DEKSDEN notes

Codex Camp :: пятница, 12.12 Сабж тут: расскажут про кодекс, покажут мастеркласс, будет PM. Может будут новости про грядущие фичи! 🔗 https://every.to/courses/codex-camp/purchase Бесплатно, к слову!

Google Jules :: Scheduled Tasks Выкатили новую фичу - задачи с запуском по расписанию! Довольно очевидная фича для фонового агента, нужная и удобная. Теперь можно делать что то по расписанию. Например, обслуживать меморибанк, или проводить ревью. 👌 Возможно, у меня появился вариант наконец припахать Жульеса! 🔗 https://jules.google/docs/changelog/#put-routine-maintenance-on-autopilot-with-scheduled-tasks #post @deksden_notes

Google Stitch + Gemini 3 pro В ститче включили g3mini https://x.com/stitchbygoogle/status/1998837129905058198?s=46 Уже можно тестить!

Преждевременный Jules Когда на рынок высыпала такая толпа CLI агентов, работу лучше перехватывать чем раньше, тем больше достанется! Поэтому Жульес нынче может сканировать до 5 репозиториев и находить там тэги и предлагать их поправить. То есть теперь даже issue на гитхабе не делаем - ставим теги #todo и он сам создаст задачи В общем, чем дальше, тем интереснее Читаем тут: 🔗 https://jules.google/docs/changelog/#enable-suggested-tasks-to-let-jules-find-issues-proactively (ц) На ходу подметки рвут! #post @deksden_notes

DeepAgents CLI Ну - давайте еще одного CLI агента! Давно их что то не было, уже 2 часа прошло Очередной тут, от ЛэнгЧейна: https://github.com/langchain-ai/deepagents/tree/master/libs/deepagents-cli https://blog.langchain.com/evaluating-deepagents-cli-on-terminal-bench-2-0/ ▶️ Этот напитоненый, с memory, с агентами, и, из свежих особенностей - поддерживает скиллы! Подписок нет. примерно так. #post @deksden_notes

Статистика СС В свежем релизе .64 в СС добавили слеш команду /stats Можно играцца

Откуда они все ползут?! Codebuff Вы удивитесь, но я набрел на еще один CLI агент 🔗 https://www.codebuff.com/ Есть небольшой Free tier - 500 кредитов TypeScript, вроде шустрее СС. Фичи слегка нестандартные, надо будет посмотреть внимательнее. Knowledge files, Agents Store... #post @deksden_notes

И еще один: goose (by block) Еще одного консольного агента увидел: 🔗 https://block.github.io/goose/ Его отселили в новый Foundation под эгидой Linux Foundation, вместе с протоколом MCP и AGENTS md стандартом. Причем, сам агент вроде бы неплохой, на расте, с субагентами, расширениями, mcp, планмодом и так далее! Жаль смотреть я его видимо не буду - он по токенам работает. Ну, будем иметь ввиду, что есть и такое #post @deksden_notes

Еще один: Mistral Vibe CLI Давайте уже CLI от каждого вендора, раз пошла такая ... мода! 🔗 https://mistral.ai/news/devstral-2-vibe-cli Ничего не могу сказать про сабж кроме того, что он есть. Не уверен что в ближайшее сам буду тестировать. Но для "попробовать" - самое время, пока Devstral 2 модель мистраль дает пробовать бесплатно. Потом - оплачиваем токены. Хаб агента тут: https://github.com/mistralai/mistral-vibe Питон, как ни странно. Не ts, не rust. Это они с кими теперь в одном лагере питонистов. вебпоиска в тулах нету. кастомные слеш команды есть, без параметров агенты есть, с настройкой модели, но в toml файлах ("нестандартный", не md как у CC). Если пускается в ZED, видимо поддерживает ACP. #post @deksden_notes

А вы гоняете тесты под агентами?

