AI для Разработки — Claude | Cursor | Copilot

ИИ мёржит вдвое больше PR, а разгребать-то тебе Знакомо? 84% разработчиков уже сидят на ИИ-инструментах (Stack Overflow не даст соврать). И вот цифры от Faros AI: задач закрывают на 21% больше, пул-реквестов мёржат на 98% больше... а время ревью выросло на 91%. Сюрприз 🎉 Логика простая: агенты в Cursor или Claude Code сами читают код, правят файлы, гоняют тесты. Ты больше не пишешь — ты разгребаешь. В Stripe вообще завели автономных «миньонов»: каждую неделю они накидывают больше тысячи пул-реквестов, а живой инженер сидит и проверяет. Вывод статьи отрезвляющий: целиком отдать ревью моделям не выйдет — иначе весь выигрыш по скорости утонет в проверке. Надо по-взрослому решать, что автоматизировать, а что смотреть глазами. Разбор — тут. 😁 — это про мой день 🤔 — пойду чинить процесс @ai_for_dev

AI пишет код: 8 антипаттернов, из-за которых он падает в проде Знакомая картина? PR открыт, diff аккуратный, CI зелёный, ревьюер ставит апрув за пять минут — «ну тут же AI писал, оно обычно нормально». А через неделю прилетает алерт. Tech Lead из финтеха честно рассказывает, как AI-ассистент из ускорителя превращается в источник нового класса багов. Самое подлое: на ревью эти баги не выглядят багами. Код чистый, отступы ровные, переменные по гайдлайну. Ломается оно там, где живёт настоящий прод — под нагрузкой и на edge-кейсах, которые модель просто не держала в голове. И это не вкусовщина, а цифры: 84% разработчиков уже сидят на AI-инструментах, но в AI-коде проблем в 1,7 раза больше, а инцидентов на PR — на 23,5% выше. Больше кода быстрее — и больше поломок быстрее. Все 8 антипаттернов с конкретными исправлениями: habr.com 🔥 — больно и в точку 👀 — пойду читать целиком @ai_for_dev

Меняешь arxiv на autoarxiv — и статья сама себя проверяет Вышел бесплатный агент autoresearch. Берёшь ссылку на статью arXiv, меняешь в ней arxiv на autoarxiv — и агент сам пытается поднять код, прогнать минимальный эксперимент и прикинуть, сколько ресурсов уйдёт на полное воспроизведение. Теперь чужие результаты можно гонять, не убивая вечер на установку зависимостей 🤓 🔥 — пойду менять буквы 👀 — а оно реально пашет? @ai_for_dev

Свой агент для кода дома: NorthMiniCode в OpenCode Все носятся с облачными агентами — Claude Code, Codex, Gemini CLI. Но доступ режут и сверху, и снизу, так что иметь локальный инструмент под рукой просто необходимо. 9 июня 2026 завезли NorthMiniCode — модель, которую, в отличие от Qwen, реально заточили под агентские циклы: планирование, инструменты, правки, терминал. Крутится всё на домашнем сервере, где обычно гоняются Qwen, hashcat и Minecraft ребёнка: • Ryzen 7 5700G + 64 GB RAM • RTX 5060 Ti 16 GB + RTX 3060 12 GB • Ubuntu 24.04 LTS Да, рекомендуют H100, но её, как водится, нет — работаем с тем, что есть. Архитектура cohere2_moe теперь в master llama.cpp, собираем с -DGGML_CUDA=ON. Падает с «Unsupported gpu architecture» — обновляем драйвер и CUDA. Веса тянем GGUF через huggingface cli, а на две карты раскидываем через --tensor-split 16,12 (57% на первую, 43% на вторую). 🔥 — self-hosted и точка 👀 — а где H100 брать Источник: habr.com @ai_for_dev

