FastNews | Никита Пастухов

Всем привет! У меня для вас идея🌚
В прошлый раз мне понравилось работать на стриме над реальной фичей с помощью Claude. Довольно anti-FOMO формат для тех, кто думает что их вот-вот заменят нейронки или не понимает, как с ними нормально работать

Поэтому я хочу повторить - только теперь соло. Запилим пару фичей, потыкаем /wayfinder, сделаем новый проект или испортим пару уже существующих - пока не решил

Текущие идеи:
• навайбкодить инструмент для построения Loop'ов по пайплайну Matt'а поверх Claude
• настроить инфраструктуру eval'ов и оптимизаций скилла https://github.com/Lancetnik/slop-writer
• превратить это скилл в сервис
• запилить среднюю фичу в Faststream
• запилить пару фич в ассистента - https://github.com/ag2ai/ag2-assistant
• сделать бенчмарк для сравнения разных grep'ок - codegraph / graphify / etc.

Но если у вас есть свои идеи - закидывайте в комментарии и лайкайте друг друга. Делать будем то, что победит в результатах опроса / наберет больше всего лайков в комментах

Стрим планирую на субботу (22е), скажем, в 13:00 МСК

С вами очередной воскресный #digest агентского тулинга. Привет всем неотписавшимся!

Радар принес mcptoon - CLI-MCP Proxy, который ходит на MCP сервера вместо агента. Обещают какую-то дикую оптимизацию контекста за счет автодискавери тулов и переформатирования ответов в TOON.

И тут мне стало интересно, что за формат такой этот TOON, Token-Oriented Object Notation. Оказывается, ему почти год, 25k звезд, уже v4.1 версия, порты есть на Python, PHP, .NET, Kotlin и Elixir.

Что это. Та же модель данных, что у JSON, только записанная экономно: вложенность на отступах как в YAML, а однородные массивы сворачиваются в таблицу - поля объявляются один раз в заголовке, дальше идут только строки.

forecast[3]{day,temp,condition}:
  Mon,-2,snow
  Tue,1,cloudy
  Wed,3,sunny

Сколько экономит. Против JSON с отступами - минус 33% на смешанных данных и минус 59% на плоских. Лучше всего там, где записи однотипные: конфиг фиче-флагов - минус 55%, контакты с вложенными адресами - минус 66%.

Когда лучше остаться на JSON. Если данные неоднородные или глубоко вложенные. В их же замерах минифицированный JSON просто меньше: +5.6% на вложенных заказах, +19.9% на полуоднородных логах, и по смешанному треку целиком TOON ему проигрывает. То есть красивые "-60%" - это против JSON только в определенных кейсах.

Когда лучше CSV. Если данные плоские и честно табличные - CSV меньше процентов на шесть. Эти шесть процентов TOON тратит на объявленную длину массива и список полей в заголовке: покупает не размер, а надежность.

Т.е. TOON - это где-то между JSON и CSV по способу представления.

Про точность. Бенчмарк взрослый - 244 вопроса, 6 форматов, 4 модели, 5856 прогонов. TOON дает 72.2% против 71.4% у JSON, но это в пределах погрешности, и продавать это как "модель лучше понимает" я бы не стал. Интереснее другой замер: на вопросах "а данные вообще целые?" TOON дает 100%, а JSON - 50%. Объявленная длина массива ловит обрезанный список, а в JSON обрезанный список выглядит совершенно валидным.

Тренд недели - куча новых харнессов. За семь дней четыре новых, и это только те, что дошли до топов:

