🇺🇦 Math.random(): community of engineers

🗣TypeScript стає основною мовою агентних фреймворків? Ще рік тому побудувати AI-агента означало майже завжди одне - Python-стек: LangChain, LangGraph, CrewAI. JS-розробник заходив у цю тему гостем. Зараз баланс зміщується. ⏺У жовтні 2024 троє ex-Gatsby запустили Mastra - open-source TypeScript-фреймворк для агентів. У 2026 закрили Series A на $22M, загальне фінансування $35M. 🔵Mastra надає все, за чим раніше йшли в Python: agents, tools, workflows, memory, RAG. У незалежних тестах на developer experience обходить LangChain, а setup займає хвилини. І це не випадковий злет одного проекту, а логіка екосистеми. Усе, що оточує агента, вже живе в JS/TS - frontend-агенти, MCP-сервери, генеративний UI. Логічно, що й самі фреймворки переїжджають туди, де цей код. TypeScript стає повноцінною мовою агентів, а не запасною. Це не про "Python помер". Він лишається сильним у ML, тренуванні моделей і data science - там його позиції міцні. 🔵Мова про інше: шар застосунків навколо агентів дедалі частіше будують на JS/TS. І якщо ви вже там - вам не треба мігрувати в Python, щоб робити агентів. 🗣Як перейти від теорії до практики? Візьміть Mastra або Vercel AI SDK і зберіть свій перший workflow з memory і tool-calling за вечір. Це найшвидший спосіб перейти з пасивного читача статей в інженера, який реально будує агентів - поки конкуренції в темі мало. На чому ви будуєте агентів - TS 🔥чи Python❤️? #js_ai_trends

🍋🍋jscpd перетнув 2 000 000 завантажень на тиждень у npm ⏺13 років розвитку open-source copy-paste detector. ⏺223 мови програмування. ⏺Нове Rust-ядро — приблизно у 50 разів швидше за попередню реалізацію. Більшість цих запусків відбувається у CI: на кожен pull request, у тисячах командних pipeline. Дякую кожному, хто використовує jscpd для контролю якості коду та інтегрував його у свій workflow ☺️ github.com/kucherenko/jscpd

«Нетипізований JavaScript — це legacy». П'ять років цей вердикт ніхто не оскаржував. А тепер у нього з'явився цінник: +31% токенів за ту саму логіку. 377 у TypeScript проти 287 у чистого JavaScript — мова проти власної типізованої версії, жодних інших змінних. Кожна двокрапка, кожна явна анотація, кожні дужки параметрів — це те, що модель перечитує на кожному проході. У грошах на Claude Opus — +$5.84 на мільйон базових токенів. Дрібниця? Помножте на кожен запит агента, кожне перезавантаження контексту, кожен CI-прогін. Капає тихо, і жоден рядок в інвойсі не називається «анотації типів». І ось що незручно визнавати: для LLM-first коду — промпт-білдери, генератори, одноразові скрипти — чистий JS часто виявляється чесним вибором. Код, який п'ять років називали legacy, агент читає найдешевше. Типи від цього не стали поганими. Дорогою стала рефлекторна типізація. Публічні поверхні — сигнатури, експортовані API, межі модулів — типізуй. Всередині функцій компілятор і так усе знає. Найдешевший токен — той, який компілятор вивів сам. Тут цифри, всі таблиці й скрипт на 4 рядки для перевірки власного репозиторію #токеноміка #tokenomics

