Легкий путь в Python

Друзья, материал для новой статьи полностью собран и уже оформлен в черновик на Хабре 👆 Планировал выпустить её на этой неделе, как и обещал, но, похоже, публикация немного сдвинется по независящим от меня причинам. Со своей стороны всё готово, так что осталось совсем немного подождать 🙂 Надеюсь, на следующей неделе уже увидимся на Хабре 🚀

Скайнет: начало, или что делают современные модели 🤖 Пока мы обсуждаем, какая нейронка лучше пишет код, нейронки, похоже, решили перейти к интеграционным тестам в проде. За последнее время: — модель OpenAI нашла 0-day, выбралась из песочницы в интернет и добралась до инфраструктуры Hugging Face; — Claude в ходе тестов умудрился взломать реальные production-системы трёх компаний; — другой Claude нашёл возможность для supply-chain атаки, написал вредоносный Python-пакет, понял, что нужен аккаунт PyPI, сам зарегистрировал почту → аккаунт → и загрузил malware в настоящий PyPI; — но мой любимый случай — Claude Mythos 5. Агент пошёл на GitHub, создал вредоносный Pull Request, изучил мейнтейнеров проекта, начал плодить фейковые личности, чтобы убедить разработчика принять PR, полез через Tor, а когда его заподозрили — начал подчищать следы. Meta тоже отличилась: Muse Spark во время тестирования получила доступ в интернет и залезла во внешнюю систему. И самое прекрасное: в ряде этих случаев модели не давали прямой команды делать всё перечисленное. Агенту дали цель. А дальше он уже сам решил, что социальная инженерия, фейковые аккаунты и взлом — вполне нормальный способ её достижения. Кажется, с промптами вида «ты автономный агент, добейся результата любой ценой» пора быть немного аккуратнее 😂 Источники: OpenAI — инцидент с Hugging Face OpenAI — другие инциденты cyber-eval'ов Anthropic — разбор трёх реальных взломов AISI — тот самый PR, фейковые аккаунты и Tor Короче, если однажды ваш агент скажет: «задача выполнена, но есть небольшой нюанс» — возможно, лучше уточнить, какой именно.

Немного увлекся😂

🚀 Надеюсь, не успели меня забыть. А лучше — даже немного соскучились🙂 Последние пару недель на канале было тихо. Я был в отпуске, хорошо перезагрузился, после возвращения разобрался со всеми накопившимися делами — и теперь снова можно возвращаться к статьям. И возвращаюсь сразу с анонсом новой. Материал уже полностью готов. Осталось оформить его, добавить иллюстрации и финально вычитать. Если всё пойдёт по плану — в начале следующей недели статья выйдет на Хабре. Как и все мои материалы, статья будет максимально практической. Никакой воды — только то, что можно взять и начать использовать в тот же день. В этот раз покажу, как собрать собственную инфраструктуру для AI-разработки без VPN, бесконечных обходов, прокси и прочих танцев с бубном. Что будет внутри: 🔹 как получать OpenAI-совместимые токены из подписок ChatGPT, Claude Code, Gemini и других AI-сервисов; 🔹 как превратить обычный VPS в полноценную среду разработки и кодить прямо на сервере через VS Code с максимальным комфортом; 🔹 как централизованно управлять всеми своими токенами и моделями; 🔹 как поднять собственный LLM Router, чтобы работать с любыми LLM через единый OpenAI API; 🔹 как собрать всё это в одну удобную систему, которая одинаково хорошо подойдёт и для повседневной разработки, и для AI-интеграций. Всё, как обычно, будет сопровождаться готовыми командами, Docker-конфигами, примерами и объяснениями, почему именно так, а не иначе. До скорой публикации! 🚀

GPT до появления в нем Live режима общения😂 P.S. Кто затестил новую фичу? Как вам?

