AiHub ✨ Приручаем ИИ | Вайб-кодинг | Ai-first development
رفتن به کانال در Telegram
Объясняем про вайб-кодинг с продуктовым акцентом. Новости из мира ИИ, обзоры инструментов и методы Ai-first разработки. Делимся тем, что проверено и работает. Лс: @nyxandro Чат: @AiHubFeedChat Ничего не продаём и не рекламируем.
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
1 383
مشترکین
+224 ساعت
+317 روز
+23830 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسب‌ها
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+148
در 2 کانال‌ها
اکتبر '26
+244
در 3 کانال‌ها
Get PRO
سپتامبر '26
+192
در 4 کانال‌ها
Get PRO
اوت '26
+183
در 5 کانال‌ها
Get PRO
ژوئیه '26
+279
در 8 کانال‌ها
Get PRO
ژوئن '26
+49
در 0 کانال‌ها
Get PRO
مه '26
+61
در 0 کانال‌ها
Get PRO
آوریل '26
+357
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 13 نوامبر | +1 | |||
| 12 نوامبر | +3 | |||
| 11 نوامبر | +5 | |||
| 10 نوامبر | +3 | |||
| 09 نوامبر | +7 | |||
| 08 نوامبر | +2 | |||
| 07 نوامبر | +16 | |||
| 06 نوامبر | +15 | |||
| 05 نوامبر | +18 | |||
| 04 نوامبر | +21 | |||
| 03 نوامبر | +21 | |||
| 02 نوامبر | +22 | |||
| 01 نوامبر | +14 |
پست‌های کانال
| 2 | بدون متن... | 489 |
| 3 | بدون متن... | 1 553 |
| 4 | Скилл для грамотной разработки Telegram-ботов
📱 Представляете, столкнулся с тем, что нет дельных скиллов для разработки телеграм-ботов. Оно и понятно: в большинстве случаев с базовым функционалом агенты справляются самостоятельно даже без документации. Но когда речь заходит о современном функционале Telegram Bot API, например rich messages или стилях кнопок, даже самые свежие модели о нём не знают, часто используют старые методы или вообще делают не самые приятные механики взаимодействия с пользователем. Особенно остро это стало ощущаться с Bot API 10, где завезли много новых полезностей.
Решил оперативно исправить это недоразумение и сделал комплексный скилл, который включает в себя:
• сверку с живой документацией Telegram: агент сам узнаёт текущую версию Bot API, читает всё, что поменялось, и страницу каждого метода, который трогает. Не по памяти, а по первоисточнику;
• проверку библиотеки в проекте: умеет ли ваша версия aiogram, grammY, python-telegram-bot или любой другой нужный метод и параметр. Если нет, подскажет обновиться или вызвать метод напрямую;
• 11 справочников по продакшен-разработке: вебхуки и доставка без дублей, кнопки и меню, безопасность, лимиты и рассылки, ошибки, оплата в Stars, Mini Apps, AI-боты со стримингом ответа и чек-лист перед релизом;
• правила Telegram для разработчиков: нужный пункт агент достаёт дословно, будь то обязательства, запреты или комиссии.
👁🗨 Полезности:
• Определяет ловушки между версиями. В июле (10.2) эфемерные сообщения отправлялись с одними параметрами, в августе (10.3) их заменили новым объектом. По памяти агент напишет июльский вариант, скилл палит замену.
• Проверяет метод, а не просто имя. Не "есть ли имя где-то в библиотеке", а принимает ли его именно этот метод. На aiogram, grammY и python-telegram-bot ни одного ложного "да" на 1110 проверках.
• Видит то, чего даже в оглавлении документации не всегда есть. Весь Rich Messages Telegram вынес на отдельную страницу, и обычный поиск его не находит.
• Знает спрятанные лимиты. Черновик ответа при стриминге можно обновлять не чаще 20 раз за 5 секунд и 40 за 30 секунд на чат. Обновляешь "несколько раз в секунду", и ответ замирает на середине.
