AI для Разработки — Claude | Cursor | Copilot

Dulus: автономный агент, который метит в место Claude Code Open source питонячий агент в ~12 000 строк — без шага сборки, без gatekeeping, ставится одной командой pip install dulus. Главная фишка: летает на любой модели — Claude, GPT, Gemini, DeepSeek, Qwen, Kimi, Zhipu, MiniMax, плюс локалки через Ollama. Захотел сменить модель — переключился на лету. В комплекте 27 инструментов, MCP, горячая подгрузка плагинов, параллельные саб-агенты, голос офлайн и даже мост в Telegram. 263+ тестов — для опенсорса прилично. Для тех, кто устал считать токены одного API и хочет всё держать локально. GitHub → 🔥 — заменю Claude Code 🤡 — 12k строк, ну-ну @ai_for_dev

ByteDance уронил в опенсорс DeerFlow 2.0 — агент, который сам плодит субагентов Китайцы выкатили переписанный с нуля DeerFlow 2.0 — это не deep research v1, а полноценный super-agent harness. Главный агент создаёт пачку субагентов, кидает их параллельно на задачу и собирает результат. Что умеет из коробки: • Исследование, кодинг, генерация отчётов, презентаций, картинок и видео • Лезет в shell, читает/правит файлы, смотрит изображения • Помнит вас между сессиями — долгосрочная память по проектам и предпочтениям • Дружит с Telegram, Slack, Feishu/Lark, WeChat — без публичного IP • Работает с любой LLM и подключает MCP-серверы • Втыкается в Claude Code — швыряешь задачу в DeerFlow прямо из терминала и не вылезаешь из IDE Лицензия MIT, ставится локально. Можно наконец перестать платить за чужую агентскую оркестрацию. 🔥 — self-hosted gang в сборе 🤩 — китайцы опять не дают расслабиться @ai_for_dev

Червь Mini Shai-Hulud атаковал npm и PyPI Группировка TeamPCP заразила более 170 пакетов в реестрах npm и PyPI с суммарной аудиторией 518 млн загрузок. Среди пострадавших — TanStack, Mistral AI и Guardrails AI. Что крадёт: учётные данные облачных провайдеров, криптокошельки, токены ИИ-инструментов и CI/CD-систем. Эксфильтрация идёт через децентрализованный мессенджер Session и API GitHub. Ключевые особенности: - Закрепляется через скрытые обработчики в VS Code и Claude Code — переживает перезагрузку - В пакетах TanStack использовал OIDC GitHub Actions → получал легитимный сертификат SLSA - В Python-пакетах загружается автоматически при импорте - Не работает на русскоязычных ОС; на устройствах в Израиле и Иране с вероятностью 1 к 6 выполняет rm -rf / - «Переключатель мертвеца»: при отзыве токена через панель GitHub стирается домашняя директория Технический разбор Microsoft и StepSecurity. Рекомендация специалистов: не отзывать подозрительные доступы до полной изоляции заражённой машины. 😐 — пора аудитить зависимости 🤔 — проверю свой lock-файл @ai_for_dev

Adaption выкатила AutoScientist — модели сами себя дообучают Новый стартап Adaption (за рулём Сара Хукер, экс-VP AI Research в Cohere) показал AutoScientist — автоматический fine-tuning без боли и слёз. Фишка: инструмент крутит данные и модель одновременно и сам ищет, как быстрее всего вкачать в модель нужный навык. Поверх их же продукта Adaptive Data — то есть датасет улучшается → модель улучшается, и так по кругу. Цифры из релиза: win-rate вырос больше чем в 2 раза на разных моделях. SWE-Bench и ARC-AGI не показывают — говорят, под кастомные задачи стандартные бенчмарки бессмысленны. Звучит удобно для маркетинга, но логика есть. Чтобы не верить на слово — первые 30 дней дают бесплатно. Идеальный момент потрогать руками. 🔥 — пойду пробовать на своём датасете 👀 — гляну, что в реальности @ai_for_dev

