Данил Щуцкий | CutCode AI

описание

Внедряю AI в бизнес-процессы без хаоса и бесполезных демо. Инженерный подход: процесс → данные → MVP → внедрение. Малый и средний бизнес. ✉️ - @leeto_telegram

← к каналу @CutCode_AI

141

подписчиков

Охват к подписчикам

245,4%

ERR

Реакции к просмотрам

6,91%

501 на 22 постов

Пересылки к просмотрам

0,69%

Постов в день

0,4

всего 22

Где отзываются чаще

доля реакций к просмотрам

12 авг.без подписи23,48%
12 мая🤖 Интересное обновление в Telegram Telegram открыл ботам вход в любой чат по @, даже если они не участники диалога. Но с ограничением: бот видит только те сообщения, где его упомянули, и ответы на них. Для меня, как разработчика это уже не «бот в личке», а кусок рабочей схемы внутри обычной переписки. Например, бот-ресепшн принимает запрос, бот-проверка смотрит контекст, бот-исполнитель оформляет результат в том же чате. Человека между ними может не быть вообще. И всё это внутри Telegram. Самое важное здесь даже не сам вызов по @, а связка bot-to-bot. Это уже нормальная автоматизация внутри живого диалога, а не один скрипт, который отвечает в лоб. Telegram ещё и обновил Bot API, так что это не обходная схема сверху, а новая основа на уровне протокола. Вывод: Telegram перестал держать ботов в декоративной роли. Теперь это рабочая среда для процессов, где у каждого бота есть границы и маршрут. И это меняет не «умность» ботов, а то, как вообще можно собирать интеграции в мессенджере. Уже начал дорабатывать своего Telegram-агента 😎 👉 @CutCode_AI18,47%
13 июл.От скучной генерации к инженерии с ИИ ИИ быстро генерирует код, но без контекста, декомпозиции и проверок работа с агентами превращается в ожидание и бесконечные правки. В докладе поговорим об AI-разработке как об управляемом инженерном процессе. Данил Щуцкий — backend-разработчик с опытом более 15 лет, автор Laravel-сообщества и YouTube-канала CutCode. Консультирует команды по архитектуре и высоконагруженным системам, развивает open source и инструменты для работы с ИИ. На примере AI Factory и AI Workspace Данил покажет, зачем нужны отдельные этапы исследования, планирования, реализации и проверки — и как превратить работу с кодинг-агентами в повторяемый процесс с понятными правилами и контролем результата. 🌿 Присоединиться к Пыхнику17,14%
14 авг.⚡️ Google выкатили Gemini 3.7 Flash И это уже не просто быстрый чат, а вполне рабочая модель для агентов и production-сценариев. Самое интересное: Google называет её своей самой умной workhorse-моделью для coding и agents. И это не пустой анонс — у модели уже есть file search, function calling, search grounding, structured outputs и thinking. По бенчмаркам Flash тоже выглядит сильно: • в кодинге она примерно на уровне GPT-5.6 Terra • и чуть лучше Sonnet 5 • на FrontierCode даже обходит обе модели Плюс цена приятная: $0.75 / $3.75 за миллион токенов на input/output. Это заметно дешевле Sonnet 5 и Terra. И ещё: у неё 1M контекста (ну этим уже не удивишь). Итог: Google снова делает Flash не эффектнее, а практичнее. А это для реального применения важнее всего.15,53%
9 июн.Вышел новый ролик про изменения в AI Factory и экосистеме 🚀 Разбираю AI Factory, AI Workspace, HLV, AIF Handoff, MCP Unit и AI Tester: аудит артефактов, дистилляцию материалов в скиллы, память между проектами, прогрев сессий и управляемый процесс AI-разработки. Если vibe coding уже начал превращаться в хаос - показываю, куда двигаться дальше. https://www.youtube.com/watch?v=uRb04AO_13Y14,29%
20 мая⚡️ Andrej Karpathy переходит в Anthropic и, по данным CNBC, сразу подключается к pretraining-команде. Его задача — использовать Claude, чтобы ускорять research и обучение следующего поколения моделей. Это важный сигнал: AI-гонка всё сильнее смещается от красивых демо к данным, пайплайнам, экспериментам и качеству pretraining. Если подход Anthropic сработает, преимущество будет расти прямо внутри процесса обучения.13,55%
15 авг.Тестирую локальную Qwen 3.8 и нашёл интересный артефакт При анализе изображения Qwen ответила: «К сожалению, текущая модель (grok-4.5) не поддерживает анализ картинок». Видимо какие-то вещи уже поручает другим моделькам.13,33%