🚀 Для тех, кому удобнее читать на Хабре: финальная часть цикла про ИИ-агентов теперь и там! Третья, заключительная часть цикла о построении независимой ИИ-инфраструктуры также опубликована на Хабре 👉 Облачная LLM на 16 ГБ VRAM — часть 3: ChatGPT-интерфейс для ваших LangGraph-агентов Если вы пропустили предыдущие части — в этом материале я закрываю полный стек: к готовому агентному бэкенду на LangGraph подключаю production-ready фронтенд и выкатываю всё на боевой сервер с доменом и SSL. Главная фишка прежняя: всё работает полностью на ваших серверах, без привязки к закрытым API, сторонним SaaS-платформам и зарубежным облакам. В статье пошагово разбираю: 🔹 как подключить agent-chat-ui — официальный Next.js-интерфейс от LangChain — к LangGraph Server за пару минут 🔹 как кастомизировать фронтенд: перевод на русский, переключатель между агентами, удаление чатов 🔹 как выстроить три агента с разной архитектурой: генералист, диспетчер-мультиагент и узкий эксперт 🔹 как закрыть API Bearer-авторизацией — с нюансами, которых нет в официальной документации 🔹 как задеплоить всё через Nginx и PM2, чтобы LangGraph оставался внутри контура В результате получается полноценный AI-продукт, который выглядит и работает как ChatGPT, но целиком на вашей инфраструктуре: со стримингом токенов, историей диалогов, вызовами инструментов в реальном времени и переключением между агентами прямо в интерфейсе. При этом бэкенд не открывается наружу и данные не уходят во внешние сервисы. Также напоминаю, что весь исходный код к материалу открыт. Можно забирать, разворачивать на своей инфраструктуре и тестировать: 🔗 HabrGraphCLI → https://github.com/Yakvenalex/HabrGraphCLI 🔗 AgentChatUIHabr → https://github.com/Yakvenalex/Agent-chat-ui-habr Буду рад обсудить архитектуру, ответить на вопросы и почитать о вашем опыте в комментариях на Хабре или в обсуждениях к данному посту 👇

🚀 ИИ-агенты на собственной инфраструктуре: ChatGPT-интерфейс для ваших LangGraph-агентов 🚀 Третья, финальная часть цикла уже опубликована в Академии Selectel! В материале закрываем полный стек: к готовому агентному бэкенду подключаем production-ready фронтенд — и выкатываем всё на боевой сервер с доменом и SSL. В статье пошагово показал: — как подключить agent-chat-ui — официальный Next.js-интерфейс от LangChain — к LangGraph Server за несколько минут — как кастомизировать фронтенд: перевод на русский, переключатель между агентами, удаление чатов — как выстроить три агента с разной архитектурой: генералист, диспетчер-мультиагент и узкий эксперт — как закрыть API Bearer-авторизацией — с разбором нюансов, которых нет в официальной документации — как задеплоить всё через Nginx и PM2 так, чтобы LangGraph оставался внутри контура В результате получается полноценный AI-продукт, который: — выглядит и работает как ChatGPT, но полностью на вашей инфраструктуре — поддерживает стриминг токенов, историю диалогов и вызовы инструментов в реальном времени — позволяет переключаться между несколькими агентами прямо в интерфейсе — не открывает бэкенд наружу — LangGraph API доступен только внутри машины — не зависит от OpenAI и не передаёт данные во внешние сервисы Деплой проекта делал на сервере от @Selectel, который можно запустить за пару минут. Материал будет полезен разработчикам и командам, которые хотят дать своим LangGraph-агентам красивый продакшн-фронтенд и полностью контролировать AI-инфраструктуру. Реклама. АО «Селектел», erid: 2Vtzqvv7GsK

🚀 Статья вышла — и снова в партнёрстве с HOSTKEY На Хабре опубликован мой новый практический туториал: 👉 Как превратить один VPS в платформу для деплоя нескольких проектов без боли и Kubernetes Для тех, кто хоть раз слышал от заказчика «ну и когда уже на сервере будет?» — эта статья для вас. 🧠 Один VPS — несколько проектов — ноль открытых портов Стек технологий: Docker + Docker Compose + Nginx Proxy Manager Что внутри статьи: ⚙️ Аренда VPS и домена: от нуля до рабочего сервера 🐳 Docker-сеть вместо торчащих наружу портов — почему это важно 🌐 Nginx Proxy Manager: маршрутизация и HTTPS без конфигов 🔐 PostgreSQL на закрытом контуре + Adminer через домен 🚀 FastAPI-проект внутри Docker-сети — деплой как надо Три реальных примера: - traefik/whoami — быстрый старт, чтобы увидеть систему в деле - FastAPI + Jinja2 + Tailwind — собственный проект в контейнере - Adminer + PostgreSQL — база без открытого 5432, только через HTTPS Итог: Один VPS, любое количество проектов, каждый на своём домене с HTTPS. Снаружи открыты только 80 и 443. Всё остальное — за закрытой дверью. 📦 Исходный код проекта FastApi 👉 GitHub 💬 Если остались вопросы — пишите тут 👇 или в комментариях на Хабре. По возможности всем отвечу.