• Знает про деньги. Включили темы в личке, и Telegram забирает 15% со всех покупок за Stars в боте. А стриминг ответов с версии 9.5 работает и без тем.
• Любой язык и фреймворк. Скрипты на чистом Python без зависимостей, проверено на Linux и Windows (на Mac тоже должно работать, но проверить не успел).
• Проверен вслепую. На трёх задачах-ловушках агент со скиллом не сделал ни одной фактической ошибки, без скилла сделал три. Эвалы погонял как положено.
💀 Неужели имеющиеся в сети скиллы не подходят?
Вот это вообще интересно, чем больше делаю скиллов. тем больше удивляюсь, насколько некачественные и непроверенные в работе скиллы люди публикуют во всех возможных репозиториях и умудряются набирать звезды.
• Самые популярные оказались статичными шпаргалками, застрявшими на старых версиях API: rich messages и эфемерных сообщений в них нет.
• Свежие есть, но под один фреймворк и как снимок знаний на момент написания. Bot API обновляется почти каждый месяц, и со следующим релизом они устареют.
• Ни один не просит агента проверить текущую версию API или библиотеку в проекте, и ни один не учитывает правила Telegram для разработчиков.
• А большая часть "телеграм-скиллов" вообще не про разработку: отправить уведомление через бота или помочь вести сообщество.
На выходе имеем экономию по времени работы агента, он сразу лезет в нужное место документации, сразу проверяет нужные версии библиотек, вместо того чтобы слопить, ошибаться, а потом исправляться. А пора бы уже ваншотить задачи!
➕ Добавляю в свой боевой арсенал.
🔗 https://github.com/nyxandro/telegram-bot-development-skill | 1 567 |
| 5 | сейчас в телеграме вышло обновление, которое позволяет регистрировать ботов с окончаниями ai, app, agent, game и еще одно.
сейчас довольно экстренно регистрирую прикольные юзерки под свои проекты)
ограничения два: наличие тг премиума у владельца, не больше двух на акк
регистировать можно через @BotFather
👍 чат канала | 👀 вернуть обои с котятами на канал | 1 093 |
| 6 | Исправляем недоразумение, которое завезли Anthropic в Claude Code
Внезапно, начиная с версии Claude Code 2.1.299, нам завезли автоматическое сжатие контекста во время простоя агента.
Очень неприятная настройка. Я бы даже сказал, вредительская. Давайте разберём механику и озвучим некоторые константы, чтобы и стар и млад знали о харнессе Клода чуть больше.
🎓 Сначала немного базы, как это работало раньше (и некоторые интересные нюансы):
- Общее контекстное окно в Claude Code сейчас 1 000 000 токенов. Это максимум, физически доступный модели, но для реальной работы нам доступно меньше: 33 000 токенов бронируется под буфер (его размер тоже можно изменить). Автокомпакт срабатывает примерно на 967 000, и этот буфер уходит на генерацию саммари всей сессии, которое потом автоматически передаётся в новую сессию, стартующую с нуля.
- На ≈947 000 появляется предупреждение, что контекст подходит к концу.
- На ≈833 000 Claude Code может заранее готовить саммари по уже сделанной работе, чтобы потом не ждать долгого компакта всей сессии целиком. Стандартную долю в 15% задаёт флаг, который присылает сервер Anthropic, а переопределить её можно в конфиге Клода.
- В любой новой сессии примерно 30-40к токенов уже заняты, даже если мы ничего не написали: системный промпт, пользовательские и проектные правила, описания инструментов, скиллов, MCP, файлы памяти, описания агентов и сабагентов.
- Итого: стартуем на 30-40к, доходим до ~967к, контекст сжимается сам (или мы делаем /compact вручную, не дожидаясь). Сессия очищается, в ней остаются те же стартовые 30-40к, а рядом кладётся саммари из буфера.
🙂 Отдельно про кэш, тут важные нюансы:
Каждый вызов LLM по сути заново отправляет весь контекст, но всё, кроме последнего вопроса и ответа модели, уже лежит в кэше на сервере Anthropic. Клиент просто говорит серверу что-то вроде "от начала сессии до такой-то метки ничего не менялось, используй повторно", и сервер обрабатывает эту часть быстрее и дешевле. Все довольны: им меньше нагрузки, нам дешевле трат по лимитам и деньгам.
