AI для Разработки — Claude | Cursor | Copilot

Копия прод-базы на каждого разраба за 3 секунды? Теперь можно Xata открыли исходники своей Postgres-платформы на Kubernetes. И это не просто очередной оператор. Фишка №1 — ветвление через Copy-on-Write: берёшь базу в терабайты, клонируешь за секунды и даёшь каждому разработчику или каждому CI-прогону свою копию. Без долгих дампов и «подождите 40 минут, пока накатится». Фишка №2 — scale-to-zero: ветка простаивает — compute гасится, подключился — просыпается сама. Кошелёк выдыхает. Внутри знакомые штуки: CloudNativePG рулит Postgres, OpenEBS держит хранилище. Сверху — SQL-шлюз, REST API, CLI, RBAC по API-ключам и serverless-драйвер поверх HTTP/WebSockets. Лицензия Apache 2.0, уже крутится в проде у самого Xata Cloud. Если строите внутренний DBaaS или задолбались поднимать тестовые окружения — то что надо. 🔥 — завтра разверну на кластере 👀 — надо глянуть под капот @ai_for_dev

40 репозиториев, чтобы разобраться в ML — от нуля до своего LLM Если каждый раз гуглишь «как начать в ML» и тонешь в ссылках — вот структурированная подборка, чтобы закрыть вопрос раз и навсегда. С чего начать: — ML Roadmap 2026 — что учить и в каком порядке, 22K+ ⭐ — ML for Beginners от Microsoft — 12 недель классического ML на Scikit-learn, 70K+ ⭐ — Generative AI for Beginners от Microsoft — 21 урок по RAG, агентам и function calling, 85K+ ⭐ — AI Engineering Handbook — как AI реально работает в проде, 30K+ ⭐ Математика (да, без неё никуда): — Mathematics for ML — линалг, матан, статистика — CS229 Cheat Sheets — шпаргалки по курсу Нга, спасают на собесах Строим руками (самый кайф): — Karpathy's Zero to Hero — Карпати объясняет нейросети так, что даже numpy не страшен — LLMs from Scratch — собираем GPT на чистом PyTorch по шагам 🔥 — давно хотел сесть за ML 🙈 — опять в закладки и забыть @ai_for_dev

OpenAI прокачала Agents SDK — теперь агенты не разнесут вам продакшен Главное: агентов наконец можно запускать в песочнице. Изолированное окружение, доступ только к нужным файлам и тулам — никаких сюрпризов типа «агент решил почистить базу данных». Ещё добавили harness для frontier-моделей — это обвязка, которая позволяет и деплоить, и тестировать агентов на топовых моделях OpenAI. Плюс заявляют улучшенную поддержку долгих многошаговых задач. Нюанс: пока только Python. TypeScript — когда-нибудь потом. Субагенты и режим работы с кодом тоже в роадмапе, но не сейчас. Доступно всем через API, подробности у TechCrunch. 🔥 — песочница для агентов — наконец-то 😎 — мои агенты и так послушные @ai_for_dev

TTS-модель, которая работает даже на Raspberry Pi MOSS-TTS-Nano — открытый генератор речи всего на 100 миллионов параметров. GPU не нужен вообще, хватает обычного 4-ядерного процессора. Что умеет: • Озвучивает текст в реальном времени без задержек • Говорит на 20 языках (русский тоже есть) • Клонирует голос по короткому аудио-сэмплу • Выдаёт звук в 48 кГц — для 100M параметров это впечатляет Отдельно выпустили MOSS-TTS-Nano-Reader — локальное приложение для озвучки страниц прямо в браузере. Идеально для тех, кто хочет встроить TTS в свой продукт без аренды GPU. GitHub · Попробовать демо 🔥 — на выходных подниму 🤷 — ещё один TTS @ai_for_dev

Опенсорс-тулза клонирует тебя по переписке в Telegram Кто-то сделал WeClone — штуку, которая читает твои чаты из Telegram или WeChat, чистит от персональных данных и файн-тюнит LLM так, чтобы она писала как ты. То есть полный цикл: выгрузил переписки → прогнал предобработку → обучил модель → задеплоил бота. Бот подхватывает твою лексику, стиль и даже привычные реакции. Всё крутится локально — данные никуда не утекают. Есть поддержка картинок, фильтрация чувствительной информации и интеграция прямо в Telegram. Теперь можно натравить клона на рабочие чаты, а самому уйти в закат. Ну или хотя бы поиграться с файн-тюнингом на реальных данных. 🔥 — клонирую себя на выходных 😁 — коллеги и не заметят @ai_for_dev

