AI для Разработки — Claude | Cursor | Copilot
Открыть в Telegram
100+ AI-источников → лучшие инструменты для разработчиков. Cursor, Copilot, Claude API — обзоры, туториалы, новинки. Вопросы: @aiskladadmin
Больше937
Подписчики
+1224 часа
+157 дней
Нет данных30 день
Загрузка данных...
Похожие каналы
![[PYTHON:TODAY]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1e8JKN%2F5465241907756731355%3Fty%3Dx&w=256&q=75)
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июль '26
июль '26
+35
в 3 каналах
июнь '26
+31
в 0 каналах
Get PRO
май '26
+31
в 0 каналах
Get PRO
апрель '26
+24
в 0 каналах
Get PRO
март '26
+15
в 0 каналах
Get PRO
февраль '26
+50
в 4 каналах
Get PRO
январь '26
+680
в 4 каналах
Get PRO
декабрь '250
в 0 каналах
Get PRO
ноябрь '250
в 0 каналах
Get PRO
октябрь '250
в 0 каналах
Get PRO
сентябрь '250
в 0 каналах
Get PRO
август '250
в 0 каналах
Get PRO
июль '250
в 0 каналах
Get PRO
июнь '250
в 0 каналах
Get PRO
май '250
в 0 каналах
Get PRO
апрель '250
в 0 каналах
Get PRO
март '250
в 0 каналах
Get PRO
февраль '250
в 0 каналах
Get PRO
январь '250
в 0 каналах
Get PRO
декабрь '24
+2
в 0 каналах
Get PRO
ноябрь '24
+7
в 0 каналах
Get PRO
октябрь '24
+7
в 0 каналах
Get PRO
сентябрь '240
в 0 каналах
Get PRO
август '240
в 0 каналах
Get PRO
июль '24
+6
в 0 каналах
Get PRO
июнь '24
+3
в 0 каналах
Get PRO
май '24
+6
в 0 каналах
Get PRO
апрель '24
+18
в 1 каналах
Get PRO
март '24
+17
в 4 каналах
Get PRO
февраль '24
+70
в 5 каналах
Get PRO
январь '24
+146
в 9 каналах
Get PRO
декабрь '23
+352
в 9 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 28 июля | +1 | |||
| 27 июля | +12 | |||
| 26 июля | +2 | |||
| 25 июля | +1 | |||
| 24 июля | +5 | |||
| 23 июля | +1 | |||
| 22 июля | 0 | |||
| 21 июля | +1 | |||
| 20 июля | 0 | |||
| 19 июля | 0 | |||
| 18 июля | 0 | |||
| 17 июля | +1 | |||
| 16 июля | 0 | |||
| 15 июля | +1 | |||
| 14 июля | +2 | |||
| 13 июля | +1 | |||
| 12 июля | 0 | |||
| 11 июля | +1 | |||
| 10 июля | +2 | |||
| 09 июля | +1 | |||
| 08 июля | +1 | |||
| 07 июля | 0 | |||
| 06 июля | +1 | |||
| 05 июля | +1 | |||
| 04 июля | 0 | |||
| 03 июля | 0 | |||
| 02 июля | 0 | |||
| 01 июля | 0 |
Посты канала
MCP-сервер: первые грабли собирают не инженеры, а обычные юзеры
Ребята из Туту сделали MCP-сервер, чтобы ИИ-агент искал поездки по реальной базе билетов, а не галлюцинировал «секунду, подбираю…». И тут же собрали занятные шишки.
Самая неожиданная: у MCP-сервера должен быть лендинг. Первые отзывы прислали не разработчики, а живые люди — тыкали в адрес сервера в браузере и ловили белый экран:
{"detail": "Method Not Allowed"}
text/html — показываем человеку нормальную страницу: что это, как подключить, зачем. По умолчанию безопаснее отвечать как агенту, а лендинг отдавать, только если точно распознали браузер. Боты-превьюшки в мессенджерах тоже получат страничку — и это ок.
