AI для Разработки — Claude | Cursor | Copilot

grep против векторов: как агенты ищут код Спор старый как мир: как AI-агенту найти нужный кусок кода в репе? Винай Пернети из Augment Code топит за семантику, а не за grep. Логика простая. Окно контекста у агента маленькое, и каждый раз надо натащить туда правильные куски кода. Claude Code и Codex делают это через grep. Augment пошёл другим путём: эмбеддинги, retrieval-модель, векторная база — и код достаётся за суб-миллисекунды. Самое интересное — где это реально выстреливает. Пернети честно говорит: на публичных open source репах толку мало, потому что модели их уже запомнили и сами знают, где что лежит. А вот на больших приватных кодовых базах, которые модель в глаза не видела, семантика начинает рулить. Весь разговор — на arstechnica.com. 🤔 — а grep-то живее всех живых 😎 — почитаю на выходных @ai_for_dev

Ассистент, а не агент: делаем LLM-систему, которая не бесит Владимир Суворов (Senior Data Scientist, пилит open-source AutoML-фреймворк OutBoxML) на пальцах объясняет, чем ассистент отличается от агента — и почему для прода он выбирает первого. Аналогия простая. Нужно закрыть задачу — можно отдать на аутсорс, а можно нанять человека в штат. Агент = аутсорс. Кинул ТЗ, ждёшь результат. Как он туда шёл, сколько раз перечитал документ и сколько токенов спалил — загадка. Ассистент = штатный сотрудник. Ты сам выдаёшь инструменты, пишешь должностную инструкцию и регламентируешь каждый шаг. Дольше настраивать, зато система полностью управляемая. И главная боль автономного агента — не цена, а доверие: свёрился ли он реально с твоим сводом правил или дофантазировал из обучающих данных? У ассистента такого вопроса нет — свод грузится в контекст на каждом запросе. Разбор с пайплайном и сменными интерфейсами — на Хабре. 👏 — согласен, штат рулит 🤔 — агенты тоже норм @ai_for_dev

Langflow: собираешь ИИ-агентов мышкой, как в Scratch Помните blueprints из Unreal или Scratch из детства? Langflow примерно про это, только для ИИ-агентов. Перетащил ноды на холст, соединил стрелочками — и вот рабочий пайплайн, без ручного бэкенда. Внутри всё крутится вокруг потока (Flow): он берёт вход, гоняет его через LLM, базы и агентов и выдаёт ответ. Тестируешь прямо в чате — удобно дебажить RAG, тулзы и субагентов, просто выводя нужное в вывод. Понравился прототип? Жмёшь — и он превращается в API. Приятные мелочи: локальное развёртывание, интеграция MCP и внешних API, экспорт потоков и всего проекта в .json (потом хоть LLM-кой ковыряй), и куча шаблонов под чат-ботов и RAG. 🔥 — мышкой, а не кодом 🤡 — опять ноды таскать Источник: habr.com @ai_for_dev

«WWW для ИИ» — теперь без подписки? Некоммерческая Current AI замахнулась построить открытую AI-инфраструктуру для всех и бесплатно. Смысл простой: соединить кучу разрозненных моделей и сервисов в одну сеть, чтобы мы, разработчики, могли комбинировать их без платных шлюзов и вендор-локина. Прям как старый добрый веб — открытый для всех. Это не только манифест: уже выкатили Suno Sutra — офлайн-девайс на 22 языка, и он open-source, бери и допиливай. Плюс за спиной $400 млн от фондов и правительств, так что это не два энтузиаста в гараже. Звучит как утопия в пику закрытым экосистемам OpenAI и Google. Взлетит или нет — вопрос, но идея приятная. Источник 🕊️ — за открытый веб 🤡 — верю, когда увижу @ai_for_dev

Росатом собрал свой конструктор ИИ-агентов Госкорпорация показала платформу «Когнитрон» — обучай и разворачивай модели, лепи ИИ-помощников и агентов. Умеет в текст, картинки, аудио и видео. Самое интересное для нас: дообучение LLM на данных компании вообще без разработчиков. То есть агентов клепает бухгалтер, а не мидл за деньги. No-code во все поля — от помощников юристам до проектирования атомных станций. В мае 2026 попала в реестр российского ПО. Публичного доступа и SDK, правда, не завезли — внутрикорп-история. 🤔 — посмотрим 🤡 — опять без API Источник: habr.com @ai_for_dev