• DeepSeek Harness - 118 тысяч звезд за трое суток (чего?). Внутри все плагин: модели, тулы, скиллы, сессии, песочницы, планировщик и даже UI. К DeepSeek не привязан - Anthropic, OpenAI, Bedrock, Vertex, Codex по OAuth. Пока это developer preview, issues отключены, ломающие изменения обещают капсом
• Ante - один 15-мегабайтный бинарь на Rust: внутри TUI, свой ripgrep, локальный OCR и сборка llama.cpp, то есть агент работает офлайн и без Node (наконец-то). Terminal-Bench 82.7% с публичными прогонами. Но ядро приезжает прекомпилированным, исходников нет, телеметрия включена по умолчанию
• hax - еще один бинарный агент - теперь на C, ровно пять тулов и docs/philosophy.md со списком того, чего в нем не будет: ни MCP-маркетплейса, ни плагинов, ни IDE-панелей; Pi-agent, только бинарем
• Waku - не CLI, а нативный десктоп на Rust и GPUI поверх Amp, Claude Code, Codex, OpenCode и Cursor. Каждый промпт чекпойнтит рабочее дерево, поэтому откат едет вместе с кодом, а не только с логом чата

Экосистема при этом нарастает быстрее самих харнессов: у dsh за трое суток появился сторонний ModLens - плагин, который дает зрение текстовой модели, просто вставляешь картинку в чат.

Тут любопытно: каждый новый харнесс продает не фичу, а отказ. Ante отказывается от Node, hax - от плагинов и MCP, Waku - от Electron, dsh - от хардкода в ядре. Модель у всех примерно одна и та же, конкурировать в ней больше нечем - вот и соревнуются, кто меньше.

Все, что проходит фильтр рубрики, копится в awesome-engineering-ai - там же мои вердикты по тем, что успел потыкать.

💬 Чат | 🧭 Навигация | ⭐️ FastStream

Привет всем будущим отписчикам! За последние сутки на канале значительно прибавилось людей - и многие даже не знают, на кого подписались. Поэтому представлюсь: Никита.

• автор и мейнтейнер фреймворка FastStream - сейчас он активно идет к 1.0.0 версии спустя 3 года разработки
• мейнтейнер фреймворка для разработки AI агентов AG2 (бывший Microsoft/Autogen) - недавно вышли в 1.0.0
• разработчик AG2 Assistant - агента для ежедневных нужд
• контрибутор CPython, FastAPI и еще большой пачки OpenSource проектов
• последние полгода - лютый AI-амбассадор (этот пост написан с поддержкой AI)

Что тут вообще происходит

Все начиналось как канал про FastStream. Но получилось - про все, что мне интересно. Так я писал про продуктивность, книги, TDD.

Последний год я работаю AI-инженером, поэтому сейчас канал превратился в ИИнженерию: агенты, Skills, harness'ы и то, как собрать из этого рабочий конвейер, а не демку для твиттера. Например, по воскресеньям веду #digest агентского тулинга: что вышло за неделю и что из этого я реально поставил себе. Но это не значит, что все так и останется🌚

Я тут не продаю "10x продуктивность" - только анти-FOMO. Показываю свой сетап, реальные замеры и факапы. Например, недавно проспорил Никите Соболеву, что заваншотю фичу Claude'ом быстрее, чем он выпьет бутылку пива. Не заваншотил😅

С чего начать

Выборка того, как канал доехал от "мейнтейнер OpenSource" до "ушибленный на голову любитель ИИ"

1️⃣ Как заработать на OpenSource - разобрал бюджеты крупных OSS проектов. И признался, сколько мне за все время принес FastStream
2️⃣ Как отправить жопу мейнтейнера в космос - момент, когда LLM приехали ко мне в репозиторий
3️⃣ Вам не нужен OpenClaw - статья на Хабре, как написать собственного агента вместо того, чтобы настраивать чужого
4️⃣ Мой полный сетап скиллов для разработки - весь мой рабочий конвейер на текущий момент

И самое главное

У канала есть чат - и он живее самого канала. Там мы разбираем скиллы, спорим про агентов, кидаем всякие-разные находки и оффтопим. Посты тут иногда вырастают из тредов чата.

В общем, я вас предупредил - успейте отписаться сегодня. На всех, кто отпишется завтра - обижусь персонально!

