Vibecoding Haven (BotfatherDEV)
Відкрити в Telegram
Ділюсь про те як стати продуктивнішим використовуючи AI в програмуванні.
Показати більше2 611
Підписники
-324 години
-37 днів
-2130 день
Архів дописів
Tracer Bullets Beat Layers
Чому AI не варто давати горизонтальні фази типу “спочатку вся база, потім весь API, потім UI”.
На діаграмі порівнюється це з вертикальними "зрізами", які проходять через DB/API/UI і дають швидкий feedback
мені «дуже подобається», коли роботу LLM зводять до це просто next-token predictor
бо технічно — це так і є
але це завжди пояснення рівня:
людина — це просто мʼясо, яке передає електричні імпульсиніби це правда, але майже нічого не пояснює. є дуже цікава стаття The Platonic Representation Hypothesis. головна ідея там така:
Neural networks, trained with different objectives on different data and modalities, are converging to a shared statistical model of reality in their representation spacesтобто різні нейронки, навчені на різних задачах, даних і модальностях, поступово сходяться до спільної статистичної моделі реальності. не просто вгадують слова не просто «дістають відповідь з памʼяті» а будують внутрішню репрезентацію того світу, який породив ці дані. у статті є ще дуже красива фраза:
all strong models are alike, each weak model is weak in its own wayТобто, слабкі моделі слабкі кожна у своєму сенсі, а сильні моделі стають схожими, бо реальність, яку вони намагаються стиснути — одна І ось якщо так редукувати LLM, то людина теж «просто предиктор наступного сигналу» нервова система теж отримує сигнали, стискає їх, шукає закономірності, будує внутрішню модель світу і постійно передбачає, що буде далі. ми ніколи не бачимо реальність напряму, ми бачимо лише її проєкції. і автори дуже красиво пишуть:
The training data for our algorithms are shadows on the cave wallдані — це тіні на стіні печери. але сильні моделі, можливо, вчаться не просто повторювати тіні, а поступово відновлювати структуру того, що ці тіні породжує. Тому ми працюємо не з якоюсь магічною памʼяттю і не просто з генератором тексту, а з системою, у якої є внутрішня статистична модель реальності а коли ми даємо їй tools, browser, code execution, files, API, memory і feedback loop — ця модель починає не тільки описувати світ, а й діяти в ньому) Отже, вайбкодинг — це коли ти навчився формулювати намір, обмеження і фідбек так, щоб внутрішня репрезентація світу в моделі могла через інструменти змінювати реальний проєкт
Codex знову скидають ліміти 😅
За 14г до того як вони мали скинутися
чому варто скачати codex app:
вони дають генерити зображення з gpt image 2
спробуйте візуалізувати план подібними діаграмами щоб краще зрозуміти (особливо якщо стосується дебагу)
+2
написав Грегу Брокману про те що Low "Intelligence" звучить дивно для GPT-5.5
попросив грока запропонувати їм кращі опції:
Класний варіант:
Quick / Standard / Thorough / Expertзамість
Low / Medium / High / Extra Highяк вважаєте, побачить?
Непопулярна думка: нейронки — не щось штучне та «несправжнє». деякі люди стверджують що навіть приставка "штучний" до слова "інтелект" не має сенсу. Щось типу того, що інтелект не може бути штучним нейронки роблять рівно те саме, що і мозок: дістають закономірності з реального світу Мозок отримує досвід, шукає патерни, приймає якісь рішення і отримує фідбек від реальності, і нарешті оновлює зв’язки. Нейронка отримує дані, витягує патерни, робить prediction/output, отримує feedback/reward/loss, оновлює weights. В обох випадках суть одна: - багато даних - багато ітерацій - нормальний feedback loop Тому мораль проста: треба дбати про мозок як про нейронку Що читаєш, З ким говориш, Які задачі розв’язуєш, Який фідбек отримуєш, Скільки спиш, щоб мозок нормально консолідував корисні спогади і прунив зайві речі. Бо можна 10,000 годин тренувати себе на херні і просто зацементувати криві патерни А можна будувати нормальний тренувальний пайплайн для власної нейронки)) garbage in -> garbage out працює не тільки для моделек
+1
Варю лінивий рис в пакетику
Але він просто без нічого
Попросив чатгпт продовжити рецепт але тепер для яйця з рисом
Repost from Vibecoding Haven (BotfatherDEV)
Тримайте потужний воркшоп від Мета Покока (дуже крутий відомий чел в сфері ШІ кодинга) - про архітектуру та реальні процеси в AI-інжинірингу, який чудово розкриває реально дієві підходи до вайбкодингу.
Це прям золото, раджу дуже уважно глянути
Він детально розбирає, як уникати переповнення контексту, декомпозувати задачі на вертикальні слайси та налаштовувати автономні цикли написання коду агентами.
https://youtu.be/-QFHIoCo-Ko
+1
Grill First, Plan Later
Перед плануванням треба “допитати” ідею: уточнити вимоги, ризики й межі задачі.
Діаграма показує шлях від розмитого брифу через Q&A до спільного розуміння.
Що вже є:
- eleven labs sound effects, voice, music
- Suno/Udio music gen
- звук який йде з відео генераціями (теж з промпта фактично ж)
Чекаю коли нейронкою можна буде генерити аудіо так само як зараз ми це робимо з картинками
Тобто і audio gen i audio editing
Частково це вже є але не на тому рівні як image gen
Smart Zone vs Dumb Zone AI добре працює з малими, чіткими задачами, але деградує, коли контекст і обсяг роботи роздуваються. Діаграма показує цей перехід: від контрольованого “Smart Zone” до перевантаженого “Dumb Zone”.