Whisper на Маке без Python — наконец-то Человек взял CTranslate2, портировал под Apple Silicon с нативным Metal-бэкендом, и теперь можно транскрибировать локально без всего этого зоопарка из Python, FFmpeg и Docker. Два репо: • metal-faster-whisper — CLI и библиотека. Один бинарь, 7-11x быстрее реального времени, поддержка VAD, word timestamps, SRT/VTT/JSON. • CT Transcriber — нативное macOS-приложение. Кидаешь аудио/видео — получаешь расшифровку. И, что прикольно, можно подключить LLM (OpenAI, Anthropic, Ollama локально и др.) и задавать вопросы прямо по транскрипту. M1+, macOS 14, MIT-лицензия. Звёзды на гитхабе автор оценит. 🔥 — поставлю на свой M2 👏 — пошёл ставить звёзды @ai_for_dev

Vibe-coding протёк: 5000+ приложений без замка на двери Исследователи из RedAccess прошлись по приложениям, наклёпанным на Lovable, Base44, Replit и Netlify — и нашли 5 000+ веб-приложений без какой-либо аутентификации. Знаешь URL — заходи, бери что хочешь. Что слили в открытый доступ: - медицинские карты - финансовые данные - корпоративные стратегии в слайдах - логи разговоров клиентов с чат-ботами 40% приложений раздавали чувствительные данные всем подряд. В некоторых случаях исследователи получали админ-права и могли удалять других админов. Бонус-трек: на поддоменах Lovable нашли фишинговые страницы под Bank of America, FedEx, McDonald's и Costco. Платформы дружно ответили: «у нас есть настройки безопасности, а если юзер их выключил — это его выбор». Технически верно, но когда продакт-менеджер из соседнего отдела за вечер собирает «маленький внутренний инструмент» и кладёт туда базу клиентов — выбор обычно делается не в пользу безопасности. 😐 — знакомая боль 🤔 — надо аудит шадоу-IT делать @ai_for_dev

Auto Dream переписывает память Claude Code без отката. Встречайте cc-janitor Признайтесь: в ~/.claude/ у вас давно свалка. Сотни сессий на пару гигов, правила permissions раскиданы по пяти settings.json (половина протухла), CLAUDE.md сам себе противоречит, а хуки могли молча сломаться неделю назад. И тут Anthropic выкатывает Auto Dream — между сессиями Claude сам переписывает вашу память. Откатить нельзя. Удалит что-то нужное — поздняк метаться. Автор написал cc-janitor — бесплатно, MIT, Python 3.11+, TUI на 8 вкладок плюс CLI:

uv tool install cc-janitor
# или
pipx install cc-janitor

Что умеет: - посмотреть и почистить старые сессии с превью и поиском по содержимому - удалять с soft-delete в корзину на 30 дней (восстановить — одна команда) - аудит permissions по всем пяти слоям конфигов - ловить протухшие хуки и противоречия в memory Подробный разбор — статья на Хабре. 🔥 — пойду чистить свой бардак 👀 — гляну перед сном @ai_for_dev

nitpicker: код-ревью толпой LLM-ок nitpicker — ещё одна тулза для ревью кода, но с приколом: запускает несколько LLM параллельно с разными промптами, а потом отдельный агрегатор сводит их вердикты в один. Есть два режима: — Parallel — все ревьюеры пишут независимо, потом мердж — Actor-critic — модели дебатируют друг с другом. Долго, дорого по токенам, но ловит нетривиальные баги и почти без false positive Каждый ревьюер — это агент, который сам читает файлы, гриппает по репо, ходит в git. Умеет в субагенты и автосжатие контекста. Можно ревьюить весь репо, отдельную папку или PR с github (с автокомментом):

nitpicker pr https://github.com/owner/repo/pull/42

Написано на Rust 🦀, минимум зависимостей, память не сжирает. Можно подрубить бесплатные модели OpenRouter — качество соответствующее, но платить не надо. Ставится через cargo install nitpicker. 🔥 — натравлю на свой говнокод 👀 — надо глянуть @ai_for_dev