Gemini теперь кликает в твоём Chrome На GitHub появился Gemini Browser Agent — связка Chrome-расширения и Gemini Computer Use API, которая отдаёт модели руль от активной вкладки. Выглядит так: открываешь сайдбар, жмёшь Connect, пишешь задачу — Gemini планирует действия, обменивается с браузером скриншотами и кликает за тебя. Без песочницы, без виртуалки, без докера — всё в твоём живом Chrome. Запуск минут на пять: python setup.py, поднимаешь WebSocket-мост, грузишь папку widget/ как unpacked extension, вставляешь GEMINI_API_KEY — и поехали. Проект помечен как research experiment, так что под продакшен не тянуть, а поковырять — самое то. 😎 — без докера, красота 👀 — любопытно что сломает @ai_for_dev

Java-библиотека для тех, кто устал верить system prompt на слово System prompt — это вежливая просьба. Пользователь пишет «forget everything above» — и модель радостно забывает. Знакомо? JGuardrails — это guardrails на уровне кода, которые LLM не может обойти при всём желании: — Ловит prompt injection и jailbreak до того, как запрос уйдёт в модель — Маскирует PII — email и номера карт не утекут провайдеру — Фильтрует токсику и запрещённые темы в ответах — Блокирует context overflow attack (когда длинным промптом выталкивают системную инструкцию) Всё это с латентностью 1–5 мс и без привязки к конкретному LLM. Python-мир давно имеет NeMo Guardrails, а для Java ничего framework-agnostic не было — теперь есть. Ставится через JitPack, детали в статье. 🔥 — давно такое искал для Java 🤷 — обёртка над regex, серьёзно? @ai_for_dev

SolidWall AI Security Gateway — шлюз безопасности для LLM-приложений Yandex B2B Tech и SolidLab представили прокси-шлюз, который встаёт между внешней сетью и AI-приложением. Целевой сценарий — защита корпоративных чат-ботов, ассистентов и copilots на базе LLM. Основные функции: — фильтрация входящих запросов к модели — блокировка подозрительных паттернов взаимодействия (prompt injection и др.) — защита от утечки данных через ответы модели — покрытие угроз из OWASP Top 10 для LLM — защита от DDoS и атак с использованием нейросетей для обхода Варианты развёртывания: on-premise или облако. Дополнительно в Smart Web Security добавили защиту от DDoS на L3/L4, а в Security Deck — модуль Vulnerability Management, который сканирует приложения на стадии разработки в репозиториях и уже запущенные в эксплуатации с автоматической приоритизацией по критичности. Статистика Gartner: 29% организаций сталкивались с атаками на инфраструктуру AI, 32% — на сами приложения. 🤔 — хочу детали про OWASP покрытие 😐 — ещё один enterprise-only продукт @ai_for_dev

Рой AI-агентов, который пентестит за тебя Запускаешь — и идёшь пить кофе. Серьёзно. Pentest Swarm AI — open-source тулза на Go, где куча AI-агентов сами разворачивают инструменты, сканируют цель и ищут уязвимости. Внутри весь классический набор: subfinder, nuclei, naabu, katana и другие. Мозгом работает Claude API (или Ollama, если хочется локально). Можно писать свои сценарии атак, а рой со временем учится и запоминает типы найденных дыр. Главное — это для легального пентеста, баг-баунти и CTF. Не для того, о чём вы подумали. Apache 2.0, всё открыто: GitHub 🔥 — мой пентест теперь на автопилоте 😎 — руками надёжнее @ai_for_dev

Год мучений с on-premise Copilot — честный отчёт Ребята из К2 Cloud целый год гоняли свой Copilot на Continue.Dev + Ollama с Tesla T4. Менеджерам продали идею: «+25% производительности за $10/мес, берём!». А потом начались будни. VS Code нормально тянет контекст из соседних файлов через LSP. А вот PyCharm — видит только текущую вкладку и подсказывает соответственно. Плюс фризы, медленный отклик, RAG то работает, то нет. Но самое весёлое — баг с приватностью. Отклонённый код тихо сливался на внешние серверы вместе с путями к репозиторию. Для компании, которая работает с чужим кодом, это вообще-то инцидент уровня «всех собрать в переговорку». Главный инсайт: Copilot хотят менеджеры, а не разработчики. Одни считают ROI по слайдам, другие — по реальным фризам в IDE. Полный разбор на Хабре — там бенчмарки и архитектура. 🔥 — у нас такое же было 🤷 — проще платить за SaaS @ai_for_dev

