который можно обобшить как “продюссеров ИИ решений”. Т е прикладной специалист отдает работу ИИ, в то время как важными становятся те, кому можно дать не задачу (уровень специалиста-исполнителя), а проблему (уровень выше) и он уже разобьет на задачи, которые решит выстроенная им ИИ инфраструктура. На все это наклыдвается то, что все будет с дикой скоростью меняться. Поэтому главные качества: - внутренняя мотивация (никто не будет за ручку водить, нужны самостоятельные единицы) - эмоциональная взрослость (брать ответственность и видеть проблемы для решения, но не препятсвия) - структурное мышление (способность проанализировать любую проблему, синтезировать решение и собрать процесс на автомациях) - и учиться с бешенной скоростью, потому что правила игры будут меняться каждые пару лет, а внутри индйстрий каждые 6 мес. Это трек конкуренции с ИИ. Кровавый и беспощадный. Но можно прямо сейчас пойти в массажисты, научиться продавать себя и быть офигенно богатым спецом в мире больных, уставших, стрессованных людей потерявших работу.

Analysis paralysis у нейросетей Экспериментальное открытие, возможно будет вам полезным. Обнаружил интересное поведение у ван-шот кодинга в зависимости от подтаскивания ему тасок различной сложности. Поясню на такой прогрессии. В начале даю некую абстрактную сложность задачи, а затем объем кода, который генерирует агент. 1) Так вот. Если даем таску на 1x, то он делает 1x. 2) Даем среднюю таску (условно 10x) — делает 10x 3) Даем сложную таску (условно 100x) — ожидаем 100x, да? Ну, по крайней мере x10 — если не сможем сделать максимум, то хотя бы выжмем то, что уже достигнуто. А вот и нет! На практике качество ответов в какой-то момент начинает резко деградировать. И получается не просто не 100x, но и даже не 10x и даже не 1x. Я добивался деградации GPT-5 до того, что в ответ он мне предлагал сделать один импорт, и более ничего, из более чем двадцатистраничного ТЗ и суммарного контекста на 100к токенов. То есть формально верный ответ, но катастрофически неполный. При этом интуитивно я ожидал работы на "максимум", пускай и не до конца. В каком-то смысле, модель входит в "аналитический паралич" — входящих условий настолько много, что ее вычислительной способности хватает только на крайне ограниченный результат, который она и выдает. Лечится очень просто — декомпозицией. Причем прокатывает даже простое добавление типа "делаем только задачу номер один" поверх вот этого огромного промпта, ничего из него не выкидывая. Это разблокирует модель, и она начинает выдавать приемлемый результат. Так что когда вы видите декомпозицию на задачи в ваших любимых кодинговых агентах — знайте, это сделано не случайно, и это реально приводит к росту производительности. Ну и учитывайте это сами, не заставляя их пытаться все сделать в один заход. PS Эффект получен на чистых промптах через API, в готовых инструментах вы вряд ли до этого дойдете, т.к. там есть встроенные механизмы для декомпозиции задач.

GDPval - Как AI может помочь с работой на $3T в год Получил удовольствие от чтения новой работы OpenAI, где они наняли людей и AI на выполнение самых популярных "цифровых" задач и показали, что сотрудник на пару с моделькой может работать в полтора раза быстрее и дешевле. Давайте разбираться: 1) Они взяли 1320 задачи, выполняемые 44 профессиями в индустриях, ответственных за наибольший вклад в ВВП США - тут и мои любимые сейлзы (оптовые продажи), и риэлторы, и медики, и даже частные детективы (!). Важно: в основном, выбирались "цифровые" профессии, т.е. такие, где 60%+ задач можно выполнить на компе. 2) Дальше они наняли людей-профессионалов, в среднем, с 14-летним опытом работы в этих ролях в топовых компаниях мира; и те составили 1320 задачек с описанием задачи и приложениями (например, экселька с данными, или картинка) и ожидаемым результатом. Укороченный пример задачки для аккаунт директора в косметическом бренде: "Тебе надо проанализировать продажи за 2023 для makeup категории товаров и представить отчет в эксель виде. В приложении экселька с продажами" 3) Потом эксперты вслепую оценивали результаты работы людей и машин: машины уверенно приближаются к результатам экспертов, особенно отличился Claude Opus 4.1 - см картинку. В основном, машины проигрывали людям из-за плохого следования инструкциям. И еще важно, что люди могли вычислить результаты работы модели по emdash-ам и тп стилистическим аспектам, поэтому тут мог быть bias. Также примечательно и похвально, что в ресерче OpenAI они честно показали про Claude. Но что-то мне подсказывает, что сделали они это уже зная, что побьют на этих эвалах своей следующей моделькой :) Если пойти в дебри "почему" обычно проигрывала openai, то дело было в форматировании/эстетике ответов, нежели в точности. Рекомендую почитать, не просто опираться на среднюю температуру по больнице —> это можеть дать идеи по преимуществам и недостаткам.

"We built a clustering pipeline to analyze why experts preferred or rejected GPT-5 high, Claude Opus 4.1, Gemini 2.5 Pro, and Grok 4 deliverables as shown in fig. 8.5 Claude, Grok, and Gemini most often lost due to instruction-following failures, while GPT-5 high lost mainly from formatting errors and had the fewest instruction-following issues. Gemini and Grok frequently promised but failed to provide deliverables, ignored reference data, or used the wrong format. GPT-5 and Grok showed the fewest accuracy errors, though all models sometimes hallucinated data or miscalculated."