Успели повеселиться до блокировки?😂

Друзья, в последнее время я много писал про ИИ-агентов, LLM, LangGraph и всё вокруг этого. Тема важная, но уже хочется от неё выдохнуть. Подозреваю, вы тоже подустали. Написал статью про штуку, с которой рано или поздно сталкивается каждый разработчик: как задеплоить несколько проектов на один VPS. Чтобы каждый жил на своём домене, под HTTPS, порты наружу не торчали, а новый сервис добавлялся за пару минут. Без Kubernetes и без девопса в команде. И без привычной в таких делах боли. Черновик готов, сейчас на вычитке. Если все пойдет по плану, то опубликую статью на следующей неделе. К данному посту оставьте реакцию или комментарий, если вам, в целом, тема DevOps и прикладного системного администрирования интересна. Посмотрим, сколько нас таких 😄

Вас не напрягают вот эти подсказки снизу, где ИИ буквально предлагает, что ты сейчас должен ему ответить? Меня — да. Потому что это уже не просто автодополнение текста. Это ощущается как маленькое предсказание твоего следующего действия. И самое неприятное — он почти всегда попадает. Ты ещё сам не сформулировал мысль, а машина уже такая: «ну давай, спроси его проверить логи». С одной стороны удобно. С другой — немного жутковато👻

Как и обещал — статья вышла 📝 «Вайбкодинг, увольнения и будущее разработки: что реально происходит и что делать» Та самая, о которой я писал вчера. Вместо короткого поста-размышления получился развёрнутый разбор. Что внутри: — что реально происходит…

Как и обещал — статья вышла 📝 «Вайбкодинг, увольнения и будущее разработки: что реально происходит и что делать» Та самая, о которой я писал вчера. Вместо короткого поста-размышления получился развёрнутый разбор. Что внутри: — что реально происходит…

Как и обещал — статья вышла 📝 «Вайбкодинг, увольнения и будущее разработки: что реально происходит и что делать» Та самая, о которой я писал вчера. Вместо короткого поста-размышления получился развёрнутый разбор. Что внутри: — что реально происходит на рынке: цифры со ссылками, сокращения, куда уходят деньги — уволят ли завтра половину разработчиков (спойлер: всё не так однозначно) — нужны ли ещё джуны и мидлы и где остаётся спрос — как входить в профессию и что учить, когда ИИ пишет код быстрее тебя — как не растерять хватку тем, кто уже в деле — и два неудобных вопроса начистоту: «а вдруг это всё пузырь» и «зачем заказчику платить команде, если есть ИИ» Плюс 4 истории из моей практики, после которых на «навайбкодил, подправь» смотришь иначе. Без хайпа и без розовых очков — только взгляд изнутри, с фактами, кейсами и личными выводами. UPD Статья на доработке😔

Завтра утром выкатываю на Хабре неформатную статью 📝 Помните мой недавний пост-размышление про вайбкодинг — про то, что ИИ усиливает не только возможности, но и пробелы? Он собрал хороший отклик и много комментариев, и я понял, что тема заслуживает не короткого поста, а развёрнутого разбора. Так появилась статья: «Вайбкодинг, увольнения и будущее разработки: что реально происходит и что делать». Что внутри: — что реально происходит на рынке: цифры, сокращения, кто кого заменяет — уволят ли завтра половину разработчиков (спойлер: всё не так однозначно) — нужны ли ещё джуны и мидлы — как входить в профессию, когда ИИ пишет код быстрее тебя — и 4 истории из моей практики, после которых на «навайбкодил, подправь» смотришь иначе Без хайпа и без розовых очков — только взгляд изнутри, с фактами, кейсами и личными выводами. Публикую завтра, во вторник, около 10 утра ⏰ Ссылку закину сюда сразу после выхода.