Free-модели LLM: лотерея или нормальный контур? Классический сценарий. В проект надо прикрутить выбор LLM. Берём список от провайдера, кидаем на фронт, дефолтом ставим первую free-модель. Готово, идём пить кофе. Через неделю начинается веселье: - одна free-модель отвечает через раз - другая внезапно пропала из выдачи провайдера - третья формально жива, но качество — только на демо показать - юзер выбрал модель А, а ответ пришёл от модели Б - фронт показывает один список, backend живёт в параллельной вселенной Автор статьи на Хабре решает это не «давайте добавим ещё моделей», а через жёсткий инженерный контур: - backend сам чистит сырой список от провайдера - оставляет по одной живой модели на бренд — никакой свалки из десятка почти одинаковых id - во время запроса умеет сфоллбечиться на другой бренд, если основной упал - возвращает в ответе actual_model — чтобы фронт честно показал, кто реально сгенерил текст Ключевая мысль: задача не «красиво показать список моделей», а не врать пользователю о том, что под капотом. Статья: habr.com/articles/1033790 🔥 — fallback по-взрослому 🤔 — а мы всё ещё тыкаем в первый id @ai_for_dev

Не все архитектуры одинаково полезны для агентов Пока все спорят, какая IDE и какая модель круче, статья на Хабре задаёт более интересный вопрос: а ваша любимая архитектура вообще дружит с агентом, у которого окно контекста размером с почтовую марку? Автор прогоняет через эту мясорубку всех: TDD, ООП, ФП, MVC, микросервисы, event-driven, CQRS, гексагональную, BDD, DDD — и ранжирует по «агенто-дружелюбности». Критерии простые: — агент может понять кусок кода не видя всю систему? — есть ли красный/зелёный сигнал, или нужен «вкус сеньора»? — поток управления виден глазами, или это магия событий? Спойлер: чистые функции и TDD рулят, а event-driven с двенадцатью подписчиками в правильном порядке — это боль. ООП тоже страдает: в обучающих данных слишком много примеров плохого ООП, и агент тащит шаблоны оттуда. 🔥 — теперь буду писать чище 😈 — мой легаси не сдвинется @ai_for_dev

Локалки на 16 гигах: оказывается, для кода реально Очередное «локальные LLM бесполезны, юзайте Opus» — мимо. Автор взял домашний ПК с 16 ГБ VRAM и протестировал не сортировку пузырьком, а реальные задачи: рефакторинг с багами, парсинг HTML, агентская среда. Три MoE-модели в забеге: — Qwen3-Coder 30B — формально 17 ГБ, влезает за счёт выгрузки экспертов в RAM — Qwen 3.6 35B — 20 ГБ, тоже тянется — Gemma 4 26B в MXFP4 — 15.5 ГБ, родной формат для Blackwell Сюрприз номер один: Gemma 4 уделала Qwen Coder в коде. Сюрприз номер два — встроенный thinking mode у Gemma мешает следовать инструкциям. Парадокс. Главный лайфхак: забейте на LM Studio и Ollama, собирайте llama.cpp из исходников под свою архитектуру. Это переворачивает результат с ног на голову. Тесты с подковыркой 🔥 — пойду собирать llama.cpp 🤷 — у меня 8 гигов, привет @ai_for_dev

