Иван Коротеев про ИИ: применение нейросетей, секреты chatgpt

Как перевести команду разработки на AI-агентов Провёл сегодня тренинг для продуктовой команды (мобильное приложение, несколько миллионов установок), и после него прилетел вопрос про разработчиков, как им-то переключится и какие инструменты использовать. Ну, мое мнение, что всякие блогерские и ютюбовские советы, а также специализированные скиллы и MCP становятся неактуальными при первом же большом обновлении моделей или оболочек, поэтому единственное, к кому стоит прислушиваться - ведущие лаборатории. Они знают, над чем работают и что будет неактуально уже в ближайший месяц и при это могут выстраивать state-of-the-art процесс с текущими моделями, чтобы быть быстрее и круче конкурентов. Короче, что стоит изучить: Самый содержательный текст про agent-first команду – Harness engineering от OpenAI. Люди задают архитектуру, ограничения и критерии качества, агенты исполняют. Короткий AGENTS.md (~100 строк) служит картой, а не простыней инструкций. Документация, планы и техдолг живут рядом с кодом, а их актуальность проверяют CI и отдельные «doc-gardening» агенты. Для руководителей есть более широкий Building an AI-native engineering team – про изменения по всему SDLC и то, что ownership кода всё равно остаётся за инженерами. У Anthropic главный практический документ – Best practices for Claude Code: CLAUDE.md, workflow «исследовать - спланировать - реализовать - проверить», subagents, hooks, worktrees. Ключевая мысль: агенту нужен исполняемый способ проверить свою работу – тест, сборка, линтер, скриншот. Для обмена командными практиками лучший механизм – skills: повторяемые workflows типа fix-issue или review-api-change лежат в репозитории и работают у всех одинаково. У OpenAI это описано в Customization, а почему нельзя просто свалить все знания команды в один гигантский промпт – объясняет Effective context engineering. По параллельной разработке рекомендации совпадают у обоих: – начинать с независимых read-heavy задач: ресёрч кодовой базы, анализ логов, поиск пробелов в тестах, code review, это можно делать с любой системой и любой ИИ-кой – изолировать агентов через git worktrees – отдельный checkout на каждого – выбор архитектуры (routing, orchestrator-workers, evaluator-optimizer) разобран в Building effective agents – для длинных задач – журнал прогресса и проверяемое состояние для следующего агента, см. Effective harnesses for long-running agents В общем, советы вроде банальные, но их никто не делает, все оптимизируют локальную свою работу, а в итоге даже при переходе на другую ИИ-ку, а тем более другому сотруднику уже будет плохо: короткий CLAUDE.md/AGENTS.md как карта, docs/ рядом с кодом, skills для повторяемых workflows, CI проверяет правила механически, тесты – критерий завершения работы.

Agent Plugins OpenAI, AWS, Cursor, Microsoft, GitHub и Vercel выпустили общую спецификацию для портируемых плагинов - навыки, MCP-серверы и клиентские расширения собираются один раз и загружаются куда угодно. VS Code, Cursor, GitHub Copilot и ChatGPT & Codex уже в списке совместимых, каждый поддерживает Agent Skills плюс MCP через stdio, Streamable HTTP и устаревший SSE. Идея skills/MCP, стоящая за всем этим, принадлежит Anthropic, а самой Anthropic в списке клиентов пока даже нет. Если формат приживётся, плагин пишется один раз вместо пересборки под каждого агента - именно такая скучная стандартизация в итоге экономит всем время. #skill #mcp #news

💻 Основатель Coursera и Google Brain Эндрю Ын запустил опенсорсную альтернативу Cowork от OpenAI — OpenWorker живёт на вашем компе и выполняет любые рабочие задачи. Что умеет: → Не просто отвечает в чате, а выдаёт реальный результат: разбирает почту, обновляет календарь, отвечает в мессенджерах и многое другое. → Агент сам делит работу на шаги и обращается к файловой системе, терминалу и подключённым сервисам. → Можно подключить 25+ тулз: GitHub, Notion, Gmail, Google Calendar, Outlook и другие. → Есть автоматизации для повторяющейся работы по графику: утренний бриф, еженедельный отчет и так далее. → Можно загрузить ключ от OpenAI, Anthropic, Google, DeepSeek, Qwen, Mistral, GLM, Kimi и Grok, либо через Ollama. 100% открытый исходный код — тут. @notboring_tech