В TG сейчас засилие слоп-контента (типа моего), тяжело найти АВТОРОВ, кого не стыдно почитать

Поэтому мы в Python-комьюнити собрали свою собственную подборку каналов: https://t.me/addlist/o2_hXmp5nSUyODNi

Многих из подборки вы, наверняка, знаете) но если нет - рекомендую обратить внимание. 100% годноты, практически всех авторов знаю лично, никто в слопе не замечен👍

Вот такая вот круговая порука

Лучший Skill для дизайна приложений

Зачастую во всех проектах я делаю fullstack решения. Это значит, что моя основная боль как разработчика - дизайн. Сделать "удобно" я еще кое-как умею, но "красиво" - точно мимо🥲 Поэтому за "красиво" у меня отвечает нейросеть. Проблема в том, что из коробки ни Claude, ни GPT "красиво" делать тоже не умеют (да и "удобно" у них так себе получается).

Я уже пытался решить эту проблему скиллами:
• taste-skill
• hallmark
• ui-skills

Но все они пытаются "привить агенту вкус" - будто, прочитав данный волшебный промпт, Claude преисполнится и начнет выплевывать дизайны уровня Apple. Это так не работает. Особенно когда ты дизайнишь не лендос в вакууме, а конкретный компонент в уже существующем приложении. В общем, узкоспециализированная шляпа получается🤷‍♂️

Решение я снова нашел у Matt'а. Его скилл /prototype радикально отличается. Он не пытается "привить агенту вкус". Его задача очень тупая - вместо генерации ТОГО САМОГО ДИЗАЙНА агент генерирует 3-4 варианта одного и того же компонента / раздела / страницы. Причем прямо в вашем приложении, с большим тоглом
Текущий дизайн | Вариант 1 | Вариант 2 | Вариант 3

Поэтому следующим шагом будет "сделай X как в варианте 1, а Y как в варианте 3" - и вот вам уже вариант 4, который можно шлифовать в деталях. Эти варианты - действительно ПРОТОТИПЫ. Их задача:

максимально быстро и дешево по токенам дать вам совершенно разные взгляды на дизайн, не аффектя текущее поведение и код приложения

Мой пайплайн:

• скриним кусок интерфейса, говорим "переделай с помощью /prototype". В качестве ограничений - пожелания по UX/UI, в которых уже уверены
• из понравившихся кусков собираем вариант-франкенштейн
• доводим прототип до окологотового состояния: выравниваем UI со стайлгайдами приложения, правим мелочи
• делаем /to-spec на реализацию в основном коде (весь конвейер разбирал тут)
• в свежей сессии делаем /implement на эту спеку
• радуемся😎

На скринах я как раз прототипирую дизайн вкладки скиллов в AG2-Assistant

#AI

Воскресный радар агентского тулинга. Свои находки закидывайте в чат, там же обсуждаем свой опыт использования.

Топ недели - обмен сообщениями между сессиями в Claude Code. Сессии теперь пишут друг другу сами: одна нашла ломающее изменение - предупредила ту, что строит поверх. Это всего два тула, ListAgents и SendMessage, плюс команда /peers. Передается только текст: ни истории, ни файлов

⚠️с 14 августа входящие включаются в auto по умолчанию - если не хочешь, чтобы в твою сессию стучались чужие, crossSessionInbound выставляется руками (accept / hold / refuse). Что смущает: это оркестрация без оркестратора, агенты договариваются между собой, а отвечать за результат все равно тебе.

Пока не экспериментировал, но точно буду - я и так довольно часто передаю инфу между сессиями через /handoff-документы. Наверняка, у Matt'а скилл под это уже в разработке

Тренд недели - куча тулов по управлению контекстом. Три инструмента за неделю жмут токены, и каждый в своем месте:

• headroom - жмет выхлоп тулов, логи и RAG-чанки до того, как их увидит модель: 60-95% на JSON, около 20% на обычном кодинг-агенте;
• Sift - режет определения тулов: показывает агенту два тула вместо сотен. Лечит overtooling: пятнадцать MCP-серверов вываливают 150+ схем еще до того, как модель прочла задачу;
• LeanCTX - собирает все сразу: кешированный ре-рид файла за ~13 токенов вместо ~2000, память между чатами и гард на то, что агент трогает.

