AI для Разработки — Claude | Cursor | Copilot

Внедрили ИИ — а толк есть? Считаем метрики Знакомая картина: команде раздали Copilot и Cursor, все довольны, а на вопрос «и сколько мы на этом заработали?» — тишина. Продуктовый аналитик Александр Смирнов написал, как закрыть эту дыру метриками. Главная мысль простая: хватит мерить активность. Количество токенов и активных юзеров — это не успех. Успех — это сэкономленные часы, релизы быстрее и затраты ниже. И да, автор отдельно проходится по модной идее, что «нормальный спец обязан сжигать две зарплаты токенами в месяц» — он с ней не согласен 🙂 Его подход — дерево метрик в виде воронки: - Интеграция — кто вообще этим пользуется; - Вовлечённость — а возвращаются ли (иначе лицензии в мусорку); - Эффективность — стали ли делать быстрее и не хуже (делать быстро, но плохо — не цель); - Экономика — а окупается ли всё это вообще. Готовый скелет, на который накидываешь мясо под свой стек. Подробности на Хабре. 🔥 — заберу для отчёта боссу 🤡 — у нас всё на глаз @ai_for_dev

«AI увольняет программистов» — а кто увольняет-то? Классика жанра: везде кричат, что разрабов выкидывают из-за AI. Сели, разобрали — а кто реально увольняет? Пару примеров нашли, но массовостью там и не пахнет. Зато сплошь и рядом другое: «не нанимаем» и «нанимаем меньше». Уволить — редкость. А теперь сюжетный поворот. Повесил вакансию разработчика — и завалило резюме. Причём процентов 70 кандидатов в поиске, потому что их сократили. AI там виноват или нет — никто не уточнял, да и сами они вряд ли в курсе. Но раньше причины были пёстрые: «сам ушёл», «переехал», «контора разорилась». А сейчас — как под копирку. Так что обе статистики на столе. Хочешь — верь, что всё спокойно, хочешь — что начался апокалипсис. Идеальная ситуация, чтобы натянуть любой вывод. 😎 — без паники живём 👀 — а резюме обновлю @ai_for_dev

Обучил русский RAG-сплиттер: режет по индексам, а не по тексту Человек захотел проверить, можно ли нарезать русские документы для RAG умнее готовых чанкеров — и обучил свой сплиттер. Фишка: модель отдаёт не переписанный текст, а индексы границ, а оригинал режет уже хост. Взял идею датского сплиттера и пересобрал под русский на T-lite-it-2.1. Что это даёт на практике: • чанки совпадают с исходником байт-в-байт • на нарезку уходит всего 35–40 токенов JSON, а не пересказ всего документа • таблица не рвётся посередине — идёт целым куском Обучал bf16-LoRA через Unsloth на RTX 5090 — около 3.5 часа и 25.4 ГБ памяти. А деплой вообще на AMD Strix Halo без CUDA (llama.cpp Vulkan), ~1.2 секунды на документ. Разметку задистиллировал от локального DeepSeek-V4-Flash. Честно про метрики: F1 = 0.821 — это согласие с учителем, а не реальное качество RAG, downstream пока не мерил. Весь разбор с кодом и замерами на Хабре. 🔥 — индексы вместо текста, красиво 😎 — на AMD без CUDA живёт @ai_for_dev

Dory: Docker на Mac без прожорливого Desktop Если Docker Desktop сжирает пол-оперативки ещё до первого контейнера — вот вам бесплатная open-source альтернатива. Dory поднимает одну общую ВМ на все контейнеры, и в простое ест примерно в 4.7 раза меньше RAM. Что внутри: - Настоящий docker-сокет — старые команды работают как есть - Kubernetes в один клик - Полноценные Linux-машины под любые эксперименты - Домены *.dory.local по HTTPS из коробки И вишенка: всего ~6 МБ, без Electron, без аккаунтов, GPL-3.0. Забрать тут: augani.github.io/dory 🎉 — бесплатно, беру 👏 — пойду ставить звёзды @ai_for_dev