AI и IT наставник для подростков (Августовский Спринт). Ваш ребенок снова прожег июль за компьютерами, играми и YouTube? Давайте до 1 сентября превратим его увлечение гаджетами в реальный технологический проект, которым будет гордиться вся семья. Я не просто рядовой репетитор по программированию. Я CEO технологических проектов, IT-архитектор (выпускник МГТУ им. Баумана, 13+ лет в enterprise-разработке) и международный спикер TEDx. Я беру подростков (13–18 лет) и за 3 недели августа довожу их до создания собственного работающего ИИ-продукта. Что сделает ваш ребенок за 3 недели Августовского Спринта: 1.      Создаст работающий ИИ-сервис (смарт-ассистент, генератор контента или полезный бот) под моим инженерным наблюдением. 2.      Оформит портфолио на GitHub — готовый практический кейс для поступления в сильные IT/бизнес-вузы. 3.      Подготовит и проведет питчинг проекта на английском языке (в формате выступлений TEDx) перед группой и перед родителями. Никакой скучной теории. Только проектное мышление, рабочий продукт и реальная инженерия. Как начать: Я беру в личный спринт на август всего 5 человек, так как работаю индивидуально. Старт проходит через 60-минутную диагностику потенциала ребенка. Я протестирую его логику, пойму интерес и покажу, какой ИИ-проект мы сможем собрать к 31 августа. Напишите мне @ivantopp

36,6 млн токенов за 7 дней — и почти без дополнительных расходов. Проверил статистику своей AI-разработки в Roo Code: 1 069 запросов, 41 рабочая сессия и 36,6 млн входных токенов. По API такой объём стоил бы около $40, но благодаря авторизации OpenAI через OAuth вместо API-ключа фактических списаний за токены не было. Сегодня AI-инженерия — это не только умение писать промпты и код. Это ещё и грамотная архитектура инструментов, управление контекстом, кешированием и стоимостью. Именно такие детали позволяют разрабатывать быстрее и не сжигать бюджет на миллионах токенов.

Ваши SKILLS — новое золото 💸 И я не про мясные скиллы (которые тоже важны). Если вы не поняли, о чём речь, краткая справка. SKILL — это запакованный в текстовый файлик/и опыт, который ЛЛМКА призывает, когда этот опыт потребуется. Написать идеальный промт для Seedance 2, отредактировать текст в определённом tone of voice, создать презентацию по определённому шаблону и т. д. Можно скачать тысячи скиллов под самые разные нужды. НО. Самый важный актив сейчас — это персональный зоопарк из ваших скиллов. Чужие норм для базовых задач, но ценность кратно повышается, когда вы запаковываете конкретно ВАШИ процессы и опыт. ВАЖНО — не консервируете, а прокачиваете их по мере использования. Скилл — это ваш покемон, которого вы растите, и он начинает выигрывать (вам много времени). Ещё два момента, почему, собственно, решил про них написать. 1) Они появились в GPT Work, так что, если вы не Claude-юзер, для вас это будет открытие. А если юзер, можете их легко перенести в GPT. 2) Модели-марафонцы. Скиллы начинают играть по-новому во флагманских моделях, где вы можете простроить целую цепочку из своих скиллов-агентов-покемонов для решения любых задач (на которые хватит токенов). Сам угорел и вам советую. 🔥

🎞️ Pika выпустили полноценную киностудию из ИИ-агентов — Director’s Suite генерирует любые видео длинного формата с нуля до финального продукта. • Сценарист, режиссёр и оператор в одном месте: генерит сценарий, окружение, озвучку, звуки и все сцены. • Придумывает героев с помощью фичи /cast и рисует раскадровки с помощью /storyboard. • Знает весь контекст: каждая новая сцена генерится с чётким пониманием того, что происходило в предыдущих. • Можно монтировать видео в пару кликов: переставлять сцены, обрезать клипы и собирать финальный монтаж. • С ИИ-агентами можно общаться и голосом, и текстом прямо через чат в интерфейсе. Полный набор для ИИ-продакшена — тут. @notboring_tech

