1 326
Subscribers
No data24 hours
+37 days
+1330 days
Data loading in progress...
Similar Channels
Tags Cloud
No data
Any problems? Please refresh the page or contact our support manager.
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+10
in 2 channels
June '26
+22
in 1 channels
Get PRO
May '26
+9
in 0 channels
Get PRO
April '26
+21
in 0 channels
Get PRO
March '26
+13
in 0 channels
Get PRO
February '26
+45
in 0 channels
Get PRO
January '26
+74
in 2 channels
Get PRO
December '25
+66
in 0 channels
Get PRO
November '25
+16
in 0 channels
Get PRO
October '25
+18
in 0 channels
Get PRO
September '25
+14
in 0 channels
Get PRO
August '25
+15
in 1 channels
Get PRO
July '25
+27
in 1 channels
Get PRO
June '25
+29
in 0 channels
Get PRO
May '25
+54
in 1 channels
Get PRO
April '25
+42
in 1 channels
Get PRO
March '25
+48
in 1 channels
Get PRO
February '25
+53
in 0 channels
Get PRO
January '25
+30
in 2 channels
Get PRO
December '24
+44
in 2 channels
Get PRO
November '24
+48
in 1 channels
Get PRO
October '24
+53
in 1 channels
Get PRO
September '24
+55
in 0 channels
Get PRO
August '24
+48
in 2 channels
Get PRO
July '24
+62
in 3 channels
Get PRO
June '24
+56
in 1 channels
Get PRO
May '24
+346
in 4 channels
Get PRO
April '24
+69
in 0 channels
Get PRO
March '24
+409
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 12 July | +3 | |||
| 11 July | 0 | |||
| 10 July | 0 | |||
| 09 July | +1 | |||
| 08 July | 0 | |||
| 07 July | 0 | |||
| 06 July | +2 | |||
| 05 July | +1 | |||
| 04 July | 0 | |||
| 03 July | +1 | |||
| 02 July | +1 | |||
| 01 July | +1 |
Channel Posts
+1Хочу чутка похвастаться/порекламировать сервис, который я сейчас разрабатываю.
Очень кратко тут в тексте, подробно же в прикреплённом видео.
ТЛДР: сервис изучения иностранных языков с помощью нейросетей(надо же инвестиции поднимать(нет))
1. у нас есть ютуб с отличной рекомендательной системой и контентом на любой вкус и возраст
2. нейронки позволили очень быстро размечать текст(субтитры) на якорьки в виде грамматики, переводов и прочей фигни, которая позволяет запоминать языковые конструкции.
Даже если ты не запомнишь сразу, то ты будешь видеть один и тот же якорёк 5, 10, 20 и более раз. И даже если ты такой как Андруша, то ты всё равно запомнишь эту конструкцию и будешь понимать как её применять тупо из своей практики(интересных тебе видосиков с ютуба)
3. Чтобы ты не читерил и не читал сабы 24/7, то мы тебе их показывать не будем. Если ты понимаешь, что не понимаешь что говорится в текущем сегменте видео, то нажимаешь клавишу "a/ф"(пофигу на расскладку) и мы тебе показываем караоке в 5 секундах до(чтобы ты понял контекст) и 2s после(чтобы ты точно расслышал слово), после чего субтитры скрываются
4. Если ты даже с сабами на понимаешь смысл слова, то не беда, кликай на него и увидишь якорёк, который поможет тебе разобраться
И вот таким макаром, аутируя на ютубе 100500 часов, ты +- сможешь подучить язык, потому что твой мозг вынужден работать. А самый простой способ не работать - выучить язык.
За остальным в видео.
=====
Так как ревью в магазинах расширений не мгновенное(а гугл ещё владеет и ютубом и очень не любит, когда ютуб меняют под себя), то пока что у меня на руках есть только сборки плагинов. Ищите их в комментариях
=====
Ну и вступайте в чатег, если интересна эта тема @eyespoken
P.S. сорян за перепост. Поправил звук в видео
| 2 |  +1Хочу чутка похвастаться/порекламировать сервис, который я сейчас разрабатываю.