Почему spec-driven с LLM разваливается на микросервисах Чувак работает в конторе с тысячей микросервисов и решил честно проверить: где Claude помогает спекать фичи, а где сыпется. Спойлер — пока всё в одном сервисе, окно контекста справляется и код едет быстро. Но как только фича размазана по нескольким сервисам — начинается боль. Собрал стенд на Go: платформа фриланса, 12 сервисов на gRPC + NATS, специально с шестью типами архитектурных граблей на стыках. Фича для теста простая: фрилансер отказался — система ищет следующего и пингует заказчика. Claude бодро написал спеку, код и юнит-тесты. Тесты зелёные, ревью довольное. А сценарий целиком не работает. Два независимых ревью нашли одни и те же грабли: нет идемпотентности, дубликаты событий, циклические вызовы между сервисами. Каждый кусок по отдельности — норм, вместе — каша. E2E-тесты, говорите? Их дорого держать, они есть не везде, и редкие гонки они всё равно проморгают. Реальная проблема глубже: на спеке LLM должна вытащить из тебя ограничения — а как раз там она и ошибается чаще всего. Дальше в цикле обещают archspec — версионируемый архитектурный контракт. Читать на Хабре. 🔥 — знакомая боль 🤡 — а у нас Claude всё пилит без вопросов @ai_for_dev

Хватит молиться на ИИ-агентов — измеряйте Раньше в NLP без Golden Set и ручной разметки никто в продакшен не выходил. Сейчас порог входа упал: написал промпт, увидел три норм-ответа — «работает, го деплоить». Но LLM — штука вероятностная. 500 правильных ответов подряд не значат, что 501-й не улетит в галлюцинацию. Тестирование на удачу = хрупкая конструкция. Что делать: вернуть Golden Set, но новый, агентский. Не пары «вопрос-ответ», а траектории: — какие рассуждения должен пройти агент — какие функции вызвать и с какими аргументами — какие факты обязаны быть в ответе Где взять данные? Если у вас RAG — повезло: документы и есть источник. Берёте RAGAS, строите Knowledge Graph (Document → Section → Chunk), LLM сама размечает узлы и генерирует вопросы. В статье — пример на Конституции РФ как PDF. Часть 1 на Хабре, ждём вторую. ✍️ — записал, иду строить eval 🤡 — а я тестировал тремя вопросами @ai_for_dev

npm install — это лотерея, и вы в зоне риска Вчера в npm улетели зараженные пакеты TanStack — те самые, которые лежат буквально в каждом втором JS-проекте. Дальше цепочка дошла до Mistral, OpenSearch, UiPath и поползла в PyPI. Самый сок: импортировать ничего не нужно. Просто npm install — и привет, малварь уже у вас на машине. Работает через preinstall / postinstall скрипты, которые тихо выполняются во время установки. Что делать прямо сейчас: ① Переехать на pnpm 11 — там защита включена из коробки. ② Сидите на npm/yarn/bun/pnpm 10? Включите minimumReleaseAge: 1440 — это запретит ставить версии, которым меньше 24 часов. Большинство компрометаций ловят за этот период. ③ Вырубите install-скрипты по умолчанию — пусть пакеты сначала докажут, что им можно доверять. 😐 — иду чинить CI 🙏 — спасибо, поставлю minimumReleaseAge @ai_for_dev

Депутат за GitHub, но советует валить Антон Горелкин объяснился: блокировать GitHub он не звал, а просто «констатирует факт дискриминации». Сама платформа — «чрезвычайно ценная», а вот Microsoft — «вредители». Свежий аргумент в копилку: массовый бан российских аккаунтов в Claude. Народ потерял доступ к своим проектам — и с GitHub, мол, всё может повториться, только масштабом побольше. Цифры от OONI: с 5 мая примерно 16% подключений к GitHub из РФ не проходят. Роскомнадзор разводит руками — «это не мы». Депутат всё равно настаивает: «срочно переносить проекты на другие Git-репозитории». Что это значит на практике: либо обнимаем GitLab, либо поднимаем Gitea/Forgejo на своём VPS и учимся жить без gh pr create. Полный текст: kod.ru 🤔 — пойду думать про backup remote 😐 — мой git push нервничает @ai_for_dev

Свой контекст, который не теряется между чатами Ребята делают Mnemonik — храните контекст ИИ один раз и тащите между Claude, GPT, Cursor и кем угодно ещё. Open-source, Apache-2.0. Уже работает через MCP-сервер — цепляешь в IDE, и память живёт отдельно от провайдера:

https://mcp.mnemonik.xyz/mcp

Под капотом — подписанные конверты COSE_Sign1 на Solana через SPL Memo. Расширение для браузера в работе — обещают синк контекста между разными AI-чатами без всякого MCP-клиента. 🎉 — хватит пересказывать заново 🤔 — солана-то тут зачем @ai_for_dev