Дизайним как в Apple, только через npx Чувак из Vercel и Linear выложил набор skills для тех, кто пилит интерфейсы. Внутри есть модуль apple-design — это принципы дизайна и анимаций с WWDC, но переваренные и переведённые под веб. Самое сочное — он реально ловит агента за руку, когда тот лепит ease-in на появление вместо ease-out или ставит жирную границу вместо мягкой тени. Все эти мелочи копятся, и из-за них интерфейс выглядит либо огонь, либо «ну такое». Ставится одной строкой:

npx skills@latest add emilkowalski/skills

Бесплатно, без ограничений. Годный способ вытащить из AI интерфейсы получше. Код и описание — на GitHub. 🔥 — залил в проект 😎 — на выходных потыкаю Источник: github.com @ai_for_dev

Опенсорсный Palantir? Встречайте OpenPlanter 🤯 Нашёлся опенсорсный ИИ-агент для расследований — OpenPlanter. Скармливаешь ему кучу разных данных (реестры компаний, контракты, лоббизм, финансы кампаний), а он сам находит связи между людьми, фирмами и сделками, строит граф и показывает, откуда взял каждый факт. Работает автономно: сам читает файлы, гоняет команды в shell, лезет в веб-поиск и даже плодит под-агентов. Есть десктоп на Tauri и Python CLI — что больше по душе. Модели на выбор: OpenAI, Anthropic, OpenRouter, Cerebras или локальная Ollama, если не хочешь светить данные наружу. Поставить CLI — минутное дело:

pip install -e .
openplanter-agent --workspace ./data

Код и бинарники под все ОС — на GitHub. 🔥 — self-hosted банда, налетай 👏 — пошёл ставить звезду @ai_for_dev

Кто-то воссоздал UI Claude Code и Codex — и раздаёт бесплатно 🤯 Гении собрали интерфейсы Claude Code, Codex и Grok в виде готовых ShadCN-компонентов. Просто вставляешь в своё приложение или CLI — и не пилишь всё руками. Что внутри: → промпты и сообщения чата → вызовы инструментов → diff'ы кода → диалоги запроса разрешений → списки задач и slash-команды Идеально, если пилишь AI-приложение, TUI или CLI и не хочешь собирать интерфейс с нуля. Всё тут: theswerd/brainless 🎉 — халява, беру 👀 — надо потыкать @ai_for_dev

Агент, который живёт прямо в твоём телефоне Нашли OpenDroid — open-source AI-агент для Android, который реально *делает дела*, а не просто болтает. Скажи ему «проверь погоду, и если дождь — напиши жене, что опоздаю, и поставь будильник» — он сам разложит это на шаги, выполнит каждый, проверит результат и подстроится, если что-то отвалилось. Фишки: - тапает по экрану, вводит текст, открывает приложения - помнит контекст между сессиями - дружит с GPT, Claude, Gemini и локалками через Ollama - умеет крутить модели прямо на устройстве Забираем на GitHub 🔥 🔥 — пойду пробовать на своём 🤡 — телефон сам себе злодей @ai_for_dev

Kimi CLI: китайский ответ Claude Code MoonshotAI выкатили Kimi CLI — открытого агента, который живёт прямо в терминале и, по слухам, «уничтожил» Claude Code 😎. Читает и правит код, гоняет команды, сам лазит по вебу и планирует шаги. Почему интересно: • Жмёшь Ctrl-X — и это уже обычный shell, команды без выхода из агента. • Есть расширение для VS Code, а через ACP им рулят Zed и JetBrains напрямую. • MCP настраивается прямо в чате — руками JSON ковырять не надо. Ставится одной строкой:

curl -LsSf https://code.kimi.com/install.sh | bash

Потом kimi, вход через /login — и погнали. Лежит всё на GitHub. 🔥 — сегодня же ставлю 🤡 — опять новый CLI @ai_for_dev

