AI для Разработки — Claude | Cursor | Copilot

Вайб-кодинг без публичного позора: гайд по секретам Автор честно рассказывает на своих граблях: сливал ssh-ключи, ловил датамайнера через торчащий наружу Redis, огребал от заражённого npm-пакета. Статья — про гигиену секретов, чтобы праздник вайб-кодинга не закончился потерями. Что стоит усвоить в первую очередь: • Секрет — это любое значение, дающее доступ: токен, пароль, приватный ключ, строка подключения. Ему не место в коммите. • Храните секреты в .env, а в репозиторий кладите только .env.example — названия переменных есть, реальных значений нет. • Главная ловушка — история Git: удалил файл с токеном, но в старом коммите он остался. Лечится чисткой истории плюс обязательной ротацией токена. • Давайте токену минимум прав: один репозиторий, только чтение, если запись не нужна. Чтобы не следить за этим руками — поставьте сканеры секретов как pre-commit хук: • Gitleaks — ищет секреты в коде и истории, дружит с GitHub Actions. • detect-secrets — делает baseline того, что уже есть, и не пускает новые секреты дальше. И включите push protection на GitHub — он просто не даст запушить найденный секрет. 👀 — мой грех знаком 🤔 — пойду чистить .env Источник: habr.com @ai_for_dev

skill-compass: компас, который тычет Claude Code в нужный скилл Знакомо? Навешал на агента гору скиллов — дизайн, API, миграции, ревью безопасности — а он просит «поправь форму регистрации» и бодро лезет писать код, забив на скилл по UI и по авторизации. Не потому что тупой, а потому что библиотека большая, а внимание ограничено. skill-compass убирает необходимость вспоминать. Это крошечный хук для Claude Code, один файл на Node, 0 зависимостей, ~200 строк — читается за один присест. Перед агентом он осматривает проект и подсказывает, какие скиллы подключить ещё до первой строки кода. Внутри — три сигнала: файлы проекта, текст промта и находки агента по ходу дела. Увидел Cargo.toml — это Rust, увидел *.sql — это миграции. И главное: если сказать нечего, он молчит, а не вываливает простыню. Шум хуже тишины. Код: github.com/by-sonic/skill-compass 🔥 — поставлю на выходных 👀 — звучит как магия Источник: habr.com @ai_for_dev

Дал агенту мышку — и не дёргаешься за свой ПК Есть классный опенсорс Cua Driver — это Computer Use, который умеет работать в фоне. То есть агент кликает по кнопкам, а ты спокойно пользуешься компом дальше. Обычно все Computer Use тупо делают скрин и кидают его в модель. А Cua вместе с картинкой отдаёт ещё и дерево доступности элементов — агенту не надо угадывать координаты, он сразу видит, где кнопка. Два режима на выбор: 1. Рулит реальными окнами на твоём рабочем столе 2. То же самое, но в изолированной среде — если страшно за рабочий ПК Есть CLI и MCP, цепляется к Claude Code, Codex и кому угодно. Работает на macOS, Windows и теперь ещё на Linux. Код лежит на GitHub. 🔥 — пойду натравлю агента 👀 — надо потыкать @ai_for_dev

7 способов тихо убить опенсорс-проект Эндрю Несбитт написал классификацию того, как умирают опенсорс-проекты, на которые мы все молимся. На фоне роста атак на цепочки поставок тема болезненная. Кратко по типам смерти: — Корпоративный сирота: компания заопенсорсила, потом увольнения, README не трогали лет 5. Привет, Google-кладбище. — Ментейнера наняли: Apple классически не разрешает внешний опенсорс, и любимый плагин тихо засыпает после оффера. — Дедлок наследования: главный исчез с правами публикации, остальные хотят подхватить, но npm/PyPI не дают без него. — Выгорание: мержит только опечатки, на сложные PR не реагирует. Чем больше пушат — тем дальше уходит. — Дипломный сирота: написано для PhD, автор защитился. Цитирования есть, билдов нет. — Теневая разработка: на GitHub зеркало, реальная разработка в приватном репо, который однажды просто забудут синкать. — Протест: владелец в знак протеста ломает свой проект (привет, color.js и left-pad). Снаружи мёртвый проект неотличим от долгих каникул — пока не накопятся нерешённые issues. Перед добавлением зависимости — проверяй дату последнего коммита, кто реально мержит и сколько живых ментейнеров. 🔥 — пошёл вендорить критичные deps 😐 — половина стека уже труп @ai_for_dev