Сколько живёт кэш, зависит от того, как вы подключены:
- Подписка в пределах лимита: основной диалог получает кэш на 1 час.
- API-ключ, Bedrock, Vertex, Foundry: по умолчанию 5 минут.
- Сабагенты: тоже 5 минут, даже на подписке.
- Ушли за лимит подписки и Claude Code начал тратить usage credits: основной диалог молча переключается на 5 минут, потому что запись в пятиминутный кэш дешевле. То есть вы продолжаете работать как обычно, а кэш теперь сгорает после любого перекура.
Поднять TTL до часа можно руками через настройку promptCacheTtl со значением 1h. Но на API запись в часовой кэш стоит 2x от базовой цены входных токенов (против 1.25x у пятиминутного), так что это осознанный трейдофф: дороже запись, зато не перезаписываем всё заново после каждой паузы.
Таймер считается от последнего обращения к кэшу, каждое сообщение его обнуляет. Если пауза дольше TTL, кэш сгорает, и при следующем сообщении в старой сессии всё тянется заново, а мы платим за запись всего объёма контекста в новый кэш.
🚨 Что меняется с обновлением:
Теперь контекст автоматически сжимается через 54 минуты простоя Claude Code, даже если окно заполнено слабо, в диапазоне от 200 000 токенов до самого предела.
Зачем это сделали, понятно: 54 минуты это чуть меньше часа жизни кэша на подписке, и компакт успевает прочитать контекст, пока он ещё тёплый, вместо того чтобы потом заново записывать в кэш весь объём. Экономия по деньгам и лимитам есть. Но платим мы за неё качеством контекста.
То есть мы работали с проектом, накачали Клода контекстом, вытянули все важные детали, изучили крайние случаи, чтобы агент не задрифтил, а сделал всё красиво, составили план в чатике, даже что-то успели сделать. Потом отошли в душ или покушать, а по возвращении обнаруживаем, что контекст уже сам пожался (если было занято больше 200к). По опыту скажу: 100-150к легко набегает ещё на этапе планирования, до самой задачи, так что перескочить 200к и словить автокомпакт проще простого. А компакт в Клоде, мягко говоря, не самый качественный (на GPT-моделях, как по мне, это работает надёжнее).
В итоге все важные детали могут просто потеряться, пока автокомпакт пытается уместить их в саммари. Агент стартует на заведомо стрёмном контексте, и на выходе мы с ещё большей вероятностью получим не то, что заказывали.
✅ Как вернуть нормальное поведение:
Либо повышаем порог автокомпакта по простою через переменную CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS (я бы этот вариант не выбирал), либо выключаем его совсем через "idleCompaction": false в settings.json. То есть мы отключаем только компакт по простою, автокомпакт на пределе контекста работает как раньше. | 1 704 |
| 7 | بدون متن... | 1 500 |
| 8 |  Повышаем уровень вайба во время разработки на 200%
Дожимаем историю с книгой.
1. На русский перевели;
2. Скилл по ней сделали;
3. Аудиокнигу на русском с помощью ElevenLabs выпустили (кстати, у них вышла v4 на днях).
Bojie Li официально выдал права на перевод и распространение (иначе в Яндекс музыку не получилось бы это загрузить).
AI agents developer starter pack собран, можем делать своих агентов на максимальном вайбе, пока агент кодит, мы параллельно тоже развиваемся.
🎧 Аудиокнига "AI-агенты изнутри" в Яндекс Музыке | 1 339 |
| 9 |  +2Немного про SEO
Интересное наблюдение, проект только запустился во вторник утром, в среду вечером он уже висит в Яндексе проиндексированный и про многим запросам в топе.
Но еще интереснее, что запросы про тесты знаний человека про LLM в итоге отдают результаты по тестированию самих LLM рядом с моим сайтом.