«Контролируйте идеи, а не код» Сальваторе Санфилиппо (antirez) – создатель Redis, одной из самых популярных баз данных в мире, написал провокационную статью. 20+ лет пишет код руками и славится его качеством. И вот он публично заявляет: проверять код, написанный AI, больше почти не имеет смысла. Мысли на самом деле очень схожие с тем, что переживаю сам: Раньше главным продуктом программиста был код. Теперь AI пишет код быстрее и в таких объёмах, что человек физически не успевает его читать – тысячи строк в день. Рабочий день не резиновый. Поэтому роль разработчика меняется: вместо «писать и вычитывать код» – придумывать, как устроен продукт, какие в нём идеи, куда он развивается, и тщательно тестировать результат. Antirez называет это «контролировать идеи». Это не «вайб-кодинг», когда просто просишь AI «сделай мне приложение» и надеешься на лучшее. Нужно глубоко понимать, что ты строишь, и проверять именно замысел: «объясни, как работает эта часть?» – а не вычитывать каждую строчку. Сам он код для Redis всё ещё проверяет, но честно признаёт: современные модели (упоминает Claude Fable и GPT 5.6) находят больше ошибок, чем он сам. Продолжает по одной причине – из уважения к людям, которые будут открывать эти файлы руками. Вместо ревью он предпочёл бы тратить время на документ с описанием идей: как устроена каждая часть системы, какие в ней хитрости и почему так. Тогда следующий человек (или AI-агент) сможет менять код, понимая замысел Интересный контраргумент критикам AI: софт был полон мусора и ошибок задолго до нейросетей. Он сам находил в популярных инструментах тонкие баги, которые годами никто не замечал. Так что «раньше было качественно» – миф. Единственная оговорка – новички. Им всё равно нужно научиться программировать на практике, иначе не появится то самое понимание, без которого «контролировать идеи» невозможно. Короче, ценность смещается от «умею написать» к «понимаю, что и зачем строю». Это касается не только разработчиков – та же логика скоро доберётся до юристов, аналитиков, маркетологов. Но есть ловушка: отпустить рутину можно, только если экспертиза уже наработана. Остальным надо будет до этого уровня сначала дорасти. https://antirez.com/news/169

Китай открывает пятилетку ИИ-образования Государственный совет опубликовал пятилетний план, где прописано, что ИИ‑грамотность должна стать ключевой способностью каждого учащегося на любом уровне образования. Теперь обучение ИИ в Китае будет начинаться примерно с 6 лет, и распространяться в виде систематических курсов на все классы школы, и далее в университеты, колледжи и тд. Причем это не просто идея, а часть стратегии Си Цзиньпина по технологическому превосходству и конкуренции с США. Массовая ИИ‑грамотность объявляется вопросом национальной конкурентоспособности и даже элементом нацбезопасности. Молодцы, что сказать. Так они скоро станут первой страной, для которой навыки работы с ИИ будут такой же базой, как Интернет или простейшее ПО.

Китайцы наносят удар по Claude Code: разрабы GLM выпустили тулзу ZCode 3.0 😮 Это ультимативный комбайн для написания кода и работы с ИИ-агентами: все в одном окне с возможностью удалённого управления через Телеграм, WeChat и Feishu. Сама среда разработки максимально заточена под GLM-5.2 — главную китайскую нейронку прямо сейчас. Можно пользоваться бесплатно, есть платные тарифы и они сильно дешевле конкурентов — забираем.

Что 2000 CEO скрывают от своих команд? Свежий IBM CEO Study 2026 это 53 страницы про то, как руководители по всему миру делают вид, что уже перестроились под ИИ. Спойлер — большинство нет. Но четыре цифры оттуда стоит знать, они и про нас. Скорость важнее консенсуса. 79% CEO уже децентрализуют принятие решений. Маркетинг, HR, логистика все ждут согласования сверху, пока конкуренты уже действуют. 85% CEO в исследовании требуют от функциональных лидеров стать техноэкспертами в своей зоне. Не "понимать ИИ в целом", а знать, как он меняет именно их работу. Пилоты закончились, началась автономия. Сейчас ИИ принимает 25% операционных решений без участия человека — ценообразование, маршрутизация, управление запасами. К 2030-му CEO ожидают 48%. У нас многие до сих пор тестируют чат-бота для техподдержки и называют это трансформацией. Свои данные — своя монополия. Половина компаний к 2030 году перейдет на гибридную стратегию моделей, большие для рассуждений, маленькие специализированные для скорости и точности. Те, кто обучает модели на собственных данных и IP, ожидают на 13% больше выручки от продуктов, которых сегодня ещё не существует. Использовать базовые решения из коробки значит быть как все. Технология не проблема. Люди проблема. Только 25% сотрудников регулярно используют нейросети в работе — и это при том, что 86% CEO уверены что у команды есть все нужные навыки. Разрыв между убеждённостью руководителя и реальностью вот где узкое место. Обучать нужно не кнопкам, а системному мышлению, как ставить задачи, проверять результат и не принимать галлюцинацию за факт. Компании, которые уже перестроились, показывают рост выручки на 17% выше рынка за три года. Полный отчет кину в комментарии. Сайт / Макс