Очень кратко тут в тексте, подробно же в прикреплённом видео.
ТЛДР: сервис изучения иностранных языков с помощью нейросетей(надо же инвестиции поднимать(нет))
1. у нас есть ютуб с отличной рекомендательной системой и контентом на любой вкус и возраст
2. нейронки позволили очень быстро размечать текст(субтитры) на якорьки в виде грамматики, переводов и прочей фигни, которая позволяет запоминать языковые конструкции.
Даже если ты не запомнишь сразу, то ты будешь видеть один и тот же якорёк 5, 10, 20 и более раз. И даже если ты такой как Андруша, то ты всё равно запомнишь эту конструкцию и будешь понимать как её применять тупо из своей практики(интересных тебе видосиков с ютуба)
3. Чтобы ты не читерил и не читал сабы 24/7, то мы тебе их показывать не будем. Если ты понимаешь, что не понимаешь что говорится в текущем сегменте видео, то нажимаешь клавишу "a/ф"(пофигу на расскладку) и мы тебе показываем караоке в 5 секундах до(чтобы ты понял контекст) и 2s после(чтобы ты точно расслышал слово), после чего субтитры скрываются
4. Если ты даже с сабами на понимаешь смысл слова, то не беда, кликай на него и увидишь якорёк, который поможет тебе разобраться
И вот таким макаром, аутируя на ютубе 100500 часов, ты +- сможешь подучить язык, потому что твой мозг вынужден работать. А самый простой способ не работать - выучить язык.
За остальным в видео.
=====
Так как ревью в магазинах расширений не мгновенное(а гугл ещё владеет и ютубом и очень не любит, когда ютуб меняют под себя), то пока что у меня на руках есть только сборки плагинов.
Ищите их в комментариях
=====
Ну и вступайте в чатег, если интересна эта тема @eyespoken | 378 |
| 3 |  Тут очень громкой новостью за последний месяц было переписывание достаточно крупного проекта с Zig на Rust в 90%-автоматизированном режиме.
https://bun.com/blog/bun-in-rust
ТЛДР: старый код был плохой, Zig не подходил, а вот с переписыванием на раст стало всё лучше, быстрее, бинарь меньше и вообще все красавчики. И ваабще я всё сделал сам, гоняя 64 клод кода параллельно, потратив 200к баксов в токенах
Однако есть нюанс: с момента переписывания до релиза прошёл примерно месяц(релиз на дату опубликования поста всё ещё не произошёл).
Тихой сапой чот кодовую базу лечили руками и ногами
Так же есть ответка как это видят со стороны Zig'а:
https://andrewkelley.me/post/my-thoughts-bun-rust-rewrite.html
ТЛДР: да там вапще говнокодеры, делают фигак-фигак и в продакшен и вообще спасибо что теперь не давите на нас своим авторитетом, скатертью дорога.
Без шуток советую прочитать оба текста. Они весьма полезны, кмк.
Как минимум мы имеем на практике подтверждение, что агенты могут с высокой долей автономности делать критические задачи. Да говнокод, да капец, но работает.
Плюс рекомендую посмотреть в ишаки и пуллики бана: там очень автоматизированно всё делается через бота robobun, который автоматом пытается воспроизвести ишью, и закинуть PR
https://github.com/oven-sh/bun/pulls
Правда с такой степенью автономности в репозитории ровно 0 линтеров на основе агентов. Простой пример того что есть у меня:
- я поверх опенкода и глм5.2 написал простой скрипт: проанализируй кодовую базу. Во всех местах где есть MutationObserver убедись что он нужен. Возможно, его можно заменить с помощью современного css(браузеры такие то в проекте) или же через window.matchMedia.
И гоняю я подобные скрипты внутри PR'ов. И сразу позволяю поправить код внутри них, чтобы в мастер уже попадала красотулька, а не кусок слопа, который у меня вышел по результатам решения задачи.