Боль недели - LOOP-инженерия. Пять инструментов за семь дней про одно и то же:

• LoopX - контрол-плейн для долгой задачи: держит вне агента цель, гейты, todo и доказательства, а агент делает по одному ограниченному ходу;
• cezar - наоборот, много коротких одновременно: панель на localhost, задачи разъезжаются по изолированным worktree, можно смешивать движки по шагам одного воркфлоу - Claude Code на реализацию, Codex на ревью;
• Multica - та же оркестрация, но с доской задач: агент получает issue, сам берет в работу и поднимает блокеры;
• SwarmForge - Дядя Боб выложил свой оркестратор: tmux, каждый агент в своем worktree, а вместо конфига - раскладки ролей. two-pack это coder плюс cleaner, six-pack - плюс архитектор, hardener и QA. Спека тут не документ, а роль с правом не пропустить дальше;
• Cowchat - комнаты, куда подключается любой агент, умеющий открыть сокет, плюс голосование запечатанными бюллетенями: голоса не видны, пока не проголосовали все - чтобы агенты не сходились во мнении просто потому, что прочитали чужой ответ.

В принципе, моя практика со скиллами Matt'а тоже привела к тому, что реализация спеки - это чисто механические усилия по управлению контекстом. Кажется, скоро буду приделывать к этому пайплайну какой-нибудь Loop

Просто находки:

• oh-my-pi - агент, которому вкрутили IDE: rename идет через LSP (едут ре-экспорты и алиасы, а не текст), а вместо print'ов - настоящий дебаггер;
• humanizer - вычищает из текста следы LLM по вики-гайду "Signs of AI writing", но умеет калибровку голоса: даешь свой прошлый текст, и он подстраивается под твои привычки. Попробую, только не чистить выхлоп постфактум, а держать просто в контексте - чтобы агент внятнее писал мне по ходу сессии и генерировал нормальные описания PR / Issue;
• Patchloom - структурные правки файлов вместо sed и регекспов: JSON, YAML и TOML правятся по селектору с сохранением комментариев и форматирования, знает AST двадцати языков;
• ui-ux-pro-max - скилл, который выдает агенту вкус: локальная база из 67 стилей, 161 палитры и 99 UX-гайдлайнов, по ней агент ищет перед тем, как рисовать интерфейс. Еще один скиллсет для дизайна, ага;
• agent-browser - самый пресный способ дать агенту браузер: snapshot -i отдает кнопки, ссылки и инпуты по ref'ам вместо простыни DOM.

Что радар проспал - несите в комменты, обязательно посмотрю и заберу в следующий выпуск.

Все, что проходит фильтр рубрики, копится в репозитории awesome-engineering-ai - там же мои вердикты по тем, что успел потыкать.

#AI #digest

Matt Pocock буквально 3 часа назад выпустил обновление своих скиллов

САМОЕ ВАЖНОЕ: всеми любимый /grilling (я использую его всегда и везде, именно им мы работали на стриме) превратился в /batch-grilling по дефолту

Теперь вопросы будут задаваться не по одному, а сразу раундами. Якобы так сессию intent discovery можно пройти гораздо быстрее. Matt оптимизировал этот скилл на своих пректах уже месяца 2, так что хочется верить, что баланс найден

https://github.com/mattpocock/skills

В общем, я пошел обновляться и тестировать - как раз в новый проект вкатываюсь. Результаты тестирования скорее всего закину в чат

И релиз-ноуты от самого Matt'а

Updated Skills:

- /grilling now asks you questions in rounds, not one-by-one
- /prototype now uses HTML instead of a TUI for building logic prototypes - easier to share and far richer
- /writing-for-agents renamed from /writing-great-skills, use it for ANYTHING your agents read (AGENTS.md, system prompts, docs)

New Skills:

- /wizard: tired of provisioning infra? Get your agent to build you a TUI to walk you through it
- /to-questionnaire: hit a grilling question you can't answer? Turn the session into a doc you can walk through on a call with a colleague
- /wait-what: no idea what the model said? Refocus it in your domain language and simplify with ASD-STE100

Я не понимаю - это я тупой или модели?