Конечно, запрос некоммерческий, и конкуренция не такая большая. Видимо, подобных ресурсов для проверки знаний толком то и нет, но меня удивило, что этот проект так высоко залетел, при том что я его даже в вебмастере Яндекс не добавлял, чтобы он о нём так быстро узнал.
Видимо, сказались следующие факторы:
- всплеск переходов на сайт из соцсетей;
- поддомен использовался от вполне себе трастового посещаемого ресурса;
- Claude таки умеет в правильную настройку сайта под SEO, я просто попросил Claude оптимизировать сайт под поисковики хотя бы на базовом уровне чтобы его можно было как-то найти;
- Несколько посещаемых ТГ каналов сделали репост, были быстро проиндексированы Яндексом и поисковой бот в последнем посте увидел ссылку на сайт и узнал о новом ресурсе.
Не перестаю удивляться, как же нейронки нас бустят. Сам SEO занимался много лет, месяцами писал эти текста, meta-теги, подгонял сайт под несколько сотен критериев ранжирования, чтобы хоть где-то засветиться в поиске.
А тут я просто пока ехал в поезде, накидал идей клоду с телефона, пришел домой запустил работу на основе разговорной сессии, и за 13 часов непрерывной работы клод заваншотил проект (бекенд на GO, фронт на Astra) и он был им же залит на сервер. То есть моя работа там была только накидать идей, согласовать функционал, дать список книг, и сказать куда залить, Через 1-2 суток сайт уже крутится в поиске и на хороших позициях. Невероятно.
При этом всём в комментариях соцсетей до сих пор активно встречаются люди, утверждающие о несостоятельности нейронок в написании рабочего поддерживаемого кода и вообще это всё несерьезно и скоро схлопнется 😄 мне даже страшно представить, в каком сильном отрыве мы с вами находимся в нашем ии-шном пузыре от тех ребят, кто не верит что с нейронкой можно собрать живой проект не написав руками ни строчки кода. Ладно этот проект супер простой, но так и рабочие более сложные проекты на пол миллиона строк и достаточно круто проработанные с точки зрения инженерии, залетают в прод без заглядывания в код вообще спустя полтора месяца разработки. Пожелаем тем ребятам удачи в поиске работы 😄 | 995 |
| 10 | 2 лучших скилла для проектирования агентов и инфраструктуры ИИ
Так совпало, что 2 самых крутых (причем в открытом доступе) книги по агентам и по инфре для нейронок - написал один и тот же человек (совместно с сообществом) и этот человек - Ли Боцзе (Bojie Li). То ли гений, то ли вундеркинд, его чуть ли не со школьной парты забрали в Huawei и сейчас его штурмуют офферами все крупнейшие компании.
1 книга (кстати, в прошлом посте тоже она была)
AI Agents in Depth: Design Principles and Engineering Practice
https://github.com/bojieli/ai-agent-book/
2 книга
AI Infra in Depth: Quantitative Analysis and System Design
https://github.com/bojieli/ai-infra-book
Эти книги оказались настолько хороши, что мимо пройти было просто нельзя, но и читать целиком столько материала возможности нет 😄 да и зачем, когда эту часть в современных реалиях лучше делегировать агенту.
А что мы делаем с подобными ценными знаниями? Конечно пакуем в Skills. Без актуальных знаний что проектирование инфры, что создание агентов - это буквально одни из слабых сторон текущих моделей, в весах у них либо поверхностная информация, либо полное отсутствие понимания современных подходов.
Итак, первый скилл "Developing AI Agents"
https://github.com/ilkruglov/developing-ai-agents-skill
Плагин для Claude Code и Codex с одним скиллом, который помогает проектировать, чинить и оценивать AI-агентов. Скилл опирается на книгу Bojie Li «AI-агенты изнутри: принципы проектирования и инженерная практика» (вторая редакция) — её русский текст входит в плагин.
Скилл пригодится, если вы:
- решаете, нужен ли здесь агент или хватит одного вызова модели либо обычного workflow;
- проектируете агента и хотите заранее понять, где он сломается и как это проверить;
- разбираете, почему агент зацикливается, теряет контекст или повторяет вызовы инструментов;
- выбираете между одним агентом и несколькими;
- хотите проверить, улучшили ли результат новый промпт, модель или инструмент.
