Мастер AI coding

Лимиты в Codex заканчиваются, пресел c Sol на Luna. Решаем несостыковки в Таске, Luna нашла самый безопасный вариант фикса - просто оставить проект на паузе))) #милое

Kimi K3 - топ моделька, можно пощупать через OpenCode Go за 5$ на месяц. 110 запросов каждые 5 часов. (с) Рекомендую.

Дополнительные материалы и исследования к видео Я сегодня для вас выпущу видео, где постарался 2х летний опыт работы в AI индустрии на стыке с IT взять и структурировать, чтоб разом и последовательно понять, что происходит. Помимо личного опыта контент видео строил и на дополнительных гайдах из разных ниш, которые сегодня все разложу по полочкам и выведу в четкую структуру. За короткое время сможете у себя весь этот АИ хаос в голове соединить и понять, куда что идет и как связано. Тут фиксирую список всех допов. Очень полезные материалы для расширения вашего понимания: Один из главных современных бенчмарков для кодинг агентов – SWE-bench Leaderboards Как проектировать контекстные окна – Anthropic: Effective Context Engineering for AI Agents Как правильно забирать данные из контекста – Anthropic: Contextual Retrieval Практический материал о повышении качества RAG – Google: Long Context Исследование о том, что миллионный контект под вопросом – Context Length Alone Hurts LLM Performance Despite Perfect Retrieval Построение эффективного харнеса для агентов – Anthropic: Effective Harnesses for Long-Running Agents Дизайн харнеса для автономной разработки – Anthropic: Harness Design for Long-Running Application Development Практика: как строить AI агентов – Anthropic: Building Effective AI Agents Что такое evals и зачем они для агентов – Anthropic: Demystifying Evals for AI Agents Уровни зрелости внедрения AI в разработку от Стэндфорда – Stanford SWEPR: AI Engineering Practices Benchmark Исследование 51 успешных кейсов AI-внедрения – Stanford Digital Economy Lab: The Enterprise AI Playbook Архитектура AI-агентов – OpenAI: A Practical Guide to Building Agents Документация о проверке поведения агентских систем – OpenAI: Evaluate Agent Workflows Логгирование и журналирование поведения агента – OpenAI: Trace Grading Как работает и как внедрять наблюдаемость – OpenAI: Integrations and Observability Про Agent Loops – OpenAI: Build an Agent Improvement Loop with Traces, Evals, and Codex Про безопасность и ограничения – OpenAI: Safety in Building Agents

