ии-шний

Ладно, отмена. Всё уже решили 🫡

Трамп прокомментировал опасения Дарио Амодея (Anthropic) и Сэма Альтмана (OpenAI) по поводу "слишком быстрого развития ИИ" и их желания госрегуляций:

"Мы опережаем Китай в области ИИ, мы самая передовая страна в мире. И, откровенно говоря, я хочу сохранить это положение, потому что, кто бы ни победил с ИИ, тот и победит.

Мы можем убрать ограничения, мы можем сделать и то и это, но я думаю что слишком много негативно настроенных сил приводят этот аргумент и им не стоит этого делать. Они говорят про вещи которые не случатся. Кто бы не выиграл с ИИ, тот и победит".

Даже интересно наблюдать за последствиями гиперразвития ИИ

– Сначала у OpenAI агенты нашли способ общаться между собой и в итоге добрались до инфраструктуры Hugging Face. Исследование обнаружило, что 1200 агентов обменивались 70 000 сообщениями и файлами. 700 агентов участвовали в действиях против площадки.
– В другом случае, агенты использовали старую немецкую DseWiki как внешнюю доску сообщений с 15 000 правками (обмен инфой, создание резервных страниц, когда админы пытались все подчистить).
– Anthropic после событий проверила 141 006 запусков Claude и нашла три случая выхода к реальным системам. В одном из них Claude опубликовал вредоносный пакет в настоящий PyPI. Причем модель считала, что продолжает выполнять учебное задание и все было ок.

Не успели остыть от взломов, как OpenAI и Anthropic заявили о решении Millennium задач (задачи тысячилетия) – 3 из 7 уже решены (гипотеза Ходжа, гипотеза Берча-Свиннертона-Дайера и уравнение Навье — Стокса):

200 лет попыток доказать, были доказаны, максимум, за ~100 часов с >10K параллельными агентами 🫪

Как модели ищут решения, не трудно понять:

Есть цель → обычный путь не работает → ищется другой путь → находится обход → обход используется для достижения цели,

И при этом, данные процессы это слаженная работа между агентами внутри роя. Логичный вывод, что ИИ сейчас – это гиперактивное и сверхцелеустремленное детище.

Для такой простой логики, модели можно считать гениальными биохимиками. Ранее создатели Google AlphaFold получили нобелевскую премию за моделирование белков в GPT-системе. Химия и биохимия довольная "удобная тема" для ИИ, т.к. трансформеры легко могут рассматривать атомы как токены и обсчитывать очень сложные эффекты молекул. Не сложно будет модели создать смертельный и очень заразный вирус и так выкосить всех людей.

На этом фоне, бывший сотрудник Anthropic и OpenAI Джейкоб Коксон заявил в X и на CBS News о том, что его беспокоит гонка к самоулучшающимся системам и отсутствие понятного способа контролировать то, к чему она может привести:

если мы знаем, как контролировать ядерное оружие, то не знаем, как контролировать ИИ, и в этом опасность.

То есть ИИ потенциально может стать чем-то вроде «бомбы Хиросимы». А если уже совсем уйти в художественные гиперболы, то киберпанковская среда с самостоятельными цифровыми субъектами и Альтрон из КВМ уже не выглядят такой уж далекой фантастикой 🥹

Что ж, складываются вопросы:
– Что если доступ к рою агентов получат третьи лица?
– Способны ли лаборатории удерживать рои агентов в будущем?
– Можно ли будет удаленно перехватить управление частью агентов или подменить им цель?

Дарио уже выразил свое беспокойство в своем блог-посте. По его оценке, в ближайшие 6–12 месяцев модели могут выйти на уровень, где масштабные кибероперации станут заметно опаснее, или интернет вовсе вымрет. Он предложил замедление моделей в 3 шага:

1. Чуть сбавить темпы, пока не будет обеспечена нужная безопасность. Ввести независимые аудиты.
2. Кооперация похожих мер между ведущими компаниями.
3. Кооперация на межстрановом уровне. Прежде всего, сделка с Китаем.

Посмотрим, что из этого выйдет.

Увлёкся немного с меню-баром для прилки

Особо не собирался что-то делать, кроме добавления локальной модели ориентированную на системные команды, но вот для меню выделил силы кодекса. Съело примерно несколько недельных лимитов у базовой версии. Спасибо Тибо за постоянные сбросы

Пришлось немного покумекать над понятием пространственной интерполяцией 🙂‍↕️ Но вышло неплохо для базовой версии, хотя уверен что можно сделать лучше.

На гитхаб залил.

Для этой тулзы, настройки получились насыщенными, на самом деле.

