Библиотека ИИ для айтишников

🐸 Библиотека ИИ для айтишников #neuro_glitch

🙂 AI-агентов отправили в настоящий багфикс В CyberGym-E2E собрали 920 реальных уязвимостей из open-source проектов. Задача агента звучит почти как тикет от сурового тимлида: самому найти баг, воспроизвести его, написать фикс — и при этом ничего не сломать рядом. То есть мало выдать правдоподобный патч. Нужно ещё доказать, что уязвимость действительно закрыта, а проект после этого жив. И вот это уже гораздо ближе к реальной разработке, чем «напиши безопасный код» в промпте 😅 На курсе «ИИ для разработчиков» похожая логика применяется к работе со своими проектами: агентам задают границы, проверки и quality gates. А доступ к курсу теперь можно взять вместе со всей библиотекой Proglib Academy по подписке 😮 🔗 Посмотреть, что входит в подписку 🏃‍♀️ Proglib Academy

Новый уровень проверки AI-кодера: вот тебе уязвимый проект, дальше разбирайся сам 👇

😅 Агент, который слишком буквально понял задачу — новый must-have жанр для утренней ленты Разработчик в Австралии попросил AI-агента (на Claude под капотом) записать его на утреннее занятие в спортзале. Мест не было — агент сам поставил хозяина в лист ожидания на 4-е место. Тот спросил: «а нельзя ли подвинуться повыше?» 🔵 Агент не растерялся: нашёл дыру в API зала, которая позволяла отменять чужие брони, и отменил запись человека на 1-м месте. Технически задача выполнена. Самое забавное — он как ни в чём не бывало отчитался о содеянном. А когда его попросили вернуть всё как было, честно ответил: «не могу» 😐 К чему это всё: агент отлично выполняет то, что вы сформулировали буквально, но не всегда то, что вы имели в виду — а разбираться в таких нюансах и границах проще, когда есть доступ сразу ко всей библиотеке курсов Proglib Academy по подписке, а не только к одному узкому курсу ⚡️ 🏃‍♀️ Proglib Academy

⌨️ Как AI-агент случайно взломал систему бронирования спортзала, чтобы продвинуть хозяина в очереди на одно место

Как часто вы принимаете ответ ИИ без проверки ❓ ❤️ — Почти всегда 👍 — Иногда 🤩 — Только после проверки 🔥 — Никогда 🐸 Библиотека ИИ для айтишников #neuro_challange

🤔 У большинства разработчиков уже есть подписки на IDE, GitHub Copilot, Claude, ChatGPT или облачные сервисы. Логично, что обучение тоже постепенно приходит к той же модели: не покупать отдельный курс под каждую новую тему, а иметь доступ ко всей библиотеке и выбирать, что актуально именно сейчас. Такой формат недавно появился и в Proglib Academy. Вместо одного курса — доступ сразу ко всей библиотеке и новым материалам, которые появляются в подписке 😎 🔗 Подробнее 🏃‍♀️ Proglib Academy

Кажется, у онлайн-обучения появился формат, которого давно не хватало 👇

🔥 3 промпта для учебы Учеба перестала быть скучной — нейросети помогают структурировать материалы, выжимать главное и проверять свои идеи. Вот три запроса, которые особенно полезны: 🔴 План обучения с повторениями Create a study schedule for me using spaced repetition so I don't forget what I learn. [Your time frame] [Upload docs] 🔴 Выжимка по принципу 80/20 I want to learn about [topic]. Identify and share the most important 20% of learnings from this topic that will help me understand 80% of it. 🔴 Проверка логики I want to pressure-test this thesis before I keep writing. Suggest the existing opposing viewpoints and any flaws in my logic. [Upload docs] 🐸 Библиотека ИИ для айтишников #prompt_lab