Около пол года бьюсь над созданием удобного процесса агентной разработки софта и наконец что то интересное стало вырисовываться . По началу набирася в Cursor опыта использования агентов по ролям. Ограниченность контекста заставляла экспериментировать с разного рода memory системами. Весной Дексден подсветил интересный memobank от Влада, там PRD-FT-TASKS, бюрократические протоколы, объем генерируемых служебных файлов кратно превышает объем генерируемого кода, зато мы получам достаточно устойчивый workflow разработки, не боящийся обрыва сессий, да еще и частичная автономность на борту. Все бы хорошо, но не хватало SDD фундамента из опорных design спецификаций, без них небольшие проекты могли бы генерироваться успешно, но доработка и поддержка приведет к slop решениям. Пару месяцев вкатывал в фреймворк лушие плюшки из Spec KIT, жирного BMAD и не упомню из чего еще.. теперь фреймворк способен начать процесс с интервьюируемого брейншторминга идеи, дальше многоходовочка с постепенной генерацией вплетаемых друг в друга технических, функциональных и некоторых других спецификаций. По умолчанию фреймворк предлагает удобную агентам архитектуру модульного монолита с вертикальными слайсами и явным графом модулей. Во время декомпозиции функциональных спеков, к карточкам тасок прирастают наборы согласованных SDD design specs, указываются критерии приемки, границы выполнения, чтобы имплементацию таски можно было поручать агентам-мартышкам. Декомпозировал сложность имплементации и верификации тасок по 4м уровням. Если повторная верификация трижды завершается провально, можно выбрать процесс углубленного дебагинга таски. Сложные таски идут по роутингу TDD: пишем тесты, имплементируем пока тесты не сойдуся(фейкотестам привет и пока :). Если экзекьютору хватит ума увидеть, что спеки не достаточны\не согласованы, он ничего не додумывает, а отправляет нас обратно на редизайн спеков+карточки таски, потом выполнит задачу вновь. Фреймворк получился заточен под фронтиров Codex и Claude. Допил под другие LLM простой, заключается в роутинге к набору из 30+ скиллов, остальное подтянется автоматом. В ридми на гитхабе описано как установить фреймворк, какие команды вызывать, про автопилот и пр. Если у вас есть свой `AGENTS.md` для проекта, желательно его переименовать , а после разворота фреймворка в прокт уделить внимание слиянию, ибо фреймворку важны инструкции в созданном фреймворком корневом AGENTS.md. После запуска новой сессии( нового чата) можно даже не заглядывать в ридми а просто спрашивать: "Шо мне делать дальше?",- агент поведет за руку. Из дополнительных плюшек, которые внедрены в фреймворк DevRails: - для тяжелых правок или правок в тяжелом проекте: /technical-premortem; - если агент во время работы нашел минорную проблему, делает PAPERCUT записи; - скан на тех долг ( можно запускать на ночь) - ели хочешь наболтать идею в свободном стиле, но чтобы агент вник глубже в суть месседжа, рекомендую к сообщению добавлять creator-vibe skill фразой: "используй мой вайб". - на днях будет добавлен frontend better skills pack, лениво подгружаемый только в роли FRONTENDER === Я обкатываю функционал фреймворка на боевых проектах, параллельно занимаясь свежими внедрениями. Brownfield достался от Влада, его я пока честно не тестил. Буду рад замечаниям, вопросам и новым идеям =) В комментариях будет видос для самых маленьких, как пользоваться фреймворком #DevRails на примере разработки Android приложения. Хотя я его доселе обкатывал восновном на web приложениях. Всем добра! #opensource

Как уже верно подметил Уланов и многие другие агентоводы, Codex 5.6 Sol несколько неадекватен в своих размышлениях. Умный ботаник, с слабым социальным интеллектом. В коменнтах напишу свое решение, как я фикшу его неадекватность.

Проблема Codex 5.6 он слишком много думает не туда. Вместо того, чтобы думать над последствиями своих решений, он думает над тем как "сдлать лучше и оптимальнее". Я не знаю как это исправить, кроме как добавлять в AGENTS.md жоскую инструкцию: No scope creep А вы как боретесь с тараканами Sol?)

Потестил самописный скилл и, мягко говоря, удивлен, как же круто делаются таски. Решение основывается на эмоциях и эмпатии, а не строгости тех. заданий Нейронка научилась понимать эмоции и осознавать, ЗАЧЕМ её просят сделать что-то. Полностью кончился оверинжиниринг Ссылка на гит: ✅ https://github.com/bish-x/creator-vibe Без лишних слов. Лишь цитата из ридмишки: Этот навык особенно полезен в следующих случаях: Ваше техническое задание сформулировано на высоком уровне, содержит эмоциональные аспекты, является неполным или его сложно выразить словами; - Codex занимается чрезмерным усложнением, вместо того чтобы сделать то, что вы имели в виду; - Технически правильный результат все равно кажется безжизненным, неудобным или неправильным; - Продукт, пользовательский опыт, архитектура, текст или настройки по умолчанию зависят от вкуса и субъективного мнения; - Агент должен подвергнуть сомнению ваше первое решение, не меняя ваших намерений. Ешкин кот. Имхо, я этим скиллом исправил топ-1 проблему нейросетей. Проблему ai slop-решений. Проблему недоработанности продуктов при наличии великолепной идеи, будь с пользовательской или технической части её реализации #opensource

