Agents Lab

Собрал две статьи про harness для AI-агентов - слой, который превращает модель в рабочий процесс: контекст, loop, инструменты, проверки, права, память и подагенты. 📎 Как получать сильный результат от любой модели Практический каркас: когда хватит одного промпта, а когда пора собирать систему вокруг агента. Там про CLAUDE.md, объективные проверки, независимого verifier, hooks, permissions, skills, memory и MCP. 📎 Harness engineering для самоулучшающихся AI-систем Более глубокий слой: как сама обвязка становится объектом оптимизации. Агентные системы начинают улучшать контекст, процесс, код harness, evals и механизмы поиска. Главная мысль для практики: зеленая галочка done имеет смысл только тогда, когда есть внешний gate, логи, состояние, лимиты и артефакты, которые можно проверить через неделю. Чат | CloseRouter

Свежая статья от Anthropic 📎 С чего начать loops в Claude Code Раз уж мы говорим о Claude Code, есть полезный репозиторий, который позволяет клоду общаться с Codex. Codex MCP Server 540⭐ - Используйте GPT в клоде как советника или оставьте на Claude только планирование, а всю реализацию отдавайте в Codex. Чат | CloseRouter

Если модель вроде Fable 5 уходит из подписки, последние часы стоит тратить на извлечение ее экспертизы в артефакты: CLAUDE.md, skills, критерии качества, дорожные карты, заметки и проверяемые цели. Короткий плейбук из 5 сценариев с готовыми промтами: 📎 Сделайте это в свой последний день работы с Fable Чат | CloseRouter

4X DGX Spark для локальной MoA-сетки агентов Парень из X собрал стек на Hermes: Qwen закрывает легкие задачи, Nemotron берет мультимодальный ввод, Two-Tower работает с длинными повторяемыми генерациями, DeepSeek-V4-Flash маршрутизирует, а Claude/Codex/Grok остаются редким облачным учителями. Автор целится в около 90% AI-работы локально. Каждый сложный запрос, который ушел в облако, сохраняется в лог: задача, выбранный агент, ответ и исправление. Потом эти пары идут в LoRA-тренировку Gemma-4-12B, чтобы похожие задачи дальше закрывались на локальном стеке. Главная ценность здесь - loop обучения из собственных логов: Репозиторий пока выглядит как журнал сборки и каркас. Routing hooks, miner, LoRA harness и бенчи есть, но eval-gate и hot-swap еще описаны как ручной шаг. Чат | CloseRouter

David Ondrej выложил свои Agent Skills в open source David Ondrej - основатель DeepAPI, OpenDataset и Vectal. Вчера он открыл репозиторий davidondrej/skills 450⭐ - личный набор скиллов, который, по его словам, собран из сотен часов проб и ошибок. Внутри 30 скиллов по 5 категориям: 🔵 agent-orchestration - запуск loops, Codex /goal, delegation, handoff, cmux, DeepSWE 🔵 skill-authoring - как писать, улучшать, публиковать и раскатывать skills между агентами 🔵 research-and-web - browser harness, deep research, YouTube transcripts, web-поиск для Pi 🔵 thinking-and-docs - превращение идей в docs, ADRs, interview-style planning, “прожарь меня” 🔵 ops-and-setup - VPS, setup, cyber audit, anti-sleep для macOS, кастомные модели в Pi Самое полезное здесь - структура: каждый SKILL.md превращает повторяемый агентный сценарий в маленькую инструкцию, которую можно подключать к Claude Code, Codex, Hermes или своим агентам. Часть skills завязана на стеке David, но как библиотека паттернов для своих скиллов - очень годно. Чат | CloseRouter

Loop engineering для solo-разработчика начинается с вопроса: откуда агенту брать задачи? Если проект делает один человек, backlog часто живет в голове. Поэтому первый loop должен не писать код, а превращать цель проекта в маленькие проверяемые задачи. цель → метрика → воронка → провал → маленький PR А потом только идем к реализации: диагностика → узкое место → план → diff от Codex → тесты → деплой → отчет Hermes в такой схеме может работать как оркестратор: читает цель, метрики и диагностику, выбирает один узкий участок, пишет план и проверяет результат. Codex CLI работает как исполнитель: берет одну задачу, делает diff, запускает проверки и останавливается, если нужен продуктовый выбор. Начинать стоит с файла вроде docs/product-loop.md: цель, метрика, границы поведения агента, воронка и правила выбора следующей задачи. 📎 Как собрать автономный loop Чат | CloseRouter

Eсть способ снизить затраты в Fable 5 примерно на 70% - pxpipe 800⭐ Просто преобразуйте контекст Claude Code в изображение и настройте Fable (и не только) на распознавание текста 😂 Чат | CloseRouter