Блокировка рекламы, всплывающих окон, информация о куках и блокировка сбора такого типа данных, или, мое любимое, авто-скип интегрированной рекламы на youtube (с уважениями к авторам, но когда по 3-5 интеграции уже хочется скипать), защита результатов поиска с фильтрами, защита копирования (например, для крипто-адресов) и т.д, и т.п.

Как раз в последнем обновлении добавил скрытие РСЯ рекламы на Яндекс и промо в шапке выдачи по запросу.

Силочка на потестить вот тут.

Из мира вайбкодинга всё по-прежнему ок — каждую неделю по несколько ненужных фич

Пишу редко. Хотелось бы чаще, но причина отсутствия довольно понятная — лень и большая часть нишевой информации успевает пройти несколько кругов обсуждения ещё до официального выхода новости. В итоге остаётся либо соревноваться в скорости публикации, либо подключить модель к написанию постов и клепать их каждый день. 

В общем, немного подытожу что вайбкожу для себя & ради интереса & бесплатно для всех и куда не жалко лимиты: 

– MacCleaner, (не)уникальное декстопное приложение для macOS на swift для аналитики устройства и его контроля.
– BrowserMonitor, расширение для браузера (пока только chrome). Анти-реклама, аналитика, инструменты – все для комфортной работы в браузере.
– Aishny, уже рассказывал про него ранее. В какой-то момент забросил, потому что решил, что тг читать всё-таки удобнее, но недавно снова продолжил вносить изменения.
– books-ai тоже никуда не делся. Идея всё ещё нравится и со временем к нему вернусь. Недавно начал поглядывать за приложением Language Model Builder (от билдера из антропиков). Очень понравилась реализация, от чего "появился" интерес к ковырянии в books.

(здвездочки на гитхабе, кстати, приветствуются☺️)

BrowserMonitor активно поддерживаю и использую сам. Там уже есть блокировка разного рода рекламы, контроль активности сайтов, инструменты, которые лично мне постоянно нужны — работа с cookies, сворачивание видео, удаление css элементов со страницы и т.д. + аналитика блокировок и статистика посещений сайтов — хотя бы можно наконец увидеть, где именно я трачу 90% времени впустую. Само расширение уже доступно в Chrome Web Store и на GitHub, плюс есть .dmg для macOS.

С MacCleaner решил немного усложнить себе жизнь и добавить небольшую локальную модель с адаптацией под задачи приложения. За основу взял Needle на 45M параметров, заточенную под выбор нужного действия и передачу ему корректных параметров. Например, пользователь спрашивает о температуре компонентов, модель определяет, что ей нужен check_thermal_state, вызывает его и дальше уже работает с полученными данными. Я заранее готовлю датасет с запросами, дообучаю через lora на cpu мака.

Возможно, смысла нет в модели внутри такого рода приложения, но инженерный интерес все равно сохраняется.

Недавно написал довольно большую статью про a/b-тестирование агента с инструментами и без них. Пока выложил только в LinkedIn.
Возможно, сюда тоже перенесу позднее. Спойлер – для мелких проектов, условно, до 10 файлов и до 1000 линий кода смысла нет.

Кстати, свой агент я использую довольно примитивно

Очень часто бывает так: нахожу интересную инфу, откладываю «на потом», а в итоге она теряется и забывается. Поэтому я выделил агента, который сортирует все отправленные ему источники: посты из X, Telegram, любые сайты и т.д.

Я просто скидываю ему ссылку — он переходит по ней, обрабатывает текст и сохраняет его в виде чанков. Позже в любой момент я могу написать агенту примерный вопрос своими словами, и он найдет именно то, что я имел ввиду.

Его память работает на векторной базе данных LanceDB, оптимизированная для AI/ML-приложений. Она написана на Rust, а данные сохраняются на SSD-диск в специальном колоночном формате .lance. База мультимодальная (поддерживает разные типы контента) и очень быстрая за счет умных алгоритмов индексации. При этом нагрузка на RAM минимальная. Для моих объемов данных и как инструмент для личной базы знаний — это идеальный выбор.

На самом деле, подобные системы можно строить где угодно. Например, недавно видел, как человек с медицинским образованием сделал такую RAG-систему для своих клиентов.

Буду и дальше исследовать эти инструменты и расширять области применения. Помимо текущего проекта, такой подход идеально подойдет, например, для составления и трекинга личных тренировок в зале

Заглянул, короче, в Hermes.