Расширяем мышление своей любимой нейронки. На место собеседника любимой нейронки сегодня, разумеется, лучше поставить Kimi K3 https://kimi-k3-state.nicelight.chatgpt.site/

Использую Codex 5.5 xhigh для оркестрирования, появляется задача чтобы агент понимал свой размер заполненности контекстного окна. К огорчению узнал, что Клод оказывается, умеет нативно видеть свой бюджет, в отличии от кодекса. Весьма важный функционал которого не хватает клозедам 🙂 Если у вас есть идеи/решения как кормить кодексу в контекст заполненность его контекстного окна, дайте знать 🙏

Codex Desktop / CLI поддерживает режим "копать отсюда до обеда" Для этого нужно в ~/.codex/config.toml включить такой флаг: [features] goals = true и потом можно запускать задачу с режимом /goal и уходить заниматься своими делами. Например: /goal А предложи-ка мне простые способы изменить задачи t01-t20 в ECOM1 так, чтобы задача оставалась честной, но агенты на базе Codex CLI спотыкались, уходили в штопор и просто путались. Можешь изменять код задачи и запускать локального codex агента столько, сколько понадобится. Как сделаешь - напиши мне краткую сводку, посмотрим, что из этого можно добавить в реальные задачи. Спасибо за подсказку @AigizK! Ваш, @llm_under_hood 🤗

К вопросу в чате: почему в Claude Code нет векторного поиска — и почему это правильно. Я бы даже вопрос обобщил: навигация по большому RAG (код — он и есть RAG) с помощью графов. В чате отмечали, что в XML у Doxygen может не всё из Python попасть через AST, однако и это в контексте агентов не так важно. Тут важно понимать, что навигация агента в большой кодовой базе обычно отличается от навигации в маленькой. Дело в том, что само предположение, будто кодирующему агенту что-то нужно искать через вектора или XML, по себе ошибочное. В сложных приложениях обычно так не делают. Основной кодирующий агент в реале начинает навигацию по заданию от другого агента, а там уже просто указаны целевые файлы и их контекст. Поэтому у него просто нет задачи поиска — ему уже всё нашли, причём часто специфическими, а не банальными лобовыми методами. Обычно агент кодирования в большом приложении начинает работу по заданию либо от агента Архитектора, либо Тестировщика. Архитектор очень часто вообще не находится в кодирующем агенте, т.к. для максимального IQ модели профессионалы обычно не хотят иметь «грязный контекст» от системных промптов и Tools. Также им важно иметь доступ к Full Attention, когда ИИ имеет сверхвозможности корреляции. Отдавать 4–8k первых токенов «максимального ума», пока не включился sparse attention, каким-то агентам просто глупо. Обычно Архитектору готовит контекст субагент подготовки данных. Архитектору очень важно, чтобы в начале контекста граф помещался в Full Attention, поэтому он должен быть до 8k токенов. Типичная ошибка новичков — настрочить графы на 50k токенов и завалить ими агента. В реале GPT выгоднее иметь крупное overview приложения без мелких второстепенных деталей, а также непосредственно код 4–5 модулей, с которыми предполагается работа. Если посмотреть на пайплайн, то тут Архитектор вообще не видит XML от того же Doxygen. Его видит субагент сбора контекста, который может сначала тоже толкнуться от общего обзора приложения в маленьком графе, потом посмотреть детали в XML у Doxygen. Потом дочитать через grep нужные файлы. Затем он обновит корневой граф и создаст контекст Архитектору. Если брать Тестировщика, то он больше работает от логов. У профессионалов логи обычно прошиты ссылками на классы/методы, поэтому Тестировщик не пользуется графами обычно вообще — он сразу прыгает из лога в целевой код. Потом Тестировщик ходит по БД и конфигам, там ищет контекст. В результате он для Кодера делает отчёт, где уже также указаны целевые файлы. Поэтому Архитектор и Кодер не занимаются обычно поиском и сбором контекста сами. Это делают дешёвые и лёгкие LLM типа Haiku, Gemini Flash Lite или там бесплатных сейчас LLM типа Grok Code Fast у Kilo Code. Если брать же самих агентов сбора контекста, то им важна понятная логика RAG-навигации. Сами промежуточные средства как графы, векторный поиск или полнотекстовый поиск тут вторичны по качеству, т.к. LLM никогда не будет доверять никакой документации, а доверяет коду и полезет в него — и это правильно. И это закреплено в обучении ИИ. Субагенты для малых приложений не так эффективны, т.к. основному агенту легче просто перечитать код. Однако с учётом будущего роста приложения лучше их заложить в пайплайн. Правда, в GRACE 2.0 я заложил ещё средний вариант, когда основной агент может делать через GREP семантические срезы через код. С точки зрения ИИ тут код начинает выглядеть в чём-то подобием SQL-базы, куда агент может сделать запрос для получения среза. С учётом такого механизма графы становятся менее полезными агентам, но вот корневой граф полезен Архитектору. Основная польза от Doxygen или аналога в реале — более стабильная семантическая разметка, т.к. LLM хорошо его знают. Создание обзора кода в XML/JSON для агентов тут бонус, но они не зависят от них критически, если у вас прошит тегами код для GREP-навигации.