Немного размышлений вам в ленту 🤔 Я дорос до уровня мидла ещё до всего этого ИИ-бума. И, честно, считаю, что мне повезло. Не потому что раньше было лучше. Не потому что "новичкам сейчас слишком легко". А потому что у меня был этап, когда приходилось реально разбираться. Я часами сидел над ошибками. Гуглил. Читал документацию. Не понимал, почему всё падает. Заходил на Stack Overflow (покойся с миром, легенда 🫡). Потом понимал. Потом снова ломал. Потом снова чинил. И именно через это формируется мышление разработчика 🧠 Сейчас всё иначе. Порог входа в кодинг упал ниже плинтуса. Cursor, Claude, ChatGPT — и человек без опыта может за вечер собрать приложение. Это круто 🚀 Я сам использую ИИ и закрываю задачи за два дня, которые раньше могли занимать неделю. Но есть важный нюанс. ИИ хорошо помогает тому, кто понимает что делает. И очень опасен для того, кто просто копирует результат не понимая что происходит под капотом. ИИ в разработке — это как заряженный пистолет 🔫 В руках человека с пониманием — попадает в цель. В руках человека без понимания — легко стреляет в ногу. Поэтому дам непрошенный совет тем, кто сейчас заходит в разработку через вайбкодинг: не пытайтесь перепрыгнуть базу. Не нужно учиться годами перед первым проектом. Но нужно хотя бы понимать фундамент 👇 — что такое переменные, функции, циклы и базовый синтаксис — как работает HTTP и что происходит когда браузер делает запрос — что такое база данных и зачем она нужна — что такое API и как сервисы общаются между собой — как читать ошибки: traceback, логи, статус-коды — как проверять что ИИ не сгенерировал вам красивую но нерабочую ерунду ⚠️ Это не годы обучения. Это 2-3 месяца нормальной практики, которые потом сэкономят огромное количество времени, нервов и переделок ⏱️ ИИ — мощный усилитель ⚡️ Но усиливает он не только ваши возможности, а ещё и ваши пробелы. Поэтому сначала дайте себе базу. А уже потом ИИ действительно начнёт работать на вас, а не создавать хаос который вы сами не можете разобрать 💪 А вы как относитесь к вайбкодингу — спасение или ловушка? Делитесь в комментариях 👇

🔥 Активная разработка | Облачная LLM на 16 ГБ VRAM — часть 3: ChatGPT-интерфейс для ваших LangGraph-агентов Друзья, работа кипит — код для третьей части уже написан, сейчас в процессе написания сама статья. Для тех кто следит за циклом — уже можно посмотреть что поменялось на бэке. Обновил проект HabrGraphCLI: добавил нового агента-шефповара который специализируется исключительно на кулинарии и нутрициологии, поправил существующих агентов, и главное — прикрутил Bearer-авторизацию через официальный механизм LangGraph. С нюансами которых нет в документации — расскажу в статье. 🔗 HabrGraphCLI Отдельно появился репозиторий с кастомизированным фронтендом на Next.js — это agent-chat-ui переработанный под реальное использование: полный перевод на русский, переключатель между несколькими агентами прямо в интерфейсе, удаление чатов, авторизация во всех точках обращения к серверу. 🔗 AgentChatUIHabr Статья скоро. Следите за обновлениями 👀

База😂

🚀 Собственный ChatGPT «под ключ»: финальная часть цикла о независимой AI-платформе Первая часть — мы подняли инфраструктуру и запустили локальную LLM. Вторая часть — собрали агентный бэкенд на LangGraph, MCP и LangGraph Server. Теперь пришло время дать всему этому лицо. В третьей, финальной части покажу, как буквально за несколько минут развернуть современный AI-фронтенд и превратить уже собранную инфраструктуру в полноценный Full-Stack AI-продукт — собственный аналог ChatGPT, который работает на вашей инфраструктуре и полностью под вашим контролем. В материале разберу: — развёртывание Next.js-фронтенда через agent-chat-ui и подключение к LangGraph Server — отображение размышлений агента и его шагов в реальном времени — визуализацию работы графа и вызовов MCP-инструментов — потоковую генерацию ответов с сохранением памяти и контекста — деплой готового сервиса с доменом в приватном контуре компании В результате получится не просто «ещё один чат с LLM» — а агентный интерфейс нового поколения, готовый к использованию в реальном бизнесе. Мы закрываем полный цикл: инфраструктура → локальная LLM → агентный бэкенд → MCP-инструменты → production-ready фронтенд → деплой готового сервиса Скоро на Хабре. Следите за обновлениями 👇

🚀 Для тех, кому удобнее читать на Хабре: статья про ИИ-агентов теперь и там! Вторая часть цикла о построении независимой ИИ-инфраструктуры (LangGraph Server, LangSmith и SDK) также опубликована на Хабре 👉 Облачная LLM на 16 ГБ VRAM — часть 2: LangGraph Server, LangSmith и SDK Если вы пропустили первый анонс — в материале я пошагово разбираю, как создавать полноценных автономных ИИ-агентов для продакшена. Главная фишка: всё это работает полностью на ваших серверах, без привязки к закрытым API, сторонним SaaS-платформам и зарубежным облакам. Также напоминаю, что весь исходный код к материалу открыт. Можно забирать, разворачивать на своей инфраструктуре и тестировать: 🔹 LangGraph CLI проект с графами, инструментами и MCP → https://github.com/Yakvenalex/HabrGraphCLI 🔹 FastAPI + LangGraph SDK → https://github.com/Yakvenalex/FastApiGraphSDKHabr Буду рад обсудить архитектуру, ответить на вопросы и почитать о вашем опыте в комментариях на Хабре или в обсуждениях к данному посту👇