Вайб-кодинг
Авторский канал по ВАЙБ КОДИНГУ Ссылка для друзей: https://t.me/+ll3pbl442dNkZmYy Cотрудничество: @devmangx РКН: https://clck.ru/3RRVfk
Show more📈 Analytical overview of Telegram channel Вайб-кодинг
Channel Вайб-кодинг (@vibecoding_tg) in the Russian language segment is an active participant. Currently, the community unites 49 518 subscribers, ranking 2 711 in the Technologies & Applications category and 12 764 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 49 518 subscribers.
According to the latest data from 18 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 3 037 over the last 30 days and by 53 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 36.46%. Within the first 24 hours after publication, content typically collects 26.26% reactions from the total number of subscribers.
- Post reach: On average, each post receives 18 038 views. Within the first day, a publication typically gains 12 993 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 3.
- Thematic interests: Content is focused on key topics such as claude, codex, llm, api, github.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Авторский канал по ВАЙБ КОДИНГУ
Ссылка для друзей: https://t.me/+ll3pbl442dNkZmYy
Cотрудничество: @devmangx
РКН: https://clck.ru/3RRVfk”
Thanks to the high frequency of updates (latest data received on 19 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
/dream сохраняет полезные знания из сессии в память проекта
→ /distill превращает повторяющиеся действия в переиспользуемые скиллс
→ /goal использует отдельную модель-проверяющего, которая решает, действительно ли задача выполнена
Установка:
Mac / Linux:
curl -fsSL https://mimo.xiaomi.com/install | bash
Windows:
npm install -g @mimo-ai/cli
Запуск:
mimo100% опенсорс 😳
Лучший код — это код, который ты так и не написал. 😆Сначала он проверяет: 1. А это вообще нужно? 2. Уже есть в стандартной библиотеке? 3. Есть нативная возможность в платформе? 4. Это уже реализовано в одной из зависимостей? 5. Можно сделать одной строкой? 6. Только после этого пишет минимально необходимый код. Бенчмарки: 80–94% меньше кода 47–77% дешевле 3–6× быстрее Пример: ❌агент пишет date picker, тащит либу, делает wrapper и кучу логики ✅Ponytail:
<input type="date"> <!-- ponytail: browser has one -->
Работает с Hermes, Claude Code, Codex, Cursor, Antigravity, Pi Agent, OpenCode и другими.
исходникиОфициальный блог: читать Понятнее всего формат описан в SPEC.md: https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.mdОдин чувак дал эти ссылки Antigravity и спросил, что можно собрать на их основе в текущих проектах. Идей получилось много. Сейчас он собирает библиотеку OKF для своего перца в саду. Похоже, выходные будут занятными. 😆
/claude-api знает API, а ant CLI даёт интерфейс для работы с ним.
Подробнее: https://claude.com/blog/whats-new-in-claude-managed-agents 🎉/improve. Она использует самую мощную модель для аудита вашего проекта, а затем готовит план работ для более дешёвых моделей. /improve анализирует кодовую базу, находит баги, проблемы с производительностью, технический долг, отсутствующие тесты и потенциальные точки роста. После этого создаёт подробный план, который сможет выполнить любой агент на более дешёвой модели.
То есть дорогую модель вы тратите на интеллект, а дешёвую — на исполнение. Команду можно запускать по всей кодовой базе или только на текущей рабочей ветке.
Каждый план включает:
• аудит проекта
• исследование и сбор контекста
• определение объёма работ
• пошаговый план выполнения
• стратегию тестирования
• условия завершения задачи
https://github.com/shadcn/improve/harness
Штука запускает агента на вашем проекте, отслеживает все ошибки и автоматически собирает CLAUDE.md на основе реальных фейлов. Если агент ошибся с путями, не нашёл нужный скрипт или сделал неверное предположение о структуре проекта — /harness это зафиксирует. В следующий раз агент уже знает об этих проблемах и не наступает на те же грабли.
Настройка занимает пару минут:
Установите Hyperbrowser CLI: тут
Добавьте команду /harness:
mkdir .claude/skills/harness
Дальше закидываете SKILL.md в папку, перезапускаете Claude Code и команда готова к работе.
Получить SKILL.md можно здесь: https://github.com/hyperbrowserai/examples/tree/main/skills
🎉🎉🎉
Available now! Telegram Research 2025 — the year's key insights 