В целом MCP — открытый протокол: агент сам узнаёт про инструменты сервиса и дёргает их, вместо парсинга сайта. McKinsey вообще пророчит агентам продажи на 3–5 трлн долларов к 2030-му.
Остальные наблюдения: habr.com
🔥 — забрал в закладки
😁 — «Method Not Allowed» — родное
@ai_for_dev| 2 |  +1Код от ИИ красиво работает — и красиво дырявый
Исследователи из Университета Дакоты взяли простые Python-скрипты от ChatGPT, Copilot и Gemini для обычных офисных задач и прогнали через проверку. Результат жёсткий: 100% содержали критические уязвимости.
История знакомая до боли: разработчик или обычный сотрудник просит утилиту, получает первый рабочий вариант — и сразу в прод.
А дальше начинается веселье:
— парсеры глотают любые ссылки → привет, SSRF и доступ к внутренним серверам;
— почтовые скрипты дырявы для инъекций → корпоративный SMTP становится шлюзом для фишинга;
— сортировщики файлов ведутся на подмену путей и симлинки → отдают локальные документы.
Самое ироничное: аудит этого кода поручили Claude Code. Нейросети уже проверяют поделки друг друга на закладки.
😐 — знакомая картина
🤔 — надо перепроверить утилиты
@ai_for_dev | 52 |
| 3 |  GPT-6: анонс на этой неделе (по слухам)
Инсайдеры сообщают о поездке Сэма Альтмана в Вашингтон с презентацией новой модели для Белого дома.
Заявленные направления: решение долгоиграющих математических задач и снижение стоимости сложной бизнес-работы. Для тех, кто строит на OpenAI API, это потенциально новый уровень рассуждений и, возможно, другой ценник за токены.
По неподтверждённым данным, речь о модели, ранее фигурировавшей в истории с Hugging Face.
Подтверждённых первоисточников нет — оценивать стоит после публикации бенчмарков и документации.
🤔 — жду цифры
😎 — потестим на выходных
@ai_for_dev | 59 |
| 4 |  Microsoft сделала ИИ, который сам себя взламывает — и сам чинит
Microsoft показала Project Perception: три команды ИИ-агентов гоняют по кругу без людей. Одни ломают, другие разбираются, что из найденного реально опасно, третьи закрывают дыры. И так круглосуточно.
Модель MAI-Cyber-1-Flash живёт внутри системы управления уязвимостями MDASH и уже выбила 96% на бенчмарке CyberGym — на 12 пунктов больше, чем Mythos от Anthropic. Бонусом всё это почти вдвое дешевле: дорогие «думающие» модели берут на себя сложное, а рутину раздают быстрым узким моделям.
Публичный тест стартует 3 августа. В июле Белый дом запустил инициативу Gold Eagle по ИИ-защите от кибератак, и Microsoft явно хочет стать её основной платформой. Но осадочек есть: 96% — это на синтетике, а не на настоящих атаках. Пока агенты сами не закроют реальную брешь в проде без человека, цифра остаётся лабораторной.
Читать целиком
👀 — интересно, что покажут
🤔 — а на живых атаках?
@ai_for_dev | 63 |
| 5 | Anthropic выпустила бесплатный курс по Claude Code
Anthropic запустила бесплатный онлайн-курс Claude Code in Action, посвящённый её инструменту для программирования. Курс входит в образовательную программу Anthropic Academy и размещён на платформе Skilljar; отдельный аккаунт для прохождения не требуется.
Курс рассчитан не на новичков, а на разработчиков, которые уже используют Claude Code и хотят перейти к более длинным, командным сценариям. Основная идея — научиться запускать агента на часы работы и затем с уверенностью проверять результат.
