Вайб-кодинг

Сохраняем: постоянно обновляемый список на 100% бесплатных API для LLM, которые остаются бесплатными навсегда. В список входят Google AI Studio, Groq, Cerebras, OpenRouter, NVIDIA NIM, Mistral и десятки других сервисов с точными лимитами запросов и поддержкой OpenAI SDK в одном месте. Уже 25 тыс. звёзд на GitHub. Просто вставьте любой endpoint в Cursor или Claude Code и начинайте разработку 😎

Это чертовски круто: с помощью Fable создали настоящий дневник Тома Реддла из «Гарри Поттера». 🥰 Разработчик встроил LLM в reMarkable, и теперь устройство отвечает на написанные вопросы прямо на странице В ближайшие дни автор обещает открыть исходники

Website Downloader стал полностью открытым проектом. Инструмент позволяет скачать практически любой сайт целиком вместе со всеми необходимыми ресурсами, чтобы он работал локально без подключения к интернету. Автоматически скачивает HTML, CSS, JavaScript, изображения и шрифты сайта, преобразует все ссылки для локальной работы, упаковывает проект в ZIP-архив и отдает готовые файлы по мере их загрузки. Всё, что раньше приходилось делать вручную в течение нескольких часов, теперь доступно через один интерфейс. Проект может пригодиться для клонирования сайтов, создания офлайн-архивов или изучения реализации чужих веб-проектов. 😏😏😏

5 опенсорс no-code платформ для создания LLM, RAG и AI-агентов 1. AutoAgent — полностью автоматизированный фреймворк с нулевым порогом входа по коду. Достаточно описать высокоуровневую цель на естественном языке, а система самостоятельно выполнит планирование, декомпозицию задач и их исполнение. Она превращает промпт в работающую систему агентов. GitHub-репозиторий: https://github.com/HKUDS/AutoAgent 2. AnythingLLM. Одно из лучших комплексных решений для создания внутренних инструментов. Объединяет RAG, агентные воркфлоу и управление документами в едином self-hosted-пространстве. Платформа ориентирована на приватность и рассчитана как на технические, так и на нетехнические команды, которым нужно создавать инструменты на основе собственных данных. GitHub-репозиторий: https://github.com/Mintplex-Labs/anything-llm 3. LangChain Open Agent Platform. Специализированный UI, построенный поверх LangGraph. Вместо того чтобы скрывать внутреннюю логику, он делает поток выполнения агента наглядным с помощью узлов и связей. Это позволяет детально управлять маршрутизацией, циклами и координацией нескольких агентов без необходимости писать код самого графа. GitHub-репозиторий: https://github.com/langchain-ai/open-agent-platform 4. Sim. Визуальный конструктор воркфлоу со встроенным AI Copilot. Вы проектируете агентные пайплайны в виде исполняемых графов, при этом встроенный ИИ может генерировать или изменять эти воркфлоу за вас. Также платформа предоставляет подробный трейсинг выполнения, что значительно упрощает отладку сложных цепочек. GitHub-репозиторий: https://github.com/simstudioai/sim 5. Dify. Платформа, готовая к использованию в проде, с акцентом на наблюдаемость. Поддерживает управление промптами, сложные RAG-пайплайны и агентную логику, а также предоставляет мониторинг во время выполнения. Если вы разворачиваете решение для реальных пользователей, это один из стандартных вариантов. GitHub-репозиторий: https://github.com/langgenius/dify

Совет для пользователей Claude Code:

claude --bg --name "Session Name" "Prompt goes here"

Эта команда программно создает нового агента в Claude Agents. Очень удобно, когда нужно передать работу другой сессии и сразу открыть ее с готовым контекстом. У Matt Pocock уже есть черновик скилла /claude-handoff — это замена /handoff, которая делает именно это.