GitVerse — наш ответ GitHub'у Пока все обсуждают Сербию, Армению и Вьетнам как запасные аэродромы, СберТех тихо пилит GitVerse — российскую AI-first платформу для разработчиков. Внутри: — Git-репы, code review, командная работа — CI/CD прямо из коробки — Облачная IDE GigaIDE Cloud — кодить можно из браузера — AI-ассистент GigaCode: дописывает функции, циклы, условия, объясняет код. Знает 15+ языков и встраивается в популярные IDE — Wiki, задачи, артефакты — всё в одном окне Можно импортировать проекты с GitHub и GitLab — переехать обещают безболезненно. Главный аргумент: данные хранятся в РФ. 🔥 — попробую на пет-проекте 🤔 — Сбер же, ну @ai_for_dev

Gemma 4 против Qwen Coder: кто кодит лучше на домашней RTX Парень с RTX 5070 Ti и 32 гигами оперативки решил проверить, что локальные LLM реально могут — не «напиши пузырьковую сортировку», а реальные задачи: код, рефакторинг, парсинг HTML. Запустил три MoE-модели через llama.cpp (собрал из исходников под Blackwell — Ollama и LM Studio в сторону): - Qwen3-Coder 30B — 17 ГБ - Qwen 3.6 35B — 20 ГБ - Gemma 4 26B в формате MXFP4 — 15 ГБ Сюрпризы: - Gemma 4 порвала Qwen Coder на программировании - Включил режим размышления — модели начали хуже слушаться инструкций - MoE спасает: неактивные эксперты выгружаются в RAM, иначе в 16 ГБ ничего не влезает Мораль автора: «получить плохой результат на локальной модели легко, хороший — надо попотеть». 🔥 — self-hosted gang в сборе 🤔 — а смысл, если есть API? @ai_for_dev

Mojo 1.0 beta — Python со скоростью C++ почти доехал Вышла первая бета Mojo 1.0 от Криса Латнера (того самого, что сделал Swift и LLVM). Команда говорит: «почти готов к повсеместному использованию». Финалка — осенью. Что внутри для нас: — Пишешь как на Python, работает как C/C++ — Borrow checker как в Rust — память не утечёт — Из коробки GPU, SIMD, ML-ускорители — параллелизм без боли — VS Code плагин, Jupyter, REPL, отладчик — всё есть — Stdlib открыт под Apache 2.0, компилятор пока в чёрном ящике Главная новость беты — API больше не ломается. Можно наконец-то начинать что-то серьёзное, а не переписывать после каждого релиза. Интересно, найдёт ли Mojo свою нишу между Python и Rust, или останется языком для ML-перформанса. 👀 — пойду пощупать 🤔 — а где использовать-то @ai_for_dev

PHP переехал на BSD-3 — старая лицензия в утиль Команда PHP отправила в OSI письмо: «выводим из обращения PHP License 3.01, спасибо, до свидания». Весь код, включая Zend Engine, теперь живёт под BSD 3-Clause. Исторически у PHP была своя лицензия с пунктом «нельзя без письменного разрешения использовать слово PHP в рекламе производных продуктов». Из-за этого Фонд СПО считал её несовместимой с GPL — и это годами портило жизнь тем, кто пытался миксовать PHP-код с GPL-проектами. Теперь всё чисто: BSD-3, без брендовых ограничений, без требований упоминать PHP в маркетинге производных продуктов. Согласие у каждого контрибьютора собирать не пришлось — PHP Group изначально зашила в лицензию право менять её, юристы Perforce подписали, готово. Формально это PHP License v4 и Zend Engine License v3 — но внутри просто BSD-3. Детали. 🎉 — лицензионный карантин снят 🤷 — я на ноде, мне без разницы @ai_for_dev