4) Интересно, что промптированием и тейлорингом можно было относительно легко повысить точность, поэтому имеет смысл тюнить агентов и промпты под конкретные доменные области 5) В сценариях, где человеку предлагалась в помощь машина в режиме "попробуй с AI, а если результат не понравится, то сделай сам), они выполняли задачу быстрее и дешевле в 1.5 раза —> де-факто это потенциал оптимизации по состоянию на сегодня. Важно: оценка по деньгам только для openai моделей. 6) и напоследок все это дело они заопенсорсили - я уже запланировал покопаться глубже в тасках, особенно в преддверии AI продактивити курса, потому что будет прикольно поразбирать конкретные таски, кроссчекнуть выводы openai и подобрать промпты, чтобы улучшить бенчмарки :) В общем, рекомендую!

HRV. Главная физическая метрика лидера? У меня сегодня день здоровья. Зеленый WHOOP. Большой дневной сон. Хорошая пробежка. Последнее время все чаще слышу про HRV как ключевую физ метрику для руководителя. В некоторых топ-командах это плотно входит в культурный код. Давайте разбираться вместе. Коротко на умном. HRV - это Heart Rate Variability - вариабельность сердечного ритма. Показатель колебаний интервалов между ударами сердца. HRV связан с балансом симпатической (мобилизация) и парасимпатической (восстановление) нервной системы. Высокий HRV дает способность гибко переключаться. Не залипать в режиме "газ в пол" или в режиме "тормоз - апатия". Фактически он показывает, насколько твой организм адаптивен в реальном времени. Для лидеров это значит: 1 Точные решения в условиях стресса - сохранять ясность, видеть альтернативы, мыслить стратегически. 2 Память и обучение - высокий HRV больше когнитивных ресурсов для анализа и меньше отвлечений - впитываем информацию, интегрируем новые данные, учимся и перестраиваемся на лету. 3 Эмоции и саморегуляция - высокий HRV управляет "системой тормозов" и помогает держать эмоции под контролем. Транслируем команде уверенность и спокойствие даже под давлением. И не натужно. Не вынужденно. Естественно. Нативно. От изобилия. 4 Влияние и доверие - высокий HRV дает ощущение "безопасности рядом с тобой" - очень важное качество для трудных времен. Тот самый вайфай поддержки, который между строк чувствуется. 5 Здоровье и долгосрочная эффективность - HRV сильный предиктор сердечно-сосудистого долголетия. Это про большой запас прочности и способность работать в высоких нагрузках без разрушения организма. Чем хорош HRV как метрика? HRV - это интегральный показатель - в нем отражаются сон, питание, движение, стресс, эмоциональная гигиена, дыхание, отношения. Его можно мерить (часы, кольца, нагрудные датчики), тренировать (дыхание, медитация, спорт, восстановление) и использовать как компас для личной стратегии. Мы в октябре стартуем третий поток нашей программы ГЛУБИНА. В ней будем детально и глубоко разбираться с персональными метриками ресурсного лидерства и способами их прокачки. А если короткой строкой, то вот 7 практик работы с этой темой: 1 Физиологический вздох (15-20 раз в день по Huberman Lab - 1–3 раза для быстрого эффекта. 2 Резонансное дыхание — 5–6 вдохов-выдохов в минуту (10 секунд цикл). 3 Сон — глубокий, регулярный, ключевой фактор роста HRV. 4 Аэробные нагрузки — бег, плавание, велосипед. 5 Холодовая экспозиция (контрастный душ, купания) — тренировка вегетативной гибкости. 6 Социальные связи и доверие — парадоксально, но тёплое общение повышает HRV сильнее, чем медитация. 7 Йога и медитация осознанности — доказано увеличивают HRV. Если хотите - нырнем вместе в практики подробнее. И если есть мысли, данные экспертиза по теме делитесь в комментах. Давайте вместе обсудим.

«Опять власть сменилась»

Claude Code 2.0 Но что ещё интереснее, anthropic опубликовали claude code 2.0! https://www.npmjs.com/package/@anthropic-ai/claude-code Из интересных изменений: • Нативное приложение для VS Code • команда /rewind для отката изменений • команда /usage для просмотра лимитов твоего плана • Ctrl + R для поиска по истории • Tab для включения думающего режима Остальные изменения тут: https://github.com/anthropics/claude-code/blob/main/CHANGELOG.md#200

OpenAI выкатили Prompt Packs — 300+ готовых промптов под конкретные профессии: от программистов и эйчаров до маркетологов и продажников. То что нужно для повседневной работы с ИИ — забираем 😊 @xor_journal

Кодеры, общий сбор: Cursor выпустили курс для разработчиков, использующих нейросети. Вас научат всей базе и углублённым техникам разработки: созданию своих агентов, секретным фишкам и работе с разными моделями. Курс идёт всего час и полностью бесплатен. Качаем опыт — здесь. @exploitex

https://www.youtube.com/watch?v=S0IS5t3E10A отличная лекция для тех кто думает, что он эксперт в ИИ.