Несколько ресурсов по harness engineering, которые я с большим удовольствием изучаю в последнее время: » https://walkinglabs.github.io/learn-harness-engineering/en/ — отличный курс о том, как продуктивно ограничивать поведение агента, какие проблемы возникают при использовании LLM (особенно с удержанием контекста) и как сделать harness более агентным и доводящим задачи до корректного завершения. » https://twotimespi.dev — создай упрощённого агента на Python (Tau). Начни с uv tool install tau-ai. » https://humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents — уроки и выводы из неудач и успехов в построении harness-ов для кодинг-агентов за 12+ месяцев. » https://langchain.com/blog/the-anatomy-of-an-agent-harness — обзор высокого уровня множества компонентов, которые должны правильно сойтись в harness-е, чтобы агент работал. 🐸🐸🐸

Это абсурдно умно: есть способ сократить расходы на Fable 5 до ~70%. Просто преврати контекст Claude Code в картинку и заставь Fable распознавать их через OCR. 😂 https://github.com/teamchong/pxpipe Дисклеймер: lossy-сжатие. Точные строки (ID, хэши, секреты, числа) могут быть молча прочитаны неверно.

Копировать веб-страницы в LLM не обязательно вместе со всем HTML-кодом, рекламой и элементами интерфейса. Для этого появилось расширение .MD this page, которое в один клик преобразует любую страницу в чистый Markdown, готовый для передачи языковой модели. Расширение использует Mozilla Readability, чтобы автоматически выделить основное содержимое страницы и отбросить навигацию, рекламу и другой лишний контент. Перед экспортом результат можно просмотреть и при необходимости отредактировать, а затем скопировать в буфер обмена, сохранить в виде Markdown-файла или использовать как основу для промпта. При экспорте также можно настроить, что именно попадет в итоговый документ: оставить или убрать изображения, ссылки, метаданные, URL исходной страницы и карту структуры документа. Проект распространяется с открытым исходным кодом по лицензии MIT.

Антропики увеличили лимиты скорости запросов в Claude Platform API для всех пользователей и упростили систему тарифов — теперь она больше не зависит от объёма расходов на API. Последние версии моделей Sonnet и Haiku теперь получают до 5× более высокие rate limits на самом высоком уровне. Каждый уровень лимитов теперь предоставляет одинаковые показатели запросов в минуту и пропускной способности токенов для моделей Opus, Sonnet и Haiku. Это позволяет выбирать подходящую модель под задачу без необходимости идти на компромиссы из-за ограничений rate limit. Переход между уровнями лимитов происходит автоматически. При необходимости можно вручную запросить повышение лимита через кнопку “Request rate limit increase” в Claude Console. Подробнее о rate limits — в документации Claude Platform. 🎉

Мой текущий любимый репозиторий скиллов — это безусловно коллекция скиллов mattpocock, которую я уже не раз рекомендовал: https://github.com/mattpocock/skills Эти скиллы действительно подготовлены настоящими инженерами. Большинство из них состоят всего из нескольких простых предложений, но это самый что ни на есть настоящий опыт и практические советы из разработки. А ещё это ключевой способ изучать его философию программирования. Будь то /grill-me, /caveman, /zoom-out или /hand-off — я пользуюсь ими всеми регулярно. Особенно хорош скилл /to-tickets. Представьте: вы уже проработали идею, прошли через /grill-me — его скилл, который помогает согласовать требования между вами и агентом перед началом работы, — и теперь перед вами лежит огромный план реализации. Если сразу отдать этот план агенту, вероятность получить посредственный результат очень высока. Причина простая: вы перегрузите контекст, пытаясь сделать всё сразу. Именно здесь и помогает /to-tickets. Он разбивает большой план на небольшие задачи, помечая каждую тегом ready for agent. После этого агент может последовательно работать над каждой задачей, точно понимает, каковы AC (Acceptance Criteria, критерии приёмки), и способен самостоятельно проверить результат (или запустить субагента для ревью). ☕️

Anthropic выпустили официальную библиотеку промптов для Claude. И она полностью бесплатна. Там есть: - Планирование, отладка, ревью кода, безопасность, автоматизация Каждый промпт сопровождается пояснениями, как и почему он работает. Библиотека создана самой Anthropic. 🎉🎉🎉

