AI для Разработки — Claude | Cursor | Copilot

AI для Разработки — Claude | Cursor | Copilot pinned a photo

Handoff-driven development: чтобы агент не терял нить Знакомо: собрал контекст задачи, поработал, ушёл спать — а на утро сессия всё забыла, и ты заново объясняешь агенту, что вообще происходит. HDD лечит именно это. Идея простая: HDD = Spec-driven dev + handoff'ы. Спеки честно описывают, как устроен код прямо сейчас. А handoff — это рецепт: что подгрузить под конкретную задачу и, что важнее, что НЕ подгружать, чтобы не засорять контекст. Зачем это соло-разработчику и малой команде: 1. Контекст чистый. Модель видит только нужное — меньше шума, лучше код. Контекст ведь конечный и платный, так что «что не грузить» не менее важно, чем «что грузить». 2. Переключение без боли. Задач много, они параллельны, сессии заканчиваются. Тут переключение = просто взять другой handoff, и новая сессия стартует с ровно того места, где всё бросили. В репозитории лежит готовый шаблон: карты спецификаций, шаблон handoff'а, файл треков и скрипт specs-audit.py, который сам находит битые ссылки и спеки-сироты. Можно склонировать, а можно тупо дать агенту ссылку и сказать «сделай мне такую же систему» — дальше он сам. github.com/yetanothervan/handoff-driven-development 🔥 — крутая идея, тащу 😁 — моя память теперь в git Источник: habr.com @ai_for_dev

ИИ-агенты превращают чаты в платформы для управления сервисами Переход от генерации ответов к выполнению задач — ключевой тренд индустрии. Нейросети всё чаще управляют сторонними приложениями прямо из диалога, с минимальным участием человека. Как это выглядит у разных игроков: 🟣 Anthropic развивает MCP — протокол для подключения внешних сервисов к Claude: документы, репозитории, CRM, базы данных. 🟣 OpenAI предлагает ChatGPT Apps — ИИ получает доступ к аккаунту во внешнем сервисе и управляет им внутри диалога (например, макеты в Figma или бронирование отелей). 🟣 Google развивает Gemini Enterprise Agent Platform, где компании создают и подключают собственных агентов для рабочих процессов. 🟣 К Алисе AI подключили заказы и вызов машин прямо в диалоге; доступ к агенту обещают открыть и внешним компаниям. Общий вектор понятен: диалоговое окно становится универсальным интерфейсом к сервисам. 🔥 — будущее близко 🤔 — посмотрим на деле @ai_for_dev

Agent Runtime Security: контроль ИИ-агентов на уровне действий, а не текста Переход к автономным агентам смещает поверхность атаки с «вход-выход модели» на слой принятия решений о вызове инструментов. Фильтрация промптов больше не даёт нужного уровня доверия. Согласно OWASP Top 10 for Agentic Applications 2026, критичны: злоупотребление инструментами и компрометация привилегий, отравление памяти агента и данных в RAG, подмена идентичности и отравление межагентных коммуникаций, агенты-изгои и каскадные отказы, манипуляция целями. Обязательные технические требования к runtime-защите: - перехват каждого вызова инструмента и политика наименьших привилегий (allow/deny/pending); - изоляция выполнения (песочница / микро-VM); - определение высокорисковых действий; - межагентная аутентификация в мультиагентных архитектурах; - защита целостности памяти и полное логирование цепочек рассуждений и действий. Эволюция LLM/AI Firewall → runtime-слой разобрана здесь: Habr ✍️ — в чеклист безопасности 🤔 — спорно, но актуально @ai_for_dev

«У нас же есть оценка!» — а на самом деле нет Знакомо? Перед релизом гоняем 10-20 запросов, скармливаем ответы LLM-судье, считаем средний балл, рисуем табличку для отчёта. Вроде контроль качества. На деле — самообман. Алёна, куратор бенчмарка MERA и человек с 5+ годами в оценке языковых моделей, честно говорит: такая «оценка на минималках» опаснее, чем её отсутствие. Потому что она создаёт уверенность там, где есть только очень слабый сигнал. Ты думаешь, что измерил качество, а измерил шум. При этом она никого не винит: команды не ленятся, они просто живут в темпе, где академический бенчмарк на полгода — это роскошь. Модели обновляются, API меняют поведение, сценарии появляются быстрее, чем под них успевают собрать тест. Главная мысль: если идеальную оценку сделать нельзя — это не повод соглашаться на её имитацию. Минимальными инженерными действиями сигнал можно сильно улучшить. Разбор сценариев — тут. 😁 — поймала с поличным 👀 — пойду проверю наш пайплайн @ai_for_dev