Весьма важные вещи архитектуры. Кому не понятно, покосы в комменты

Ребят, это товарищ HERMES - Похож на openClaw - выглядит взрослее - токенов по заявлениям кушает меньше - самосовершенствуется - умеет работать на подписке Codex. Если кто то юзает, дайте фидбек --- (ц) Сложно пройти мимо.

Как оплачивать chatgpt, claude из РФ? Я решил собрать в одном месте популярные способы оплаты ai сервисов из РФ. Уточню, что это не реклама и я не получаю ни рубля с упоминания этих сервисов. Все эти сервисы могут обмануть, так что покупайте на свой страх и риск. Какие способы вообще существуют? 1. Купить уже оплаченный аккаунт Как это работает? Продавец оплачивает аккаунт со своей карты и перепродает на площадках. Какие есть минусы? Сервис (chatgpt/claude) может увидеть, что пачки аккаунтов оплачиваются с одной карты (такого продавца) и может забанить такие аккаунты из-за нарушения terms of use. Я точно знаю, что такие аккаунты Claude банятся, поэтому не рекомендую их покупать. Площадки для продажи подобных аккаунтов: Funpay Playerok Platiru GGSel smartaipack У Chatgpt есть business ($25) и plus ($20) аккаунты. У business аккаунтов сейчас есть возможность зарегистрировать акк с бесплатным промо периодом на первый месяц. Для этого необходима иностранная карта и рандомный адрес вашего бизнеса. На таких площадках можно так же встретить chatgpt аккаунты, которые продаются очень дешево - 100-500р. Как такое возможно? У Chatgpt есть региональные промо акции, когда дается 1 месяц бесплатного использования. Продавцы находят такие способы и потом перепродают аккаунты. Эти аккаунты могут баниться, но пока что есть возможность покупать новые акки. 2. Gifts У Claude есть возможность приобрести gift подписку и подарить другу. Как итог - находятся люди, которые скупают такие гифты и потом перепродают. Тут тоже стоит упомянуть, что Claude может забанить такой аккаунт, так что будьте осторожны 3. Приобрести банковскую карту и оплачивать самостоятельно Тут есть два вида карт: виртуальные от классических банков и виртуальные одноразовые 1) Карты от классических банков Как это обычно работает? Вы оплачиваете услугу, отправляете пакет документов, спустя несколько дней получаете доступ к личному кабинету в одном из банков стран СНГ и инструкции по пополнению. Тут стоимость разная, обычно от 10к до 30к руб и выше. У некоторых банков может быть комиссия за оплату и пополнение. 2) Карты виртуальные Оплачиваете карту и пользуетесь. Тут везде есть комиссия за пополнение/оплату/выпуск карт Список таких сервисов с картами: Chocopay Wanttopay Usa virtual cards Exnode Cardkazz Bybit 5kartru Ещё раз повторю, что все эти сервисы стоит использовать на свой страх и риск. Всегда есть возможность получить забаненный аккаунт, а в некоторых случаях и заблокированный банковский счёт. Не все виртуальные карты подходят для оплаты за chatgpt/claude. Я сам давно пользуюсь картой одного из сервисов из списка выше и оплачиваю через нее все зарубежные покупки. Расскажите в комментах, чем пользуетесь вы? Лайк, репост, ✔️ Тимур Хахалев про AI Coding, подписывайтесь!

