Agentic Engineer

код Морзе в виде графа наглядно

@data_engi

#dev #memes #vibecoding

DeepSeek-TUI — похоже, самый интересный open-source ответ Claude Code за последние дни.

Это terminal coding agent под DeepSeek V4: запускается прямо из терминала командой "deepseek", открывает TUI и даёт модели доступ к рабочему пространству.

Что умеет:

🔜 читать и редактировать файлы
🔜 запускать shell-команды
🔜 работать с git
🔜 искать в web
🔜 применять patch’и
🔜 подключать MCP servers
🔜 запускать sub-agents
🔜 сохранять/возобновлять сессии
🔜 показывать reasoning stream в реальном времени
🔜 считать стоимость с учётом prefix cache

Полноценный агентный workflow для разработки. Примерно тот же класс инструментов, что Claude Code / Codex / Aider / OpenCode, но заточен под DeepSeek V4 Pro и Flash.

Есть три режима:

🙃 Plan — агент только изучает проект и предлагает план.

🙂 Agent — дефолтный режим с подтверждением действий.

😍 YOLO — автоаппрув тулов в trusted workspace, когда хочется скорости и ты понимаешь риски.

Почему ❓

1️⃣ Rust + TUI, без Electron и тяжёлого рантайма.

2️⃣ 1M-token context у DeepSeek V4.

3️⃣ Поддержка MCP и skills.

4️⃣ Sub-agents/RLM для параллельной работы.

5️⃣ Open source, MIT.

6️⃣ На GitHub уже более 17k⭐️.

Но есть нюанс: это не официальный продукт DeepSeek. При этом явно оптимизирован под DeepSeek-модели.

GitHub: DeepSeek-TUI

@data_engi

#ai #coding #deepseek #opensource #developer_tools #rust #agents

🤖 Anthropic запустили тестовый маркетплейс, где AI-агенты сами покупали и продавали вещи за людей.

У каждого участника был Claude-агент и бюджет $100. Агенты торговались, делали офферы и закрывали сделки.

Вывод: более сильная модель получала лучшие условия — покупала дешевле и продавала дороже.

В будущем может быть так: у кого умнее агент, тот выгоднее торгуется.

A2A commerce выглядит как следующий слой рынка, который медленно, но уверенно, захватывает Anthropic.

@data_engi

#ai #agents #agentic #market #anthropic

Готовлю что-то интересное.

@data_engi

#ai #dev #agentic

OpenAI у себя в Discord запустили небольшое соревнование.

Задача - сделать не просто промпт, а полезный инструмент, который модели смогут использовать через API. Призы символические, но идея хорошая.

Вписался и собрал CLI-приложение для оценки эффективности AI-агентов:
https://github.com/agent-axiom/agent-anvil

Можно запускать локально и в GitHub Actions.

Критика, идеи и звёзды приветствуются 🙂

@data_engi

#dev #memes #de

Выкатил демку на HF, теперь можно не только читать код и накидывать звёзды, но и прочувствовать на кончиках пальцев как работает - https://ifif-aximo.hf.space/docs/

#aximo #dev #stt

#ai #agent #dev #memes

#memes #agent #dev #coding

https://openai.com/index/introducing-gpt-5-5/

AGI или не AGI?

#openaai #ai #chatgpt #codex

🫥 Сделал Aximo — локальный STT API на Rust.

Это self-hosted микросервис для speech-to-text на CPU: без облака, без внешнего SaaS, с нормальным HTTP API и realtime по WebSocket.

Под капотом: Parakeet v3, Docker, OpenAPI, workspace по crates и вся базовая инфраструктура, чтобы это было не демкой, а вменяемой основой под сервис.

Изначально хотел просто проверить идею, а в итоге собрал вполне живой MVP, который уже можно запускать локально или тащить дальше в k8s.

Репо: github.com/agent-axiom/aximo

⭐️ Звёзды приветствую

@data_engi

#stt #api #os #rust #aximo

Sierra AI, стартап одного из директоров OpenAI (да, так бывает — они ещё и партнёрятся), написали блогпост о том, как они изменили собеседования программистов в эпоху AI. Про необходимость такого изменения я говорил уже давно, ещё до агентов (потому что старые модели всё равно хорошо справлялись с Leetcode-like задачами).