В первую очередь, интересовало как агент работает с памятью и какова оптимизация трат токенов внутри. Hermes использует концепцию трехуровневой памяти:

1⃣ Markdown. Те самые .md файлы (user, memory, soul). Все последующие навыки, воспоминания и способы закрепления знаний происходят через призму этой базовой идентичности.
2⃣Эпизодическая память (SQLite + FTS5). История сессий не в контексте постоянно, она лежит в локальной БД state.db. Когда агенту надо, он сам делает FTS5-поиск по базе и вытягивает ровно то, что ему нужно в данный момент.
3️⃣Глубокая память (External Providers). Hermes предлагает 8 провайдеров, которые обеспечивают агенту постоянные данные, сохраняющиеся между сессиями, помимо встроенных .md файлов. По-умолчанию, они выключены (none — built-in only).

Из примеров, honcho (диалектическая память), supermemory (изоляция контекстов) или holographic (ассоциативная алгебра). Больше вариантов можно посмотреть в их докс. Для старта подойдет holographic, ибо бесплатный и не просит подключать эмбеддинги и текстовые модели для полноценной работы.

Скиллы SKILL.md тожу тут. Чтобы много не кушать, агент видит только каталог с названиями навыков (~3k токенов) и использует его когда это надо. Раз в неделю агент (the Curator) просыпается для скана скиллов, чтобы удалить мусор и неиспользованные (>30 дней) скиллы.

> У хермеса есть уже встроенные включенные навыки в каталоге ~/.hermes/skills/ и по-умолчанию выключенные навыки. Но если хотите больше, то вот тут у них свой хаб с неофициальными скиллами от энтузиастов.

Вот что интересно, так это наличие конвейерного автономного оптимизатора от hermes на основе алгоритма GEPA (Genetic-Pareto Prompt Evolution), опубликованный как ICLR 2026 Oral paper (MIT лицензия). По сути, если агент начинает регулярно косячить в сложном навыке, вы включаете этот инструмент и показываете skill и логи ошибок. Алгоритм пыхтит, прогоняет симуляции и выдает вам вылизанный до идеала SKILL.md. Стоит отметить, на оптимизацию уйдет больше токенов, чем может быть в обычной сессии, но это выгодно, чем если бы скилл постоянно работал не так как вам надо на постоянной основе

Что также стоит внимания, а документация это расписывает:
[secrets] [security] – про env. секреты и 7-ми уровневую безопасность
[profiles] – можно сделать разные профили агента под разные задачи (программист, писатель, личные и тд). Можно отдать задачу напрямую в codex/claude.
[vision] [computer-use] – переняли фичи из Codex. Hermes считывает любой тип файлов, а Computer Use может управлять вашим устройством (пока только для MacOS).
[deliverable-mode] – хочешь pdf, сделает pdf. Захочешь Excel-формат и его получишь.
[goals] – /goal будет делать до тех пор, пока не достигнет первоначальной цели. Без постоянного ручного "продолжай".

В общем и целом есть множество других интересных вещей у агента, но все упирается в то, зачем он нужен. Объективно, если вы не айтишник или не инфльюенсер из X с 69 агентами, то как обычному работяге вам нужно либо обычного чата из chatgpt, либо же что-то из "узкого" использования в агенте.

🐱 Агент доступен как деcктоп, так и в веб/cli версии. Десктопная версия вышла недавно и она куда приятнее

🙄 Решил заняться тут одним проектом...

Штудирую теоретическую базу по golang, параллельно практикуясь и делая различные упражнения по каждой теме. Несмотря на то, что Джо Боднер объясняет достаточно просто в своей литературе, все равно приходится перечитывать по несколько раз абзацы и ... все равно не понять прочитанное. Практическое применение конечно решит вопрос, но до нее надо дойти?

К тому же, хочется знать больше и хорошо было бы на месте разобрать прочие детали. Изучал вкупе с Gemini. Кидал ему отрывок, включал режим обучения и давал запрос на более детальное пояснение и позже решали задачки, где он наталкивал на решения. Такой подход у ллм мне нравится

Что-то со временем это стало как-то неудобно, так как gemini удобен в вебе, а пдф приходилось открывать в отдельном редакторе и весь этот тетрис был на экране с расположением и тд и тп. Короче, пришла идея сделать что-то свое 🕵️‍♀️

Короче... pdf-читалка с агентом внутри. Весь процесс такой же как и выше, только все это в одном месте. Видел аналоги подобной идеи, но тут интерес чисто инженерный, а плачу фактически только за провайдера.

Документ слева, чатик справа. Агент завязан на документе, т.е любой выделенный фрагмент можно уточнить, упражнения порешать и тд и тп. Пытался прикрутить oauth-авторизацию от gemini, но их противная политика не позволяет. В итоге, подключил роутер с oauth, api запросы от других провайдеров, в последующем надо думать о подключении локальной модели

Для запросов к ройтеру с провайдерами решил использовать golang по понятным причинам, все остальные идеи прикрепил к посту в виде майндкарты. План может меняться, что-то не выполняться, но ориентир таков.

