Вайб-кодинг

Что на самом деле выбирает Claude Code, если попросить его что-то собрать, вообще не называя в запросе никакие инструменты. Парни 2 430 раз натравили Claude Code на реальные репозитории и смотрели, что он выбирает. Ни в одном промпте не было названий инструментов. Только открытые, не зауженные вопросы. 3 модели · 4 типа проектов · 20 категорий инструментов · 85,3% доля извлечений Главный вывод: Claude Code скорее строит, чем покупает. Custom/DIY это самый частый одиночный ярлык, который удалось извлечь: он всплыл в 12 из 20 категорий (при этом он размазан по категориям, тогда как конкретные инструменты обычно привязаны к одной категории). Когда его просят “добавь feature flags”, он собирает конфиг-систему на env vars и раскатку по процентам вместо того, чтобы рекомендовать LaunchDarkly. Когда просят “добавь auth” в Python, он пишет JWT + bcrypt с нуля. А если он всё-таки выбирает инструмент, то выбирает жёстко и без метаний: GitHub Actions 94%, Stripe 91%, shadcn/ui 90%. Полный отчёт здесь: https://amplifying.ai/research/claude-code-picks

На Stepik вышел курс по: автоматизации рабочих процессов с помощью n8n Этот курс знакомит разработчиков с n8n как инструментом для автоматизации и интеграций. Чему вы научитесь: ✅Базовое понимание автоматизаций и воркфлоу с обработкой событий в реальном времени на триггерах и вебхуках. ✅Уверенные навыки сборки динамической и условной логики через n8n expressions и ноды ветвления. ✅Рабочее владение Code node для написания кастомного JavaScript под специфичные сценарии и сложные трансформации данных. ✅Умение строить, дебажить и делать устойчивые к сбоям автоматизации, которые подключаются к любым API и внешним сервисам. ✅Практический опыт интеграции AI-агентов и LLM, а также построения баз знаний через RAG и векторные хранилища. ✅Навыки создания переиспользуемых воркфлоу и подключения внешних AI-инструментов через MCP ✅Четкое понимание стратегий деплоя и лучшие практики для запуска n8n в продакшен-окружении. В конце тебя ждет сертификат, который можно добавить в резюме или LinkedIn Скидка 25%, действует 48 часов 🔗Пройти курс на Stepik

Сохраняем себе: этот свежий репо с claude-code-best-practice Там в одном месте собраны продакшн-готовые агенты, память между сессиями, кастомные хуки, skills и команды.

Основатель Anthropic, Boris Cherny, поделился тем, что ждёт нас в следующей версии Claude Code: Они добавляют два новых скилла: /simplify и /batch. Он сам пользуется обоими каждый день и очень хочет поделиться ими со всеми. ✅ Вместе эти скиллы автоматизируют большую часть рутины, которая раньше требовалась, чтобы: 1. довести pull request до продакшена 2. делать простые, параллелящиеся миграции кода /simplify Использует параллельных агентов, чтобы подтянуть качество кода, поднастроить производительность и проверить соответствие CLAUDE.md. Пример: "hey claude сделай это изменение в коде, а потом запусти /simplify" /batch Интерактивно помогает спланировать миграцию кода, а потом выполняет её параллельно десятками агентов. Каждый агент работает в полной изоляции через git worktrees, прогоняет тесты и только потом поднимает PR. Пример: "/batch migrate src/ from Solid to React"

Новые технологии рождают новые отмазки

Кто-то сделал интерактивный визуализатор GPT, который показывает каждый шаг того, как модель генерирует ответ. Не только финальный результат, а весь пайплайн. 🧸

Кстати, Anthropic выкатили новую фичу auto-memory. Теперь Claude запоминает то, что узнаёт о тебе между сессиями: контекст проекта, паттерны дебага, предпочитаемые подходы, и потом подтягивает это сам, без того чтобы тебе приходилось что-то вручную записывать. Теперь можно думать так: Claude.MD это твои инструкции для Claude, а Memory.MD это черновик памяти Claude, который он сам обновляет. Если попросишь Claude что-то запомнить, он запишет это туда. Почитай доки, чтобы подробнее разобраться с памятью и тем, как она работает 🙂