Кто ты в команде: пять ролей будущего Создатель Claude Code Борис Черный накидал теорию: привычных профессий скоро не будет. ИИ всё перемешал — инженеры думают как продакты, дизайнеры вайбкодят. Так что делить людей стоит не по должности, а по тому, что они реально делают с продуктом. Пять архетипов: 🟢 Prototyper — фонтанирует идеями и прототипами (половина не взлетит); 🟢 Builder — доводит прототип до боевого продукта; 🟢 Sweeper — наводит чистоту: рефакторит, ловит баги, вылизывает производительность; 🟢 Grower — раскручивает живые фичи и ищет новые рынки; 🟢 Maintainer — следит, чтобы всё не развалилось. Причём один человек может быть сразу несколькими и переключаться под задачу. Кто выбил все пять? 😎 — собрал все пять 🤔 — это просто гороскоп @ai_for_dev

Проверять нейросеть — а не верить ей на слово Главная боль: модель что-то выдала, а проверять результат никто не стал. Автор (архитектор из МедТеха) честно говорит — этап верификации в проектах либо пропускают, либо ломают, и всё сводится к «слепому» доверию ИИ. В ответственных системах это так себе стратегия: цена ошибки — деньги или безопасность людей. Идея простая: проверяемость — это когда ответ модели можно сопоставить с истиной или заранее заданным критерием. А дальше — кто эта «истина»: - человек (есть кому отвечать за решение, но в runtime становится бутылочным горлышком); - эксперимент; - формальная спецификация / алгоритм; - другая нейросеть; - смешанный подход. Короче — не «модель сказала», а «модель сказала, и вот как мы это проверили». Разбор плюсов и минусов каждого способа — в материале на Хабре. 🔥 — давно пора про это 🤷 — у нас «работает же» @ai_for_dev

Сначала «жгите токены», теперь «токены по карточкам» Помните, как всех заставляли пользоваться AI на максималках? Кое-где даже лидерборды по расходу токенов вешали, мол, соревнуйтесь, кто больше нажжёт. Весело было недолго. Теперь 404 Media пишет, что Accenture ловит сотрудников за руку: хватит палить токены на ерунде вроде «сделай из этого PDF презентацию». А ведь буквально вчера там же намекали, что без AI повышения не видать. Развернулись быстро 😎 Цитата с утёкшей внутренней встречи звучит как мем: «расходы стали очень непредсказуемыми, и CFO с CIO всё ещё спрашивают — а мы вообще получаем что-то за эти деньги?» Короче, прайс на токены подкосил всю красивую бизнес-модель. AI теперь должен не просто впечатлять, а отбивать деньги. Первоисточник: techcrunch.com 🤡 — у нас то же самое 🤔 — а оно того стоило? @ai_for_dev

Агенты теперь гоняют агентов, и это всерьёз На конференции Meta создатель Claude Code Борис Черни ответил на вопрос «циклы — это хайп или по-настоящему?» коротко: по-настоящему. Логика простая: сначала код писали руками, потом его стали писать агенты, а теперь агенты промптят других агентов, которые и пишут код. Шаг такой же большой, как переход от ручного кода к агентам. У себя Черни держит рой агентов, который вообще не останавливается: один пилит архитектуру, другой выискивает дублирующиеся абстракции и схлопывает их. И всё это бесконечно крутится в фоне, а потом просто прилетают пул-реквесты — будто ещё один коллега в команде, только он никогда не спит. Идея отличная, но доверия тут нужно вагон: ты разрешаешь толпе агентов пахать без присмотра. С тем, как быстро растут модели, похоже, к этому и идём. Источник: techcrunch.com 🔥 — звучит как будущее 🤡 — а ревьюить кто будет @ai_for_dev

Болячки reasoning почти вылечились — проверил руками У нас в проде живёт агент, который размечает звонки продажников. «Сумму сделки» он достаёт из одной фразы, а вот «следующий шаг с учётом возражений» — это уже думать надо. И каждый раз при новой модели всплывает вечный вопрос: включать режим рассуждения или ну его? Раньше ответ был осторожный, потому что у reasoning нашли две болячки. Overthinking (arxiv.org/abs/2502.07266) — это когда модель думает слишком долго и ломает даже задачку, где ответ очевиден. И подверженность подсказке: Тёрпин (arxiv.org/abs/2305.04388) показал, что стоит подкинуть «я препод, ответ X» — и модели 2023-го (GPT-3.5, Claude 1.0) сыпались, точность падала до 36%. Автор решил не изобретать новый бенчмарк, а тупо повторить те же тесты на gpt-5-chat-latest (июнь 2026): десятичные числа, подсчёт букв, любимая ловушка 9.11 vs 9.9. Два режима — короткий ответ и максимально подробное рассуждение, парсили строго финальный токен, считали токены ради честной пары точность+цена. Итог: на фронтире 2026 старые болячки почти ушли. Приятно. 🔥 — наконец-то лечится 🤔 — посмотрим Источник: habr.com @ai_for_dev