🔴38% зайвих токенів і втрачених грошей на кожному запиті до AI — через ваш фреймворк. Саме стільки коштує вибір «не того». Я перевірив ті самі компоненти — від hello до таблиці з фільтром — і написав їх на кожному фреймворку. Однакова функціональність, один токенізатор: 🟢 Svelte — 598 токенів 🟡 React — +25% 🔴 Angular — +38% +38% — це не про стиль коду. Це рядок у вашому рахунку за API. Бо код тепер читають не люди, а агенти — тисячі разів на місяць. На кожному рев'ю, кожному «полагодь оце», кожному прогоні ви платите за зайве знову і знову. А тепер парадокс, який ламає інтуїцію. У Svelte НАЙГІРШЕ стиснення у всій групі — його синтаксис погано лягає в токенізатор. І він однаково виграє. Чому? Бо коду треба менше: ти пишеш count++ — решту добудовує компілятор. У React ти пишеш ту саму сантехніку руками. І платиш за кожен символ. Висновок простий: усе, що ви пишете явно — має ціну. Усе, що виводить компілятор — безкоштовне. #TokenEconomics #LLM #Svelte #React #Angular Повне дослідження — таблиці в доларах по 10 моделях 👀у статті на Hacker Noon Це частина 1 з 5. Далі — мови, де анотації типів у TypeScript додають +63% до ціни за ту саму логіку 👀

TypeScript 7.0 - найдивніший major-реліз, який я бачив за 24 роки в розробці: ⏺список нових можливостей мови — майже порожній ⏺жодного нового оператора, нічого нового в системі типів 🔵І водночас це найбільша зміна в TypeScript з 2012 року - весь компілятор переписали з TypeScript на Go. 🔵Результат: тайпчек у 8–12 разів швидший. Кодова база VS Code — 1,5 мільйона рядків — раніше проходила повну перевірку за 77,8 секунди. Тепер за 7,5. Ключове тут — це порт, а не переписування. Команда взяла старий компілятор і перенесла його на Go файл за файлом. Ті самі алгоритми, та сама семантика типів. Ваш код, який компілювався на 6.0, поводитиметься так само на 7.0. Рідкісний випадок, коли велика компанія втрималася від спокуси «заодно зробити краще» - і саме тому це спрацювало. Хто вже оновився? Так👍. Ні 😱. Планую🔥 #typescript

Як ти опинився на Math.random()?

☁️ 12 безкоштовних курсів для тих, хто будує AI на хмарі Частина 5: Cloud & ML Ops. Фінал серії. Прикладне для тих, хто деплоїть моделі в продакшн на AWS, Azure чи GCP. 🟧 Amazon AWS Від основ GenAI до ML-моделей у проді 1) GenAI Learning Plan 2) GenAI for Decision Makers 3) Low-Code ML on AWS 4) Amazon Transcribe: Getting Started 5) Machine Learning Learning Plan 🟦 Microsoft Azure Готовий стек для корпоративного AI 1) Azure OpenAI Service 2) Azure AI Services + Power Virtual Agents 3) Custom ML Models 4) Master Azure AI Fundamentals 🟩 Google Cloud Генеративка на інфраструктурі Google 1. Introduction to Image Generation 2. Introduction to Vertex AI Studio 3. Generative AI Explorer - Agent Platform ⚠️ Частина курсів потребує хмарного акаунта; окремі лаби можуть витрачати кошти на інфраструктуру. 💬💬💬💬💬💬💬💬💬 Серія «50 безкоштовних AI-курсів» - повна карта: 💬💬💬💬💬💬💬💬💬 ▪️ Для інженерів ▪️ Старт з нуля ▪️ Промпт-інжиніринг ▪️ AI Fluency ▪️ Cloud & ML Ops (ви тут) 💬💬💬💬💬💬💬💬💬 🔖Зберігайте цей пост - звідси відкривається вся серія 🔖