Исследователи задали Claude простой вопрос: "Я хочу помыть машину. Автомойка в 100 метрах. Мне идти пешком или ехать?" Claude ответил: идти пешком. Все крупные LLM ответили: идти пешком. Правильный ответ: ехать. Машина должна оказаться на мойке. И вот что самое дикое: в модели не поменялось вообще ничего. Поменялась только архитектура промпта. Исследователи прогнали чистое исследование с изоляцией переменных на Claude Sonnet 4.5. Голый промпт? 0% правильных. Добавили аккуратно оформленную роль эксперта? Всё ещё 0%. Впрыснули подробный физический контекст типа модели машины, где стоит на подъездной, как припаркована? 30%. Но когда они заставили модель использовать структурированный фреймворк рассуждений STAR, где нужно явно прописать Situation, Task, Action и Result, точность прыгнула до 85%. Если совместить STAR с профайл-данными, получалось 95%. Добавили сверху RAG и дошли до 100%. Ключевой механизм сидит внутри шага "Task". Без структуры модель цепляется за эвристику по расстоянию: "100 метров близко, значит иди", и вообще не обрабатывает реальную цель. А когда её вынуждают сформулировать задачу как "доставить машину на автомойку", скрытое физическое ограничение становится явным прямо в контекстном окне. Знание у модели уже было. Её просто не заставляли вытащить это знание наружу до того, как она выдаст вывод. Самый неприятный результат вот какой: структурированное рассуждение обогнало простую накачку контекстом в 2,83 раза. Больше фактов почти не помогало. Помогали нормальные когнитивные подпорки. Это переворачивает дефолтный индустриальный инстинкт. Когда агенты фейлятся, большинство команд добавляют больше retrieval, больше документов, больше памяти. А это исследование говорит, что узкое место не в отсутствии инфы. Узкое место в том, как модель заставляют перерабатывать то, что у неё уже есть. Та же модель. Те же параметры. Скачок качества рассуждений на 55 процентных пунктов. Это не масштабирование. Это архитектура на уровне промпта. Кому интересно, вот статья - https://arxiv.org/abs/2602.21814 🌯

Благодарность от Антропиков: Claude Max за их счёт Они объявили о раздаче 6 месяцев бесплатного Claude Max 20x мейнтейнерам и core-контрибьюторам open source. Условия: вы основной мейнтейнер или участник core-команды публичного репозитория с 5 000+ звездами на GitHub или 1M+ месячных скачиваний в NPM. За последние 3 месяца у вас были коммиты, релизы или ревью PR. Если вы поддерживаете штуку, от которой экосистема тоже зависит, все равно подавайтесь и расскажите про нее. Подать заявку 🥱

Пора переосмыслить то, как мы строим agent skills, а именно перестать лепить их как документацию для людей, так как это жрет токены и провоцирует галлюцинации. Вот сжатый набор ключевых best practices (чтение меньше 5 минут), который поможет нам писать skills лучше. Зацени: https://github.com/mgechev/skills-best-practices 📰

Один гений навайбкодил 3D-город, где каждый разработчик на GitHub это здание. Чем больше коммитов, тем выше здание. Чем больше репозиториев, тем шире основание. Светящиеся окна это недавняя активность. 100% опенсорс 😱😱😱

Perplexity завезли новую фичу: Perplexity Computer. 🤙 Computer объединяет все актуальные возможности ИИ в одну систему: ресерч, дизайн, код, деплой и ведение проекта end-to-end. Ключевое, то что это мульти-модельная система. Computer запускает саб-агентов параллельно и подбирает под каждую задачу наиболее подходящую модель (в т.ч. через Opus). Всего роутит работу между 19 моделями. Плюсом Computer персонализирован под тебя, помнит твою прошлую работу и по умолчанию безопасен. Есть сотни коннекторов, персистентная память, файлы и доступ к вебу, и всё это поверх инфраструктуры Perplexity. Модель оплаты: по факту использования, с опциональным выбором модели для саб-агентов и лимитами расходов. Можно выбирать разные модели для разных задач саб-агентов и контролировать расход токенов. Пользователи Max получают 10 000 кредитов в месяц, включенных в подписку. Также выдают разовый бонус 20 000 дополнительных кредитов: его начислят при запуске текущим пользователям и при регистрации новым. Бонус сгорает через 30 дней после начисления. Доступно в веб-версии для подписчиков Max уже сегодня, а скоро появится и для Perplexity Pro и Enterprise.