Новый бенчмарк для кодинг-агентов — DeepSWE Вышел DeepSWE, и он сразу с подвохом: задачи придумали с нуля и в публичный GitHub не выкладывают. То есть модель не может «вспомнить» решение из претрейна — приходится реально думать 👨‍🦳 Что внутри: — 113 задач на 91 репозитории, пять языков — промпты короткие, как мы реально пишем агенту: «сделай вот так», а не простыня со спеками — в среднем +668 строк кода на задачу — это вам не однострочник пофиксить По скорости и цене занятный момент: Gemini 3.5 Flash вроде шустрая, но жрёт столько токенов, что по деньгам выходит как GPT-5.5 или Opus 4.6. А в целом OpenAI впереди — быстрее, дешевле, лучше. Бенч новый, но GPT-5.5 уже выбивает 70%, так что устаревает прямо на глазах. 🔥 — наконец честный бенч 🤡 — опять циферки рисуют @ai_for_dev

За полгода AI из «поиграться» стал рабочей рутиной Чувак сравнил, как пользовались AI в ноябре 2025 и в мае 2026. Картина знакомая каждому, кто открывал IDE в этом году. Код-ассистенты окончательно прописались в работе: ежедневно ими пользуются 71% против 47% полгода назад. А вот реально удивляет другое — кодинг-агенты (Codex, Claude Code) рванули с 13% до 46% по регулярному использованию. Те самые, на которые ещё недавно смотрели как на игрушку. Claude взлетел с 11% до 42% — спасибо хайпу. Но ChatGPT по-прежнему держит трон, тут без сенсаций. Про автономных агентов — хайпа много (44% компаний типа что-то пилят), а реального использования пока кот наплакал. В повестку вошли, в прод — не очень. И вишенка: сам дашборд автор собрал на Codex часа за два вместо танцев с Tableau. Слоуп-бар-чарты, всё дела. 🔥 — агенты наше всё 🤷 — пока приглядываюсь @ai_for_dev

BM25 — дед, который всё ещё держит продакшен Алгоритму из 1994-го больше лет, чем половине нашей команды, а он до сих пор ранжирует поиск по маркетплейсам, документации и половине RAG-пайплайнов. Имя расшифровывается как Best Matching, 25 — просто номер версии. Как он решает, что релевантнее. Запрос «пирог с яблоками и корицей», три правила: 🔵 Редкое слово важнее. «Корица» встречается редко — жирный сигнал. «Яблоки» — так себе. «И» — мимо кассы. 🔵 Частота, но без фанатизма. Три «корицы» — плюс. Тридцать — BM25 не ведётся на спам ключевиками. 🔵 Размер имеет значение. Короткая карточка не должна проигрывать лонгриду «История яблочных пирогов» только потому, что он длиннее. А почему нейросети его не убили? Потому что эмбеддинг легко путается на артикулах, кодах ошибок и именах функций — для него это число без смысла. А BM25 видит конкретное слово и находит точное совпадение. Поэтому народ не выкидывает дедушку, а ставит рядом с векторным поиском — и получается гибрид, который реально работает. 🔥 — дед ещё бодр 👀 — гляну свой ретривер @ai_for_dev

ИИ заменит разрабов? Klarna уже попробовала — и зовёт всех обратно Картина квартала: 80 000 увольнений в техе, почти половина — из-за ИИ и автоматизации. В России IT-вакансий стало на 41% меньше. Разговор «заменят ли нас» переехал из курилки прямо в кабинет CFO. Только вот Klarna, которая в 2024-м гордо заменила 700 саппортов ботом и закрыла им 75% чатов, к 2026-му тихо дала заднюю и снова нанимает людей. ИИ держал темп на типовых запросах, но слил эмоциональные конфликты и сложные споры. А с другой стороны баррикад — Anthropic: «Claude пишет Claude» почти на 100%, пул-реквесты на 2000–3000 строк целиком от модели. И при этом они *кратно* нарастили найм инженеров. Код за ИИ, а людей надо больше — вот такой плот-твист. 😎 — я незаменим 😐 — пойду апскиллиться @ai_for_dev