😎 FastAPI Cloud открыли для всех Ребята, которые сделали FastAPI, теперь дают деплой в одну команду. Берёшь готовое приложение и:

uv run fastapi deploy

Всё, оно в проде. HTTPS, TLS-сертификаты, автоскейлинг — само подтянется. В разработке спит (scale to zero), под нагрузкой растёт. Что ещё бесит в хорошем смысле: — push в main = автодеплой, никаких простыней CI-конфигов — zero-downtime — новая версия катится плавно, сломалось — откат на рабочую — БД в пару кликов: Neon, Redis Cloud, Supabase — логи, метрики, переменные, свои домены, плагин для VS Code Нужны GitHub Actions? fastapi cloud setup-ci сам создаст токены и сгенерит workflow. И вишенка: CLII заточен под AI-агентов — JSON-вывод, явные параметры, так что бот сам деплоит и дебажит из терминала. Вместо стен YAML — одна команда. Ссылка на сайт 🔥 — пойду катить в прод 👀 — сначала пощупаю @ai_for_dev

Доменная экспертиза всё? Или показалось Представьте: десять лет в финтехе, знаете KYC, эквайринг и платёжные системы как свои пять пальцев, ловите неуловимые баги в распределёнке. Не гений, но ценный спец — работу всегда найдёшь. И тут приходят агенты. Автор с 10 годами стажа честно описывает свою тревогу — он медленно превращается в оператора агентов, которым может стать вообще любой программист без знания финтеха: 👉 Сначала просели дизайн-доки — LLM пишет спеки вполне сносно. 👉 Потом дебаг распределёнки — агент разбирает за минуты то, на что уходил день-два. 👉 А за чистую архитектуру уже мало кто готов доплачивать. Good enough is enough, и всё тут. Подробности — в его блоге. Ну что, мы теперь все генералисты-шестерёнки? Или глубина ещё спасёт? 😎 — глубина рулит 🤡 — все мы операторы агентов @ai_for_dev

Верификация ПО в эпоху ИИ: почему «почти корректно» — это недостаточно Бертран Мейер — создатель языка Eiffel и концепции «проектирования по контракту» — выступил с докладом на ACM Technology Talk о том, как генеративный ИИ меняет программную инженерию. Главный тезис: ИИ возродил старое обещание «не писать код, а лишь сформулировать требования». Но кодирование составляет лишь малую долю инженерии. Трудные части — требования, архитектура и прежде всего проверка и верификация (V&V) — остаются трудными. Ключевой довод: определяющий вид отказа ИИ — галлюцинация — делает гарантии корректности *более*, а не менее важными. «Почти корректные» компоненты складываются в ненадёжные системы. Мейер описывает эксперимент: формально верифицированная система управления конференциями, построенная с ИИ-ассистентом в среде AutoProof для Eiffel. Отсюда выводится итеративный процесс: специфицируй понемногу → реализуй понемногу → пытайся верифицировать → исправляй. Вывод осторожно оптимистичен: для повседневной разработки ИИ — нивелирующая технология, для критических систем — усиливающая, и уроки инженерии применимы как никогда. Полный текст: habr.com 🤔 — здравый взгляд 😐 — надо переварить @ai_for_dev

Свой антиспам на BERT: 550 МБ RAM и никаких облаков Спам достал всех, но автор пошёл дальше обычных фильтров. Вся почта с Яндекса, Mail и старых адресов пересылается в один Gmail. Встроенные фильтры и SpamAssassin часть ловят, но всякие приглашения на конференции, партнёрки и кредиты просачиваются — формально не спам, байес их не берёт. Сначала думал взять LLM через API (Llama, GPT текст разбирают отлично), но это внешняя зависимость: условия поменяются, геоблок, отвалится. В наше время такое лучше убирать. Поэтому — локальная ruBert-base-antispam с HuggingFace: 177 млн параметров, ест максимум 512 токенов, в памяти 550 МБ, отвечает за 100–200 мс. На входе текст, на выходе 0 или 1. Никаких промптов, красота. Впихнуть это прямо в Exim через ACL не получилось — панель сервера всё ломала. Поэтому обработка после доставки письма: сначала регулярки на очевидный мусор, потом BERT на остальное. Весь рецепт: habr.com 🔥 — self-hosted gang одобряет 👀 — заберу схему себе @ai_for_dev