Тестирование, бизнес-процессы Я уже затрагивал эту тему ранее, в канале, в лонгриде про тестирование : https://t.me/deksden_notes/249 ▶️ Сейчас хотел сказать про немного другой аспект той же проблемы. Когда я делаю какие то системы, я прежде всего на любую фичу планирую какой то интеграционный тест. По мне елать агентами какую то фичу без такого теста - штука бесмысленная! Даже если сделать все юнит тесты, проработать их стратегию тестирования отдельно, даже если сделать полуинтеграционные тесты, и интеграционыне, все равно могут получаться неработающие системы ℹ️ Напомню применяемую мною иерархию тестирования: - юнит тесты: тестируют базовую логику модулей в изоляции; все зависимости обязательно мокнуты, то есть демонстрируют строго детерминированное поведение; - полу-интеграционные тесты: когда части системы тестируются во взаимодействии с другими, но другие части могут быть частично моками или стабами; - компонентные тесты: когда в UI есть что то сложное, и его надо отдельно протестировать на правильность поведения; - тесты - сценарии: по сути большие интеграционные тесты, бизнес-процессы; когда система работает в приближенном к боевому состоянию и тестируется именно полнофункциональная работа по какому то пользовательскому сценарию с реальными компонентами. 👉 Основной поинт этого поста: главным для меня является интеграционный тест / бизнес-процесс. Без него совсем нельзя в AI SWE. Можно без юнит тестов, без компонентных и полу-интеграционных. Они просто подтягивают качество элементов системы. Но основным способом проверять функционирование системы я вижу только бизнес-процесс, без него из элементов может система то и не сложится. "Угадал все буквы но не смог назвать слово!" ❓ Зачем тогда другие тесты? Потому что без них бывает довести интеграционный тест до зеленого состояния совсем затруднительно - слишком много проблем в элементах, из которых состоит система. Если в каждом из них есть "люфт", то система может стать практически неработоспособной - будет все время "виляться" во многих местах, и стабилизировать будет сложно. Поэтому качество системы подтягиваем на всех возможных уровнях: начиная с lint, продолжаем юнит тестами и полу-интеграционными/компонентными. ❓Что за сценарии? Это практически те же юзкейсы из фич/эпиков аджайла. То есть "хотелка" про то, как пользователь работает в системе, только переведенная в "автоматический" режим. 👉 А вот второй поинт поста: для запуска таких тяжелых сценариев я всегда делаю агентное воркфлоу. Подход такой: я делаю некую инструкцию для ИИ агента: - как пересобрать систему (потому что часто тест гоняется после проведенной доработки, и нужно собрать систему чтобы подтянуть изменения), - как поднимать систему в тестовом состоянии (если у вас 3-5 компонентов, то это тоже уже процесс), - как запустить тестовый сценарий (каким раннером) - какие ключевые метрики мы ожидаем (если сценарий оформлен как тест в некоем раннере, то тут просто - тест зеленый); - иногда бывает что этот сценарий - это не тест, а полностью агентный воркфлоу, когда агент чего то запускает, чего то делает, и контролирует результат; по сути - тот же тест, но в виде агентного воркфлоу; - как интерпретирвоать результаты - чтобы агент понимал критерии успеха и неуспеха, - как фиксировать отклонения: какую информацию и где собирать если есть отклонение (в каких логах покопаться, откуда их вытаскивать, может быть в БД сходить или в хранилище и исследовать артефакты); - где лежат фикстуры процесса: тестовые наборы данных (файлы примеров, сиды БД, ...). Идеальный вариант - это с агентом вместе написать интегарционный тест. чтобы он сам прокликал ui и сделал playwright тест на эту тему. Надеюсь инструменты типа антигравити с браузером как раз для таких штук и будут оптимальны! ▶️ Вы верно увидели сходство: по сути дела, я оформляю СКИЛЛ для запуска этого бизнес-процесса. 👉 Когда кодекс запустит скиллы, придет пора оформить это в виде реального скилла, раз этот формат прижился! 👌 И - да, тесты вполне может гонять зайка, что дешево, шустро и в качественной упряжке.