GraphRAG для научных статей — и почему F1=0.22 это лучший результат Студент курса NLP Advanced написал SciGraph: система ест папку PDF и превращает корпус в граф знаний — авторы, методы, датасеты, цитаты. Вместо «найди фрагменты про DETR» можно спросить «какая цепочка работ привела к DETR» и получить проход по связям. Самое интересное в посте — не архитектура, а честные метрики: - авторы и организации: F1 ~0.98 / 0.95 - связи цитирования: F1 ~0.82 - ответ: ~26 сек на медленных запросах - сложные утверждения на перефразированных проверках: F1 ~0.22 Автор пишет: последняя цифра выглядит хуже остальных, но именно она самая полезная. На простых тестах всё блестит, а на вопросах, похожих на реальные — падает. Это сильнее красивого бенчмарка на синтетике: тест начал показывать правду. Код: github.com/xabarov/science-graphrag 🔥 — покручу на своих PDF 🤔 — RAG vs GraphRAG живёт во мне @ai_for_dev

190K звёзд на GitHub — и внутри обычный brute-force Человек решил проверить, насколько классические алгоритмы реально реализованы правильно. Собрал фреймворк, который гоняет любую реализацию поиска подстроки против эталона грубой силы: 35 ручных тестов плюс 8000+ случайных на каждую реализацию. Первым под раздачу попал TheAlgorithms/Python — тот самый учебный репозиторий с 190K+ звёзд, файл strings/boyer_moore_search.py. И тут классика: сдвиг плохого символа пишется прямо в счётчик цикла for:

for i in range(...):
    i = (mismatch_index - match_index)  # это вообще ни на что не влияет

В Python for i in range(N) плевать хотел на твои присваивания i внутри тела — просто берёт следующее значение. Итог: на тексте в 32 символа 29 итераций вместо ~8. Алгоритм отвечает правильно, тесты зелёные, все довольны. Только это O(nm), то есть наивный поиск с лишними движениями, а не Boyer-Moore. Лечится одной строчкой — for меняем на while. Мораль: зелёные тесты проверяют ответ, но не скорость. 🔥 — пойду гонять свой код 🤡 — а я-то верил звёздам Источник: habr.com @ai_for_dev

Что поменялось в управлении разработкой Уилл Ларсон переписал свои правила инженерного лидерства — и тут есть о чём подумать. 👉 Большие миграции теперь тянет один человек за 10% времени. Звучит шикарно, но и цена ошибки взлетела — один кривой шов ломает всем картину мира. 👉 Качество кода зависит не от магии, а от харнесса: тесты, быстрый CI, удобное окружение для проверки. Скучно, но именно это и работает. 👉 Самые частые и типовые куски процесса — отдавайте агентам. Все ревью сначала через агента: устал человек или нет, модель найдёт больше косяков. А вот критичные места — всё ещё людям. 👉 Сыгранные команды, которые в теме по уши, стали ещё ценнее. Фичи пилить дёшево, поэтому важнее понимать, какие из них вообще нужны. 👉 И главное: без умения быстро принимать толковые долгоживущие решения ускоренный движок просто увезёт вас не туда. 🔥 — забираю в команду 🤷 — у нас так не взлетит @ai_for_dev

🎬 Palmier Pro: твой агент монтирует видео сам Представь: открываешь видеоредактор, цепляешь к нему Claude Code, Cursor или Codex — и агент сам режет дорожки, генерит кадры и раскидывает эффекты по таймлайну. Никакого «скачал клип → перетащил обратно», всё живёт в одном проекте. Фишка под капотом — MCP-сервер прямо в приложении. Запускаешь редактор, он поднимает локальный эндпоинт, и агент цепляется одной командой:

claude mcp add --transport http palmier-pro http://127.0.0.1:19789/mcp

Сам редактор и MCP — бесплатные и опенсорсные (стартап из YC, S24), без логина. Платишь только за AI-генерацию через Kling, Seedance, Veo — и то по желанию. Экспорт в MP4 и в XML для Premiere и DaVinci, так что монтаж можно дотащить в привычном NLE. Ловушка одна, но обидная: только macOS 26 Tahoe на Apple Silicon. Виндузятники и линуксоиды, проходим мимо 😎 Сайт · GitHub 🔥 — звучит как игрушка на выходные 👎 — опять только под мак @ai_for_dev