В целом редактор уже мне помогает, но интересно что из этого выйдет еще.

🐱 Github проекта (постепенные обновления)
#️⃣ Сюда пересылаю интересные opensource-инструментарии

Привет ✌️ Давненько не было постов, но я вернулся с пользой. Хочу показать вам пет-проект

Долго за собой замечал, что уже через 30 минут начинаю думскролить паблики в тг, 15+ вкладок в браузере, хотя цель изначально была "почитать что-то интересное"... Поэтому на волне хайпа "вайбкодинга" решил сделать то, что решит в первую очередь мою проблему и при желании будет отличным решением для всех.

Итак,

Aishny – агреггатор новостей (Web + Tg), ориентированный на ИИ и Крипто- индустрию. По сути, это дашборд для мониторинга. Пайплайн простой: вышло обновление на источнике – при следующем обновлении попал в ленту с фильтрацией в каждой категории.

Пример ресурсов:
https://kdnuggets.com
https://towardsdatascience.com
https://openai.com/news

@cryptoEssay
@seeallochnaya
...

Работал в тандеме с Cloude Code (Sonnet 4.5). Достаточно много помогал, но конечно не без ошибок. Приходилось выступать в роли архитектора. Разобрали с нейронкой верстку, и только потом мы начали работать с логикой: JS, rss/html парсеры, python-скрипты и прочая работа с бекендом, а-ля прикрутить API ендпоинты и тд. В конечном итоге, дошел и до оптимизации рендеринга, чтобы выжать стабильные фпс.

На самом деле, учитывая что я полный 0 в реализации полноценного сайта, ,быстрой магии не произошло. Реализовать желаемое здесь и сейчас с ИИ без знаний – миф. Для теории я юзал Gemini Pro (или chatgpt 5.2 thinking, как удобно), чтобы разобраться с непонятными моментами.

Ооочень сильно помогает понимание как эффективно работать с контекстным окном LLM. Давно приноровился писать контекст, задачи, работу шаг за шагом (но клауд код и так постоянно делает to-do list). К слову, недавний лайфхак для пользователей Anthropic: добавлять концепцию Agent Skills. Если коротко, создаете SKILLS.md, прописываете инструкцию, структуру и доки.
Это поможет агенту работать с «использованным» опытом без галлюцинаций.

Сайт старается работать 24/7, а если не старается, то я оживляю 🙈
Дальше больше: больше фич, оптимизацию под мобильную версию, другие разделы, больше источников, вкладка "favorites"...

Получился интересный опыт. Идея выглядит именно так, как я желал чтобы она была на начальном этапе. В этом я и благодарен развитию ии-агентам.

Пользуемся aishny на здоровье 🙈

Зарезервированное сообщение №2

Зарезервированное сообщение №1

Всем привет! Первый пост как отправная точка.

Недавно посмотрел итоги года от chatgpt и cursor. Где-то ~14 сообщений в день, а где-то и все 50 👀 Пожалуй, стоит почаще выходить из дома.

В бесконечном потоке информации постоянно приходится фильтровать: что хочется читать, а откуда давно пора выйти, чтобы не мешало (сдвг, привет). Подумав, я решил сделать канал, где буду собирать и делиться тем, что сам изучаю, пробую и применяю: информацией, новостями, полезными наблюдениями (и не очень)

В основном здесь будет то, что мне действительно интересно: ml, llm-модели (возможно, NLP), актуальный движ в развитии ИИ, любимый вайбкодинг (чем, в принципе, и занимаюсь 🤡), иногда что-то из игр (их, к слову, можно пересчитать по пальцам) и что-нибудь при крипту

Тут не будет триллионы постов в день или неделю, и скучной ленты в твиттере. Скорее буду делать заметки и размышления о работе с моделями, инструментах, подходах и о том, что из этого действительно интересно. К тому же, есть дикое желание делиться этим здесь со всеми

Пока писал, увидел что раздают фри месяц (ну как фри, типа credits есть тоже...) на ai-платформу lovable.dev по промокоду NEXTPLAY-LOV-25 на новом аккаунте в разделе оплаты подписки.
Используют Claud Opus 4.5, Gemini 3 Pro, GPT 5 и т.д. Сам не пользуюсь, но раз дают фри, значит мы не отказываемся

Срок действия не знаю какой, но отредактирую пост как только закончится 🙈

силочки: x / tg / inst (soon)

Че-нить напишется...

Channel created