Программа разбита на четыре блока: управление длинными сессиями (планирование, откат неудачных шагов); настройка (файл инструкций CLAUDE.md, «навыки», режимы доступа и правила через хуки); автоматизация (запуск по расписанию, «безголовый» режим, встраивание в проверку кода и pull-запросы на GitHub); верификация автономных прогонов и упаковка конфигурации в плагин для всей команды. По итогам — тест и сертификат.
Отдельно на неделе: беспилотные такси Waymo с 2024 года накопили около 9,3 тыс. долларов штрафов за парковку — примерно 400 долларов в месяц на весь парк, большую часть Waymo уже оплатила.
🎉 — бесплатно, забираю
🤔 — курс или маркетинг
Источник: kod.ru
@ai_for_dev | 61 |
| 6 | Microsoft выкатил модель, которая сама ищет уязвимости
Новая MAI-Cyber-1-Flash прочёсывает кодовые базы, находит дыры и помогает готовить исправления. Работает она не в одиночку, а внутри MDASH — системы из 100+ AI-агентов.
Самое интересное — экономика. Компактная модель тянет до 90% задач, а на сложные 10% зовут тяжёлую GPT-5.4. В сумме система выдаёт 96% на бенчмарке CyberGym и выходит вдвое дешевле старой связки из трёх моделей.
А ещё Microsoft запускает Perception — команды агентов, которые круглосуточно следят за корпоративной инфраструктурой, ставят патчи и закрывают новые угрозы.
Читать: microsoft.ai
😐 — тревожно
🤔 — надо изучить
@ai_for_dev | 69 |
| 7 |  Antares от Cisco: маленькие модели, которые ищут дыры в коде
Cisco представила семейство малых языковых моделей Antares — они находят известные уязвимости в исходном коде и стоят при этом копейки.
В линейке три модели: Antares-350M, Antares-1B и Antares-3B. Две младшие уже лежат на Hugging Face. Главная фишка — их можно гонять локально, так что свой закрытый код никуда отправлять не нужно.
Цифры бодрые: 350M обошла Gemini 2.5 flash, 1B — Gemini 3 Pro и GLM-5.2, а ещё не вышедшая 3B набрала столько же, сколько GPT-5.5. И это при всего трёх миллиардах параметров — у больших GPT их сотни миллиардов.
Внутри — итеративный поиск, имитирующий работу исследователя: модель берёт описание уязвимости, ищет похожие шаблоны, читает файлы и сужает круг до подозрительных. Пригодится для CWE-разбора, приоритизации инцидентов, усиления статического анализа и сортировки в CI/CD.
😐 — звучит настораживающе
🤔 — надо проверить на своём репо
Источник: habr.com
@ai_for_dev | 70 |
| 8 | Детерминированный пайплайн: свободный текст → граф действий
Задача: превратить реплику игрока на естественном языке в исполняемый порядок операций, где зависимости («выхватить меч» → «прыгнуть») не нарушаются. Решение — не один большой промпт, а декомпозиция.
Слои архитектуры:
1. Классификатор — маршрутизирует вход: игровое действие → движок, спам → игнор, вопрос по правилам → лёгкая LLM, «ещё раз» → подстановка предыдущего сообщения.
2. Атомизация — реплика дробится на атомарные действия.
3. Граф зависимостей — фиксирует порядок и параллелизм атомов.
4. Параллельный пайплайн специалистов — отдельные модели считают атаку, проверяют ловушки, назначают проверку атлетики; арбитр склеивает разрозненные ответы в непротиворечивый результат.
Профит: контролируемость, меньше галлюцинаций и предсказуемая стоимость токенов вместо ставки на «умную» модель.
Архитектурный разбор
😎 — атомизация по-взрослому
🤔 — арбитр не узкое место?
@ai_for_dev | 75 |
| 9 |  Fable 5.1 может выйти уже в августе
По утечке Anthropic уже допилила новую модель внутри и готова выкатить её следом за GPT-6.
Самое вкусное: цену обещают оставить как у Fable 5. То есть новый уровень качества по старому прайсу — если не наврали, конечно.