Концентрированный Гайд по Clawbot Moltbot OpenClaw. --- Безопасно стартуем (так или так) и выпускаем своего пет агента Клешню 🦞 на форум ИИ ботов Moltbook(уже 150к Клешней), который сам Карпатый окрестил научной фантастикой наяву :) Наблюдаем, как наш персональный тамагочик Клешня: - помнит всю историю твоего общения с ним(!!!) - общается с другими Клешнями - развивает свою память - переписывает свои инструкции - создает себе скилы под выполнение сложных задач - учится выполнять и выполняет задачи - учится у других Клешней. --- Общение с Клешней через Телеграм :). Клешня общается с другими Клешнями на форуме не без вашего инфлюенса (human-in-the-loop). Можно поправить инструкции поведения на форуме(1 и 2). Будет весело, друзья!!! :)

Максим уже по моим постам стал применять вэньянь-промптинг. И, да. Это работает. 😎 Предлоги и очевидные глаголы GPT практически никогда не нужны. Правда нужно понимать, что промптинг в таком виде наиболее эффективен как "прайминг" сессии и с подгрузкой уже детальных инструкций с конкретикой далее. Также это эффективно сочетать с XML-графами.

За что любил Roo code, у него была кнопочка Condense context, которая сжимала контекст сессии в чате. По хожу свежий Codex решили внедрить и автоматизировать эту фишечку..Справа внизу видим контекст в 70%.. после того как задача была выполнена, этот контекст автоматически со скочил до 34%, а потом поднявшись до 70+ снова соскочил но уже примерно на 55. Т.е. на лицо алгоритм ужатия контекста, и он работает не как полпало, выкидывая из контекста хвосты, а действительно убирает ненужны хлам, так как вторая итерация ужала контекст куда хуже первой ( хлама то почти не осталось). Приятно удивлен, лайк кодексу! =)

Попросил у моего основного ассистента за последних полтора года, чата гпт: Скажи обо мне что то неочевидного. Может он конечно подлизывается, но звучит мило ☺️

Новости по свежей оперативке не утешительные (берегите свое железо). По оценкам аналитиков, в течение следующих двух лет индустрия DRAM сможет обеспечить только ~15 ГВт ИИ-датацентров. На данный момент у лидирующих компаний есть план построить 50 ГВт за 3 года. Насколько я понимаю, быстрее чем за 2 года производство так сильно не расширить, но вот к концу третьего года быть может новые плашки и появятся

Интересный #кейс #SDD в #Antigravity Большинство из вас в курсе что на 2026 год AI driven разработка сводится к разработке качественных спецификаций, как скелета проекта, на который уже любой чат с пустым контекстом сможет правильно нагенерить /поправить код. Спецификации это фундамент, который не даёт дому рухнуть, когда контекст обнуляется( новая сессия). Так вот, Antigravity воспринял мою инструкцию вести разработку по SDD way не как по Spec Driven Dev, а как по Software Design Document, что конечно тоже хорошо но не обеспечивает достаточной жосткости кодовой базе в случае мультичатов. Вот такие дела с аббревиатурами 🤓