DEKSDEN notes

⚪️ ШОК! Ведущие специалисты Qwen были увеолены после #ddeval ... ведь на последнем #feb2026eval2 агент Qwen показал невпечатляющие результаты (на самом деле - нет). Почему? Просто совпало на самом деле))) У Алибабы внутри какие то перестановки, несколько спецов и квена были уволены/ушли - не до конца ясно. 🔗 https://x.com/kevinsxu/status/2028926776605389165?s=20 🔗 https://x.com/ns123abc/status/2028989964189348326?s=46 @deksden_notes

⚪️ Алибаба Coding Plan Добавили второй месяц на льготных условиях? так понимаю Ну - гуд! @deksden_notes

Друзья, начинаем митап про AI кодинг в больших проектах через 5 минут. Приходите! "Во всех кионтеатрах всех стран", :)) выбирайте что душе угодно. Ссылка на Зум в Luma: https://luma.com/event/manage/evt-AuFhLXtqp1DlqGi/overview Трансляции: https://www.youtube.com/live/F2cpHNF0Jwg https://rutube.ru/video/private/93a8d325a1a8be7dccc785542fe9a1ae/?p=PEbI8DRIhdVL1CAamGDD6w Важно: Смотреть можно откуда угодно, но вопросы читаем только из Зума.

⚪️ Vercel Chat.SDK Теперь он поддерживает тележку, а значит чего то да стоит. Как вариант универсального апи - может быть кому то сгодится. 🔗 https://www.chat-sdk.dev/ (ц) Ну так - чисто к сведению

⚪️ Кризис 2028 Тут подкинули интересный рисёч от инвестиционной конторки. Она расписала сценарий кризиса, связанного с внедрением ИИ на 2026-2028 🔗 Сабж: https://www.citriniresearch.com/p/2028gic TLDR будет в комментах, как обычно 🟢 Кто может покритиковать тейки? В чем инвестиционщики ошибаются? @deksden_notes

#ddeval

⚪️ OAuth баны от Гугла Гугл разродился реакцией на шитсторм от банок антигравити и gemini cli для аккаунтов, использовавших OAuth. Они придумали систему аппеляции и разбана аккаунта, но за второй косяк забанят перманентно. https://github.com/google-gemini/gemini-cli/discussions/20632 👉 TLDR: Oauth с Гуглом нельзя, аккуратнее! @deksden_notes

⚪️ Нет - трубам! (архитектурное) Любопытную статейку прочитал, про архитектуру в эпоху ИИ агентов: 🔗 https://ianbull.com/posts/software-architecture TLDR от ноутбука-ЛМ в комменты зашлю, для нечитавших. ▶️ С мыслью автора сложно спорить - он очень верно подметил сложность для ИИ агентов: они не могут удерживать "в уме" стейт системы на несколько уровней "вглубь". То есть если у функции есть сайд-эффект, то один уровень, максимум два современные модели осознают. А дальше - все, тупик, не одупляют. Поэтому если у вас в коде сложная система взаимодействий и сайд-эффектов, для ИИ агентов это будет крайней сложностью. Они рекурсивно по цепочке кода конечно сходят, но каждое действие продумывать с учетом всей глубины сайд-эффектов не смогут. Пример: у вас обновление в БД запускает нотификацию. Нотификация обновляет метрику где то, вызывая апдейт лимитов. Лимиты обновляются, и могут ставить лок на аккаунт. Идея в том, чтобы уйти от такого кода к более простому: каждое действие самодостаточно и минимиировано по сайд-эффектам. БД обновил, и все. Если нужна нотификация и вся последующая цеопчка логики, то ее следует вынести из "глубокой цепочки" в обычную плоскую функцию - типа сделай всю работу по этапам: обнови бд, лимиты, статус аккаунтов; чтобы это было внутри одной функции. Тогда сложность системы для понимания ИИ станет меньше, ошибок в логике станет меньше. В свое время это называлось низкой связанностью. Короче - каскадные действия, "трубы" мы выкапываем, убираем методом дробления на чистые кусочки. Переходим к оркестрации "стоков" (sinks) —- Ну и агитация за модульность / инкапсуляцию, понятные контракты и четкие уровни. Все зависимости явно добавляем в интерфейсы. Progressive Disclosure работает и здесь - не документацией единой же.. Принцип тот же и он жффективен Реструктурируем проект почти как завещало С4, например, из паутины мелкий модулей структурировать по более крупным подсистемам и компонентам. ▶️ Такая вот идея, с которой сложно спорить. Зачем спорить? Такое применять надо В общем, действительно олд-скулл. Если люди вам не сказали спасибо за такой код, скажут роботы. (ц) занимательное и полезное чтение @deksden_notes