Интересный бенчмарк для интернет-продвигаторов: Небольшой агент раз в сутки смотрит какие виральные тренды есть в тиктоках и постит небольшие «карусели» с аи-картинками на какие-то темы, которые ему кажутся виральными на сегодня, и так по кругу Пока побеждает 5.5: https://www.viralbench.ai/ По ссылке есть примеры постов

VibeUI собрал 92 промпта, чтобы нейросеть выдавала интерфейсы, а не абстракцию на белом фоне Если вы хоть раз просили нейросеть сверстать форму входа, то знаете: результат либо разъезжается, либо кнопка улетает за экран. VibeUI — подборка из 92 промптов под конкретные UI-паттерны: авторизация, прайсинг, hero-секции, bento-сетки и ещё несколько типовых блоков. Каждый промпт идёт вместе с примером раскладки: split-screen, карточка по центру, минимальная одноколонка или вход через соцсети первым делом. Автор явно не выдумывал шаблоны с нуля: они покрывают реальные сценарии, которые обычно приходится дожимать руками. Я бы забрал оттуда пару заготовок для следующего прототипа, варианты на сайте.

Английский язык не для сериалов. И не для кофе Я никогда не задавался вопросом: «зачем учить английский язык», у меня есть ответ, но он отличается от того, что принято сегодня в рыночке. Учить английский стоит лишь для того, чтобы мыслить на нем. Сидит человек, открывает нейросеть, кидает статью, письмо, инструкцию, кусок книги — и через секунду получает русский текст. Проблема вроде решена. Английский превращается в старый навык из мира до автоматического перевода. Как умение держать бумажную карту в бардачке. Но здесь есть одна неприятная деталь. Перевод закрывает бытовую задачу. Он помогает понять, что примерно написано. Он может спасти в поездке, в переписке, в инструкции, в меню. Но перевод не даёт тебе язык как способ думать. А это уже совсем другая история. Нас долго учили английскому как языку обслуживания. Языку нищих духом. Языку дикарей. Как инструменту для аэропорта, отеля, сериала, small talk и этой вечной школьной мумии: «London is the capital of Great Britain». Потом пришли приложения, карточки, зелёные совы, сериалы с субтитрами. Всё это кажется «полезным». Но всё это всё равно держит английский на уровне: «мне надо как-то объясниться». А метачеловеку английский нужен уже не для этого. Не для того, чтобы заказать кофе. Не для того, чтобы понять мем. Не для того, чтобы сказать «хау мач». А для того, чтобы добраться до мысли без посредника. Потому что есть тексты, которые не переносятся из языка в язык без потерь. Особенно если речь не про сюжет, а про структуру мышления. Когда читаешь философию, психологию, маркетинг, технические тексты, исследования — там важны не только слова. Там важен порядок мысли. Как автор ставит причинность. Как строит определение. Как удерживает оттенок. Где он оставляет напряжение, а где намеренно сужает смысл. В переводе это часто сглаживается. Здесь рождается вторичность. Витгенштейн, Рассел, Деннет, Хофштадтер — их можно читать в переводе. Конечно можно. Но надо понимать цену. Аналитическая мысль очень плотно сидит в английской логике. Там фраза часто работает как инструмент. Не как украшение. Не как настроение. А как маленький механизм. Перевёл механизм — и он вроде похож. Но щёлкает уже не так. То же самое с нейросетями. Многие думают, что английский стал не нужен именно из-за ИИ. На самом деле наоборот. ИИ только сильнее показал разницу между человеком, который формулирует мысль сам, и человеком, который просит машину сначала перевести его внутреннюю кашу на рабочий язык. Промпт на русском и промпт на английском — это не просто два варианта одной команды. Это два разных состояния головы. На русском мы часто тащим за собой интонацию, обобщения, мягкость, лишний воздух. На английском сама конструкция фразы заставляет тебя точнее разложить задачу: что именно нужно, в каком формате, с какими ограничениями, по каким критериям. Последние выступления того же Antrophic это доказывают. Не язык становится умнее. Ты становишься собраннее. И в маркетинге то же самое. Можно читать Огилви, Чалдини, Дрейтона Берда в переводе. Можно. Но тогда ты читаешь не только их, а ещё редактора, переводчика, издателя и культурный фильтр, через который текст протащили до тебя. А маркетинг — это вообще область, где один сдвинутый глагол меняет силу фразы. Call to action нельзя нормально понять только как «призыв к действию». Это не просто кнопка. Это логика давления, ритм обещания, момент перехода от смысла к поступку. В русском переводе многое становится приличнее. Гладче. Образованнее. И слабее. Поэтому английский в 2026-м не умер. Умер английский как навык выживания. С этим правда справится смартфон, наушники и очки. Он переведёт меню, письмо, вывеску, инструкцию, голосовое сообщение, договор, статью. Для быта этого достаточно. У меня есть знакомая, которая канадца «сняла» через гугл-переводчик где-то в Тае. Но английский как доступ к первоисточнику только начинается.