ChatGPT теперь рулит твоим маком — OpenAI выкатили Codex на стероидах Окей, OpenAI сделали ход конём — ChatGPT-аккаунт теперь может управлять macOS напрямую. Назвали это Codex for (almost) everything, и «almost» тут ключевое — пока только мак. Но зато сразу 90+ плагинов с разными скилами. По сути, полноценный AI-агент на твоём рабочем столе. А ещё засветился OpenClaw — пока в зародыше, но похоже на заявку OpenAI на открытую платформу плагинов. Cursor и Copilot, вам привет. Линуксоиды и виндузятники — пока мимо, но наверняка ненадолго. 👏 — маковод одобряет 😐 — а линукс когда @ai_for_dev

Mozilla зашла в AI — встречайте Thunderbolt Ребята из Mozilla (точнее, команда Thunderbird) выкатили свой AI-клиент Thunderbolt. Идея — всё то же самое, что у облачных гигантов, но у тебя на сервере. Умеет чатиться, искать, автоматизировать задачи и синхронизироваться между устройствами. Есть нативные приложения под все платформы. Под капотом — Haystack от deepset, популярный фреймворк для RAG-пайплайнов. Исходники на React, лежат на GitHub. Нюанс: проект ещё проходит аудит безопасности и к продакшену не совсем готов. Но корпоративных клиентов уже зовут обсуждать платные лицензии и развёртывание на площадке заказчика. Миссия Mozilla — «сделать для AI то, что Firefox сделал для веба». Посмотрим. 🔥 — Mozilla, давно пора 😎 — подниму на выходных @ai_for_dev

Вайбдебаггинг: ИИ-агент сам ставит брейкпоинты и чинит баги JetBrains зашли с козырей — их новый Debug Agent в IntelliJ буквально играет в IDE как механическое пианино. Агент сам ставит брейкпоинты, ходит по шагам, делает evaluate expression и разбирается, что пошло не так. Между тем Microsoft Research уже проверили подход на науке: их фреймворк Debug2Fix с доступом к отладчику решает баги на 20% лучше, чем агент без него (тестировали на SWE-Bench-Live и GitBug-Java). В статье сравнивают два подхода на реальном баге: — Cursor Debug Mode — собирает логи из рантайма — JetBrains Debug Agent — полный контроль над отладчиком Отдельный кайф: когда DeepSeek посадили в read-only режим, он начал воспроизводить тесты через evaluate expression. Находчивый парень. Читать разбор 🔥 — хочу такое в своей IDE 😎 — println-дебаг вечен @ai_for_dev

Qwen3.6 разнёс Gemma 4 на коде Alibaba выкатила Qwen3.6-35B-A3B — и на кодовых бенчмарках от Gemma 4 остались только воспоминания. SWE-bench Verified: 73.4 против 52.0. Terminal-Bench: 51.5 против 42.9. И это MoE — из 35B параметров одновременно работают всего 3B, то есть инференс дешевле в разы. Веса открыты, качайте с Hugging Face или ModelScope. Есть режим «подумать подольше» для задач, где быстрый ответ не прокатит. Alibaba ещё и намекает, что по картинкам/видео догоняет Claude Sonnet 4.5 — ну, посмотрим. Китайские опенсорс-модели продолжают методично раскатывать закрытые флагманы. Детали тут. 🔥 — self-hosted gang празднует 🤩 — Поднебесная снова в топе @ai_for_dev

Как сделать так, чтобы агент не забывал всё через 5 минут Три рабочих способа борьбы с золотой рыбкой внутри вашего агента: 🔍 Qmd — локальный поиск по всем твоим заметкам, документации и транскриптам. BM25 + векторный поиск + реранкинг — и всё это крутится на твоей машине. Есть MCP-сервер, можно прикрутить к агенту напрямую:

qmd collection add ~/notes --name notes
qmd query "что решили на вчерашнем созвоне"

🧠 Mem0 — слой памяти для AI-приложений. Агент запоминает контекст пользователя между сессиями. Подключил SDK, добавил пару строк — и агент больше не переспрашивает одно и то же. 📝 Agents.md — самый простой приём: в каждой папке проекта кладёшь файл с описанием, что тут лежит и зачем. Агент читает их и не теряется в кодовой базе. Звучит тупо, работает отлично. 👏 — память — это боль, спасибо 😎 — у меня CLAUDE.md и норм @ai_for_dev