⚪️ Gemini CLI Plan Mode А все смотрели план-мод в свежем Gemini CLI? На удивление, он довольно хорош по задумке. 🔗 Вот дока: https://geminicli.com/docs/cli/plan-mode/ ▶️ Важно! (я вот читал доку долго): он НЕ включится если вы в YOLO. А так - shoft-tab или /plan. Агент исследует кодобазу в планмоде. Поведение зависит от сложности обсуждаемой задачи - для простых он сразу предлагает решение, для сложных будет пытать вас встречными вопросами через ask_user тул. План умеет делать не эфемерным в контексте, а материализовать в файл в настроенную папку, что тоже удобно. То есть можно планы себе в проект класть (я так делаю, в .protocols/ ). Также работает роутинг моделей: планирует CLI через про, а испоняет по готовому плану флешем. Да, можно выключить - но как показывают эвалы, не стоит )) 🟢 В принципе, к план-моду не подкопаешься. Да, не такой кудрявый получается как для оркестратора, но для обычного агента - вполне себе на уровне. ▶️ В общем, там, у Гугла, жизнь тоже есть! Не одни баны. Хотя и разбанили... Всех разбанили? @deksden_notes

⚪️ Codex 0.106 Я не часто анонсирую релизы кодекса, благо они случаются часто. Но тут чего то новых интересных фич прям насыпали за последние резизы. Уже в .105 был войс режим, я даже писало об этом. А в 106 добавили request_user_input в обычный режим, не только в план-моде. Это означает, что и при обычном диалоге с агентом он может задать вам вопрос чере этот удобный инструмент. Попробуйте включить фичафлаг: default_mode_request_user_input = true Можно будет делать кастомный план-мод. Также вроде бы включили память. Посмотрим как будет работать. Довольно интересный релиз! @deksden_notes

⚪️ Антропики поддерживают OpenSource Интересную программу придумали Антропики: дадут на 6 месяцев Макс-200 тариф Клода если вы контрибутор популярного проекта на гитхабе (5000 звездочек+ или 1m+ загрузкок с npm, но можно и для других проектов просить) Антропикам определенно не лишним будет улучшать свою репутацию. Да и обучив модели на коде открытых проектов, дать модели для генерации кода этих проектов кажется неким логичным шагом ))) 🔗 https://claude.com/contact-sales/claude-for-oss Шаг отличный! Но в моих глазах предыдущие решения еще не забыты, Антропик. @deksden_notes

⚪️ Великий разбан на Гугле Многочисленные сообщения об амнистии - Гугл разбанил аккаунты, уличенные в OAuth. Весна даже еще не наступила - а уже оттепель! Antigravity / Gemini CLI снова работают. В очередной эвал квот видимо будет чуток побольше, ок - погоняю 3.1 побольше Ну, осадочек остался ... Посмотрим на сообщения о политике относительно OAuth @deksden_notes

⚪️ OpenSource на нашем канале: #opensource Напоминаю можно получить репост в канал как презентацию проекта: https://t.me/deksden_notes/483 Каталог: https://t.me/deksden_notes/484

AIFace — «эмоции» для LLM-агента (open source) Выложил экспериментальный проект AIFace — способ дать LLM-агенту визуальное, эмоциональное представление в реальном времени. Идея простая: LLM → управляет состоянием → на телефоне отображается «живое лицо» с эмоциями. Как устроено: 📱 Мобильный клиент (Kotlin Multiplatform) Запускается на телефоне, поднимает WebSocket-сервер и рендерит анимированное лицо. 🧠 MCP-сервер (Node.js / TypeScript) Связывает LLM (через MCP), обнаруживает доступные дисплеи по mDNS и отправляет обновления сцены. 🔁 Обмен в реальном времени через WebSocket. LLM не рисует напрямую, а управляет состоянием, эмоциями и намерением, которые визуализируются на отдельном устройстве. Это не продукт и не UI-фреймворк, а инженерный эксперимент: * embodiment для агентов * разделение «мышления» и «визуального присутствия» * исследования interaction-паттернов с агентами Репозиторий: https://github.com/ABIvan-Tech/AIFace Буду рад фидбеку, идеям и вопросам — особенно от тех, кто работает с агентами, MCP или human-AI interaction. Ищу волшебника который сделает PR для ESP32 (пока у меня нет этого железа, поэтому нужна помощь!) #opensource

