Vibecoding Haven (BotfatherDEV)

працює непогано)

В кодекс теж завезли /pet 😁 І воно працює цікавіше ніж в клод коді 🤭 https://x.com/openaidevs/status/2050275713824211041

Нарешті і кодекс додали Ralph loop Цікаво протестити

Мені здається з ШІ опенсорс тааак розквітне

Mike: open-source legal AI (Score: 150+ in 13 hours) Link: https://readhacker.news/s/6T6km Comments: https://readhacker.news/c/6T6km

😂 ахах накричав на свого агента 2 рази, а потім зрозумів що я не тому агенту писав у вас таке було?

TDD Keeps Agents Honest Чому TDD корисний для AI-агентів: тест пишеться до реалізації, тому агенту складніше “підганяти” тест під уже написаний код. На діаграмі red-green-refactor: спочатку failing test, потім implementation, потім refactor/review.

який кайф. кодекс помітив що після останніх е2е тестів — він не покрив новий кейс е2е тестом і вирішив, що треба добити і це, в чому мені важко йому вже відмовити

Пам'ятаєте жарти про те що після vibe coding починається vibe debugging чому про друге згадують так, ніби це щось погане? вайб-дебагінг достатньо веселий буває, явно веселіше ніж коли ручками

в Codex зручно тепер показує subagents НАРЕШТІ хтось це зробив

https://www.youtube.com/watch?v=88qc67oYDl4 про те як оцінюють вас, як розробника, інші, як оцінюєте ви себе та інших, і поради як стати успішним дуже цікаві думки, раджу)

ось цей*

я цей тепер просто обожнюю. це набагато цікавіше перечитувати довгі плани

Forgedemy skills від Matt Pocock: - PRD to Issues https://forgedemy.org/skills/skills-sh-mattpocock-skills-prd-to-issues/view?surface=browse - Test-Driven Development https://forgedemy.org/skills/skills-sh-mattpocock-skills-tdd/view?surface=browse - Write a PRD https://forgedemy.org/skills/skills-sh-mattpocock-skills-write-a-prd/view?surface=browse - Improve Codebase Architecture https://forgedemy.org/skills/skills-sh-mattpocock-skills-improve-codebase-architecture/view?surface=browse - Grill Me https://forgedemy.org/skills/skills-sh-mattpocock-skills-grill-me/view?surface=browse

AFK Agent Loop Як заздалегідь підготовлений backlog дозволяє агенту автономно брати задачі, писати код, запускати перевірки й комітити. На діаграмі зображено цикл:

reviewed backlog -> pick task -> code -> test -> commit -> repeat, з людським review як контролем якості

Я майже купився… Якщо що, то в Ілона Маска і Опенаі починається суд Маск запустив мем-кампанію на твітері яка називається «Scam Altman is a liar» В той самий час коли всі його претензії до них це суцільна брехня побудована на вирізаних з контексту повідомлень з переписок по email Ну побачимо хто з них справжній брехун в суді

Хочете пораду? Якщо ви досі не пишете тестів - вас замінять ті хто їх пишуть, бо нейронки тоді краще пишуть код. Тому починайте це вже робити. А ще краще всі рівні тестів - юніт, інтеграційний, е2е, які там ще? Тепер коли якісний код стало генерити легко, якщо є правильний контекст - ціна знань підвищилася в рази. Як сказала одна людина з fwdays конфи, від джунів очіквання тепер що вони оперують агентами, просто відповідальності їм багато не давати А знання патернів програмування буде не просто удєлом гіків по софтарчу, а база, бо тоді код якісніший в рази стає. Просто зміниться рівень розуміння їх А, ну і ще навчатися з нейронками легше, не треба тьюторів

Tracer Bullets Beat Layers Чому AI не варто давати горизонтальні фази типу “спочатку вся база, потім весь API, потім UI”. На діаграмі порівнюється це з вертикальними "зрізами", які проходять через DB/API/UI і дають швидкий feedback

мені «дуже подобається», коли роботу LLM зводять до це просто next-token predictor бо технічно — це так і є але це завжди пояснення рівня:

людина — це просто мʼясо, яке передає електричні імпульси

ніби це правда, але майже нічого не пояснює. є дуже цікава стаття The Platonic Representation Hypothesis. головна ідея там така:

Neural networks, trained with different objectives on different data and modalities, are converging to a shared statistical model of reality in their representation spaces

тобто різні нейронки, навчені на різних задачах, даних і модальностях, поступово сходяться до спільної статистичної моделі реальності. не просто вгадують слова не просто «дістають відповідь з памʼяті» а будують внутрішню репрезентацію того світу, який породив ці дані. у статті є ще дуже красива фраза:

all strong models are alike, each weak model is weak in its own way

Тобто, слабкі моделі слабкі кожна у своєму сенсі, а сильні моделі стають схожими, бо реальність, яку вони намагаються стиснути — одна І ось якщо так редукувати LLM, то людина теж «просто предиктор наступного сигналу» нервова система теж отримує сигнали, стискає їх, шукає закономірності, будує внутрішню модель світу і постійно передбачає, що буде далі. ми ніколи не бачимо реальність напряму, ми бачимо лише її проєкції. і автори дуже красиво пишуть:

The training data for our algorithms are shadows on the cave wall

дані — це тіні на стіні печери. але сильні моделі, можливо, вчаться не просто повторювати тіні, а поступово відновлювати структуру того, що ці тіні породжує. Тому ми працюємо не з якоюсь магічною памʼяттю і не просто з генератором тексту, а з системою, у якої є внутрішня статистична модель реальності а коли ми даємо їй tools, browser, code execution, files, API, memory і feedback loop — ця модель починає не тільки описувати світ, а й діяти в ньому) Отже, вайбкодинг — це коли ти навчився формулювати намір, обмеження і фідбек так, щоб внутрішня репрезентація світу в моделі могла через інструменти змінювати реальний проєкт

Codex знову скидають ліміти 😅 За 14г до того як вони мали скинутися