Подключаем YandexGPT к AI-агентам без танцев с бубном Автор плотно посмотрел на Yandex AI Studio и выяснил приятное: модели Яндекса поддерживают стандарт OpenAI прямо из коробки. Эндпоинт один — https://ai.api.cloud.yandex.net/v1. Помните боль с GigaChat и OpenCode? Там из-за разницы протоколов пришлось пилить свой слой совместимости. А тут — никаких кастомных прокси. Кидаешь baseURL, API-ключ и свой Folder ID в заголовок OpenAI-Project, модель пишешь полным URI:

gpt://<folder_ID>/yandexgpt-5.1

Для Pi добавляешь провайдера в ~/.pi/agent/models.json с типом openai-completions и выключаешь то, что Yandex пока не переваривает (supportsDeveloperRole, supportsReasoningEffort). Hermes тоже умеет в кастомных провайдеров — главное прокинуть заголовок проекта. А вот с Claude Code так не выйдет: он общается через Anthropic Messages API, так что без gateway-переводчика не обойтись. И биллинг в облаке включить не забудь, иначе модель молчит. Все рабочие конфиги — в статье на Хабре. 🔥 — пойду прикручивать 👀 — а оно вообще нужно @ai_for_dev

Хватит жонглировать конфигами — CCS переключает провайдеров по клику Знакомо: меняешь провайдера у Claude Code и снова правишь конфиги, ломая активную сессию? CCS убирает эту боль. Один стабильный набор команд — и ты прыгаешь между Claude Code, Codex и Droid без танцев с бубном. В активе: • Куча подписок и аккаунтов Claude — в одном месте. • Локальные модели через Ollama, llama.cpp, OpenRouter — гоняй бесплатные аналоги, не тратя ни копейки. • OAuth для Qwen, Kimi, Codex и других. • Мост в OpenAI-совместимые API через локальный прокси. Ставится одной командой через npm или Docker, есть веб-панель. Затащить себе — с GitHub. 🔥 — конец конфиг-аду 👀 — надо потыкать @ai_for_dev

MDN теперь дружит с твоим ИИ-агентом Mozilla выкатила MDN MCP-сервер — и это прям приятно. Знаешь, как ИИ уверенно несёт чушь про веб-фичи, потому что его данные устарели на год? Вот это лечится. Теперь агент тянет свежую документацию MDN и реальную совместимость браузеров прямо в редактор. Спросил «а @view-transition уже можно в проде?» — и получаешь честный ответ из Baseline, а не галлюцинацию. Работает почти везде: VS Code, Zed, Cursor, из CLI — Claude Code, Codex CLI, ну и Claude Desktop. Подрубить к Claude Code — одна строчка:

claude mcp add --transport http mdn https://mcp.mdn.mozilla.net/

Пока экспериментальный режим, но потыкать уже можно. 🔥 — пойду подключать 🤔 — а cutoff правда вылечит? Источник: habr.com @ai_for_dev

Свой флот ИИ-агентов на локальной машине — без облака Локальные агенты сейчас в тренде, и ребята из Beeline Cloud собрали подборку open-source фреймворков, чтобы поднять их «под боком». Gaia от AMD — для красных процессоров: пишешь агентов под Ryzen AI с железным ускорением. MIT, 1,4 тыс. звёзд, ставится на Windows, macOS и Linux. Внутри — голосовой чат, RAG, работа с файлами, генерация и прогон кода, коннекторы к Jira и погоде. Авторы даже завезли «плейбуки»: генератор картинок соберёшь минут за 15, а ИИ-модуль для документов — где-то за час. Ailoy — агент в пару строк без шаблонов, написан на Rust. Тянет локальный Qwen3, дружит с MCP и умеет RAG по твоим докам. Кому надоело платить за облако — подробности на Habr. 🔥 — гоняю локально 😎 — на выходных потыкаю @ai_for_dev

