Вайб-кодинг

Google Gemini выкатила новый режим Guided Learning. Теперь через него можно учиться чему угодно, по шагам, как с личным тьютором. Как включить Guided Learning: → Открываешь Google Gemini в браузере → Создаёшь новый диалог → В списке режимов выбираешь Guided learning → Спрашиваешь тему или загружаешь документ для изучения Готово. Никакой настройки, никаких плагинов. Чем Guided Learning отличается. Gemini ведёт по теме шаг за шагом и следит, что ты понимаешь материал, а не просто пролистываешь. Что внутри: • Структурированные уроки с нормальными объяснениями • Медиа-контент: картинки, видео, интерактив • Кастомные квизы на проверку понимания • Подстраивается под твой прогресс Это прямой конкурент Study Mode у ChatGPT. Но фишка Gemini скорее в структуре и гайдировании, а не просто в ответах. Эра AI-тьюторов уже началась. 😋

Линус Торвальдс, создатель Linux и Git, использовал Antigravity от Google для создания визуализатора с помощью вайбкодинга 😁😁😁

Воу, вышел Claude Delegator 😳 Плагин для Claude Code, который позволяет использовать подпроцессы на GPT 5.2 прямо внутри Claude Code. Через GPT 5.2 (через codex) можно поручить архитектуру проекта, аудит безопасности или любые другие изменения в кодовой базе. Инструкция по установке: · Добавить маркетплейс

/plugin marketplace add jarrodwatts/claude-delegator

· Установить плагин

/plugin install claude-delegator

· Запустить настройку

/claude-delegator:setup

GitHub: тут

Мини лайфхак по vibecoding с Opus 4.5. Попроси Claude построить state-machine диаграммы для уже существующих компонентов. Так он прогонит все возможные пути (иначе обычно ленится) и заодно поможет проверить, что логика на системном уровне вообще работает как задумано.

Большой момент для тех, кто строит агентные системы. В софте регулярно повторяется один и тот же паттерн. Сначала все фокусируются на проблеме “как построить”. Появляются фреймворки, они созревают и становятся реально хорошими. Потом вдруг бутылочным горлышком становится деплой. Мы уже видели это с нейросетями. PyTorch, TensorFlow и Caffe были отличны для сборки моделей. Но их деплой требовал возни с разными форматами и рантаймами. ONNX позволил разработчикам собирать модель в любом фреймворке, экспортировать в стандартный формат и деплоить куда угодно. Сейчас тот же паттерн разворачивается вокруг агентов. Фреймворки вроде LangGraph, CrewAI, Agno и Strands уже достаточно зрелые, чтобы сборка агента перестала быть самой сложной частью. Теперь самое сложное — то, что идет после: деплой, стриминг, управление памятью, наблюдаемость и авто-скейлинг. Это уже не проблемы агента, а инфраструктуры. И прямо сейчас каждую из них команды решают вручную. xpander берет подход ONNX для этой задачи, и это правильная ментальная модель. Идея простая: привозишь своего агента (собранного на любом фреймворке), деплоишь через xpander и получаешь всю прод-инфраструктуру. Что в комплекте: • serverless деплой за ~2 минуты • SSE стриминг для UX реального времени • память на уровне сессии/пользователя • 2000+ коннекторов (Slack, GitHub и другие) • единый API для вызова любого агента, независимо от фреймворка Unified API, вероятно, самая интересная часть. По сути, любой задеплоенный агент (независимо от фреймворка) получает один и тот же endpoint для вызова, одну и ту же структуру payload, стриминг-формат и схему авторизации. Фронтенду больше не нужно знать, на чем агент собран — на LangGraph, CrewAI или кастоме. Он просто бьет по endpoint и получает ответ. Это важно, потому что во многих организациях разные команды собирают агентов на разных фреймворках — по предпочтениям и под задачи. Без унифицированного слоя командам приходится поддерживать несколько паттернов интеграции и стримингов. xpander же дает один API-контракт поверх каждого агента, так что потребляющее приложение не обязано знать, на чем агент собран. Видео показывает unified API xpander в работе. Можно расширить стандартный формат endpoint на любого агента, независимо от фреймворка, и получить одинаковый стриминг, память, наблюдаемость и скейлинг, не меняя ни строки интеграционного кода. Сборка остается отделена от деплоя - так и должно быть. 100% исходный код 👍

как vibecoding смотрит на тебя в 00:37 ночи, когда ты собираешься ложиться спать

Только что откопал годный инструмент: Gemini Design MCP. Это MCP-модуль,. Можно прикрутить куда угодно, где есть поддержка MCP, например Claude Code, чтобы прокачать дизайн. Сценарий простой: пока Claude Code работает над логикой, он поднимает фоновый агент, который дергает этот MCP и улучшает фронт. Глянуть можно тут ✌️

Claude Code для чисел >>> Claude Code для кода Комьюнити Claude собрало AI-агента, который: * моментально коннектится к данным из HubSpot, Notion и Sheets * строит графики, пишет код и делает анализ данных * построен на Claude Agents SDK и Composio Tool Router Полностью бесплатный и опенсорс Исходный код ❤️

GPT 5.2 Codex Extra High – 2 ч 01 мин 16 с «Убрать все использования any и type casting, затем убедиться, что конфиги lint и type обновлены так, чтобы зафиксировать их в будущем. В конце проверить, что все гейты, то есть lint:fix, typecheck и test, проходят». Важное напоминание о том, насколько эта модель лютая. ⛩

Claude Code работает в песочнице внутри текущей директории. Пилишь веб-приложение, которое импортит код из общего SDK за пределами текущей директории?