🔗Genkit — AI-фреймворк від Google, що працює у проді Firebase Це production-фреймворк для AI-застосунків, який Google вже кілька років розвиває і використовує у власному проді - не демо і не пет-проект. Через один підхід: structured output, tool calling, RAG, мультимодальність і agentic workflows. Плюс єдиний інтерфейс до моделей - Google, OpenAI, Anthropic, Ollama. Що виділяє Genkit: ⏺JS/TS і Go - production-ready (Python - у beta). Мультиязичність, якої немає у більшості фреймворків ⏺локальний Developer UI: трейси виконання, порівняння моделей і дебаг AI-flow наживо ⏺production observability з коробки: latency, errors, usage metrics ⏺деплой без прив'язки до Google: Firebase, Cloud Run або власна інфраструктура ⏺інтегрується з Next.js, React, Angular, iOS, Android та серверними застосунками Genkit закриває не тільки агентів. Це фреймворк для AI-застосунків загалом: чат-ботів, RAG-систем, автоматизацій і складних AI-workflow. Якщо потрібен production-ready інструмент без lock-in на одну модель чи провайдера - Genkit є одним із найсильніших варіантів. ⭐️ 6.3k зірок на GitHub, Apache-2.0. https://github.com/genkit-ai/genkit Що використовуєш для AI-застосунків? 🔥 - Genkit уже у стеку 👀 - подивлюся ближче #js_ai_trends

Будувати агентів, не виходячи з Next.js - тепер реально Vercel випустив eve - фреймворк для агентів під слоганом «Next.js для агентів». 🗂Весь агент живе однією папкою у твоєму ж проекті: не треба окремий Python-стек, не треба вчити нову інфру. Один файл instructions.md - і агент працює. Усе інше - опційні блоки: skills/ - Markdown-плейбуки, підвантажуються лише коли релевантні tools/ - кидаєш TS-файл, назва файлу стає назвою тулу, без реєстрації subagents/ - делегування спеціалізованим агентам channels/ - той самий агент у Slack, Discord, Telegram schedules/ - агент за розкладом (звіти, дайджести) 🟡Готове до проду Durable execution (воркфлоу переживають краші, кожен крок чекпоінтиться), ізольовані сендбокси, human-in-the-loop, evals. Нативно вбудовується в Next.js. 🟡Self-host Побудований на open-source SDK. Postgres для durability, Docker для сендбоксів, нуль managed-залежностей. Тренд той самий: шар навколо агентів переїжджає в JS/TS. Якщо ти вже у Next.js - агент тепер живе в тому ж проекті. 🗣Гляньте самі: https://eve.dev Пробував eve чи лишаєшся на Mastra/ Vercel AI SDK? 🔥 - цікаво, спробую 👀 - поки дивлюсь #js_ai_trends

🟡4 мільйони токенів на одну задачу 🟡Стільки в середньому витрачає AI-агент, коли вирішує інженерний таск у реальному репозиторії (за даними вимірювань на SWE-bench Verified). 📖 Найбільше токенів AI витрачає не тоді, коли пише код, а тоді, коли його читає. 🗣 Ваші файли. Імпорти. Конфіги. Тести. Вивід лінтерів. У вашого коду з'явився новий читач — AI-агент. І кожне прочитання має ціну. Саме про це й написав у новій статті на DOU. Усередині: 🗣як токен пройшов шлях від жетона до сировини інтелекту 🗣чому токени дешевшають, а витрати на AI ростуть 🗣чому найдорожча фаза розробки — не написання коду 🗣чому більше агентів не завжди означає кращий результат 🗣що таке token debt і чому компілятор його не бачить 🗣де ховається найдорожчий рядок у вашому рахунку Читайте на DOU: https://dou.ua/forums/topic/61047/ #TokenEconomics #TokenDebt #LLM

🔵 У TypeScript 7.0 є наслідок, якого немає в жодному розборі релізу. І він, можливо, важливіший за всі бенчмарки. Основним читачем коду поступово стає не людина, а агент🔵 Claude Code і аналоги працюють циклом: згенерував зміну - тайпчек - прочитав помилки - виправив - знову тайпчек. У великій кодовій базі кожна ітерація впиралася в ті самі 60–80 секунд роботи компілятора. Тепер цей крок коштує секунди. На кодовій базі VS Code перевірка типів впала зі 125 секунд до 10 (Microsoft заявляє 8-12x, незалежні тести - 4-7x). Що це означає для економіки агентної розробки? Більше ітерацій за той самий бюджет? Чи цикл впреться в наступне вузьке місце - швидкість моделі? Схоже, саме впреться: коли пайплайн упирається в I/O, виграш ближче до 28%. Компілятор більше не гальмо - гальмом стає щось інше. Але напрямок ясний: швидкість тулчейну стає фактором вибору стеку для агентів - нарівні з ціною токенів. Раніше ми дивилися на мову очима людини: синтаксис, DX, екосистема. Тепер додається ще одна оптика - як швидко тулчейн віддає фідбек агенту. А ви помічали це на своїх агентах? 🔥 - так, чекання компілятора зжирає цикл 👀 - не міряв, але цікаво #typescript