💃💃💃

Вашему второму мозгу нужно больше, чем демо-чатбот Мне тут попался один опенсоурс репозиторий курса от Decoding AI для разработчиков, которые хотят создать ассистента для личной базы знаний с LLM, агентами, RAG и LLMOps. Что входит: • Шесть модулей - охватывает архитектуру, ETL, тонкую настройку, развёртывание, RAG и LLMOps • Офлайн + онлайн приложения - разделяет ML/пайплайны данных и пайплайн инференса ассистента • Поддержка Notion -использует базу знаний Second Brain, доступен публичный снимок, так что аккаунт Notion не обязателен • Используются LLMOps-инструменты, включая - ZenML, Opik, Comet, Unsloth, MongoDB, Hugging Face и OpenAI • Ориентирован на разработчиков с документацией модулей, готовый код, uv/ruff и Docker-инфраструктура Открытый исходный код (лицензия MIT). 💃

Fable вернулся, а значит время для полезных советов: Используйте Fable 5 как оркестратор, а Opus + Codex для выполнения (чтобы экономить использование Fable): Fable 5 (макс. рассуждение) = оркестратор Opus = сабагент для глубокого анализа. Sonnet = механический рабочий сабагент Codex = старший инженер-коллега с альтернативным взглядом. Настройка: 1. Установите Fable 5 как основную модель. В Claude Code: /model → Fable 5 → reasoning /effort max 2. Создайте 2 сабагентов через /agents в Claude Code: 1. deep-reasoner → закрепить за Opus EN:

Use for reasoning-heavy phases, architecture, debugging complex issues, algorithm design.
Think thoroughly, return a concise conclusion the orchestrator can act on.

RU:

Используй для этапов, требующих глубокого анализа: проектирование архитектуры, отладка сложных проблем, разработка алгоритмов. Анализируй максимально тщательно и возвращай краткий вывод, с которым сможет работать оркестратор.

2. fast-worker → закрепить за Sonnet EN:

Use for mechanical tasks, boilerplate, tests, formatting, simple edits.
Execute efficiently.

RU:

Используй для механических задач: шаблонный код, тесты, форматирование, простые правки. Выполняй их максимально эффективно.

3. Добавьте официальный плагин OpenAI Codex (сначала установите codex cli на компьютер). В Claude Code введите: /plugin marketplace add openai/codex-plugin-cc /plugin install codex@openai-codex /codex:setup 4. Поместите это в ваш CLAUDE.md в папке:

## Orchestration workflow

You (Fable) are the orchestrator. Plan, decompose, synthesize.

Reasoning-heavy phases → deep-reasoner
Mechanical work → fast-worker

Codex (/codex:rescue --background) is a cracked engineer on par with deep-reasoner, from a different perspective. Treat as a peer, not a reviewer.

High-stakes decisions: task Opus + Codex on the same problem in parallel, synthesize the best of both, without showing either the other's answer. Keep your own context lean.

5. После этого ставьте задачи Fable так, как это сделал бы техлид:

Цель: [что нужно сделать]

Контекст: [файлы, ограничения]

Ты — технический лидер. Делегируй задачи, требующие глубокого анализа, deep-reasoner; рутинную работу — fast-worker; задачи, где нужен свежий взгляд, — Codex.

Сначала покажи мне план, затем приступай к выполнению.

Вот и всё.

Думскроллинг, но теперь с пользой для учебы 🤓 NotebookLM получил Short Video Overviews — функцию, которая превращает сложные источники в 60‑секундные вертикальные видео с разбором ключевых идей. Роллаут уже начался для подписчиков Google AI Ultra и Google AI Pro на мобильных устройствах и в вебе. Бесплатные пользователи получат доступ позже.