23 маяСегодня весь день Claude и Codex работали над сложной задачей и в итоге впервые оба отчитались, что не смогли найти решение. Я такого еще не видел, но задача была действительно нелегкой. Примечательно, что Claude в итоге исправил README проекта, где указал этот кейс и сообщил о том, что задача невыполнима. Поскольку я готовлю баттл Gemini/Qwen/GPT/Opus и у меня открыт Antigravity CLI, то просто ради эксперимента закинул такую же задачу. По инпуту она была один в один, так как работал велась через ai-factory, и план не менялся! Ну, в целом, я в шоке. Gemini 3.5 Flash (medium) за 2 итерации решил проблему, а на 3-й довёл её до идеала. Я при этом следил за tool calling и настолько глубокого исследования проблемы еще не встречал ни в одном агенте. В итоге я просто просидел минут 10 вот с такими глазами 😳! Можно подумать, что очередной рандом, но Claude и Codex пыхтели весь день, там под 30 итераций и никак! Честно говоря, на Gemini вообще не было ставки. Теперь интересно, как он себя покажет на баттле.13,20%
1 июн.Новое видео на CutCode Решил провести сравнение GPT-5.5, GPT-5.4, GPT-5.2 и GPT-5.3 в одном тесте. Результат неоднозначный: победитель по баллам - не тот, чей код я бы взял в доработку. Разбор тут: https://www.youtube.com/watch?v=iAFxk__CstY12,44%
26 июн.1000 звёзд у AI Factory. Вот это поворот. Честно говоря, я пару раз обновил GitHub, просто проверить - точно ли это происходит с моим проектом. AI Factory добрался до 1000 звёзд! Это мой самый быстрорастущий Open Source. Для меня это не просто цифра. Это знак, что тема AI-разработки болит не только у меня. Мы все видели этот сценарий: дал агенту задачу, он уверенно поехал, а потом ты полдня разбираешь, куда именно. Поэтому AI Factory родился как попытка сделать не prompt casino, а нормальный инженерный workflow: контекст, спеки, планы, проверки, документация, правила для агентов. И самое крутое - проект уже давно не только про меня. В разработку влилось много сильных ребят, появились идеи, правки, обсуждения, и из этого постепенно вырос действительно полезный тул. Спасибо всем, кто поставил звезду, помог кодом, issue, советом или просто поддержал. Двигаемся дальше!11,07%
28 мая⚙️ Claude Opus 4.8 вышел с штукой, которая для продакшн-агентов важнее любой красивой цифры — теперь можно управлять effort То есть модель можно просить работать легче или, наоборот, выкладываться по максимуму прямо внутри продукта. Без лишней обвязки вокруг промпта. И это реально меняет практику. Где задача простая — не жжёшь лишние ресурсы. Где ошибка дорогая — включаешь тяжёлый режим. Тут уже речь не про “умнее”, а про то, насколько модель можно нормально контролировать в бою. В Claude Code ещё добавили dynamic workflows для очень больших задач. И вот это, пожалуй, самое прикладное в релизе: длинные цепочки шагов, инструменты, промежуточные решения, риск потерять контекст — всё то, где agentic-сценарии обычно и разваливаются. Anthropic также пишет, что ранние тестеры считают Opus 4.8 более надёжным и более точным в agentic tasks. А fast mode теперь работает в 2.5 раза быстрее и стоит в 3 раза дешевле, чем у прошлых моделей. И вот это уже не косметика, а вполне практичный апдейт: такие вещи реально делают автоматизации дешевле и проще в проде. Мой вывод: Opus 4.8 важен не самими бенчмарками, а тем, что делает агентные сценарии более предсказуемыми и менее дорогими. Но настоящая ценность раскроется только там, где уже есть нормальная обвязка, контроль шагов и процесс. Один промпт тут не спасёт.10,89%
21 мая🇨🇳 Alibaba выкатили Qwen3.7-Max - и это уже не просто очередной чат-апдейт, а модель под агентные задачи. Самый жирный кейс из релиза: 35 часов автономной работы, 1158+ tool calls и самостоятельная оптимизация CUDA-ядра под длинный контекст. Итог - x10 ускорение инференса. По цифрам тоже ок: • 1M токенов контекста • только текст • мультимодальности нет На SWE-bench Pro - 60.6%. Это выше DeepSeek V4-Pro, но ниже Claude Opus 4.7. Интересно и то, что Qwen прогнали через OpenClaw, Claude Code и Hermes - разброс всего около 6 пунктов. Значит, модель довольно стабильна. Главный вопрос теперь не про чат, а про реальную кодовую задачу: дотянет ли модель фронт, бэк, отладку и многошаговые tool calls до конца. В целом Qwen двигается в правильную сторону. Но решать по-прежнему будет не только модель, а вся обвязка вокруг неё.9,09%