Итак:
— раньше было 2 кодинг интервью и по одному на ML-алгоритмы, дизайн систем и соответствие культуре команды. Такой подход используется много где.
— теперь первые 3 собеседования заменили на одно. Сессия начинается с определения продукта, который необходимо разработать. Кандидат управляет процессом генерации идей, а интервьюеры задают дополнительные вопросы для углубления. Идеи продукта могут быть разными, и компания старается фокусироваться на области компетенции кандидата, чтобы увидеть его продуктовое мышление в действии.
— далее интервьюер выходит, а кандидат в течение 2 часов воплощает свою идею в жизнь, используя ИИ-инструменты и фреймворки по своему выбору. После этого собеседующий подключается обратно и смотрит презентацию от кандидата. Обсуждаются ключевые этапы разработки продукта и принятые решения; анализируют код, чтобы понять их техническое совершество (модель данных, абстракции, расширяемость и т. д.); и обсуждают путь к масштабированию.
— Почему так? По мнению компании, с которым я согласен, это не только лучше отражает суть работы, но и дает более четкий сигнал. Гораздо проще оценить инициативность (меняют ли кандидаты направление, когда заходят в тупик?) и способность принимать взвешенные решения (как они определяют объем работы в рамках временных ограничений?).
— Это также делает процесс более увлекательным, даже если кандидаты поначалу нервничают. Чтобы обозначить ожидания, компания заранее отправляет критерии оценки и советы. Например, вполне допустимо сокращать объем работ по мере их выполнения.

— кроме этого, перед основными собеседованиями раньше был удалённый этап по видео-созвону. Но его переделали — теперь для отбора проводят собеседование по добавлению и отладке фичи. Кандидатам предоставляется кодовая база среднего размера и черновик с готовым кодом от коллеги, который вводит новую функциональность. Задача — загрузить и запустить код, изучить результат и доработать его.
— тут самое сложное это придумать задачу, которая не решается сходу агентами, и в то же время чтобы цикл не сводился к 10-минутному ожиданию ответа от агента. Так что пока компания экспериментирует с тем, какой уровень использования ИИ считать разумным.

Таким образом, первое интервью проверяет, как человек может работать в уже существующей среде, а главное второе собеседование — как человек креативит и создаёт концепты с нуля.

По итогам вышло так: «Мы просим каждого кандидата оставить отзыв, и многие говорят, что это было самое веселое собеседование, в котором они когда-либо участвовали...Этот формат не лишен недостатков. Он открытый, что затрудняет его стандартизацию. Чтобы смягчить это, мы разработали набор критериев оценки, которые не зависят от того, что создаст кандидат, и проводим собеседования в парах для улучшения калибровки. Мы также обсуждали, применим ли этот подход к инженерам инфраструктуры, и пришли к выводу, что да».

В общем звучит клёво, мне нравится. А вам как?

# ULTRAPACK

Я стал настолько много клод-кодить, что захотелось поработать напильником.

TL;DR: мой минималистичный пак скиллов для Claude Code, построенный вокруг коротких планов и работы над одной фичой в одном диалоге: https://github.com/btseytlin/ultrapack или просто /up:.

Установка:

/plugin marketplace add btseytlin/ultrapack
/plugin install up@ultrapack
/reload-plugins

Запускаем:

/up:make <описание вашей фичи>

Что произойдет:
1. Агент создаст файл docs/tasks/<ваша-фича>.md который будет пополняться по ходу планирования и исполнения. Всегда можно возобновить работу с этого файла или закинуть его в контекст другому агенту.
2. Проведет через стадии: дизайн, планирование, исполнение, верификация, ревью, обновление документации.
3. Если написать /up:make handsoff <описание вашей фичи> будет стараться минимально вас о чем-то спрашивать и при этом делать самые безопасные выборы (например, ничего не удалять без бекапа). Явно документирует какие решения он принял без вас, см. пример.

Дизайн и планы получаются достаточно короткие, потому что делается упор на инварианты (условия которые должны выполняться) и принципы.

В исполнении и проверке делается фокус на мануальное тестирование. Как же меня достало, что агент делает фичу, покрывает всё тысячью юнит-тестов, но потом всё падает при первой попытке это запустить. В up агент всегда сам "протыкивает" свои изменения.