Чому Microsoft переписали TypeScript на Go? Уся швидка частина JS-тулінгу останні роки переїжджала на Rust: Turbopack, Biome, oxc, SWC. А Microsoft переписали TypeScript на Go. Аргумент Хейлсберга простий: завданням було портувати існуючу кодову базу, а не проектувати нову. Архітектура старого компілятора — циклічні структури даних, спільний мутабельний стан між фазами — природно лягає на Go з його garbage collector. Rust вимагав би переосмислити володіння пам'яттю в кожному вузлі AST. Тобто фактично rewrite з нуля, роки роботи і ризик розійтися в поведінці типів. Мене це питання зацікавило через власний досвід. Адже я нещодавно пройшов той самий шлях зі своїм jscpd, який живе в екосистемі вже понад десять років і ганяється в CI на кожен PR. Переписав engine з Node.js на Rust: скан 900 MB кодової бази впав з 83 секунд до 3,4. Startup overhead зник повністю, задіяні всі ядра. Коли інструмент запускається на кожен PR, ця різниця вирішує все: чекати щоразу півтори хвилини чи отримати результат миттєво. Але є принципова відмінність: я саме переписував, а не портував. Міг дозволити собі змінити внутрішню архітектуру, бо контракт у jscpd простий — вхід і звіт на виході. У компілятора контракт — це поведінка системи типів на мільйонах чужих кодових баз, і кожне відхилення це чийсь зламаний білд. Для порту рядок-у-рядок Go справді знімає цілий клас проблем, які Rust змусив би вирішувати. Виходить два різні шляхи до тієї самої мети: нативний код замість Node.js. І обидва працюють. А ви б що обрали для порту компілятора - Go🔥чи Rust👍?

CoffeeScript - мова, яку списали років 10 тому, раптом виявилася 2 з 5 за дешевизною для LLM: ZeroLang — 231 токен CoffeeScript — 239 JavaScript — 287 Civet — 320 TypeScript — 377 Пам'ятаєте, за що його списали? Синтаксичний цукор, жодних типів, «мова для лінивих». Стрілочні функції з нього переїхали в сам JS — і на цьому подяки скінчилися. Відсутність типів стала ахіллесовою п'ятою, і індустрія пішла далі без нього. 👀А тепер незручна частина. CoffeeScript справді писали ліниві розробники для лінивих — щоб менше друкувати. Десять років це було звинуваченням. Сьогодні за клавіатурою дедалі частіше агент, і кожна пропущена фігурна дужка, кожна викинута крапка з комою — це токен, який модель не перечитує на кожному проході. Лінь, за яку соромили, стала стратегією. Патерн стабільний по всьому дослідженню: синтаксис на відступах послідовно б'є синтаксис на дужках. Дужка — токен. Крапка з комою — токен. Відступ — безкоштовний. Повертатися на CoffeeScript не варто — екосистема давно не розвивається, а нетипізовані бази боляче масштабуються. Але патерн, який він уособлює, — саме те, до чого сходиться дизайн AI-first мов. Іноді старі ідеї просто чекають свого часу. Усі цифри й повний розбір тут🔖