А то ведь знакомо: вертишь эти цены так и эдак, а на паре серьёзных запросов кошелёк уже плачет. Официального анонса пока нет, так что ждём и надеемся.
🔥 — по старому прайсу, беру
🤔 — верю после релиза
@ai_for_dev | 73 |
| 10 |  Stolen Compute: инвентаризация открытых inference-эндпоинтов
Проект сканирует публичное адресное пространство, находит ИИ-серверы без аутентификации и агрегирует их в поисковый каталог. Пользователю остаётся выбрать модель и слать запросы напрямую — вся нагрузка ложится на владельца незащищённого узла.
Заявленные цифры: около 2 тысяч моделей и порядка 20 тысяч активных нод. В выдаче встречаются тяжёлые веса — Kimi 1T, DeepSeek V3 и другие.
Вывод простой: любой self-hosted inference (vLLM, Ollama, TGI и т.п.), выставленный наружу без обратного прокси с авторизацией и без файрвола, попадает в такие каталоги за считанные часы. Проверьте адрес привязки (0.0.0.0 против 127.0.0.1) и наличие токена. Каталог: stolencompute.com.
🤔 — конфиги под замок
😐 — нод нараспашку
@ai_for_dev | 75 |
| 11 |  Visa открыла VVAH — агентный харнесс для поиска уязвимостей
Visa выложила на GitHub свой инструмент VVAH (Visa Vulnerability Agentic Harness) — открытый харнесс для автономного поиска, устранения и проверки уязвимостей с помощью AI-моделей. Построен на наработках Project Glasswing от Anthropic.
Это пайплайн из 4 фаз и 11 стадий — от загрузки кода до проверенного исправления:
- Фаза 1 — разведка и моделирование угроз, карта поверхности атаки;
- Фаза 2 — глубокий анализ и адверсариальная верификация эксплуатируемости;
- Фаза 3 — синтез и отчёты (Markdown + SARIF 2.1.0);
- Фаза 4 — предложение фиксов и их проверка перед принятием.
Качество находок держат три решения: моделирование угроз до анализа, детерминированное голосование нескольких агентов против ложных срабатываний и структурированные артефакты триажа. Ключевая метрика — Mean Time to Adapt: время от обнаружения до проверенного фикса в продакшене.
Мульти-модельный по дизайну: Claude, OpenAI-совместимые или их комбинация через vendor-neutral слой. Важно: сканируйте только тот код, на который у вас есть права, а находки требуют ревью человеком.
Репозиторий
😐 — тревожно
🤔 — надо проверить
@ai_for_dev | 95 |
| 12 | LLM не думает — она угадывает по паттернам
Когда разработчик получает задачу, он её разбирает: декомпозиция, зависимости, дизайн, потом код. LLM делает ровно наоборот — сразу генерирует, перебирая паттерны из обучающего корпуса, пока не найдёт что-то похожее. Без проектирования, без понимания.
И это не баг — это фундаментальный принцип трансформеров. Отсюда же все странности: почему миллион токенов контекста — не панацея, а подорожник, почему thinking-модели не думают, и почему RAG — это не магия, а костыль поверх очень ограниченного инструмента.
Короткая историческая справка: до трансформеров были RNN/LSTM — обрабатывали текст слово за словом, обучались медленно, дальние связи теряли (градиент тухнет). В 2017 Google выкатил Attention Is All You Need — и индустрия почти полностью съехала на трансформеры.
Статья хорошая для тех, кто устал слышать "AI всё может" от менеджеров. Пора перестать очеловечивать инструмент и считать его магией — он просто очень хорошо предсказывает следующий токен.
🔥 — наконец-то по делу
😎 — расскажу менеджеру
@ai_for_dev | 103 |
| 13 | Пять терминалов — это уже норма
Помните времена, когда хватало одного окна и одного агента? Теперь у вас пять терминалов, семь веток, и вы понимаете: код давно не проблема — проблема в том, что на всех не хватает внимания.