В Claude Code v2.1.198 появился новый встроенный навык: /dataviz Он загружает в контекст рекомендации по проектированию диаграмм и дашбордов: выбор типа диаграммы, правила компоновки и визуальную иерархию для интерфейсов с большим объемом данных. Также в него входит исполняемый валидатор цветовой палитры, благодаря которому Claude может программно проверять контрастность и соответствие требованиям доступности, а не делать предположения. Ничего устанавливать не нужно - навык уже входит в состав CLI. Если вам нужно быстро визуализировать данные в HTML и получить качественный результат с первой попытки, этот навык стоит вызывать явно. На втором демо он генерирует дашборд на основе статистики загрузок с http://aitmpl.com. 🐸

С Anthropic сняли экспортные ограничения. После конструктивных переговоров с правительством США - доступ к Fable 5 начнут восстанавливать уже завтра В неё добавлены новые классификаторы, нацеленные на блокировку задач по кибербезопасности. На первых порах часть рутинных операций, вроде кодинга и отладки — будет автоматически передаваться модели Opus 4.8. Параллельно Anthropic совместно с Amazon, Microsoft, Google и другими партнёрами Glasswing начали разработку консенсусного фреймворка для оценки серьёзности ИИ-джейлбрейков и регламента реакции разработчиков. Кроме того, компания расширяет сотрудничество с правительством США в области тестирования моделей и мер безопасности. Это будет включать предоставление раннего доступа к моделям и средствам защиты для оценки, обмен информацией о джейлбрейках и злоупотреблениях, а также выделенные ресурсы для совместных исследований. ☕️

Sonnet 5 вышел. TL;DR: 1. Anthropic называет его самым агентным Sonnet на сегодня 2. Производительность почти как у Opus 4.8, но дешевле 3. Серьёзные улучшения в рассуждении, использовании инструментов, кодинге и работе со знаниями 4. Модель по умолчанию для Free и Pro пользователей 5. Доступен в Claude Code и API сегодня 6. Вводная цена: $2/M input, $10/M output до 31 августа 7. Стандартная цена: $3/M input, $15/M output 8. В целом безопаснее Sonnet 4.6, ниже уровень галлюцинаций и сикофантии 9. Киберзащита включена по умолчанию, но Opus остаётся сильнее для серьёзной киберработы Также тестеры сравнили Sonnet 5 с Opus 4.8, Sonnet 4.6 и GPT 5.5. Всем четырём моделям дали одинаковый промпт: создать три автономные HTML5 Canvas-сцены с реалистичной физикой столкновений. Промпты: - Автомобиль врезается в кирпичную стену. - Шар для сноса разрушает дом. - Катапульта запускает камень в стену замка. Результаты: Sonnet 5: 15 047 токенов, $0.15 Opus 4.8: 23 063 токена, $0.58 Sonnet 4.6: 25 824 токена, $0.39 GPT 5.5: 31 152 токена, $0.94 Sonnet 5 показал такой же уровень, как Opus 4.8 и GPT 5.5, во всех трёх тестах. В сценарии с шаром для сноса он превзошёл Opus 4.8: трос двигался плавно, и каждый удар приходился точно в цель. В тесте с катапультой он оказался лучше GPT 5.5: камень каждый раз попадал внутрь стены. При этом Sonnet 5 всё ещё уступает по детализации и качеству графики. Зато он использовал меньше токенов, чем остальные модели. Но стоит понимать. Sonnet никогда не стоит рассматривать как замену Opus для самых сложных задач. Модель спроектирована для более простых сценариев вроде ИИ-поддержки или Q&A, где узким местом является не интеллект. Замена онсайт-ассистента с Sonnet 4.6 на Sonnet 5 выглядит абсолютно логичной. Он умнее, быстрее и дешевле. А вот переводить агента по созданию контента с Opus на Sonnet было бы странным решением. По сравнению с Opus, Sonnet уступает в качестве на сложных задачах, а выигрыш по стоимости и скорости в таких сценариях не всегда оправдывает компромисс. Это хороший пример того, почему разработка ПО ещё долго будет требовать людей, способных принимать рациональные инженерные решения и выбирать подходящий инструмент под конкретную задачу. И да, разница в скорости между Sonnet 5 и Sonnet 4.6 действительно впечатляет. Респект Anthropic. 😜

Gamma теперь в ChatGPT. Теперь можно генерировать презентации прямо в чате и дальше редактировать их в Gamma. Можно просить Gamma: «Преврати этот техотчёт в саммари для руководства» «Собери маркетинговый бриф для нашего продукта по кибербезопасности» «Создай питч-дек из 4 слайдов о выезде команды на Гавайи» Собираешь идею в ChatGPT. Презентуешь в Gamma. 🐸