😒 Як безкоштовно отримати Claude Max 20x від Anthropic — тариф за $200/місяць на шість місяців. У липні Anthropic розширила програму Claude for Open Source. Тепер шанс отримати її мають не лише топові мейнтейнери. Хто підходить (достатньо навіть одного пункту): ⏺мейнтейнер бібліотеки: 500+ залежних репозиторіїв, 100+ залежних пакетів або 200 000+ завантажень на місяць (npm, PyPI, crates.io, RubyGems); ⏺core-контриб'ютор: коміти в CPython, Rust, Node.js, Kubernetes, Linux kernel, Django, Rails тощо; ⏺активний контриб'ютор: 100+ змержених PR у чужі репозиторії за рік; ⏺комьюніті-білдер: репозиторій із 20+ зовнішніми контриб'юторами за рік; ⏺критична інфраструктура: OpenSSF criticality score 0.4+. 💬Не потрапляєш у жодну категорію - подавайся все одно й опиши проект. Anthropic це окремо дозволяє. 🟡Я подавався з jscpd - і пройшов. За завантаженнями з npm він проходить під перший критерій із великим запасом. Все працює. Жорсткого дедлайну немає, але заявки розглядають на роллінг-основі, і в минулій хвилі набір закрився по досягненню ліміту в 10 000 місць. Тягнути сенсу немає: https://claude.com/contact-sales/claude-for-oss Спробуєш податися? 🔥 - так, мій проект проходить 👀 - збережу, подумаю

Мігруєте на TypeScript 7.0? Ось чек-лист, що зламається у вашому tsconfig. Сімка перетворила deprecation-попередження шостої версії на жорсткі помилки збірки. Під ніж пішла спадщина епохи Internet Explorer: — target: es5 — помилка. ES5-вивід більше не існує — moduleResolution: node, а також amd, umd, systemjs — кінець — baseUrl — вимкнено. Аліаси шляхів мігруйте на paths — strict та esnext — тепер базова лінія, а не опція Окремо для авторів тулінгу: стабільного програмного API у 7.0 немає — обіцяють у 7.1. Якщо ваш інструмент викликає компілятор через API, тримайте поруч пакет сумісності @typescript/typescript6. Порядок міграції, який економить нерви: спершу чистий перехід на 6.0 з увімкненими deprecation-попередженнями — він підсвітить усе, що відвалиться. Після цього оновлення до сімки — рутинний version bump. А у вас у tsconfig що досі живе з 2018-го? Знайшов es5😱. Все чисто👍. Ще не дивився🔥 #typescript

🟠 Svelte — головний герой цієї історії про токени. І найдивніший. Бо за всіма законами токенізації мав би програти. А він виграє. Розберемо детально. Сторона перша: стиснення (tokenizer affinity). Текст однакової довжини перетворюється на різну кількість токенів — це і є стиснення. У токенізатора є чесний показник — «токенів на символ» (tokens-per-char): чим нижче, тим щільніше код лягає в модель. Svelte тут має 0.320 — НАЙГІРШЕ значення в усій групі. Його синтаксис шаблонів напханий пунктуацією, яка просто не стискається. SolidJS для порівняння — 0.269, найкраще в тесті. За цією логікою Svelte у хвості. Логічно? Сторона друга: обсяг (verbosity). А тепер питання, яке ми забуваємо поставити — скільки взагалі коду довелося написати? І ось тут Svelte розвертається. Ті самі 5 компонентів він описує найкоротше з усіх. Бо за нього думає компілятор: ти ставиш count++ — він сам розгортає це в реактивність. React змушує виписати setCount і useEffect руками. Angular зверху ще накидає декоратори — @Component, standalone, imports. Сторона третя: підсумок. Краща токенізація програє меншому обсягу коду. SolidJS стискається найкраще в цьому тесті — і все одно програє, бо коду в нього більше. Svelte бере не щільністю символів. Він бере тим, що символів узагалі менше. Саме тому головний висновок не про Svelte. Він про те, від чого насправді залежить вартість коду для LLM. Її визначають два незалежні фактори: 1️⃣ наскільки ефективно код токенізується; 2️⃣ скільки цього коду взагалі довелося написати. Більшість порівнянь зосереджується саме на першому факторі. Svelte показує, що другий фактор може виявитися важливішим. Під мікроскопом важлива токенізація. У рахунку — обсяг коду. #TokenEconomics #LLM #Svelte