Agentic-workflow для GitHub Copilot (open source) Выложил экспериментальный репозиторий, где исследую role-based agentic workflows для GitHub Copilot / VS Code Agents. Вместо одного «умного ассистента» используется явное разделение ролей: * Orchestrator — управляет процессом * Planner — уточнение требований и планирование * Coder Jr / Coder Sr — выполнение задач с эскалацией * Reviewer, Debugger, Designer — качество, баги, UX Агенты описаны простыми текстовыми инструкциями (.agent.md), плюс есть skills / чеклисты для доменных правил и контроля качества. Это не фреймворк и не готовый продукт, а конкретная, opinionated схема workflow для реальной инженерной работы и экспериментов. Репозиторий: https://github.com/ABIvan-Tech/copilot-agentic-workflows Буду рад обратной связи, критике и альтернативным подходам. #opensource

⚪️ Смерть SDLC В уютном платном чате у Алмаза 😎 @almazom (ИИ клуб "ИИчница") обнаружилась ссылка на любопытную статейку: 🔗 https://boristane.com/blog/the-software-development-lifecycle-is-dead/ Статья хайповая слегка (нет), и автор декларирует ряд моментов, которые возникла острое желание прокомментировать! Те у кого лапки нет времени - я в коммент выложу краткий пересказ от notebookLM. Вкратце: он говорит - агенты разрушили и сделали пережитком прошлого классический цикл раработки. Нету больше тщательных спецификаций, длинных ревью PR, подготовки релизов, специальных инструментов для каждого этапа. Есть короткие итерационные циклы (петли) с агентом: обсудили, сделали, релизнули, проверил - шипим, проверяем, оставляем/откатываем. Все! "Херак, херак - и в продакшн" как есть. Ну, довольно хайповый и смелый тейк. 🟢 Сначала с чем согласен: * действительно софт можно дорабатывать короткими интерактивными сессиями. * действительно надо делать обратную связь агенту (интеграционный тестик желательно), без этого сложно добиться работоспособности софта * действительно тесты стали частью разработки обязательно; * вычитывать диффы - уже некоторый рудимент, пожалуй; * ревью: ну тут нечего добавить, я вот даже эвалы делаю на агентное ревью - смотрим по тегу #ddeval ; видимо, можно догадаться что я согласен; "ансамбль Песняры" и разных агентов - тоже отличная и рабочая схема; 🛑 С чем НЕ согласен и что спорно на мой взгляд, и скажу свои тейки: * SDLC никуда не делся, но на разных этапах трансформировался новыми инструментами; * шаги всё те же - спецификация никуда не делась, просто ее сейчас можно интерактивно с агентом определить; если недоспецифицировать задачу, рожаем слоп-код; * все артефакты в той или иной степени присутствуют: и сторипоинтами (например) можно/нужно габариты задачи оценивать (для корректного планирвоания), и спринты - это сессия доработок, и ревью PR - это просто этап агентного цикла (можно без PR, это деталь CI/CD пайплайна); * проектирование систем тоже никуда не делось, оно важно чтобы получалось что то более-менее нормально развивающееся; emergent design конечно тут здорово ложится - но именно что им нужно отдельно заниматься; * тестировщики - да, похоже отживают; но требования к тестам только увеличились; агенту нужно обязательно вменяемое тестовое покрытие, которое прежде всего позволяет судить о том, насколько хорошо решили первоначальную задачу, и, вторично, о качестве реализации задачи (код какой вышел); * deployment в агентную эпоху - да, малообсуждаемая, но необходимая тема; ничем она от традиционного цикла толком не отличается, только новыми механимами автоматизации агентами - поэтому я не уловил чего тут схлопывается то, скорее наоборот, Ci/CD отлаживается и начинает применяться в обязательном порядке даже на мелких проектах; (надо прописать в канале про это побольше, наверное - да?); * дашборды - да, требуют замены на cli утилиты (скорее даже дополнения ими); но я тут не улавливаю слом парадигмы - скорее ее развитие и более обязательную адаптацию; мониторинг теперь и для мелких проектов имеет смысл и актуален - чтобы агенту его прикрутить; ☝️ Итого: на мой взгляд, SDLC цикл никуда не делся, а только лишь стабилизировался и даже утвердился. Да, отдельные этапы получили новые инструменты и воможности - но как это меняет их суть?! Жизнь - да, меняется, - но не методом "до основания", а динамичными спиралями развития, где у нас "все то же самое, но на новом уровне". ▶️ А вот про отдельный этап планирования (требования, спеки, архитектура - вот это все) мы в ближайшее время поплотнее поговорим. (ц) как то так! @deksden_notes

⚪️ Кодинговый план алибабы Получил апгрейд Теперь ВСЕ топовые киты доступны в нем! $5 в первый месяц, $10 далее. Доступ ко всем моделям: • Kimi K2.5 • Glm-5 (new!) • Minimax M2.5 • Qwen 3.5 Да, квен не впечатляет - но остальные вполне себе китовый фронтир. И - главный аргумент: $5/10. А за $25/50 - огромные лимиты! по 20 апросов в МИНУТУ. В общем, бюджетный способ получить всех китов в упряжку. Я думаю про кими, но слайды тоже хочется. И сварм попробовать - в общем, надо подумать! Но алибаба интересное предложение делает @deksden_notes