KodaCode научился принимать команды из Telegram Знакомая ситуация: едешь в метро, придумал как починить баг, а ноутбук дома. Теперь KodaCode позволяет рулить AI-агентом прямо из Telegram-бота — отправляешь задачу, получаешь результат на телефон. Никакой IDE не нужно. Ещё добавили голосовой ввод — можно надиктовать задачу как голосовуху. Агент переваривает паузы, «э-э» и обрывы фраз. Из приятного: новый режим автодополнения Next Edit Prediction — предсказывает не продолжение строки, а следующее редактирование в контексте того, что ты уже менял. Это ближе к реальному процессу написания кода. Пока работает в VS Code, JetBrains и CLI обещают скоро. 👀 — интересный ход с ботом 🤷 — и так из IDE не вылезаю @ai_for_dev

Claude Opus 4.7 — Anthropic снова подкрутили кодинг Anthropicовцы выкатили свежую модель, и главное тут — +11% на SWE Bench Pro. Говорят, теперь можно скинуть ей сложную задачу и не стоять над душой. Что нового: — Контекст 1M токенов, ответ до 128K — можно скормить целый монорепо — Task Budgets — модель не будет палить токены на тривиальщину — Сама проверяет свои результаты перед тем, как отдать — Картинки видит лучше — разрешение подняли Цены те же: $5/$25 за миллион токенов. Уже доступна через API и у облачных провайдеров. Отдельно забавно: Anthropic параллельно урезали кибер-возможности модели, но для легитимного пентеста сделали отдельную программу верификации. 🏆 — Anthropic не останавливаются 😎 — уже тестирую в проде @ai_for_dev

Ваш сайт невидим для AI-поиска? Пора это починить Google прямо говорит: оптимизируйте контент под AI-выдачу. AI Overviews и AI Mode уже перекраивают поиск, а AI-трафик конвертит в 4.4 раза лучше органики. Пока 77% маркетологов спят — самое время действовать. Что делать прямо сейчас: 🔹 Кидаете llms.txt в корень сайта — это как robots.txt, только для LLM. Описываете структуру контента, и AI-системы начинают вас лучше понимать и цитировать. По данным Wix AI Search Lab, Google уже индексирует десятки тысяч таких файлов, а ChatGPT и Perplexity их реально используют. 🔹 Ставите скилл geo-seo-claude для Claude Code и гоняете аудит:

/geo audit <url>

Получаете: GEO/SEO-аудит, оценку цитируемости для AI, проверку краулеров, schema markup и генерацию того самого llms.txt. Не то чтобы без этого завтра всё рухнет, но конкуренты точно не будут ждать. 🔥 — уже ставлю скилл 😎 — мой сайт и так находят @ai_for_dev

AI пишет код в 10 раз быстрее. Ревьюить его по-прежнему некому Одна финтех-компания врубила Cursor — и получила 250 000 строк кода в месяц вместо прежних 25 000. А потом обнаружила, что миллион строк надо кому-то проверять. Упс. И это не единичный случай. 90% разработчиков уже юзают AI-ассистенты (данные Google). Код пишется быстрее, чем когда-либо — но качество и безопасность не поспевают. Что в итоге: — Рынок сеньоров-ревьюеров раскаляется — все ищут людей, которые умеют находить баги в чужом коде — Open source завален AI-пулреквестами, мейнтейнеры в шоке — Больше кода → больше уязвимостей → StackHawk и подобные сервисы не справляются CEO Replit красиво подытожила: «Теперь каждый в компании — программист». Звучит как мечта. На практике — бутылочное горлышко просто переехало с написания кода на его проверку. Сеньоры, ваша ценность только растёт. Но и головной боли прибавится. 🔥 — ревью — новый программинг 👀 — у нас пока тихо @ai_for_dev

Ваш сайт невидим для ChatGPT? Есть тулза проверить Пока вы оптимизируете под Google, AI-ассистенты уже отвечают на вопросы пользователей — и ваш сайт могут вообще не цитировать. Это называется GEO — оптимизация под генеративные движки (ChatGPT, Gemini, Perplexity). Разница с классическим SEO простая: раньше боролись за клик, теперь — за цитирование. Пользователь может получить ответ из вашего контента, даже не зайдя к вам. geo-seo-claude — скилл для Claude Code, который одной командой проверяет: — насколько AI-системы готовы вас цитировать (Citability Score 0-100) — не заблокировали ли вы AI-краулеров в robots.txt (многие даже не знают об этом) — есть ли нужная Schema-разметка (FAQ, HowTo, Article) — как бренд упоминается на внешних площадках Ставится за секунду:

npx skills add zubair-trabzada/geo-seo-claude

И дальше просто пишешь в Claude Code «проведи GEO-аудит example.com» — он сам всё проанализирует и выдаст отчёт с конкретными рекомендациями. 🔥 — пойду проверять свой сайт 🤷 — SEO и так работает @ai_for_dev