Я уже говорил, что считаю модели достаточно умными, чтобы стать повседневным инструментом программиста.
Более того, я считаю, что слишком умные модели не нужны. Opus-4.8 мне нравился больше Fable и Opus-5, а все модели я использую на medium effort (по дефолту стоит high)!

Но как же я, сука, ошибался...

Волею судьбы мне довелось опробовать на DeepSeek-v4-flash тот пайплайн, что я показывал на днях - и оно вообще не работает. Точнее как: сам тулсет работает отлично, но к модели нужен совершенно особенный подход. Пара смешных сценариев, что я нашел:

Ситуация 1:

• В research-сессии мы нормально отдебажили проблему и я попросил сделать /handoff по находкам, чтобы реализовать фикс в другой сессии
• В следующей сессии я пишу /grill-with-docs мы нашли проблему @HANDOFF.md - нужно ее пофиксить
• Что я вижу в ризонинге модели? - "В описании скилла grilling написано, что он для планирования. А пользователь попросил пофиксить проблему - поэтому скилл не нужен, пойду решать проблему"

Ситуация 2:

• Реализацию я откатил, поменял промпт, прошел гриллинг-сессию, сделал SPEC.md, нарезал на тикеты
• Спека получилась небольшой, поэтому решил делать в одной сессии - попросил модель /implement PLAN.md ticket by ticket
• Claude в этой ситуации пошел бы читать тикеты по одному: сделал первый тикет, сделал ревью, фикс - потом приступил бы к след тикету
• Deepseek же видит в плане ссылки на 5 файлов-тикетов и читает их все разом. Реализовать их он пытается так же разом

Самое смешное: 5ый тикет был "написать тесты", но т.к. в /implement зашит TDD, то модель решила не писать тесты к каждому тикету по отдельности, а сначала написать все тесты разом (тикет 5), а только потом реализовывать логику.

Ситуация 3:

• После реализации я пошел делать код-ревью в новой сессии со словами /code-review я только что реализовал PLAN.md - сделай ревью
• И эта сволочь пошла ревьюить сам MD файл, а не код, который реализует описание
• Я попросил нет, сделай ревью реализации плана - он пошел ревьюить MD файлы тикетов...
• В новой сессии я уже сделал /code-review я только что реализовал PLAN.md в коде - мне нужно ревью этого кода. Сразу исправь все замечания, что найдешь
• Теперь агент нормально пошел ревьюить код, но забыл его пофиксить. Поэтому прибежал и отрапортовал о 10 найденных ошибках - пришлось отправить его фиксить вторым промптом

Что я в итоге заметил про разницу между Claude и DeepSeek:

• DeepSeek безудержно читает все файлы, что найдет. Настолько, что может проигнорировать промпт юзера и пойти делать то, что написано в файле
• Он не воспринимает составные команды или команды, которые ты отправляешь в процессе его работы. Claude нормально строит логическую очередь задач внутри
• Тупая модель гораздо более чувствительна к формулировкам

Модели последних поколений гораздо лучше понимают неявное намерение пользователя - тупая модель сделает ровно так, как написано. На этом и выросли Prompt Engineer'ы: пока модель тупая, каждое слово в промпте чего-то стоит. Сейчас навык нужен разве что тем, кто пишет скиллы.

Так вот, интересно: половина наших практик - SDD, лупы, графы - существует только потому, что модель тупая. Хотя, может, мы уже уперлись в технический порог развития, и это с нами надолго.

Как думаете, какие практики умрут следующими, когда модели поумнеют?

#AI

Пари я проиграл - ваншота не было

https://www.youtube.com/watch?v=laJQcNAqxc0

Вчера 4 часа вайбкодили с Никитой Соболевым security-компоненты в django-modern-rest: его фреймворк, его стайлгайды, его ревью. Напомню, что Никита - хейтер AI, и анонсил он это как спор: мол, Пастухов заваншотит всю миграцию dj-rest-auth клодом раньше, чем он успеет выпить бутылку пива.