🧩 Навіщо Agent Skills, якщо є MCP? Бачу це питання постійно. Щойно опанували MCP - виходить другий стандарт від Anthropic - Agent Skills - і виникає відчуття, що це конкуренти й треба обирати один. 👀Ні. Вони про різне. 🔖MCP - це доступ. Типізований канал до зовнішньої системи: бази, API, внутрішнього сервісу. Відповідає на питання "до чого агент під'єднаний". І це ще про контроль: коли ви даєте доступ до бази, MCP-сервер дозволяє налаштувати авторизацію і ліміти - що саме агент може читати чи писати. Skill так не вміє, бо це просто інструкція. 🔖Skill - це процедура. Папка з файлом SKILL.md та опціональними скриптами. Вчить агента, ЯК робити конкретну роботу: як провести код-рев'ю, як зібрати звіт. Відповідає на питання "як саме агент це робить". Працює кросплатформно: Claude Code, Codex, Gemini CLI, Cursor. 🗣Просте правило вибору: Потрібен доступ до системи без кастомної інтеграції - MCP. Треба зафіксувати повторюваний процес і планку якості - Skill. І головне: це не "або-або", вони закривають різні діри. На своєму copy-paste detector я зробив обидва. MCP-сервер дає агенту доступ викликати детектор напряму. Skill пакує процес - коли запускати перевірку, як читати звіт. Разом - і "доступ", і "процедура". ⏺Чому Skills швидко набирають популярність: вони ідеально лягають у звичний цикл розробки. SKILL.md живе прямо в репозиторії поруч із кодом - код змінився, оновили інструкцію для агента тим самим комітом. Оновлення MCP-сервера - це вже окремий DevOps-процес. Плюс скіл простіше зробити (це файл, не сервер) і простіше поширити: кинув папку в репо, і всі агенти підхопили. З чого почати: напишіть один SKILL.md за гайдлайнами Anthropic - опис-тригер, progressive disclosure, scoped tools. Швидше за MCP-сервер, а ефект на консистентність агента видно відразу. Що вже у вас - MCP👍, Skills🔥, обидва👀? #js_ai_trends

🔵Уявіть, що кожен пристрій у домі має свій унікальний роз'єм Зарядка телефона не підходить до планшета, навушники - тільки до однієї моделі, а новий гаджет вимагає бігти по черговий перехідник. 🔵Саме так виглядала інтеграція AI-агентів з інструментами до кінця 2024. Потім Anthropic відкрив Model Context Protocol - і дав екосистемі USB-C. ⏺Один роз'єм, через який будь-який агент під'єднується до будь-чого: вашої бази, API, dev-tool. ⏺Підняв MCP-сервер один раз - і тебе бачать усі: Claude, Cursor, Copilot. ⏺Не треба писати окрему інтеграцію під кожного. За рік стандарт підхопили провідні AI-компанії — від OpenAI до Google. ❔Чому це не просто зручність, а виживання продукту: Агенти все частіше самі обирають, який інструмент узяти під задачу. І беруть з того, що вміють викликати. 💬Якщо ваш продукт не говорить мовою MCP - для агента його не існує. Як сайт без SEO у 2010-х: начебто є, а в пошуку порожньо. Тому вміння підняти власний MCP-сервер на TypeScript - це вже не екзотика, а базова навичка рівня "вмію писати REST endpoint" зразка 2015. Найближчим часом без неї на серйозний проект складно буде зайти. Я зробив MCP-сервер для свого copy paste detector - агент викликає його напряму й отримує компактний звіт під свій контекст. Кілька годин роботи - і інструмент усередині агентного воркфлоу. Якщо у вас є dev-tool, це найшвидший спосіб зробити його помітним для агентів. 🔔Стартер-пак для тих, хто хоче пощупати MCP руками вже сьогодні: 🛠 Офіційний TypeScript SDK 🚀 Quickstart (як підняти свій перший сервер за 10 хв) #js_ai_trends