Так шо мотайте на ус, заменяйте себя там где заменяется, автоматизируйте очевидные рефакторинги и будет вам счастье. Современные дешевые модели уже достаточны для того, чтобы вычищать говнокод тоннами из репозиториев. Осталось только вычищалку написать | 759 |
| 4 |  +1Не задумывались для кого делаются все эти мелкие локальные модели размерами 4b-70b, которые вы типа можете запускать на своих машинках?
Тип, если запустить модельку у себя, подключить в какой-то CLine и попробовать написать код, то получится полная шляпа. А если учесть цену на подписку на решения от openai, антропика или дипсика, то окажется, что локальные решения ещё и экономически неоправданы.
Но всё меняется в тот момент, когда ты делаешь какой-нибудь сервис по обработке текста. К примеру, поисковую систему по решениям судов. Да, можно пользоваться большими моделями, но учитывая их ценник, ты скорее обанкротишься, чем найдёшь людей, которые готовы будут тебе платить.
Если вы глянете в спецификацию openai протокола, то увидите любопытное поле text_format. Или же так называемый structured output. Он сейчас есть буквально у всех провайдеров https://developers.openai.com/api/docs/guides/structured-outputs?lang=python&example=structured-data.
Эта штука позволяет буквально управлять тем что модель генерирует на выход.
Простой пример: вы задаёте что контент должен быть формата
type Output = {
foo: string,
}
И обработчик ответа будет отбрасывать все токены в аутпуте, пока модель не сгенерирует в ответе именно "foo": "<и тут дальше строка>.
И тут уже пригождаются маленькие модели. Потому что они, да, тупые, но мы можем делегировать программисту самую главную задачу: думать.
Мы можем форматом ответа тупо задавать то в какую сторону может думать модель(см. картинки 1 и 2)
К примеру, я сейчас использую gpt oss 20b для своего сервиса переводов для сериалов и ютуба и её вполне достаточно. Надо просто сделать почти всю работу за модель:
- достать из словарей возможные значения слов
- описать контекст сцены
- подсветить всякие нюансы по типу "эти слова в языках слишком похожи(ложные друзья переводчика), поэтому давай переводить по-другому"
- задать пайплайн рассуждений через structured output
И, внезапно, модель, которая на церебрасе стоит $0.4/$0.4 за 1М токенов и скоростью 500 t/s начинает иметь смысл.
А вот для работы с человеком брать что-то меньше чем всякие попусы и гопоты 5.5 смысла нет, это правда. Слабые модели только для всяких узеньких и конкретных задач
Ссылки:
- https://developers.openai.com/api/docs/guides/structured-outputs?lang=python&example=structured-data
- https://abdullin.com/schema-guided-reasoning/ | 1 395 |
| 5 | https://9to5google.com/2026/06/15/google-chromes-next-update-will-mark-the-end-of-popular-ad-blockers/
В следующей версии в хроме отвалятся все норм адблокеры. | 1 296 |
| 6 | Какое-то время назад я решил сделать свого агента по типу codex или opencode. Просто потому что "ну я то умный и могу сделать лучше и всё такое".
Только было желание попробовать делать не просто агент, а провести эксперимент: что если максимально выкинуть все тулы, mcp и минимизировать системный промпт. Оставить только bash и заставить модель взаимодействовать через уже стандартные linux утилиты: sed, grep и прочие.
В итоге оказалось, что модели(gpt 5.3+, glm 5+) вполне неплохо работают на уже имеющихся знаниях о командах линукса. Причём модели openai даже дают приоритет для rg(по сравнению с grep) и добавляют свою псевдо-cli тулу apply-patch для эффективного редактирования, так как у линукса ничего в стоке нет для этого.
И даже более: модели уже знают о наличии gh(github), tea(gitea), playwright-cli(понятно кто). Причём если для gpt 5.3 приходилось иметь довольно развёрнутый skill с описанием того как работает тула, то для 5.5 достаточно просто в начале системного промпта перечислить список нестандартных доступных cli тулов. Модели уже знают как с ними работать.