Замузыку Часто обращаю внимание, как слушают музыку мои дети. Играет что-то классное, я такой: "это кто исполняет?". Дочка: "ээ, кхгм". Лезет в телефон, смотрит, сообщает: "это (условный) Bakar" Через некоторое время снова играет что-то классное. Я такой "а это кто?". Дети: "папа, а на хрена тебе знать, зачем ты каждый раз спрашиваешь? Играет, классно, что еще? Ставим лайк, уходит в плейлист" Нейродед, конечно, суперстар - еще на Горбушке пластиночки покупал. Но я каждый раз, когда слышу что-то клевое, сразу лезу смотреть кто это. Потом жму на этого исполнителя. Мне сразу интересно послушать, что у него есть еще, изучить, так сказать, его творчество. То есть мне как бы важно, кто исполняет и какая там история за этим. А детям - нет. Им все равно. Основной критерий - нравится-не-нравится. Им пофиг на имя, альбомы, года, хиты. Это я к чему. Тут интернетик завывает, что ИИ-музыка заполоняет сервисы. Какой кошмар. А нет никакого кошмара, все так и должно быть. Это же экономика так устроена. Новому поколению насрать, кто это исполняет, кто это написал, сгенерил, выложил. Нравится-не-нравится. Ставим лайк, идем дальше, тычем next\skip, идем дальше. Неважно, что там написано. Главное, чтобы качало. Поэтому ИИ это, или не ИИ - неважно. Более того, все рекомендательные алгоритмы считывают все эти лайки, скипы, дослушивания, перескакивания и подсовывают вам похожую(существующую) музыку. А ИИ будет считывать все это и подсовывать вам сгенеренную(новую) музыку. И если этот фидбек луп погонять подольше (обучаем на лайках генерить, то от чего штырит), то на итоге у вас будет музыка из которой вам никуда не захочется уходить. Музыка очень физиологична, ИИ нащупает ваши сенсорные потребности и замкнет вас в уютном цикле (которые не обязательно однообразен, не надо линейно мыслить, он может быть разнообразен, просто он ВАШ). Тут не грех снова вспомнить "Хищные вещи века" Стругацих, которых поминали всуе в коментах недавно. Люди в ванной в наушничках в нирване. Ничего больше не надо. Ибо звук именно для ВАС. Ну и раз уж начал замузыку, навалю еще пару мыслей. Я знаю, что многие генерят музыку в Суно для себя. То есть сами слушают ее потом. Такое происходит только с музыкой. Вы же не генерите видосы или тексты, чтобы их потом постоянно пересматривать или перечитывать. Вы их генерите для другого\других. А музыку для себя. Ибо есть элемент физиологии. Нравится, но не совсем ясно почему. Короче, с музыкой все очень персонально. Ну и в конце еще один штрих. Он на грани, но я аккуратно. Один мой знакомый генерит в Суно музыку для грибных трипов. Я послушал. Это просто космос. Штырит без всяких грибов (боюсь представить как с грибами). Суно явно знает что-то про кожаных. У меня все. Пойду генерить фанк. Ибо качает и штырит. @cgevent