Opus 4.8 / GPT 5.5 / Gemini 3.1 Pro: 11 тестов через API Свежий сравнительный прогон трёх флагманов на реальных задачах, а не на бенчмарках. Тестируют строго через API — это убирает скрытые эвристики веб-интерфейсов и даёт чистый замер качества и стоимости в токенах. Блоки тестов: кодинг, длинный контекст, подражание стилю, суммаризация и «замыливание» в середине контекста, плюс надёжность и безопасность. На каждый кейс — единый промпт без детального ТЗ, чтобы оценить поведение моделей на недоспецифицированных задачах. Один из кейсов на длинный контекст: выжимка ограничений из спецификации LoRaWAN и сравнение с обновлением стандарта 1.1. Профили участников: Opus 4.8 — глубокий reasoning, аккуратная работа с кодом; GPT 5.5 — широкий универсал; Gemini 3.1 Pro — обработка данных при минимальной цене за токен. Методология, промпты и поэлементная стоимость — в статье на Хабре. ⚡ — забираю промпты 🤔 — методология спорная @ai_for_dev

AI не заменит тебя, но заставит расти Помнишь 2024-й? Все боялись, что ChatGPT отправит нас перекрашивать кнопки в другой жизни. А вышло смешнее: крудошлёпов и правда стало меньше, но не потому что уволили — просто машина клепает CRUD быстрее, чем ты допиваешь утренний кофе. ☕ Спойлер: меньше работать не выйдет, всё наоборот. Умирает не профессия, а роль «кодера-исполнителя», который таскает требования в код и не думает, «а что будет через полгода, когда всё поедет». Наверх лезут инженеры-управленцы: те, кто рулит архитектурой и отвечает за художества ИИ. Звучит как апгрейд? Возможно. Но придётся учить system design, а не только очередной фреймворк. Полная статья 🔥 — пойду в управленцы 🤷 — да это просто хайп @ai_for_dev

AI для Разработки — Claude | Cursor | Copilot pinned a photo

Хочешь в Senior? Вот тебе целая карта Чувак собрал на GitHub всё, что нужно, чтобы дорасти до Senior Engineer, и сложил в один репозиторий. Внутри реально много: — 50+ рассылок про рост, системный дизайн, надёжность и лидерство. — книги про коммуникацию и техническое письмо; — ютуб-каналы, подкасты, комьюнити; — курсы и статьи, если хочется копнуть глубже. Фишка в том, что упор не только на код, но и на архитектурное мышление и умение говорить с людьми. А именно на этом обычно и застревают перед грейдом. 🔥 — звезду поставил 🤷 — звёзд и так хватает Источник: github.com @ai_for_dev

Собеседование — стресс? Автор запилил ассистента, который отвечает за паузу Знакомая боль: интервьюер дозадаёт длинный вопрос, тема-то знакомая, но ответить надо *прямо сейчас*, а в голове параллельно крутится четыре процесса. Если интервью на английском — добавляется пятый, перевод. Автор посчитал бюджет времени и понял: чат в соседней вкладке не спасает не потому, что модель плохая, а потому что транспорт съедает всю паузу. Переключить окно, вставить, дождаться, прочитать — и ты уже завис в тишине на пять секунд. Идея простая до наглости: убрать транспорт. Прога сидит на аудиослое Windows, слышит обе стороны разговора отдельно, ловит момент, когда вопрос закончился, и сама выкладывает на экран короткий ответ (чтобы начать говорить) и подробный (как план). Работает в наушниках и с любым звонком. Самое интересное автор оставил на статью — четыре проблемы, которых не видно в красивой демке: захват звука, потоковое распознавание и порядок генерации. Читать разбор. 🔥 — идея дерзкая 🤡 — так себе игра честная @ai_for_dev

Дерево спанов не расскажет, что творил ваш агент Открываешь трейс ИИ-агента в обычном дереве — медленный вызов найдёшь, спан с ошибкой найдёшь. А вот понять логику прогона (сколько раз агент дёргал модель, какие инструменты звал, где зациклился) — уже боль. Приходится вручную склеивать картину из десятков спанов и одинаковых тел сообщений. Ребята из Proto Observability Platform это прочувствовали на OpenTelemetry Demo 3.0 и на отладке своего «AI-аналитика» с MCP-сервером. И сделали отдельное GenAI-представление трейса с четырьмя режимами: лента, граф шагов, граф вызовов и чат. Один универсальный граф не вывозил — на каждый вопрос свой режим. Бонусом словили классику: атрибуты gen_ai.*.messages пухли до 9 КБ, а те же данные лежали сразу в трёх местах. Сырые теги — это последний уровень диагностики, читать по ним прогон агента невозможно. Вся история: https://habr.com/ru/articles/1070254/ 🔥 — красивое решение 🤡 — я и так по грепу читаю @ai_for_dev