Подобные паки уже есть и ultrapack это компиляция из всего, что мне в них нравится, но короче и проще:
- Официальный feature-dev: в целом хорош, но мне лично много чего в нём не хватает, например мануальных тестов и обновления документации. Основной воркфлоу в up оттуда.
- Superpowers: ещё больше хорош, но перегружен и уничтожает лимиты. Потому что пишет в планы буквально какой код планирует писать и какие команды будет вызывать дублируя всю работу. Пихает TDD туда, где он не нужен. Ещё авторы зачем-то меняют всё каждые 15 минут, я устал.
- Personal AI Infrastructure: перегружен какой-то шизофренией.

Вот здесь пример task файла по созданию этого же пака: https://github.com/btseytlin/ultrapack/blob/main/docs/tasks/ultrapack-v1.md

Пример task.md для поиска и решения нетривиального бага в hr-breaker: https://github.com/btseytlin/hr-breaker/blob/main/docs/tasks/fix-non-ascii-resume-upload.md

Пользуйтесь, делитесь фидбеком 👀

Пет проекты в 2026 би лайк: 5 маркдаун файлов.

@boris_again

🖼️ Apache Airflow 3.2.1 вышел.

Это скорее стабилизационный релиз после 3.2.0: без крупных новых фич, зато с важными правками по доступам, производительности и UI.

Что важно:
🔘 "/dags" теперь требует дополнительных прав помимо обычного read-only доступа к DAG;
🔘 поправили утечки сессий и shutdown async engine;
🔘 уменьшили проблемы с производительностью: фиксы для N+1 запросов и heartbeat row lock;
🔘 закрыли утечку DAG’ов в asset graph за пределами пользовательских прав;
🔘 починили несколько заметных UI/CLI багов, включая auto-refresh в Graph View, Gantt и exit codes.

Если ты уже на 3.2.0, то 3.2.1 выглядит как полезный апдейт ради стабильности и более аккуратного RBAC.

@data_engi

#de #dev #airflow #db #etl

Sakana AI показали забавную и довольно мощную идею: чтобы LLM лучше "случайничала", ей не нужен внешний random — достаточно сначала сгенерировать внутри случайную строку, а потом использовать её как seed для ответа.

Подход назвали String Seed of Thought (SSoT). На практике это помогает модели честнее следовать вероятностям и выдавать более разнообразные ответы в open-ended задачах.

То есть для буста к качеству тебе не нужно строить новую архитектуру или дообучать модель, тебе нужен более умный промпт, например:

Before answering, generate an internal random string and use it as a seed to make your choice or diversify your response. Then give one final answer only.

@data_engi

#ai #llm #prompt #prompting

Channel photo updated

Channel name was changed to «Agentic Engineer»

Есть такая игра: Космические рейнджеры 2. Игра довольно старая (22 года уже!). Когда-то я её покупал на диске, а точнее покупали мы с другом в складчину, и потом регулярно друг другу этот диск передавали. Я её прошёл раз 20. Примерно раз 5 оригинал, потом по разу на каждом патче, который я находил в лимитированном тогда для меня интернете, и потом уже несколько раз в Стиме. И до сих я считаю эту игру лучшей компьютерной игрой в принципе.

Игра эта очень большая, и одна из мини-игр в ней — это планетарные бои. Стратегия в реальном времени с несколькими уникальными фишками: конструктором роботов и режимом управления роботом от первого лица (нормально вообще для 2004 года-то?).

Ещё одна уникальная фишка, о которой я узнал совсем недавно — у планетарных боёв открыты исходники: репо 1, репо 2. Написано оно на C++ DirectX 9. И в какой-то момент я загорелся идеей перенести их в браузер, что должно быть возможно с текущим уровнем кодовых агентов. Для этого я переписываю игру на Rust WASM.

Что важно:
• Я не знаю Rust, но знаю плюсы, поэтому могу читать оригинал
• Я не бог линала и с 3D графикой плотно до этого не работал
• Это во многом тест способностей текущих языковых моделей

Пишу я совместно с Claude Code и Кодексом, в одиночку они не вытягивают. Основные проблемы были пока с водой.

Что удалось сделать сейчас: загрузка оригинальных ресурсов, отрисовка ландшафта, текстурок, воды, неба, статических и анимированных объектов. То есть играть пока нельзя, но можно посмотреть рендер. Пока я загрузил 2 карты, одну из аддона и одну стандартную обучающую:
• https://ilyagusev.dev/matrixgame/
• https://ilyagusev.dev/matrixgame/?bundle=assets/training.bundle

Перемещаться на WASD или стрелочки, вращать камерой на ПКМ. Код.