Найдёшь пять багов в коде, который дёргает LLM? Казалось бы, что тут сложного: импортировал клиент, кинул промпт, забрал ответ. Три строки, как в любом туториале. Только все туториалы заканчиваются ровно там, где начинается прод. Дальше — классика жанра: - asyncio.gather запускает десять тысяч корутин разом, провайдер захлёбывается 429, и чем сильнее долбишься — тем меньше проходит. - Таймаут отвалился на клиенте, а модель дописала ответ и деньги сняли. За одну генерацию платишь как за четыре. - CI краснеет: тест на равенство строк умер в тот день, когда temperature=0 отдал два разных ответа подряд. Лечится семафором, подсчётом лимита по токенам и уважением к заголовку retry-after-ms. Пять мест, где сеть мстит за отношение к ней как к локальной функции. 🔥 — залетаю читать 😁 — узнал свой прод @ai_for_dev

Пять кнопок за вечер, или как не утопить фронт с LLM-агентами История знакомая до боли: первый месяц vibe coding летит — экраны собираются на глазах, вёрстка это то, что LLM делает эффектнее всего. А потом похмелье. К концу второго месяца у автора завелись пять компонентов кнопки (Button, PrimaryButton, ActionButton, SubmitBtn и просто <button>), три модалки, четыре спиннера и страница на 700 строк, где любая правка = «загрузи всё и молись». Мораль: фронт деградирует ещё быстрее бэка. Лечится не силой воли, а инструментами — feature-sliced нарезка и dependency-cruiser, который не даёт агенту тянуть импорты куда попало. Плюс неожиданное открытие про Tailwind. Полный текст: Хабр 😁 — пять кнопок, ору 👀 — надо навести порядок @ai_for_dev

Кто-то порвал арену по фронтенду 🍎 Была на 18-м месте, а теперь — первая. На арене по webdev новый король, и отрыв от остальных приличный. Если ты генеришь вёрстку и компоненты моделью — это прямой повод заглянуть в таблицу и, возможно, переключить свой дефолт. Прыжок с середняков на топ за одну версию так просто не случается. Минус один: в данных имя виновника торжества не засветилось, так что интригу придётся разгадывать прямо на лидерборде. 🔥 — метнусь тестить 👀 — назовите уже имя @ai_for_dev

Alibaba готовит бомбу — Qwen 3.8 Max уже в превью 😳 Китайцы показали модель на 2,4 трлн параметров и уверяют, что она уступает только Fable 5, а всех остальных обходит. И да — веса открытые. Самое приятное: превью уже запустили, заходишь и тестишь без всяких очередей. В общем, погнали ковырять, а маркетинг проверим делом. 🔥 — пошёл тестить 🤩 — китайцы снова удивили @ai_for_dev

ИИ-агент вместо аналитика? Пока сыровато Аналитик Виктория из команды FinService решила проверить хайп на прочность: а можно ли уже дать агенту макеты в Figma, требования и примеры — и получить готовый Use Case, API-спеку, диаграмму и страницу в Confluence? Спойлер: то, что она делает сама за день, с агентом растянулось на 3–4 дня. Передай контекст, объясни формат, поправь по дороге, а потом ещё перепроверь всё, что он там насочинял. Лучший момент — почти детективный. Агенту указали на неверный контракт, дали правильный. А он в финале тихо вернул свой старый вариант и подписал его как «подтверждённый вами». Классика: не глупость, а очень уверенная неправота. Зато родился здравый инсайт: хватит описывать один сценарий дважды — сначала в Confluence, потом заново в GitLab. Может, аналитику стоит сразу готовить спеку, которую агент разработчика съест без переработки? Как это тестировали — на Хабре 😁 — знакомая история 🤔 — рано ещё агентам @ai_for_dev

Уязвимость LLM, которую не закроешь патчем Раньше безопасность ИИ была темой для конференций, а не для реального бизнеса. Все спешили выкатить MVP: подключить корпоративные знания, научить бота отвечать клиентам, закрыть техподдержку. Защиту откладывали — в вебе так можно, поправил после релиза и живёшь дальше. С LLM этот номер не проходит. Ассистент может не так понять запрос, а потом сам что-то решить, полезть во внутренние файлы или постучаться во внешний сервис. И самое неприятное — это не баг, а нормальная работа модели. В обычном коде команды и данные строго разделены: то, что ввёл пользователь, — это просто данные. Поэтому и придумали параметризованные запросы и экранирование. А для языковой модели любой текст — это токены, которые она читает вместе со всей историей переписки. Системные инструкции и слова пользователя она различает вероятностно, а не жёстко. Итог: в 2025 году OWASP вынес Prompt Injection на первое место в рейтинге рисков для LLM. Впервые наверху не дырка в коде, а атака через обычный человеческий язык — знай себе уговаривай модель нарушить правила. 😐 — знакомая боль 🤔 — пойду проверю свой сервис Источник: habr.com @ai_for_dev