Швейцарский нож для работы с открытыми данными Нашёлся жирный Awesome-репозиторий про то, как пристроить нейронки к OSINT. Внутри не один инструмент, а целая навигация по теме — забираешь и пользуешься. Что лежит: • Готовые промпты под Claude, ChatGPT и Grok для исследовательских задач • Статьи и видео про то, как грамотно формулировать запросы • Шпаргалки, гайды и реальные кейсы • Сравнения моделей на задачах анализа инфы Короче, если копаешь открытые источники и хочешь подключить ИИ — тут собрано всё разом. Лежит — на GitHub. 👀 — звёзды поставил 🤷 — нишевая штука @ai_for_dev

Модели почти год, а она всё ещё топ по цене/качеству 🔥 Чел собрал 4 модели в один батч и прогнал честно: одна сессия, один судья, те же 5 тем. Мораль простая — баллы из разных замеров сравнивать нельзя, между сессиями само по себе гуляет ±2-3 балла. Это шум, а не сигнал. Что выяснилось: — Qwen3-235B снова №1 по деньгам (value 91.6). Вышла в июле 2025, рынок с тех пор перетряхнуло раз пять — а она с трона ни ногой. — DeepSeek V4 Flash оказался недооценён на 6 баллов: был 83, в батче выдал 89. Аутсайдер — внезапно лидер. — Сенсация «мелкая Gemma обошла старшую» — пшик, шум кросс-сессий. В одном батче они выровнялись. — Зато новый момент — скорость: Gemma 57 сек, Qwen 170. На десятках тысяч вызовов это уже часы простоя. — MiniMax громко пиарят как ровню Opus, а он то азиатские иероглифы ловит, то выдумывает «венчурного капиталиста Джеффа Безоса». Хайп ≠ результат на твоих задачах. 💯 — китайцы держат марку 🤔 — сам перепроверю Источник: habr.com @ai_for_dev

Как один инженер пережевал 560 докладов с AI-конференции AI Engineer World's Fair 2026 прошла, а у автора осталось ощущение «я что-то важное пропустил». Ещё пару лет назад все спорили, когда модель поумнеет. Теперь модели ок, а ломается не интеллект, а всё вокруг него — трейсы, песочницы, эвалы, границы. Главная мысль: агент — это не LLM с парой функций, а система исполнения. Как чинят агентов после провала, какие паттерны повторяются из доклада в доклад — про это была вся движуха. Смотреть 560 сессий живьём нереально, поэтому автор собрал агентный пайплайн для саммаризации. Забавно: даже чтобы просто изучить конференцию про агентов, ему понадобился свой маленький харнесс с обработкой ошибок — один доклад отдавал HTTP 429 на субтитрах, пришлось качать аудио и гонять через whisper.cpp. Из 560 сессий на YouTube нашлось только 82 видео. Навигатор: Хабр 🔥 — узнал свою боль 🤡 — 429 на субтитрах, классика @ai_for_dev

Рисуем архитектуру словами, а не мышкой Нашёлся отличный скилл для тех, кто устал ковырять схемы вручную, — Archify. Работает как агент для Claude, Codex CLI и opencode. Просто рассказываете, как у вас всё устроено в проекте, а он сам рисует архитектуру, связи между сервисами и потоки данных. Получаете один HTML-файл — открыл в браузере, переключил тёмную/светлую тему и готово. Что порадовало: - Копируешь PNG в буфер и вставляешь прямо в Slack или Notion - Экспорт в PNG/JPEG/WebP/SVG в разрешении до 4× — никакой мыльной картинки - Правишь прямо в чате: «добавь Redis», «сделай API изумрудным» Прощай, вечер с draw.io. Ссылка — на GitHub. 🔥 — рисую свой монолит 😁 — прощай, кривой draw.io @ai_for_dev