Закинул договор в LLM — поздравляю, ты под 152-ФЗ Все начинали с кода: Codex, Claude Code и прочие агенты задумывались для разработки. А теперь мы скармливаем им договоры, таблицы, тикеты, почту, лезем в CRM. А там ФИО, телефоны, ИНН, паспорта. И вот незаметно ты уже обрабатываешь персональные данные. Самое коварное — ИНН. Кажется, что просто набор цифр, но это персональные данные сам по себе, без имени: по нему через ФНС выходят на конкретного человека. Логика та же, что с паспортом. Нюанс: ИНН компании (ООО) — норм, он про организацию, а не про живого человека. Ещё пара граблей, на которые легко наступить: — клиентская база в Google Sheets — нарушение, которое нельзя «дооформить» задним числом; — галочка «согласен на обработку» при регистрации не закрывает отправку чужих данных в зарубежную модель; — «взял из открытого ЕГРЮЛ» не значит «делай что хочешь» — утечёт база, отвечаешь ты. Дальше в разборе — что вообще считается персональными данными, какие штрафы и какие рабочие схемы есть, чтобы гонять документы через LLM и не словить проблем. Автор сразу честно: он не юрист, это для инженеров и продактов. 👀 — пойду проверю свои пайплайны 😅 — а я-то думал просто текст @ai_for_dev

Вайбкодинг, увольнения и будущее разработки Старший Python-разработчик кинул короткий пост про то, как меняется работа — и за пару часов набежало полсотни комментариев. Тема задела по-живому, так что давайте по фактам. С начала 2026 года IT потерял больше 118 000 рабочих мест — это ~825 человек в день. Meta сократила около 8 000, Intuit — 3 000. Но самое интересное: эти компании не тонут, они прибыльны. Просто деньги теперь уходят не на найм, а на железо под ИИ — большая четвёрка вкладывает ~725 миллиардов долларов в инфраструктуру за год. Грубо: уволил сотню инженеров — высвободил бюджет на GPU. А ещё Цукерберг буднично заявил, что ИИ скоро будет писать код как мидл. И вот это спокойствие пугает сильнее слов. Но «заменили» — пока не то слово. Скорее «переформатировали»: руками кода пишем всё меньше. Подробный разбор: habr.com 🔥 — живая тема, дочитал 🤷 — переживём и это @ai_for_dev

ML Red Teaming для LLM: стек open source-инструментов Поверхность атаки сместилась с кода на промпты, память агентов, RAG-контекст и вероятностное поведение моделей. ML Red Teaming закрывает именно эти ИИ-специфичные векторы. Методологии: комбинация автоматического сканирования и ручного экспертного тестирования; многоагентные атаки (одна модель атакует, вторая судит, третья генерирует вариации); проверка на разных уровнях зрелости — от простых prompt injection до многошаговых атак на память, инструменты и оркестрацию агентов. Фреймворки угроз: MITRE ATLAS — 16 тактик и 170 техник (+114 за 3 месяца). OWASP Top 10 for LLM — LLM01: Prompt Injection на первом месте. OWASP ASI — отдельно для агентных систем; плюс NIST AI RMF и NIST AI 100-2. Open source-инструментарий: Garak — сканер с 100+ пробами и плагинной архитектурой. Promptfoo — Red Teaming, оценка и CI/CD по OWASP/MITRE. PyRIT — multi-turn тестирование LLM и агентов корпоративного уровня. Разбор техник — в статье на Хабре. ✍️ — сохранил инструменты 🤔 — прогоню Garak @ai_for_dev

Дашборд зелёный, а толку ноль: как мы снова считаем строки кода Забавная штука. Двадцать лет ржали над метрикой «строки кода» — мол, больше строк не значит больше пользы. А пришёл AI — и мы радостно считаем промпты, процент AI-коммитов, занятые лицензии. Строки кода вернулись, просто переоделись. Суть простая: активность — это не результат. Команда может фигачить с AI на полную, а бизнес-исходы те же, что и без него. Дашборд при этом весь такой зелёный и довольный. И вот что обидно: код стало писать почти бесплатно, но узкое место никуда не делось — оно уехало на ревью и QA. Раньше написать дорого, проверить дёшево. Теперь наоборот. Очередь ревью пухнет, синьоры тонут, а сквозная скорость «от идеи до клиента» могла вообще не сдвинуться. Вывод от автора (временного техдира): меряйте не лицензии и токены, а результат на единицу затрат. Это единственное, что финдир поймёт без переводчика. Подробности: habr.com 😁 — узнал свою команду 🤔 — дашборд врёт, согласен @ai_for_dev