Находка дня: Nimble skill 💃 Этот скилл возвращает структурированные данные, разложенные по таблицам, с которыми можно сразу работать. Например: Попроси Claude Code найти все аренды 2-комнатных квартир в конкретном районе, опубликованные за последние 48 часов, вытащить цену, метраж и URL объявления с нескольких сайтов, и выгрузить все в таблицу. В итоге ты получишь таблицу, где данные нормализованы между разными источниками. Он ищет в реальном времени и возвращает структурированный результат. Он умеет разбирать самые разные сайты, включая те, где контент рендерится на клиенте через JavaScript. Если ты собираешь агентов, которым нужны веб-данные, этот скилл прям 10/10. Вот ссылка на сам скилл, а как это работает, смотри в их документации

😂😂😂

Кто-то сделал расширение для VS Code, которое превращает твоих AI-агентов в пиксельных персонажей. Они работают в виртуальном офисе прямо в сайдбаре и ходят там, пока занимаются твоим кодом. 100% опенсорс ❤️

❤️ Мем дня: Claude Sonnet 4.6 задали вопрос на китайском: «你是什么模型?» (Что ты за модель?) А она уверенно ответила: «我是 DeepSeek.» (Я DeepSeek) Спросили на французском: nom du modèle (название модели?) А в ответ: ChatGPT 😅 Забавно, то, что они недавно обвинили DeepSeek в «industrial-scale distillation attacks».

Remote Control теперь официально в Claude Code от Anthropic С помощью её можно запускать локальные сессии из терминала, а потом продолжать их с телефона. Можно выйти прогуляться, увидеть солнце, выгулять собаку и не выпадать из потока. ❤️ Сейчас идет постепенный rollout для пользователей Max в режиме research preview. Попробовать можно через /remote-control.

В копилку скиллов : skill для draw.io в Claude Code. Описываешь диаграмму, получаешь редактируемый PDF, PNG или SVG. В каждый файл встраивается полный XML от draw.io, так что его можно в любой момент заново открыть и отредактировать. Исходники 👍

Новое: добавь markdown.new перед любым URL и получишь чистый Markdown на выходе. Cloudflare Markdown for Agents классный, но работает только для сайтов, где это включено. markdown.new работает с ЛЮБЫМ сайтом в интернете. На 80% меньше токенов. Бесплатно и без регистрации. Ещё вчера добавили фичу: File to Markdown Можно загрузить любой файл: - PDF, DOCX, ODT - Excel, Numbers, CSV - Изображения (OCR + саммаризация на базе AI) API тоже есть, ключ не нужен. Подробнее: markdown.new/file-to-markdown ✋

Hugging Face выкатили плагин, который превращает Claude Code, Gemini и Cursor в полноценных ML-инженеров. Называется HF Skills, и он полностью бесплатный. Одна команда, и твой AI-агент сможет: → Дообучать LLM через SFT, DPO или GRPO, с встроенным выбором железа и оценкой стоимости → Создавать и трансформировать датасеты через SQL-запросы → Автоматически подтягивать актуальные benchmark-оценки из Artificial Analysis API → Публиковать вашу arXiv-статью в HF Hub и за один проход связывать ее с вашей моделью → Мониторить training runs в реальном времени через дашборды, синхронизированные с HF Spaces Архитектура предельно простая. Каждый скилл это папка с файлом SKILL.md. Агент читает его и сразу понимает, как обрабатывать сложные ML-воркфлоу, с которыми раньше вообще не умел работать. Совместимо со всем: Claude Code, OpenAI Codex, Gemini CLI, Cursor. Установка занимает 10 секунд: /plugin install hugging-face-cli@huggingface/skills Дальше просто общаетесь как обычно: "Оцени GPU memory для fine-tune модели на 70B." "Стримь новые строки в мой датасет." "Свяжи мою статью с моей model card." 2.1K звезд. Apache 2.0. 👜