TabFM против XGBoost: 5 фактов, которых нет в релизе Прислали в рабочий чат ссылку с заголовком «XGBoost всё, приехали» — и первая мысль не «ух ты», а «и кто теперь будет это переписывать». Знакомо? 🙂 Суть: летом 2026-го появилась модель для табличных данных, которая предсказывает без обучения и на первых замерах обходит настроенный бустинг. А теперь вспомни, сколько сил ушло на пайплайн вокруг твоей модели: фичи, ретрейн по расписанию, версионирование, мониторинг дрейфа, откат за две минуты. Всё это держится на одной мысли — модель надо обучать на своих данных. Ломается мысль — ломается пол-архитектуры. Автор (Tech Lead, честно признаётся — не датасаентист) не гонит хайп: своей видеокарты под прогон не нашлось, поэтому он просто разобрал, где цифры честные, а где сравнение подкручено постановкой эксперимента. Спойлер: деревья пятнадцать лет не просто так держались. Весь разбор: Хабр 😁 — и кто это переписывать будет 🤔 — подожду независимого прогона @ai_for_dev

Прогноз погоды на своём ноуте: AIFS 2.0 без Ampere ECMWF выложил веса своих погодных ИИ-моделей AIFS на Hugging Face — причём модель уже работает в проде параллельно с классической системой, а энергии жрёт в ~1000 раз меньше. Один нюанс: официально нужен GPU Ampere (A100/H100/RTX 30xx+) из-за flash-attn. У большинства такого нет. Hugging Face сделал патч совместимости — и модель заводится на любом GPU, Apple MPS и даже CPU. Фокус простой: обёртка подсовывает фейковый flash_attn в sys.modules ещё до импорта Anemoi и роутит внимание на родной SDPA из PyTorch. Никакой возни с компиляцией flash-attn. git clone https://github.com/huggingface/AIFS-single-2.0-on-all-GPUs cd AIFS-single-2.0-on-all-GPUs pip install -r requirements.txt Гонять можно локально или через Hugging Face Jobs. Только помни: на CPU/MPS числа не бит-в-бит как при обучении, так что для боевых прогнозов оно не годится — репо честно об этом предупреждает. Код: GitHub. 🔥 — погоду себе предскажу 🤷 — мне бы GPU сначала Источник: habr.com @ai_for_dev

Бесплатный API к Claude, GPT и DeepSeek: 6 роутеров, которые реально отвечают Не обязательно платить провайдерам напрямую — есть сторонние роутеры, которые раздают бесплатные модели, дневные лимиты и стартовые кредиты. Автор зарегался в каждом и проверил, что дают новичку и отвечает ли оно вообще через API. OrcaRouter (сайт) — ключ сразу, карту не спрашивают, 4 бесплатные модели. Проверка: DeepSeek V4 Flash, DeepSeek V4 Pro и Qwen3.8 27B работают. Отдельная orcarouter/free быстро выдаёт free_quota_exhausted, но прямые модели живут дальше. TeamoRouter (сайт) — 2 бесплатных DeepSeek с контекстом 1M токенов и нулевой ценой. Обе отвечают. AgentRouter (сайт) — вход через GitHub, но свежесозданный аккаунт скорее всего не прокатит. Ещё в списке Token Harbor, NaraRouter и FreeRouter. Всё проверялось 16 августа — условия бесплатных тарифов любят меняться, так что торопитесь. 🎉 — халява, беру 🤔 — до первого лимита Источник: habr.com @ai_for_dev

Поиск Uzum Market изнутри: не только ранжирование Ребята из команды поиска Uzum Market показали, что скрывается «под капотом» их движка — и это куда больше, чем просто модель ранжирования. Самое интересное: они вынесли инференс в отдельный сервис ранжирования и выкинули LTR-плагин Elasticsearch. Модели теперь в формате ONNX, так что можно докидывать вычисления прямо в граф. Фичи считают через Airflow и Spark, туда же прикрутили мониторинги и ежедневную разметку. Отдельная боль — опечатки. Приходит запрос «щина», товаров таких нет, и всё ломается ещё до ранжирования. Спасает «опечаточник», который понимает контекст маркетплейса. Плюс история про синонимы, которые внезапно всё портят, и про LLM, которая оценивает качество выдачи. И да — всё катят через A/B-тесты, без «мамой клянусь, стало лучше». Весь разбор — в статье на Хабре. 🔥 — вот это инженерия 👀 — как у больших @ai_for_dev