Что меняют AI-агенты в работе людей Harvard + Perplexity выпустили статью на основе продакшн-данных Perplexity Computer (типа Claude Cowork) против обычного Search. Результаты красноречивые. – Взяли 10 000 пар сессий с почти идентичными стартовыми запросами от одних и тех же пользователей: одна и та же задача через Search и через агента – Период – 3 месяца, февраль–май 2026 – Время и стоимость считали тремя независимыми способами: по токенам, через LLM-оценку и интервью с пользователями Итого: – Агент выполняет 26 минут автономной работы за сессию против 33 секунд у Search – разрыв в 48 раз – Время выполнения задачи: 269 минут (человек + Search) против 36 минут (человек + агент) – экономия 87% времени и 94% стоимости(!) – Качество не падает, а растёт: недовольных фолоу-апов у агента 1.3% против 2.9% у Search – Чтобы конкурировать с агентом по стоимости, профессионал должен делать всю ручную работу быстрее 20 минут Короче, если ты не чатишься, а делегируешь задачу агенту, ты работаешь примерно в 10 раз эффективнее. Самое интересное – расширение возможностей: – Пользователи агента на 9 п.п. чаще выходят за пределы своей профессии. У менеджеров +19 п.п. – 50% запросов к агенту – уровень создания нового по таксономии Блума (против 26% у Search) – Запрос к агенту требует экспертизы в 2.4 доменах знаний O*NET против 1.74 с поиском – то, что раньше требовало координации специалистов, теперь делает один человек – 23% запросов к агенту – задачи, которые те же пользователи никогда не направляли в Search: разработка софта, документация, визуализация данных – У агента выше фиксированная стоимость (надо нормально сформулировать задачу и проверить результат), но ниже маржинальная стоимость шага ($0.16 против $2.05). Поэтому короткие вопросы остаются в чате, а длинные многошаговые задачи мигрируют к агентам. Чем длиннее задача – тем больше выгода. В общем, подтвердили научно, что человек превращается из оператора в супервайзера. Узким местом была не информация (её решил поиск), а выполнение работы – и именно её агенты снимают. Практическое следствие для бизнеса: ценность смещается от умения делать к умению ставить задачу и верифицировать результат. И отдельно – цифра про 23% «новых» задач намекает, что агенты не просто ускоряют существующую работу, а создают спрос на ту, которую раньше никто не делал, потому что было дорого. И это уже ROI другого порядка, не просто экономия от рутины. Вот статья: arxiv.org/abs/2606.07489

Китайская Moonshot AI выпустила Kimi Code CLI — терминального агента для программирования, который по логике работы во многом повторяет Claude Code от Anthropic, но распространяется с открытым исходным кодом под лицензией MIT. Это преемник прежнего инструмента kimi-cli: проект целиком переписали на TypeScript, а при установке он автоматически переносит старые конфиги и сессии, так что речь не о косметике, а о полной переработке. https://habr.com/ru/news/1044464/

Вау: оказывается, у OpenAI есть платформа, на которой профессионалы своего дела рассказывают об опыте использования ChatGPT и о том, как нейронки помогли упростить им работу 😊 Это не просто вдохновляет, но ещё и и даёт понимания, в каких сферах и как можно применять нейросети. Читаем на выходных — здесь.

🔥 NVIDIA выпустила свои официальные скиллы для ИИ-агентов — в Verified Agent Skills нейронка тщательно проверяет каждый навык перед тем, как добавить в базу. SkillSpector исследует: • Что именно делает скилл; • Кто его сделал; • Был ли он модифицирован; • Есть ли уязвимости, утечки данных и подозрительные скрипты; • Наличие скрытых инструкций и промпт инъекций. В итоге получился самый безопасный каталог скиллов для ИИ-агентов, которые стабильно работают в Claude Code, Codex и Cursor. Забираем — тут. @notboring_tech

🧠 На GitHub хайпанул плагин agentmemory, который добавляет ИИ-агентам «бесконечную» память — он сохраняет контекст всех ваших сессий, действий и проектов в одну базу. • Подключается к 16 ИИ-агентам, включая Claude Code, Codex и Cursor. • Сохраняет все их действия, сжимает в воспоминания и автоматически находит их в будущем. • Больше не нужно объяснять контекст каждый раз — агент помнит все детали. В результате каждую сессию можно экономить до 95% токенов, которые обычно тратятся на объяснение контекста. Пользуемся — тут. @notboring_tech