Совместный редактор Word прямо в вашем приложении Нужно встроить редактирование .docx с несколькими пользователями и не сойти с ума? Есть SuperDoc — открытый движок документов, который живёт в браузере и работает с форматом Word как родной. Что умеет: ✦ Полная совместимость с Microsoft Word — открывает и сохраняет настоящие .docx. ✦ Совместное редактирование в реальном времени, видно кто где сидит, можно оставлять предложения и принимать/отклонять чужие правки. ✦ React, Vue, ванильный JS — ставится одной строкой npm install superdoc. Multiplayer-слой можно накрутить поверх Yjs (в примере через Liveblocks), не изобретая синхронизацию с нуля. И вишенка для тех, кто дружит с агентами: claude mcp add superdoc — и Claude Code, Cursor или Windsurf сами открывают и правят твои .docx через MCP. Никакого ковыряния в XML руками. Исходники: github.com/superdoc-dev/superdoc 🔥 — прощай, костыли с docx 👀 — сначала пощупаю демо Источник: liveblocks.io @ai_for_dev

Гении придумали, как платить за контекст меньше — и это до абсурда просто pxpipe берёт тяжёлые куски запроса — системный промпт, доки, историю — и превращает их в… картинку. И уже её отправляет модели. Фишка в том, что картинка стоит по размеру в пикселях, а не по количеству текста внутри. Поэтому любое ваше полотно упаковывается сильно дешевле: ≈25k текстовых токенов ужимаются до ≈2.7k токенов-картинки. В демо на Fable 5 обычная сессия обошлась разрабу в $42, а с pxpipe — в $6. Бонусом окно контекста почти не забилось — есть где развернуться. Честный дисклеймер: это работает на плотном контенте (код, JSON, длинные промпты). Мелкие разрежённые запросы pxpipe просто не трогает, так что чуда на пустом месте не ждите. Ставится локальным прокси, всё считается против собственного count_tokens. Забрать на GitHub ☕️ 🔥 — иду прикручивать к своему прокси 🤡 — модели теперь читают мемы @ai_for_dev

Он поселил ИИ-офис прямо на рабочем столе — и это не скринсейвер Представь: за твоими иконками живёт целая контора агентов на Claude Code. CEO раздаёт задачи, дизайнер сидит на GLM, аналитик пыхтит на локалке через Ollama — и все реально пашут: пишут отчёты, разбирают задачи, устраивают летучки. А когда работа параллелится, агент раздваивается на призрачных клонов и они бегут по стеклянной лестнице на Ghost Deck. Такой вот open source движ (MIT, ставится одной строкой). Что внутри: 🟣 Каждому агенту — своя модель, аж 18 провайдеров (Claude, DeepSeek, Qwen, локалка без ключа) 🟣 Плагины и навыки ставятся прямо с GitHub, плюс MCP-серверы 🟣 Хочет агент новый инструмент — топает в Центр безопасности и ждёт твоего «ок» 🟣 Командуешь голосом или из Telegram/Discord/Slack Потыкать: GitHub bagidea/bagidea-office 🔥 — self-hosted gang, го 🤡 — агенты умнее меня @ai_for_dev

integrations.sh: агент больше не гадает, как подключиться Знакомо? Просишь агента поработать с Notion, а он начинает копать: есть ли MCP, какой API, как авторизоваться — и по пути сжигает кучу токенов. integrations.sh собрал всё это в одном месте. Для каждого сервиса — готовые способы подключения: 1. MCP 2. API и спецификации 3. GraphQL-эндпоинты 4. CLI-утилиты 5. Инструкции по авторизации Всего в каталоге около 6000 интеграций. И да, у них есть свой MCP:

mcp add --transport http integrations https://integrations.sh/mcp

Или по-простому через API:

curl https://integrations.sh/api/[ДОМЕН]/detect

В сухом остатке — меньше слитых токенов, и агент сразу знает, куда подцепиться. Красота. 🔥 — беру в свой пет-проект 👀 — надо потыкать @ai_for_dev