OpenPencil: открываем .fig без Figma и без подписки 🎉 Local-first редактор дизайна, который ничего не стоит и крутится прямо у вас на компе. Открывает родные файлы Figma и свой формат .pen, а AI можно подключить какой угодно — хоть Anthropic, хоть локальную нейронку. Самое вкусное для нашего брата: - дружит с Claude Code, Codex и Cursor - есть CLI и MCP-сервер — можно автоматизировать и натравливать агентов - экспорт в JSX/Tailwind и вытаскивание design-токенов - headless Vue SDK, если хочется свой редактор собрать - весит всего ~7 МБ (Tauri v2), есть и веб-версия как PWA Честная пометка от авторов: проект ещё в активной разработке, для продакшена рановато. Но звёздочку поставить уже можно — GitHub. 🎉 — халява, тащу к себе 👏 — пошёл ставить звёзды @ai_for_dev

😎 Китайцы выкатили модель, которая жуёт миллиарды токенов за копейки Пока мы считаем траты на Claude и GPT, Xiaomi выкатила MiMo-V2.5 — мультимодалку для текста, картинок, видео и аудио. ▫️ держит контекст до 1 млн токенов ▫️ заточена под агентов и долгие автономные задачи ▫️ дёргает внешние инструменты прямо в одной сессии ▫️ и главное — около 482 рублей за 4 млрд токенов Для экспериментов, агентов и жирных пайплайнов звучит очень вкусно. Пощупать можно тут. 🤩 — китайцы опять удивили 👀 — сначала потестю @ai_for_dev

Почему 4 сеньора уделают команду из 15 Старая дилемма: набрать много джунов за копейки или несколько senior'ов за дорого? Автор поделился опытом из двух компаний, и счёт явно в пользу сеньоров. Компания X, 4 человека ещё до ChatGPT собрали с нуля целый AI-стек: свои fine-tuned LLM, TTS/STT на собственных датасетах, генерация лиц, MLOps. Каждое направление — один senior end-to-end. Результат: люди не верили, что говорят с моделью. Компания Y, 15 человек, год пилили «обёртку над ChatGPT». Ещё полгода доводили до приличного качества. Математика беспощадна: - 4 senior × $8k × 4 мес ≈ $128k - 15 человек × $3k × 15 мес ≈ $675k В 5 раз дешевле, в 4 раза быстрее. Плюс маленькая команда копила собственные технологии и могла легко поворачивать. А большая в итоге сделала то, что через год повторяется на коленке — конкуренция, демпинг, мрак. С появлением AI ситуация только усугубилась: один сильный инженер теперь делает работу пятерых средних. Главное — ownership и умение мыслить сквозь продукт, а не только закрывать тикеты. 🔥 — сеньоры решают 🤔 — а куда джунов девать @ai_for_dev

MCP-сервер вместо резюме: куда катится мир агентов Ощущение, что мы сейчас как в эпоху dial-up — когда для интернета нужно было занять телефон. Неудобно, но направление видно. Год назад мы писали километры костылей вокруг тупеньких моделей, чтобы вытянуть хоть какой-то стабильный результат. Сейчас вектор сменился: «тонкий харнес» — модель решает сама, а обвязка просто даёт ей руки. Параллельно агенты переезжают из «запусти по команде» в «живут в облаке и работают сами». Что дальше — ставлю на такой расклад: — Протоколы вокруг агентов (без токенизации, но с токенами) — Каждый бизнес и человек = MCP-сервер с твоим полным контекстом: история, опыт, что продаёшь, что ищешь, на каких условиях — Всё, на чём выросли Google/Amazon/Airbnb/Uber, переедет на агентов — но персонализированнее и без необходимости тратить твоё время — Агенты как личные адвокаты — будут грызться за интересы хозяина до последнего токена Короче, скоро твой агент будет ходить на собесы вместо тебя. И торговаться с агентом эйчара. 🤔 — звучит дико правдоподобно 🤡 — а кто будет за всё это платить @ai_for_dev