Кодинг-агент на Swift с нуля: очевидная идея, неочевидные грабли Чувак долго юзал разные кодинг-агенты, и Claude Code ему зашёл больше всех. В какой-то момент захотелось не просто пользоваться, а понять, что там под капотом. Итог — сел писать своего агента на Swift, без готовых библиотек. И быстро выяснилось: вызвать модель и попросить код — это вообще не сложно. Сложно начинается там, где надо стабильно работать: держать контекст, дёргать инструменты, разгребать ошибки и неадекватные ответы модели. Вся обвязка вокруг и съедает почти всё время. Главный инсайт — у агента на самом деле два цикла: • REPL — внешний: читает твой ввод и ждёт следующего. • Agent Loop — внутренний: зовёт LLM, выполняет инструменты и крутится, пока модель не скажет «готово». Один твой запрос легко разворачивается в десяток итераций внутри. Снаружи магия, внутри — скромный while. Многое кажется очевидным задним числом, но доходит только когда упираешься в каждую проблему руками. Весь разбор с кодом тут: Хабр 🔥 — пойду пилить своего 🤔 — звучит как боль @ai_for_dev

Кэш умирает молча, а ты платишь Обычная оптимизация при поломке хотя бы орёт: тест красный, алерт в чате. А prompt caching ломается без звука. Агент бодрый, ответы приходят — только дороже в разы и медленнее на пару секунд. И узнаёшь ты об этом ровно в одном месте: в счёте в конце месяца. Самое обидное — кэш убиваешь обычно сам, из лучших побуждений. Дописал пару полезных строк в начало промпта — и всё, привет. Потому что правило ровно одно: стабильное в начало, изменчивое в хвост. Звучит легко, нарушается ещё легче. Для агента это критично: модель ничего не помнит, и обвязка каждый ход заново тащит в запрос инструкции, описания тулзов и всю историю. У Manus вход к выходу — около 100 к 1, и почти всё повторяется. А чтение из кэша примерно в 10 раз дешевле обычного токена. Считай, бесплатные деньги, которые ты сливаешь по незнанию. Как провайдеры (OpenAI, Anthropic, Google) тут различаются и как собрать промпт, который не убивает свой же кэш — в статье. 🔥 — больно знакомо 👀 — пойду читать счёт @ai_for_dev

Unreal Engine 5.8 завёз MCP 🎮 Epic Games выкатила новую версию движка, и тут реально интересное для нас: внутрь встроили MCP. Это значит, что Claude, Gemini и прочие модели можно цеплять к движку напрямую, без костылей и самописных мостов. Из обещаний — агент сам генерит целые куски окружения, вплоть до городских кварталов «по кнопке». Маркетинг там бодрый, конечно, но сама идея — стандартный протокол прямо в Unreal — выглядит вкусно. Кто давно ковыряет MCP в IDE и CLI — теперь есть ещё одна площадка поиграться. Что нового — в анонсе Epic. 🎉 — побежал ставить 👀 — а демку-то покажут? @ai_for_dev

Дали ИИ написать код и тесты — а потом проверили мутациями История, которая отрезвляет: автор пересобрала свой дашборд (TypeScript, Next.js, React) руками ИИ-агента и обвешала его сенсорами качества — линтеры, правила зависимостей, AI-ревью, покрытие, мутационное тестирование. Что выяснилось: — Линтеры и статика — топ, ловят мелочь и помогают агенту самому себя чинить. — А вот архитектуру и связанность метрики не видят — тут спасает только вдумчивый AI-ревью с контекстом. — И главный плот-твист: покрытие было красивое, а мутационное тестирование показало, что куча тестов просто гоняет код и от регрессий не защищает почти никак. Короче, зелёный coverage — ещё не повод спать спокойно. Полный разбор тут: habr.com. 😁 — green coverage обманул 🤔 — пойду мутации погоняю @ai_for_dev