Разобрал около 100 ответов под опросом про Hermes. Получился хороший снимок того, как люди реально живут с агентами каждый день. Главный паттерн - Hermes почти у всех уходит из терминала в рабочую среду: - 55% используют Telegram, Discord, iMessage или другие мессенджеры - 30% сидят в Desktop/браузере - 30% все еще активно используют TUI/CLI По моделям лидируют GPT/Codex - 35%. Дальше DeepSeek и локальные модели - по 25%, MoA/роутеры - около 20%. То есть схема уже не “одна лучшая модель”, а набор: сильная модель для сложных задач, дешевые или локальные воркеры для рутины. Самое интересное - память. Obsidian, vault и markdown всплывают у 35%, встроенная память Hermes - у 20%, Honcho - у 10%. Люди явно хотят память, которую можно читать, синкать, коммитить и чинить руками. По оркестрации: delegate_task и subagents - 25%, kanban и cron - примерно по 20%. А кто то всегда ведет разработку, отдавая кодинг задачи Claude/Codex CLI в отдельный tmux. Skills упоминают чаще, чем MCP: 35% против 10%. Хороший практический пример - статья Matthew Gunnin про память для двух агентов: OpenClaw и Hermes. У него память разделена на 4 слоя: markdown-файлы с identity и memory index, локальное сохранение фактов через Hindsight 17.9к⭐, общий Obsidian/Nexus-лог для синхронизации агентов и gbrain 24.9к⭐ как поисковый слой поверх всего vault. Самая полезная мысль оттуда: память агента - это не просто засунуть больше в контекст. Рабочая схема больше похожа на инфраструктуру: факты проходят от сессии к сессии, решения пишутся в проверяемые файлы, несколько агентов читают один общий state, а старые знания можно найти без загрузки всего архива в контекст. Чат | CloseRouter

📎 Как ускорить Hermes Agent без смены модели Про простую вещь, которая часто дает больше скорости, чем апгрейд модели: нормальная карта рабочей области. INDEX.md, канонические файлы, отдельный архив и понятные точки входа помогают агенту меньше искать и быстрее начинать работу. 📎Как создать Frontier Agent OS Идея Agent OS - вынести координацию в отдельный слой. Одна модель планирует, другая делает, третья проверяет. Самое важное здесь - роли, критерии готовности, логи маршрутизации и доказательства результата. 📎 Loop engineering: метод Karpathy и следующий слой Loop engineering превращает агентную работу в повторяемый цикл: цель, состояние, проверка, стоп-условие. В статье разобран Karpathy Loop и следующий слой - loop, который улучшает саму стратегию поиска. 📎 Уровни автономности AI-агентов Полезная шкала для тех, кто запускает подагентов, worktrees, фоновые сессии и manager-agents. Автономность стоит повышать там, где есть sandbox, откат, проверки и evidence trail. Чат | CloseRouter

OpenWiki 945 ⭐ - CLI от LangChain, который пишет wiki для репозитория под кодовых агентов. AGENTS.md и CLAUDE.md быстро раздуваются, если складывать туда весь контекст проекта. OpenWiki выносит подробности в папку openwiki/, а в агентные инструкции добавляет короткую ссылку. Запуск: npm install -g openwiki openwiki --init 🔵 генерирует страницы про архитектуру, CLI, операции, source map и правила работы с кодом 🔵 обновляет wiki через openwiki --update, читая git status, git log и git diff 🔵 хранит метаданные последнего запуска в openwiki/.last-update.json 🔵 умеет ежедневный GitHub Action, который открывает PR с обновлением документации 🔵 работает через OpenRouter, Fireworks, Baseten, OpenAI и Anthropic, плюс опционально трассирует запуск в LangSmith Авто-wiki может закрепить ошибку агента. Поэтому безопасный режим - обновлять документацию через PR и ревьюить ее как код. Чат | CloseRouter

Hermes Agent v0.18.0 - Judgment Release 🔱 Большой релиз про надежность длинных агентных задач. За окно закрыли около 1 950 issues/PR, полностью зачистили P0/P1 и зафиксировали ноль открытых критичных задач. Что самое интересное, помимо MoA, /learn и /usage: 🔵 /goal получил контракты готовности. Теперь можно заранее описать, какой результат считается готовым, а Hermes сверяет работу с проверками, логами и данными. 🔵 Появился журнал проверок для coding-задач: агент запоминает каноничные проверки проекта, запускает их и показывает статус через gateway. 🔵 delegate_task теперь умеет запускать несколько субагентов в фоне. Отправили параллельно исследовать конкурентов, проверить модули или собрать данные - и продолжили чат. В конце приходит одна сводка. 🔵 /journey показывает, чему Hermes научился: memories и skills в виде таймлайна, с возможностью править и удалять. В desktop добавили memory graph. 🔵 Desktop стал ближе к coding cockpit: Projects, worktrees, review pane, multi-terminal и инструменты проекта для агента. Hermes двигают к агенту, которому можно доверить длинную работу с понятным контрактом готовности и проверяемым результатом. Чат | CloseRouter

supermemory 28к ⭐ - память и контекст для AI-агентов, теперь полностью локально Запуск: npx supermemory local supermemory-server На машине поднимается весь стек: graph engine, локальные embeddings, извлечение фактов, user profiles и Memory API. Модель выбираете сами: OpenAI, Anthropic, Gemini, Groq или офлайн через Ollama. Хорошо ложится с Claude Code, Cursor, Codex, Hermes, LangChain, Vercel AI SDK. Агент может помнить проект, предпочтения, прошлые решения и доставать нужный контекст между сессиями. Чат | CloseRouter