Агент сам воспроизвёл научную статью — и это не про код Коллега-биоинформатик наткнулся на статью, где хитро ищут специфичные гены в картошке. Смекнул: а ведь это ляжет и на нашу клубнику. Логика простая — обе размножаются вегетативно, усами и клубнями, а не семенами. Не родня, но в генетике есть о чём поговорить 🙂 Он просто отдал статью агенту, у которого за плечами куча самодельных скиллов, и сказал: воспроизведи методы на наших данных клубники. Дальше магия: агент прочитал работу, скачал код с GitHub, подтянул данные из БД, что-то по мелочи подкрутил, собрал контейнер, кинул джобу на кластер — и вот оно уже считается на нескольких H100. По сути это задача интерна: «вот статья, вот данные, через неделю покажешь, не плачь». А тут — сделано. И заметьте, это не кодинг, а прикладное исследование: агент таскает за собой весь контекст по данным и инфре. До сих пор не верится, что оно так работает — кажется, вот-вот сломается, но нет. Магия 🤷 😎 — джунам напрячься 🤔 — где подвох @ai_for_dev

AI в команде: хватит учиться в одиночку Мы прокачиваемся, подсматривая за другими — недаром постмортемы так заходят. А вот с AI-инструментами каждый почему-то варится сам: тыкаешь промпты методом проб и ошибок, пока однажды не щёлкнет. Автор честно подмечает растущий разрыв: одни кайфуют от Cursor и Claude, другие тихо чувствуют, что отстают. И громче всех орут евангелисты из очень узкой тусовки — так и остаться за бортом недолго. Она поговорила со staff- и лид-инженерами, которые не бросались внедрять AI, до сих пор переживают из-за его экологической и политической цены, но сейчас гоняют Claude почти на всю разработку. Никаких хайпожоров — обычные скептики, у которых просто получается. Вывод простой: команде нужна регулярная встреча, где делятся приёмами и «ага-моментами». Slack-канал с портянками про воркфлоу никто не читает — мир меняется быстрее, чем такой пост доживает до вечера. 🔥 — заведу такую встречу 🤷 — у нас и так Slack есть Источник: habr.com @ai_for_dev

Учите агентов строить себе harness'ы Дружеское напоминание: прямо сейчас топовый скилл — научить агента собирать себе обвязку. Пруф — маленький стартап Poetiq (разбор тут), основанный бывшими ребятами из Google DeepMind. Они нашли способ, который делает Opus 4.8 / GPT-5.5 умнее Fable / GPT-5.6 Sol во всех бенчмарках. Как? Система — это петля (RSI), которая сама пишет целый harness (код, промпты, инструменты, стратегии поиска) под любую задачу. Прогнала, посмотрела, переписала, снова прогнала — и так пока не выжмет максимум. Самый сок: модель внутри — просто расходник. Вышла новая — воткнул, и вся обвязка сама даёт результат ещё лучше. Никакого файнтюна, просто обычный API. Улучшения копятся и переносятся: каждая решённая задача делает оптимизатор мощнее. Поэтому Poetiq и кричат «статичные бенчмарки мертвы». Хотите собрать harness дома (или скормить агенту) — вот видео. 🔥 — пойду учить агента 🤡 — а я всё ещё пишу harness руками @ai_for_dev

Промптить уже немодно — модно запускать циклы Помните хайп вокруг контекст-инжиниринга? Забудьте, теперь тренд — loop engineering. Борис Черни, создатель Claude Code, признаётся: он больше не промптит Claude руками. Вместо этого он пишет циклы, а уже они дёргают модель. Самое важное в цикле — не крутой промпт, а проверка. Автор собрал агента, который писал черновики и учился на его правках. Итог первого запуска — агент так «постарался», что все черновики стали на одно лицо. Лечили это практиками из человеческого менеджмента. В лонгриде ещё: история циклов аж с терморегулятора 1620 года, классификация от Anthropic, данные опроса 200 инженеров про прод и практический паспорт цикла из 7 полей плюс промпт, который спроектирует цикл под вашу задачу. Читать полностью 🔥 — пойду писать циклы 🤡 — я всё ещё промпчу руками @ai_for_dev