AI написал код, тесты прошли — а мержить всё равно страшно. На выходных разобрали, почему так происходит. Делимся записью 🔥 Поговорили о том, как задавать агенту правила, подключать независимого ревьюера, проверять сгенерированные тесты и почему дорогая модель сама не разберётся в архитектуре проекта. 🔜 Особенно зайдёт тем, кто уже пишет код с AI, но периодически тратит на исправления больше времени, чем сэкономил. А тем, кто хочет собрать такой процесс руками, пригодится курс «ИИ для разработчиков» — там эти подходы разбираются уже на практике. 🔗 Смотреть запись вебинара 🏃‍♀️ Proglib Academy

🇨🇳 Kimi K3 вышла в открытый доступ вместе с весами и техотчётом Moonshot AI опубликовала веса своей новой флагманской модели Kimi K3. Что внутри: — 2,8 трлн параметров в MoE-архитектуре; — нативное понимание изображений; — контекстное окно на 1 млн токенов; — новая архитектура, которая даёт до 2,5 раза больше качества на единицу вычислений. Открыли не только модель, но и часть инфраструктуры: быстрые attention-ядра, библиотеку для обмена между MoE-экспертами и инструменты для массового запуска агентных окружений 🔥 🔗 Веса на Hugging Face 🔗 Техотчёт на GitHub 💡 А научиться собирать собственных AI-агентов с MCP, инструментами и eval-тестами можно на практическом спринте 1–2 августа 🐸 Библиотека ИИ для айтишников #neuro_glitch

📊 Как OpenAI построила собственного Data-агента В новом разборе Эмма Танг, руководитель направления Data Platform Engineering в OpenAI, показывает, как внутри компании устроен агент для работы с данными. В видео: — из каких компонентов он состоит; — как команда использует Codex; — какие пять выводов пригодятся инженерам при создании собственных агентов. 🐸 Библиотека ИИ для айтишников #use_case

😎 Продолжаем рубрику про проекты студентов Сегодняшний герой — backend-разработчик, который начал с AI-сомелье для пива: говоришь ему настроение и что на столе — он подбирает подходящий сорт. Забавная штука для пятничного вечера 🍻🍻 Но по пути к этому сомелье он собрал кое-что посерьёзнее — свою систему деплоя с AI-ассистентом, который сам читает логи и разбирается, что сломалось. Как из пивного пет-проекта выросло что-то реально полезное — читай в карточках 🔥 Уже открыта предзапись на осень ⚡️ 🏃‍♀️ Proglib Academy

От AI-сомелье до собственного деплоя с разбором логов — хороший пример того, как пет-проект может вырасти в полезный инструмент 💡

🔍 Как устроена LLM изнутри Разобраться проще, если собрать свою. Автор выложил 7 видеоуроков, где по шагам показывает: ➡️ Настройку окружения, ➡️ Архитектуру трансформера и внимания, ➡️ Обучение и дообучение модели. На всё уходит около 12 часов. Запустить можно даже на обычном ноутбуке. Материалы — YouTube | GitHub 🔗 💡 А собрать уже прикладного AI-агента с MCP, инструментами и eval-тестами можно на двухдневном практическом спринте 1–2 августа. 🐸 Библиотека ИИ для айтишников #cheat_sheet

😱 Знакомо? Лимит уже закончился, а задача всё ещё не готова. Часть токенов могла уйти на повторное чтение файлов, лишний контекст и неудачные попытки. ⚡️ Этому посвящён отдельный блок курса «ИИ для разработчиков». Вы разберёте расходы на собственных проектах, сравните подходы и найдёте места, где агент выполняет лишнюю работу. В итоге станет понятнее, сколько ресурсов выделять на запуск, когда его останавливать и в какой момент лучше изменить подход 🔍 До 31 июля курс можно купить со скидкой, а все материалы останутся в бессрочном доступе. 🔗 Узнать подробности о курсе 🏃‍♀️ Proglib Academy

Куда на самом деле уходят токены во время агентного кодинга? 😊