Claude Fable 5 вернут в течении суток 🎉 Ужесточили гарды, классификатор для модели. Еще чаще будет фолбекать на Opus 4.8 на запрещенных темах. Доступна по подписке до 7 июля и только до 50% лимитов можно потратить. Hermes Agent работает с web до 60 раз быстрее и в 49 раз дешевле 🔱 Web_extract перестал прогонять каждую большую страницу через LLM-саммаризатор. 🔵Если страница до 15000 символов - возвращают целиком 🔵Если больше - берут head+tail окно примерно 75/25 🔵Полный текст сохраняют в cache/web/<slug>-<hash>.md 🔵В ответ добавляют footer с путем к файлу и подсказкой для read_file 🔵Inline base64-картинки заменяют на [IMAGE: alt], чтобы не забивать контекст Главный инсайт из PR: Мы платили LLM round-trip за сжатие markdown, который backend уже вернул чистым. Ускорили не сам скрапинг, а post-processing после него. Убрали генерацию, чанкинг, синтез и ожидание auxiliary-модели. Сохранили доступ к полному тексту через файл, поэтому качество восстановления ответа осталось тем же. Чат | CloseRouter

Вышла Claude Sonnet 5 💬 Лучше предшественника, слабее опуса. Обновление рабочей лошадки. Чат | CloseRouter

Hermes Agent получил апдейт для больших multi-agent запусков🔱 Главное - AsyncSessionDB: обращения к SQLite в gateway вынесли с event loop в рабочий поток. Для нас это означает меньше зависаний, когда параллельно живут сессии, сигналы активности и Kanban-задачи. Второй апдейт - /usage. Теперь в чате видно, куда уходит контекст: системный промпт, инструменты, правила, skills, MCP, subagents, memory и сам диалог. чат

Karpathy недавно дал хорошую рамку для агентной разработки: агентов уже мало просто запустить. Их нужно проектировать через спецификации, evals, ревью, безопасность, наблюдаемость и понятный путь до production. В 📎статье показано, как Google Agents CLI пытается собрать это в один процесс: установка skills для coding agent, сборка RAG-агента, локальные проверки, eval suite, развертывание в Agent Runtime и публикация в Gemini Enterprise. Если делаете внутренних ассистентов, RAG или агентов на ADK, это хороший пример того, как довести прототип до сервиса для команды. чат

Deepsec 4к ⭐ - сканер уязвимостей (агент) от Vercel Labs Он сначала быстро проходит репозиторий правилами на регулярных выражениях и отмечает подозрительные места. Потом агент для кода читает файлы, контекст проекта из INFO.md и решает, есть ли реальная уязвимость. 🔵 автоматически использует как фолбек claude/codex подписку, либо настраиваете Vercel AI API 🔵 работает по стадиям: scan → process → revalidate → enrich → export 🔵 хранит состояние в .deepsec/data, поэтому упавший запуск можно повторить, уже обработанные файлы он пропустит 🔵 для PR есть process --diff: проверяет только измененные файлы и готовит комментарий в Markdown 🔵 свои правила поиска можно писать под фреймворк, авторизацию, RPC или внутренний SDK Старт: npx deepsec init cd .deepsec && pnpm install pnpm deepsec scan pnpm deepsec process pnpm deepsec revalidate Честно предупреждают про стоимость: полный прогон большой кодовой базы может стоить тысячи долларов. Нормальный вход - начать с --limit 50, заполнить короткий INFO.md, прогнать HIGH через revalidate, а потом добавить правила под свои реальные точки входа. чат

Компания из одного человека обычно ломается не из-за нехватки идей. Чаще - из-за памяти и повторяемости. Когда решения, клиентский контекст, заметки и черновики живут в разных местах, владелец быстро становится главным хранилищем, исполнителем и напоминалкой для самого себя. В статье разобран рабочий контур для соло-предпринимателя: Obsidian как память, Claude Code как обработчик знаний, Claude Cowork как исполнитель для файлов, Hermes Agent как фоновый оператор в Telegram с навыками и расписаниями. 📎 Компания из одного человека: рабочая система на Obsidian, Claude и Hermes чат

Два свежих репозитория про то, как LLM становятся лучше slime (7к⭐) - фреймворк для дообучения моделей на реальных задачах. Если агент пишет код, вызывает инструменты или решает задачу в несколько шагов, slime помогает собирать такие попытки, оценивать результат и улучшать модель. DeepSpec (1к⭐) - проект DeepSeek для ускорения ответов. Идея простая: маленькая модель быстро набрасывает продолжение, большая модель проверяет сразу несколько токенов, и генерация идет быстрее. Отдельно разобрал, как работает обучение агентов на попытках и ошибках через ART (10.2к⭐), GRPO и RULER: 📎 Как дообучать LLM чат