Google Stitch 🎁 Shipmas У гугловского Стича неделя релизов! Первый - теперь оно генеририт код и экспортирует его! Можно получить работающий прототип. Внутри - нанобанана про. https://x.com/stitchbygoogle/status/1998151360446181626?s=46 Такими темпами и попробовать его руки дойдут!)) (Ц) за таким мы посматриваем!

Claude code :: background agents (2.0.60+) Теперь можно запустить агента в фоне, и продолжать чатится, пока он будет работать - почти как bash команды отправляются в фон, и управляются через менеджер фоновых заданий. Агента можно опрашивать - чего там у него делается. на скрине - пример (взят с реддита) Выглядит удобным. Как применять для работы - надо придумать. #post @deksden_notes

Codex : todo список задач ... у меня пропал совсем. Модель туда не пишет, и я его уже порядком времени не видел! У всех так? Если да - что бы это значило? Ждем нормлаьный spec / plan mode? с проработкой плана и потом подруливанием модели чтобы она его откатала по полной? Было б прикольно #post @deksden_notes

Сделал менеджера Саб Агентов для Антигравити - можно использовать в качестве саб агентов и Codex и Claude Code - https://github.com/OleynikAleksandr/antigravity-subagents

Codex 5.2 WEN? (следующий вторник?) "Утечки" бенчмарков довольно впечатляющие. Публику прогревают капитально - клиенты должны знать что у клозедов еще есть тузы в рукавах и не стоит отменять подписки в пользу гемини 3! Обратите внимание с кем сравниваем)) Кстати, с опусом не сравнили! посмотрим на цифры как выйдет. В любом случае - круто как работает конкуренция! Как пользователь я рад (ц) "Такое мы ждем" #post @deksden_notes

Оправа / Упряжка Словарик тут: https://t.me/deksden_notes/174 Вот авторы бенча решили прогнать его в родной оправе моделей и зарядили клода внутри СС. Результат на графике - цифры показательные. почему то опус 4.1 только припал, во всех других случаях рост, почти до исчарпания бенчмарка. 👉 Резюме: оправа капец как важна и дает эффект. Поэтому тестировать модели надо не в курсоре, а в родных упряжках (kimi cli, например). Ну или не делать вывода о модели в чужой упряже. #post @deksden_notes

▶️ Агенты как раннеры Пришла в голову идея затестить как работают агенты как раннеры. Запускал идентичные тесты (набор юнит-тестов одного из проектов) в разных средах Сравнивал: - jetbrains тестовый раннер из их ИДЕ - запуск в jetbrains команды pnpm test:unit (terminal) - запуск этой же команды в codex 0.65 из под агента - запуск этой же команды в СС 2.0.59 из под агента (glm) Итоги: - jb: 41s - jb terminal: 39s - codex: 109s - cc: 43s 🤷‍♂️ скрины в комментах

⚪️ TUI ренессанс - discordo В последнее время cli инструменты переживают прям ренессанс. Но, мне кажется - с перегибами. вот такое, оказывается, бывает: 🔗 https://github.com/ayn2op/discordo это TUI клиент для дискорда Мне одному кажется что это - перебор? #post @deksden_notes

ReactGrab Оказывается, не все слышали про такой довольно удобный фронтэнерский агентный инстурмент: штука, облегчающая указание нудных элементов для агентов. Такой data-testid на максималках)) Почитать тут: 🔗 https://www.react-grab.com/blog/intro ну и сам сайт тоже Репо: https://github.com/aidenybai/react-grab Видос в ридми посмотприте для понмиания. Мне показалось полезной! Думаю при случае вместе с Playwriter (чуть выше про него заметка) юзать, чтобы агентный сетап был полноценный. #post @deksden_notes