⚪️ Забавное Переведу: https://x.com/fortelabs/status/2026681391384068260?s=20 —— Подождите, значит, основателем Anthropic является "Амодей", то есть "любящий Бога"? И он возглавляет Anthropic, что означает «ориентированный на человека», который используется в военных целях? А создателем ChatGPT является "Altman", то есть "альтернатива людям"? А он возглавляет OpenAI, которая является полностью закрытой организацией? А ещё есть Gemini, что означает "двуликий", от компании, которая обещала не творить зла? И вся эта глобальная гонка вооружений в области ИИ ведется людьми, которые утверждали, что обеспокоены тем, что искусственный общий интеллект захватит мир? Либо Вселенная — автор, пишущий крайне шаблонные тексты, либо обладает блестящим чувством юмора. —— не мое, но забавное! (ц) @deksden_notes

⚪️ Eval-3 (3): итоги #ddeval #feb2026eval3 Самая сложная часть, на самом деле. Мы получили кучу данных, они перед глазами. А вот понять - о чем это, как это понимать, - это самое сложное в такого рода исследованиях. 👉 TLDR: Gpt-5.2 > Flash 3 > Glm-5 + Kimi K2.5 Давайте перечислю свои наблюдения: * gpt-5.2 заметно глубже и внимательнее думает, все таки бейзлайн фронтира как есть! нашел более глубокие проблемы, все верифицированы - отличные рейты. Удвительно, что думал наже немного побыстрее glm-5. * glm-5 нынче довольно долго думала, вышло даже дольше gpt-5.2, что удивительно. Нет, у меня у клозедов не pro тариф с быстрым инференсом, обычный. * модели на фокусах в целом здорово улучшили рейт верификации - почти все находки подтвердились, рост доли верифицированных находок заметный * kimi довольно шустрая, по качеству работы весьма сравнима с glm-5, разброса в качестве между ними не выявлено * flash 3 работает в ревью заметно лучше 3.1 pro * flash-3 немного (не сильно, но заметно) лучше по качеству справился с работой, чем киты - все таки фронтир, видимо; но не уровень gpt-5.2 👉 Главный вывод: фокусная работа дает результаты. За семплы этого эвала было обнаружено в х2 больше issues этих категорий, чем из всех ранее запускавшихся "широких" прогонов. ▶️ Ранее "плотность" обнаружения issues в этих фокусах была 0.9 на сэмпл, а в фокусном эвале - 5+ на семпл. Рост почти х6. ☝️ Итого: в продакшене в оркестраторе - только фокусные эвалы. Фан-аут на каждый фокус и интеграция результатов. Качество растет в разы. Большой плюс от использования разных моделей - очень низкие коэффициенты пересечения находок. 🟢 Такой эвал получился. @deksden_notes

⚪️ Eval-3 (2): а вот и он! #ddeval #feb2026eval3 Итак, приступим, помолясь. Запускаю, конкурентность 2 на каждую модель. 😱 Что можно отметить. Квота гугла на 3.1 в AI Pro подписке нынче довольно смешная, а аккаунт у меня остался один - пару других забанили за "неуставные связи". На 8 запусков ревью суточной квоты одного аккаунта даже не хватает - сделали 4 полных семпла для одного фокуса и 2 семпла для другого, и квота кончилась. Напомню - это все таки платный аккаунт! Я не saas ваншотил, а ревью из двух стадий делал, прайминг и сам ревью, довольно скромно. То есть антропик куснул гугла довольно сильно - не каждому желающему попробовать даже хватит! И квоты тут суточные, не 5 часов которые можно было бы подождать. Конечно, нету недельных лимитов - но все равно, такое ... Работать на такой подписке с одним аккаунтом нереально. Хоть на 8 ранов гемини флеш хватило, только 25% квоты где то потратил. Видимо, если работать надо на флеше - то норм. Но на Про модели работать с такой подпиской никак не выйдет. ▶️ У glm-5 на все эксперименты ушло чуть менее 30% 5-ти часовой квоты, то есть работать на про-подписке можно вполне комфортно. Kimi брал с подписки Droid, там месячная квота - непоказательно, около 2% ушло. 👉 Вся аналитика - в комментах. Потренировался Kimi Slides запрягать и NotebookLM. ❓ Посмотрите - чего вам понравится, пишите впечатления от оформления разными инструментами. Go в комменты! 👇 @deksden_notes