Для обычного приложения без агентного цикла он не нужен.
Теперь это мой дефолтный скилл при разработке агентов, запустится сам, когда это будет необходимо.
На 32 задачах по проектированию, разбору сбоев, оценке и заполнению документов ответы со скиллом выполнили 96 % критериев против 84 % у той же модели без скилла. В 13 задачах ответ со скиллом набрал больше критериев, в 19 — столько же, меньше — ни в одной. Без скилла модель пропускала, например, проверку фактического состояния после таймаута и сравнение с одиночным агентом при равном бюджете.
Второй скилл "Designing AI Infra"
https://github.com/ilkruglov/designing-ai-infra-skill
Скилл пригодится, если нужно:
- посчитать, сколько GPU нужно под модель, нагрузку и требования к задержке;
- понять, почему время до первого токена или между токенами хуже ожидаемого;
- сравнить модели по памяти и цене: варианты внимания (GQA, MLA), модели с экспертами (MoE);
- спроектировать распределённый инференс или кластер для обучения;
- выбрать ускорители, топологию и сеть;
- оценить стоимость токена и задачи агента — на своих GPU или через API;
- спланировать пул ресурсов под агентов и RL;
- решить, где запускать модель: на устройстве, на периферии или в облаке.
Для сети, базы данных или веб-приложения без моделей он не нужен.
Кстати, паковать такое количество информации в рамках скилла - та еще задачка, это не выжимка из книги, там всё интереснее и красивее, чем может показаться на первый взгляд, советую ознакомиться с методикой разработки подобных скиллов.
Автор годноты, эксперт в мире ИИ и мой коллега на работе: @ilya_kruglov | 1 177 |
| 11 |  А как вы проверяете свои знания в мире нейронок?
Не смотря на то, что плотно сижу в ИИ-чатиках и непрерывно черпаю информацию из них и обмениваюсь опытом с коллегами, всё равно довольно часто всплывают какие-то темы, которых я не касался или же не было времени попробовать/протестировать. А еще чаще в голове сидят мысли по какой-то теме, в которой я не уверен, вроде информации много крутится вокруг, а как оно на самом деле должно быть правильно, не ясно, мнения сильно разнятся и четкой картины нет.
Думал, как бы эффективнее держать руку на пульсе и совсем не сойти с ума читая все новости из телеграма. Пришел к такой схеме: иду в десктопный Codex или Claude Code, подгружаю туда пару актуальных книжек по теме, и прошу меня протестировать вопросами (обычно 15-20 вопросов достаточно). По результатам тестов составляем карту "слепых зон" в моих знаниях, и на основе этой информации прошу подготовить мне план обучения: про что стоит почитать и подтянуть знания, чтобы закрыть пробелы.
И последний подобный сеанс с Claude меня так увлек, что я посчитал это отличным способом периодически проводить "инвентаризацию" своих знаний и иметь четкий план дообучения. Тут даже не обязательно идти читать саму книгу по нужным главам, достаточно на основе нее попросить Claude в удобной мне форме доставить мне всех недостающих знаний. Просто так без какой либо опоры в виде статей и книг, нейронки далеко не всегда хорошо помогают изучать работу с нейронками и агентами в частности, банально у них нет актуальной информации в весах или же знания слишком поверхностные. Поэтому какая-то база по-любому нужна.
И вот, решил вчера сам для себя сделать небольшой проектик по тестированию своих знаний на основе подгружаемых материалов. Просто вкидываю нужную книгу/ресурс, генерирую себе пачки вопросов, раскладываю по темам, потом делаю независимое ревью, чтобы быть уверенным, что в процессе генерации не было галлюцинаций и все вопросы с ответами на них актуальны и действительно опираются на книги.