Из этого хаоса вырос целый рынок «диспетчерских»: программ, которые разводят агентов по отдельным рабочим копиям, следят за их статусом и не дают устроить пожар в проекте.
Забавно, что инфраструктура появилась раньше спроса: tmux (2007) держал процессы живыми, Docker дал контейнеры, git worktree (2015) развёл ветки по папкам, а gVisor и Firecracker добавили изоляцию. Агентам осталось только всё это собрать вместе.
За пару лет мы прошли путь от Aider до Claude Code, Claude Squad и Vibe Kanban. И, кажется, гонка оркестраторов только начинается.
Подробнее — на Хабре.
🔥 — пять окон это норма
🙈 — семь веток и паника
@ai_for_dev | 98 |
| 14 | 30к рублей, 17 часов на GPU — и твой локальный GPT-5.4
Ребята взяли Qwen3.5-27B, докрутили её через QLoRA на задачах российских учителей и получили 3.21 из 4 — ровно как у GPT-5.4 (3.2). Только работает на Mac Mini M4 Pro и не сливает данные в облако (152-ФЗ велел).
Самый сочный момент — они параллельно обучали 32B на Qwen3. Потратили в 3 раза больше GPU-времени, training loss был красивее (0.47 vs 0.51), а на реальных задачах она слила -0.52 пункта. Мораль: новая архитектура бьёт больший размер. Qwen3.5 лучше дружит с русским и структурой, чем его же старший брат предыдущего поколения.
Данные собрали по методике CRAFT — берёшь открытые датасеты (MMLU-RU, MERA, gsm8k-ru) как затравку, а сильная модель генерит из них 30 000 пар запрос-ответ. Всё в пределах бюджета на обед в Москве.
Подробности на Habr
🔥 — QLoRA gang
🤔 — а Qwen3.5 реально такая бодрая?
@ai_for_dev | 100 |
| 15 |  189к звёзд — и не за вайбкодинг
Тот самый репозиторий, который стоит закинуть в закладки, если гоняешь ИИ-агентов в разработке. Без магии «сделай всё за меня» — это набор маленьких, проверенных скиллов, которые учат ассистента нормально планировать, отлаживать код, ревьюить и продумывать архитектуру.
Автор прямо говорит: это про реальную инженерию, а не vibe coding. Скиллы композируемые, легко пилятся под себя и дружат с любой моделью — Claude Code, Codex, что угодно.
Поставить — минутное дело:
npx skills@latest add mattpocock/skills
Забрать на GitHub
🔥 — тащу к себе в репозиторий
👀 — гляну, что там у Matt
@ai_for_dev | 100 |
| 16 | Тренды нейросетей за неделю: скиллы, вайбкодинг и полезные инструменты
Подборка заметных проектов недели для разработчиков.
💻 Аналитик Макс Вайнбах собрал копию веб-версии macOS 27 роем агентов Kimi K3 — пиксельно точная симуляция прямо в браузере. Ушло 3 часа и 60% месячного лимита Kimi.
⚔ Навык No AI Slop убирает из сгенерированных текстов более 20 типичных для нейросетей оборотов. Подключается к Codex, Claude Code и любому чат-боту.
🍩 Таблица со 150+ бесплатными API ИИ-моделей: Google AI Studio, OpenRouter, Groq, NVIDIA, Mistral, GitHub Models — с точными лимитами.
Ещё в выпуске: скилл сборки 3D-лендинга из описания бренда, скилл apple-design для интерфейсов по гайдлайнам Apple и бесплатная программа для монтажа видео через Claude Code и Codex — с обрезкой, переходами, субтитрами и цветокоррекцией.
👍 — полезная подборка
🤔 — надо разобрать
Источник: habr.com
@ai_for_dev | 89 |
| 17 | 502 снаружи, 302 внутри: как отучить LLM-агента врать
Чувак сделал внутреннего read-only агента для разбора инцидентов. Пишешь ему в чат «почему сервис отдаёт 502?» — а он сам лезет в Kubernetes, VictoriaMetrics, Elasticsearch, GitLab и Grafana, собирает факты и честно выдаёт, что проверил, а что нет. В прод при этом ничего не трогает.