Как звонок риэлтора превращают в карточку лида за 15 секунд Классика: риэлтор за рулём, звонит собственник трёшки, 20 минут живого разговора — район, перепланировка, вилка по цене. К вечеру в голове остаётся «был кто-то по трёшке». Лид утёк не потому что плохо отработали, а потому что между звонком и CRM стоит человек с памятью и руками на руле. Ребята из SmartAgent убрали человека из этой цепочки. Пайплайн простой и честный: 🎙️ голос → Deepgram nova-2 (ru) распознаёт → LLM раскладывает по JSON-схеме (имя, телефон, тип объекта, район, бюджет) → собирается карточка + контакт + заметка → падает задача «перезвонить». Отдельный респект за честность про грабли: кнопка «надиктуй голосовую» — это иллюзия решения. Аудио в карточке никто не переслушивает, это та же потеря, просто в .wav. Нужна структура, а не звук. И умная деталь: два режима распознавания — потоковый по WebSocket когда сеть ок, и батч когда связь шалит. Без выдуманных метрик, только то, что работает в проде. 🔥 — заберу паттерн себе 🤷 — у меня и так формочка есть @ai_for_dev

А ускоряет ли нас ИИ на самом деле? METR замерили реальную скорость разработчиков с ИИ и без. И вот сюрприз: программисты уверены, что стали быстрее, а по факту ИИ их замедлял. Время утекает на правку галлюцинаций, нянченье агента и ожидание ответа. Самое смешное — повторить эксперимент не вышло: народ отказался кодить без ИИ даже на часок ради науки. Привыкли. А ещё закончилась эпоха «токенмаксирования» (когда жжёшь токены и думаешь, что ты молодец): • Amazon прикрыла свой лидерборд по токенам — сотрудники начали гонять агентов ради циферок • Uber спалил годовой ИИ-бюджет за 4 месяца, а проектов больше не стало Мораль от Джеймса Шора: пишешь код вдвое быстрее? Надейся, что и саппорт подешевел вдвое. Иначе ты просто обменял разовый буст на вечную зависимость. 😎 — у меня всё под контролем 🤔 — а ведь похоже на правду @ai_for_dev

Vibe coding без иллюзий: ИИ ускоряет разработку и ломает безопасность Признайтесь: вы уже не пишете код, а ведёте диалог с моделью. Кинул ей кусок проекта, конфиги, stack trace, логи из тикета — получил решение, чуть поправил, отправил в pull request. Review прошёл быстро, потому что «тесты зелёные». Это и есть vibe coding. Работают все: Copilot, Claude Code, Cursor, Codeium, Tabnine, локальные LLM. И генерят они уже не только тесты, а бизнес-логику, Terraform-манифесты, миграции БД и API-контракты. Скорость — огонь. Но безопасность проседает в двух местах: какие данные ты сливаешь в модель и откуда вообще взялся этот код. SAST потом что-то находит, задача улетает в бэклог, а уязвимость едет в релиз — потому что сработок много, а рук мало. Главная засада: часть разработки теперь происходит вне зоны видимости AppSec — до репозитория и до CI/CD. Подробный разбор: Habr 😐 — знакомая картина 🤔 — пойду смотреть, что утекает в модель @ai_for_dev

AI обещал 10x, а по факту? Год назад все хором обещали, что с AI разработка полетит в десять раз быстрее. Ну и где? CTO по AI из red_mad_robot честно разбирает, почему ракета не взлетела. Они раздали команде Cursor AI — писать всякие скрипты и утилиты, не трогая боевой продакшен. И тут сюрприз: почти все залипли в режиме «Auto» с дефолтными настройками и вообще не пытались настроить инструмент под свои задачи 🤷 Мораль простая: сам по себе AI-ассистент ничего не ускоряет. Чтобы агент выдавал вменяемый и предсказуемый результат, его надо готовить — разбираться с MCP, контекстными навыками и промптами (Plan-Act, SDD и прочая инженерия). И да, магии не будет: чтобы органично встроить агентов в рабочку без просадки качества кода, инженерам нужно 3-6 месяцев. Не выходные, а полгода. Полный текст: Habr 🤔 — узнал свою команду 😁 — «Auto» это про нас @ai_for_dev