🔗 И сделал для себя вот это: https://context.aihubnews.ru/
Помогает пройти как быструю диагностику текущих знаний на масштабе, так и пройтись по одной из профильных тем. Предлагаю и Вам попробовать такой формат, чтобы подсветить пробелы в знаниях.
Все тесты основаны на 8 топовых книжках, которые я посчитал актуальными на данный момент и дают все необходимые знания в деталях. И одна из нашего комьюнити, где лучше практики собраны за пол года общения в чатиках и сконцентрированы в pdf на 200 страниц, тоже участвует в генерации тестов. (если кому будет интересно скину в комментариях).
Если что, список книг которые в целом советовал бы почитать или изучить частично по нужным темам: (что-то может быть не самым свежим, но база особо не менялась)
📓 AI Agents in Depth: Design Principles and Engineering Practice
Bojie Li · 2026
📕 AI Engineering
Chip Huyen · 2025
📔 Essential GraphRAG
Tomaž Bratanič, Oskar Hane · 2025
📘 Generative AI Design Patterns
Valliappa Lakshmanan, Hannes Hapke · 2025
📙 Building Applications with AI Agents
Michael Albada · 2025
📗 The Developer's Playbook for Large Language Model Security
Steve Wilson · 2024
📒 Agentic Design Patterns
Antonio Gullí · 2025
📕 Prompt Engineering for LLMs
John Berryman, Albert Ziegler · 2024 | 4 572 |
| 12 |  Так, попутно прогнал jev на всех возможных кейсах, чтобы уже с ним закончить и больше не возвращаться к вопросу.
Где он будет кстати, а где толку будет мало и ответы будут на уровне угадывания.
Примеры на скрине.
Прогон по 48 типам задач, суммарно 5 754 запросов израсходовали $0,13.
Среднее время ответа модели 315мс. Скорость от задачи не зависит.
Кстати, на русском работает не хуже, чем на английском.
Самые очевидные кейсы применения следующие:
- Модерация: спам, токсичность, jailbreak
- RAG: отфильтровать найденные фрагменты, проверить ответ LLM по источнику
- Вопрос да/нет по документу
- Тональность отзывов: доволен / недоволен
На этом всё, моделька на узкие задачи, хайп не оправдан. Но как инструмент для некоторых задач вполне себе, думаю применение найдется. | 767 |
| 13 |  Быстрый пост про JEV, куда же без него
Сам jev в моих кейсах пока не пригодился, но с самого старта хайпа меня зацепило, что во всех обзорах модель презентуют как неумеющую генерировать текст.
Я сижу и думаю, ну если там зачатки мышления какие-то есть, то что нам помешает? Эта навязчивая идея меня преследовала целую неделю.
Так вот, коллега дал ключик на тесты, я скормил словарь из 50 000 популярных слов и по буквам с подсказками из словаря модель очень сильно пытается связать буквы в слова, а слова в предложения. Выглядит забавно, хоть и работает криво. Возможно, можно улучшить, но мне было достаточно того, что модель со мной поздоровалась. | 941 |
| 14 |  Проанализировал год работы с ИИ-агентами на рабочих проектах, ищем источник проблем
Мне стало интересно не где агент косячит вообще, а где его ошибка проходит тесты, ревью, спокойно доезжает до прода и уже там ломается. Взял свои проекты, которые реально крутятся на серверах. Это около 3400 коммитов за год, 6 проектов, код почти весь писали агенты.
Для каждого фикса нашел коммит, который внес баг, проверил, был ли он уже на сервере, и разложил все по причинам. Переделки, где мы сами передумали, типа поменять верстку или убрать функцию, не считал. Осталось 650 настоящих поломок, которые были обнаружены уже после попадания на прод и исправлены (сколько еще осталось спящих проблем, но не всплыло, история умалчивает, поэтому ходим по границе ошибки выжившего)
А вот и статистика, ради которой всё анализировалось.
Из-за чего ломалось чаще всего:
1️⃣ Сервер не такой, как машина агента. 29%
У агента все прогрето: кэш докера, заполненная база, настройки, которые когда-то вбили руками. На чистом сервере фронт стучится на localhost, переменная не прокинулась при сборке, миграция не накатилась.