Yozh Scraper подвезли AI-ready апдейт Open-source скрапер прокачали — теперь честно дружит с LLM и RAG (почему раньше не дружил — загадка, но звучит-то солидно). Что приехало: 🔎 /search — кидаешь один запрос в Google / Bing / Yandex, получаешь органическую выдачу и можешь сразу скрейпить каждую страницу результата. Поиск и парсинг одним вызовом. 🗺 /map — собирает все URL сайта без полного обхода. Удобно прицелиться перед массовым скрейпом. 📝 Markdown из коробки — любая страница превращается в чистый Markdown / fit-markdown. Готовый корм для LLM, без тегового мусора. 🛡 SSRF-защита — режет запросы во внутренние адреса, на проде спокойнее. Плюс неблокирующий воркер-пул — под нагрузкой не падает. Код тут: github.com/CyberYozh-data/yozh-scraper 🎉 — звезда улетела 🤔 — а прокси где @ai_for_dev

Orca: терминальная IDE, где агенты не дерутся за один репозиторий Если вам надоел обычный терминал и хочется новых ощущений — посмотрите на Orca. По сути это терминальная IDE, заточенная под работу с AI-агентами. Главная фишка: у каждой задачи свой worktree, свой терминал, браузер и контекст. Агент спокойно ломает, чинит и гоняет тесты — основную папку не трогает и соседним агентам не мешает. Красота. Ещё что зашло: • ревью AI-диффов — открываешь дифф, пишешь комменты, они улетают агенту, и он сам всё правит • браузер с Design Mode — тыкаешь в элемент на странице и оставляешь замечание • автоматизации — новая сессия поднимается уже с готовым терминалом • приятный интерфейс, дерево проекта, история чатов, поиск • мобильное приложение, чтобы рулить агентами с телефона Работает с Codex, Claude Code, OpenCode и Pi. Есть под Windows, macOS и Linux. Забрать тут: сайт и GitHub. 🔥 — пойду пробовать прямо сейчас 👀 — надо глянуть на выходных @ai_for_dev

🐈 YaFF от Яндекса — теперь в опенсорсе Яндекс выложил на GitHub свой формат данных YaFF, который читает данные без обязательной распаковки. Звучит скучно, пока не посмотришь на цифры. В больших сервисах десериализация крутится миллиарды раз в сутки и сжирает до 10% мощностей дата-центра. YaFF читает напрямую и срезает 10–20% нагрузки — в Рекламе Яндекса уже проверили на боях. Самое приятное: он живёт поверх Protobuf, так что весь сервис переписывать не придётся — подключаешь и едешь дальше. Кому зайдёт: маркетплейсы, банки, телеком, облака — все, у кого сервера греются от трафика. Как это работает. 🔥 — self-hosted gang 👏 — пошёл звёзды ставить @ai_for_dev

Отдал прод автономному AI и смотрит, когда всё развалится Чувак с 22 годами в разработке и двумя путями от джуна до CIO устал слушать хайп про вайбкодинг. C-level требует «внедрить AI всеми способами, желательно вчера» — знакомо? Вот он и поставил честный эксперимент вместо холивара в комментах. Есть живая браузерная игра — тактика про штурм здания отрядом. Любой заходит в бота и пишет, что поменять: «сделай врагов внимательнее к шуму», «добавь дробовик», «почини дверь». Дальше магия: AI сам уточняет задачу, проектирует, пишет код по TDD, гоняет тесты и катит фичу в общий боевой билд, который тут же видят все игроки. Самое весёлое — ревью диффа нет вообще. Только автопроверка политик, и код от незнакомца летит в прод. По сути человек специально запустил инженерную катастрофу, чтобы замерить, на какой задаче окончательно поползёт архитектура и расползётся техдолг. 👀 — надо последить 🤡 — мы тоже так на проде @ai_for_dev