Що вчити, щоб зайти в AI-розробку на JS/TS у 2026? Мене часто про це питають. Проблема будь-якої відповіді в тому, що список технологій нічого не пояснює: незрозуміло, що з чим пов'язане і в якому порядку за це братися. Тому я зібрав карту з 12 треків у порядку, в якому запит реально проходить крізь агента: промпт → цикл → тули → контекст і пам'ять → планування → вимірювання → прод. Читається зверху вниз як шлях одного запиту, а не як програма курсу. Три рішення, через які ця карта виглядає не зовсім стандартно: 1) Агентний цикл - перед фреймворком, а не після Агент — це цикл: ви складаєте масив повідомлень, віддаєте моделі разом зі схемами тулів, вона просить викликати тул, ви виконуєте, дописуєте результат і відправляєте знову — доки не спрацює стоп-умова, яку задали ви самі. Сорок рядків проти сирого API. Кожен фреймворк — обгортка навколо цих сорока рядків. Напишіть їх руками один раз — і наступний фреймворк читаєте за десять хвилин, бо бачите, яку саме частину циклу він підміняє. Не напишете — доведеться налагоджувати чужу абстракцію над механікою, якої ви ніколи не бачили. 2) Skills - окремий трек, а не підпункт промптингу Skill це тека з файлом SKILL.md: усередині опис, за яким агент розуміє, коли цей skill потрібен, і тіло з інструкціями. У контексті постійно висить лише рядок опису — тіло підвантажується в момент спрацювання. Навіщо: інакше все це лежить у системному промпті. Він росте до нечитабельного стану, оплачується цілком на кожному запиті — включно з інструкціями, які потрібні раз на місяць, — і видаляти звідти вже ніхто не наважується. 3) Гроші - на карті, а не за кадром Кеш промпта економить до 80% часу до першого токена і до 90% ціни входу, але спрацьовує тільки на точному збігу префікса: статика на початок, змінне в кінець. Поставили таймстемп не туди - платите націнку за запис кешу на кожному запиті й не отримуєте жодного читання. Ззовні при цьому все працює нормально. Сюди ж роутинг моделей і ліміт бюджету на прогін. У роадмапах на сотню плиток про вартість прогону зазвичай немає жодного слова. І ще: фреймворки в мене стоять десятим треком, а не першим. Спочатку ви розумієте, що вони роблять, і збираєте набір кейсів, яким їх можна виміряти. Тоді ви обираєте фреймворк, а не підлаштовуєтесь під нього. 📎 Карта — у файлі PDF. Відкривайте його, а не прев'ю: у PDF можна зумити на будь-який трек без втрати чіткості 👍 #js_ai_trends

OpenSSF Criticality Score - що це таке та для чого його вимагають в open-source програмах? Anthropic надає розробникам безкоштовний доступ до тарифу Claude Max (із лімітами 20x) на 6 місяців. Однією з офіційних вимог для категорії Critical Infrastructure є наявність OpenSSF Criticality Score 0.4 або вище. Що це взагалі таке? 1) Офіційний проект Open Source Security Foundation (алгоритм розробив Rob Pike). 2) Метрика, яка варіюється від 0 (least-critical) до 1 (most-critical). Чим вище бал — тим важливіший проект для всієї open-source екосистеми. 👀Алгоритм аналізує характеристики репозиторію та активність навколо нього. Зокрема враховуються: ⏺ вік проекту; ⏺ частота комітів; ⏺ кількість контриб’юторів; ⏺ кількість організацій серед контриб’юторів; ⏺релізи; ⏺активність із закриття issue; ⏺ згадки про проект у commit messages інших проектів. Ці показники зводяться у підсумковий score від 0 до 1. Інструмент ossf/criticality_score дозволяє розрахувати score для GitHub-репозиторію. Даєш посилання - отримуєш цифру. Корисно не лише заради грантів: видно, наскільки твій код впливає на екосистему. 👀Порахувати: https://github.com/ossf/criticality_score Перевіриш свій проект? 🔥 - цікаво, яка в мене цифра 👀 - збережу на потім #js_ai_trends