Как избежать: собирать с нуля без кэша, выкатывать на стейдж и прокликивать основное. Сразу в прод не пушить.
2️⃣ Не подумал про нестандартный случай. 14%
Список грузит только первую страницу, и пока данных мало, все ок. Первый живой клиент ввел три ИНН, а код ждал один.
Как избежать: тестить на объеме как в проде, а не на пяти строках.
3️⃣ Поправил в одном месте, а надо было в пяти. 12%
Ввели правило, что каждый видит только данные своей компании, а часть фоновых задач про него не знает и месяцами тихо ничего не делает.
Как избежать: в каждом ревью спрашивать, где еще это действует, и искать по всему коду.
4️⃣ Чужой сервис работает не так, как думал агент. 11%
Телеграм, внешние API, новые версии библиотек. Агент пишет по памяти, а проверяет уже на проде.
Как избежать: сначала руками дернуть настоящий API, потом писать код. Всегда отправлять агента читать свежую документацию, без исключений.
5️⃣ Два процесса одновременно или обрыв на середине. 8%
Уведомление ушло дважды, деньги списались после отключения автопродления. Тесты идут в один поток и такого не видят.
Как избежать: отдельно проверять параллельные запросы и перезапуск посреди работы.
6️⃣ Ошибка молчит. 6%
Пустой catch, выключенный логгер, при падении базы человек видит неверный пароль. Такие баги живут около месяца, их просто никто не видит.
Как избежать: любой сбой в лог, человеку понятная причина.
7️⃣ В базе лежат данные другой формы. 6%
Поменяли формат, а старые записи остались. Одна такая запись роняла целый экран.
Как избежать: тестить на копии данных с прода, битую запись пропускать, а не валить всю страницу.
По мелочи: косяки в адаптивной верстке 5%, лишние доступы 3,5%, модель внутри продукта ведет себя не так, как рассчитывали, 2,6%, кончились память или диск 2%.
Что еще вылезло:
В двух самых больших проектах 97% коммитов с багом шли вместе с тестами. Тесты были, просто проверяли не то: на заглушках, на пустой базе, в один поток.
Сама выкладка поймала только четверть поломок. Еще по четверти нашел я руками, логи и аудиты.
28% багов сидели в коде, который сам был фиксом, в деплое и интеграциях 40%. Агент часто чинит наугад и ломает дальше.
Половина багов приехала в коммитах больше 1500 строк, хотя таких коммитов всего 3-9%. Ревью такой объем не тянет. Так что ревьюим теперь часто и по чуть-чуть. Иначе у агента фокус сбивается.
Самые опасные баги тихие. 89 штук нашел только аудит, когда они уже прожили больше месяца.
И агент любит писать закрыто, когда закрыл половину. Ловит это только независимое ревью.
Что я для себя вынес (базированная база, но буду честен перед самим собой и зафиксирую очевидные вещи):
- без стейджа и чистой сборки не выкатывать
- в ревью всегда спрашивать, где еще это действует
- раз в месяц гонять аудит на тихие баги: логи, гонки, доступы, деньги
- тестить на данных как в проде
- внешние API сначала пробовать руками
- большие изменения дробить
- слову готово от агента без независимой проверки не верить | 1 014 |
| 15 |  +1Наконец-то Claude стал поддерживать правила агента из файла AGENTS.md
Случайно в одном из проектов заметил, а тут и новости оказывается уже появились на этот счёт. Может скоро и .agents/skills и прочие каталоги начнут поддерживать. А то надоело симлинки/хардлинки делать для всех агентов. | 1 000 |
| 16 |  بدون متن... | 1 186 |
| 17 |  Вышел тизер фильма про OpenAI под названием "Искусственный"
Что известно:
- Сэма Альтмана играет Эндрю Гарфилд
- Илью Суцкевера сыграл Юра Борисов
Премьера 5 октября в ограниченном режиме, в широком прокате с января .