Самое вкусное — без всякого LangChain. Всё на Go: свой рантайм хранит контекст, проверяет права, гоняет план и собирает доказательства. Модели на открытых весах только думают и объясняют, руками в production не лезут.
И вот классика жанра. Снаружи прокси показывает 502, а в логах приложения тот же request_id — редирект 302. Бот сначала выдал «на уровне приложения всё ок, ищите на edge». Формально правда, толку ноль. А причина была тупо в том, что заголовки не влезли в буфер прокси: один Location весил 1191 байт, и прокси просто выкинул ответ.
Мораль: инструментов у агента было даже слишком много. Не хватало умения связать логи между собой и не прыгать на знакомый симптом. Статья — про то, что начинается ПОСЛЕ первого успешного tool call.
🔥 — до боли знакомо
😎 — почитаю на выходных
Источник: habr.com
@ai_for_dev | 107 |
| 18 |  Агент, собери мне игру: 17 скиллов для Three.js
Чувак выложил коллекцию из 17 скиллов, чтобы агент клепал браузерные экшен-RPG почти сам 😳
Внутри — весь цикл: камера, уровни, враги, инвентарь, VFX, звук, плюс оптимизация и тесты. По сути готовые папки-плейбуки: короткий SKILL.md, который агент читает и делает по нему. Дружит с Codex, Claude Code и Cursor.
Самое сочное — игра на видео и правда собрана этими скиллами, поиграть можно прямо сейчас, а всё добро лежит на GitHub.
🔥 — пойду вайбкодить RPG
🤡 — агент, а баги кто чинит
@ai_for_dev | 91 |
| 19 | Deep Agents: собрал всё в кучу — но какой ценой?
Агентов сейчас строят кто во что горазд: берут готовые фреймворки, кликают конструктор на веб-портале или пишут своё — дешевле и в своём контуре. Классика для последнего — LangChain / LangGraph: обёртки, графы, пайплайны под типовые куски агента.
Обычно всё крутится вокруг цикла ReAct: модель порассуждала, дёрнула инструмент, посмотрела результат, снова подумала — и так до ответа. На короткой задаче норм. А на длинной агент начинает тащить на себе всё: историю, результаты инструментов, планы, файлы. И вопрос уже не «как написать промпт», а «как разгрести весь этот бардак». Вот этим и занимается контекст-инжиниринг.
Deep Agents — это когда LangChain уже собрал тебе рабочую среду вокруг обычного агента. Не новая модель, а готовый «тяжёлый рюкзак»: в API — create_deep_agent поверх create_agent. В статье на Хабре разбирают, из чего он собран и когда его реально стоит брать, а когда лучше налегке.
🔥 — забираю в закладки
🤷 — мне и ReAct хватает
@ai_for_dev | 89 |
| 20 | Как я собрал «правильный» RAG и сделал только хуже
Знакомая картина? Берём вектора, эмбеддер, сверху реранкер, добавляем BM25 для гибридного поиска — и на схеме всё летает. Двадцать строк кода, стрелочки, продакшн готов.
Автор реально дошёл до конца на своих данных. Итог: почти каждый «канонический» апгрейд уронил метрику. BM25 — вниз. Реранкер — вниз, причём дважды в разных конфигах. А выстрелило то, что программистам обычно скучно: пара дней возни с данными и нормальные замеры.
Мораль простая: RAG работает, но магия не в коде, который пишется за день, а в eval-харнессе и чистке корпуса. «Так все делают» — это не про ваши данные. Хочешь узнать, что реально помогает — меряй у себя.
Вся история с пруфами: Habr
🔥 — узнал свою боль
😐 — опять мерять руками
@ai_for_dev | 92 |