/add-dir ../sdk

После этого Claude видит обе директории и может читать и редачить обе. Без символических ссылок и без переключения сессий.

Мастеркласс по Claude Code и Replit 00:00 Вступление 02:22 Разбор dev против prod 05:30 Локальная разработка vs Replit 10:30 Плюсы облака 14:07 Параллельные агенты с мобильного 25:15 Claude Code внутри Replit 44:30 Личные заметки через Obsidian 46:50 Agent SDK 48:30 Советы и фишки YT: смотреть Шаблон: тут

Google сейчас раздает Gemini Enterprise бесплатно Это их корпоративная AI-платформа за 21$ в месяц, и тут даже карту не просят Что входит: - все модели Gemini - Veo 3 для видео - создание кастомных AI-агентов на своих данных - Deep Research и NotebookLM в комплекте Настройка занимает пару минут: 1. открываешь страницу Google Cloud Gemini Enterprise 2. жмешь Start 30-day trial Проверял полчаса назад — всё работает как надо 🎁

Интересная штука: десктопное приложение, которое позволяет гонять AI-модели локально на своей машине. Без API-ключей. Без облака. Ничего никуда не уходит. Всё крутится у тебя на компьютере, так что полный контроль, приватность и возможность экспериментировать с open-source моделями оффлайн 100% исходный код 🐶

Собираем своего AI-агента: держи сборник открытых ресурсов, где собрано больше 70 практических проектов и полноценных туториалов, от уровня входа до продвинутых тем. 👍 Проекты отсортированы по сложности и по сценариям применения: базовые агенты, простые приложения, MCP-интеграции, системы памяти, RAG-приложения и продвинутые мультиагентные системы. Плюс есть полный курс AWS Strands. Каждый проект содержит полный код и детальное описание, с поддержкой популярных фреймворков вроде Agno, LangChain, CrewAI, PydanticAI и так далее

Это шаг вперёд в мультимодальном поиске и кросс-модальном понимании: представили Qwen3-VL-Embedding и Qwen3-VL-Reranker Основные моменты: ✅Построены на базе модели Qwen3-VL ✅Обрабатывают текст, изображения, скриншоты, видео и смешанные входы ✅Поддерживают 30+ языков ✅Показывают SOTA-результаты на мультимодальных retrieval-бенчмарках ✅Open source и доступны на Hugging Face, GitHub и ModelScope ✅API-деплой на Alibaba Cloud скоро появится Двухфазная retrieval-архитектура: » Embedding-модель - генерирует семантически насыщенные векторные представления в едином embedding-пространстве » Reranker-модель - вычисляет более точные релевантностные оценки для повышения качества поиска Ключевые сценарии применения: image-text retrieval, видео-поиск, мультимодальный RAG, visual question answering, мультимодальное кластерирование контента, мультиязычный визуальный поиск и другое Возможности для разработчиков: • Настраиваемая размерность embeddings • Кастомизация инструкций под задачу • Поддержка quantization для embeddings для более эффективного и дешёвого продакшн-деплоя Hugging Face：qwen3-vl-embedding / qwen3-vl-reranker ModelScope：Qwen3-VL-Embedding / Qwen3-VL-Reranker Github: тут Блог: читать Технический отчет: читать

Открыли исходники агента code-simplifier, который используют в команде Claude Code. Попробовать можно так:

claude plugin install code-simplifier

Или прямо из сессии:

/plugin marketplace update claude-plugins-official
/plugin install code-simplifier

Попроси Claude прогнать code-simplifier в конце длинной кодинг-сессии или чтобы привести в порядок сложные PR.

Gemini 3 Flash теперь доступен в дизайнерском агенте Google Stitch в качестве модели по умолчанию. 😋

Годная идея для Claude Code: сделать себе отдельного агента под code review и безопасность, а потом добавить ему запись в память с коротким ником, чтобы дергать его когда надо. например Big Tony. 😎

Проект дня: Weft. Автору хотелось личную доску где агенты могут подхватывать часть повседневных задач. Что-то как Trello, только задачи делают агенты. Агенты могут коннектиться к Gmail, Docs, GitHub или любому MCP серверу. Все задачи имеют доступ к Sandbox с Claude Code. Построено на CloudflareDev Весь воркфлоу гоняют agent loop, Durable Objects держат состояние и пушат обновления по WebSocket, а Sandboxes дают каждой задаче отдельный контейнер с Claude Code, чтобы писать и исполнять код. Проект полностью опенсорс 🎁

Прикольно: теперь можно тратить Hugging Face PRO кредиты в OpenCode на свежие модели - GLM-4.7 - MiniMax-2.1 - MiMo-V2-Flash Можно смотреть свою нагрузку и сортировать любимых провайдеров прямо в настройках inference providers