Сюжет: 2003 год, Илья Суцкевер учится у Джеффри Хинтона в Торонто. Спустя десять лет, работая в Google, Суцкевер пересекается с Альтманом - он тогда только начинает путь к основанию OpenAI. Дальше история идет через два десятилетия развития машинного обучения к перевороту в OpenAI ноября 2023 года, когда совет директоров увольняет Альтмана, а спустя пять дней возвращает обратно (кстати, этого факта я и не знал, ну и чудаки, конечно, практиковали ресеты еще в те года). | 1 186 |
| 18 | Claude code обленился, или обезопасился?
Вы заметили, что Claude Code в cli даже со всеми выданными правами иногда отказывается выполнять команды в терминале? Даже казалось бы, достаточно безопасные, например, при работе с git или удаленным сервером это случается особенно часто.
Как я понял, встроенный классификатор действий агента помечает эти команды как опасные, и блокирует запуск команд на уровне терминала еще до того, как агент их отправил. Логика понятна, за нас беспокоятся, чтобы их агент не начудил и постов в соцсетях о том, как claude снёс все важные данные на рабочей машине, было меньше. СМИ особо смакуют подобные новости, расшатывая доверие к ИИ, даже когда деструктивное действие нанесло ущерб исключительно из-за халатного отношения к своей работе и данным в рабочем пространстве.
Не совсем уловил момент, когда это стало явным, по ощущениям - неделю назад.
Решение очевиднейшее и пришло в голову сразу, но я должен это озвучить, так как у коллег могут с этим проблемы возникнуть, механику нужно разжевать.
Что делаем? Либо пишем правила, либо просим Claude после неудачной попытке ввода команды не использовать составные или вложенные команды (думаю все заметили, что нейронки круто справляются с терминалом и могут выписывать огромные конструкции, которые я бы руками пол дня вводил по одной). Так вот, если команды вводить в несколько заходов без усложнения, классификатор ругаться перестаёт.
Вроде мелочь, но бесячая, ты дал задачу, отошел от ПК пока Claude работает, а потом выясняется, что из-за этого агент застрял и всё это время работа стояла на месте. | 1 171 |
| 19 | Оптимизация потребления оперативной памяти в OpenCode
Может кто-то сталкивался с тем, что OpenCode на очень длинных сессиях, когда пк работает день или больше, начинает жестко класть систему, забирая на себя много оперативной памяти. Долго грешил на сам OpenCode или особенности работы WSL (Windows Subsystem for Linux), но выяснилось вот что.
Когда LSP сервера включены (если не включены, срочно рекомендую включать), они почти без контроля кушают оперативную память, и при этом не возвращают её обратно. Выходит так, что в процессе работы рано или поздно рабочая машина упрется в нехватку памяти и жестко повиснет. Зачем LSP нужен агенту - писал тут, в 10 пункте.
Как лечится: просто ограничением потребления оперативной памяти. Находится по пути ~/.config/opencode/opencode.jsonc.
Вставляем эту конструкцию:
"lsp": {
"typescript": {
"command": [
"/home/nyxandro/.cache/opencode/packages/typescript-language-server/node_modules/.bin/typescript-language-server",
"--stdio"
],
"extensions": [".ts", ".tsx", ".mts", ".cts", ".js", ".jsx", ".mjs", ".cjs"],
"initialization": { "maxTsServerMemory": 2048 }
}
},
Вместо nyxandro ставим название своей папки пользователя.
И в extensions можете добавить нужные вам форматы файлов, которые тоже надо проверять во время работы. У меня весь стек на TS/JS, поэтому набор такой.
Или проще дать этот пост агенту, он сам поймет, что и куда вставить (и обязательно пусть проверит, запустились ли LSP сервера).
По итогу данное ограничение при достижении лимита памяти заставляет сборщика мусора автоматически решать что и как выгружать, нас это уже не касается. Проверено, спустя месяц ни одного зависания. | 1 315 |
| 20 |  Тут внезапно 5.1 Fable завезли, а еще сбросили лимиты на Claude Code
https://platform.claude.com/docs/en/models/fable-5-1/overview
Не забудьте обновиться. | 833 |