Notion + RAG + Telegram = AI-копирайтер для 9 ресторанов Кейс с Хабра: сеть ресторанов, у каждого свой стиль, своё меню, свои шефы. Один редактор должен закрывать посты, рассылки, переводы, пресс-релизы для всех заведений. Спойлер — без AI не вывозит. Что собрали: 🧠 Память бота разделили на два слоя: - «Концепция» — голые факты про ресторан (часы, кухня, шефы, что нельзя писать) - Tone of Voice — как именно бренд разговаривает с гостями 💬 Интерфейс — Telegram-бот. Редактор выбирает ресторан, кидает задачу, получает черновик, правит. 🔍 Поиск фактов — RAG по Notion-документам, где лежит вся фактура каждого заведения. Главный инсайт: если не разделить «что писать» и «как писать» — модель либо путает блюда, либо говорит одинаково за все 9 брендов. Notion удобен тем, что заказчик САМ обновляет концепции — без правки промптов. Полный разбор: habr.com/ru/articles/1035628 🔥 — заберу паттерн себе 🤔 — а векторку какую взяли @ai_for_dev

AI-агент в команде — это звезда с особенностями За последний год мы все перешли от «AI как личный помощник» к agentic engineering — когда агент реально берёт задачи и тащит их в команде. И внезапно оказалось, что разделению труда тимлидов не учат. С людьми-то еле справляемся, а тут ещё джун, который знает всё на свете, но при этом упрощает задачи и берёт первое попсовое решение из интернета. Автор называет это звездой с особенностями: сильные стороны космические (знания из любых доменов, бесконфликтность, чинит свои же ошибки), слабые — тоже впечатляют (срезает углы, хватается за хайповое вместо профессионального). В статье — теория от Адама Смита до современных подходов плюс ссылки на доклады с конференций за полгода. Кейсов нет, зато есть рамка, чтобы свои собирать. 🤔 — звучит знакомо 👀 — пойду читать на выходных @ai_for_dev

Как 2ГИС теперь собеседует Go-инженеров Классика жанра: HR-фильтры пропускают мидла под видом сеньора, а нормальные ребята отваливаются на анкетах. В 2ГИС решили, что скрининг по ключевым словам устал, и переделали процесс. Что получилось: — AI-проверка теперь только сортирует отклики, дальше — живой человек; — Welcome-встреча с лидом — без оценки технических скилов, чисто про то, как ты думаешь и работаешь с командой; — Тех-секция: код-ревью, многопоточка в Go, дизайн распределённых систем. По сути — меньше шаблонных задачек на алгоритмы, больше разговоров про реальный опыт. Детали тут. 🤔 — звучит честнее 🤡 — "AI-фильтр" опять модное слово @ai_for_dev

Docker Roadmap, который не стыдно показать джуну Ребята из iximiuz Labs собрали 50+ практических заданий по Docker — и всё это бесплатно, прямо в браузере, без установки локального окружения. Главная фишка: это не очередной markdown-список «прочитай 10 статей». Это граф челленджей — кликаешь на ноду, решаешь задачу, она зеленеет. Виден прогресс, понятно куда идти дальше. Что внутри: - Запуск контейнеров всех мастей (веб, CLI, БД) - docker exec, inspect, отладка контейнеров изнутри - Обновление образов для stateless и stateful приложений (тут многие плавают) - Сборка образов как профи — без 2GB слоёв с node_modules Есть теоретические погружения и Skill Paths под конкретные сценарии. Можно идти сверху вниз, можно — точечно закрывать пробелы. Идеально, если давно хотел разобраться с Docker по-человечески, а не по принципу «скопировал Dockerfile со StackOverflow». 🔥 — пойду закрывать пробелы 👀 — гляну, может пригодится @ai_for_dev