А если модель пытается, к примеру, получить данные сайта(обычно вызывается curl или wget), то можно просто написать свой курл, который будет отдавать контент в удобном для ЛЛМ формате.
Это происходит всё по простой причине:
- bash - универсальный интерфейс для всех
- cli тулы редко когда меняют свою семантику работы и обычно имеют +- уникальное имя. Другого gh или playwright-cli у вас в 99.999% не будет
- все подписочные планы что у openai, что у антропиков, что у кого угодно(кроме opencode zen. Они это декларируют явно) разрешают обучаться на ваших запросах в будущем. А это значит, что наиболее частые скиллы и cli тулы точно попадут в будущую обучающую выборку
- чем короче контекст запроса к ЛЛМ, тем в среднем она лучше выдаёт ответы и меньше забывает. Даже на современных текущих моделях
Так что не стесняйтесь выкидывать у себя mcp: почти что все сервисы сейчас дают cli интерфейс. Даже гугл к своим сервисам выпустил cli(да, читать почту стало как никогда проще из агента)
Не стесняйтесь пересматривать размеры скиллов: вполне возможно что для кучи уже существующих тулов достаточно просто "для <задача> используй <cli_name>". И качество работы агента особо от этого не снизится. Поиграться с размерами скиллов и их качеством можно через https://docs.tessl.io/improving-your-skills/evaluate-skill-quality-using-scenarios
Возможно ваш агент использует недостаточно cli тулов или же использует весьма неэффективный режим их работы: тут можно глянуть на https://github.com/rtk-ai/rtk | 1 740 |
| 7 |  Я сейчас пилю небольшой проектик по изучению иностранных языков(всё же надо пользоваться хайпом ЛЛМок и всем таким) на основе разных видеоисточников(youtube, netflix, etc). И основная фишка - это показ сабов только тогда, когда пользователю непонятен тот или иной кусок видео(короч, comprehensible input на стероидах). И человек учится просто смотря интересный ему контент.
И если с нетфликсом примерно понятно что делать - там сабы стабильны и количество сериалов не такое большое, то с ютубом начинатся проблемы - ты не можешь прекешировать абсолютно все триллионы видео, которые там есть и загружаются каждый день.
И поэтому было решено: надо дебажить ютуб и вытаскивать существующие сабы из веба.
И тут начинается проблема: инструментов для того, чтобы делать это удобно тупо нет.
Vitest - он имеет browser mode, но он работает исключительно со своим веб интерфейсом и не позволяет его инжектить на сторонние сайты. Не подходит
Playwright - умеет в page.evaluate, имеет playwright-cli, но делает ставку на управление браузером, а не выполнение кода. Поясню: evaluate(() => ...) работает максимально тупо: серилизует колбек в текст и передаёт его в браузер. В итоге ты не можешь использовать в этом колбеке замыкания, импорты и прочую вкусность. А самое главное - LLM вынуждена на каждый чих генерировать весь код на js(даже если он написан на TS), что бьёт по скорости, стоимости и корректности. И даже всякие попусы и гопоты не справляются в корректном копировании кода в девтулы, так как им надо работать тупо сборщиком.
В итоге мне пришлось написать cli тулу inpagerun, которая работает максимально примивно: принимает через --code код, который надо запустить в девтулах браузера, собирает его через vite и запускает. В итоге есть поддержка async/await, импортов файлов и тайпскрипта. На данный момент вроде как самое удобное решение для того, чтобы на рандомном сайте потестить свой код. Просто выполняешь inpagerun -u <url> -c "const data = await import('./logic.ts'); console.log(data.foo())" и всё работает.
https://github.com/xavescor/inpagerun
P.S. если вам интересно в ближайшее время потестить изучалку языков(на старте будет поддержка английского, испанского и португальского), то велком в комменты. С меня бесплатный сервис - с вас будущая обратная связь | 1 402 |