Не заваншотил, но кое-что реально успели сделать:

• 2 issue с нормальным обоснованием и тестированием гипотез - #1195 и #1197
• пойман флакающий тест, найдена его первопричина и сделан довольно большой PR (смержили) - полностью через Claude Code
• продумана архитектура целевой фичи и открыт PR1 (его стоит закрыть и подумать еще) из двух запланированных

Теперь немного контекста. Я:

• не погружен в проект - не читал ни документацию, ни код, ни даже README
• не писал на Django и DRF лет 5
• не знаком ни с django-ninja, ни с dj-rest-auth, ни с django-allauth

Правда, Никитины линтеры чуть не свели Claude с ума - он тратил по 200к токенов на каждый тикет... А правки по дизайну фичи чуть не свели с ума меня.

Вайбкод победил - но не в тех масштабах, которые хайпят в твиттере.

Это не "ваншотинг приложения одним промптом", про который вам рассказывают в тредах. Это человек с улицы, который за вечер внес осмысленный вклад в чужой зрелый OpenSource. Для меня - великолепный результат. Для твиттера - провал, там за это время уже стартап продают.

Вайбкодить можно. Если с головой и осторожно.

Посмотрите запись стрима - там как раз видно, как это делается: где я тормозил агента руками, а где он справлялся сам. И накидайте комментов под видео, ютубу это нравится. Никите - спасибо, что пустил меня с клодом в свой проект и все это ревьюил.

А сюда накидайте комментов - как вам стрим и нужно ли делать такие еще?

#AI #opensource

Очередной воскресный дайджест агентского тулинга. Напоминаю, что все срочное падает в чат и там же обсуждаем свой опыт использования.

Топ недели - reverse-skill. Не скилл и не библиотека скиллов, а роутер: по задаче сам решает, какой скилл подтянуть, бутстрапит нужный тулчейн на лету и дописывает собственную базу знаний. Тема узкая - реверс и авторизованный пентест, - но интересен он скорее как сигнал: скиллов стало настолько много, что уже невозможно их все перебрать руками. +1.3k звезд за сутки, 12.1k всего, #1 мувер трендинга на 02.08. Поэтому -

Тренд недели - как управлять сотнями скиллов.

• OpenSpace от HKUDS (те же, кто сделал LightRAG) - The Skill Management Layer for AI Agents: общий список скиллов, который можно шарить между агентами;
• ECC - пакет способностей поверх Claude Code / Codex / Cursor / OpenCode. Это какой-то монстр с 70 сабагентами, 300 скиллами, 100 командами и бог знает чем еще. Для любителей поставить один пакет и не париться. ⚠️ 236k звезд на репе, созданной в январе - выглядит подозрительно.
• cangjie-skill - скармливаешь книгу, длинное видео или подкаст - получаешь из них устанавливаемый скилл. Скилл для любителей Clean Architecture🌚

Боль недели - ревью агентского слопа. Три инструмента за неделю об одном и том же:

• open-code-review от alibaba - гибрид: детерминированные пайплайны плюс LLM-агент, комменты на уровне строки, встроенный ruleset (NPE, thread-safety, XSS, SQL-инъекции);
• strix - автономный агент-пентестер: натравливаешь на свое приложение, он ищет дыры и их латает. 46.5k звезд;
• tuicr - терминальный код-ревьюер с vim-биндингами: непрерывный дифф, комменты на строку/ханк, трекинг просмотренного между сессиями, ревьюит незакоммиченное. Формально вообще не агентский тул - но сценарий у него ровно агентский: быстро вычитать то, что тебе нагенерил Claude, до коммита и не уходя в браузер.

Писать код мы агента научили, и теперь вся индустрия пилит, кто за ним будет проверять. Скорость генерации уперлась в скорость ревью - и узкое место снова человек.

Проверено на себе - last30days-skill. Устанавливаемый скилл-ресерчер: гоняет тему по Reddit / X / YouTube / HN / вебу и синтезирует сводку с сигналами вовлечения. На нем стоит вот этот самый радар, так что мой опыт: половину времени он отдает посты двухнедельной давности и делал вид, что это свежак - "топ-7 MCP-серверов" вместо инструментов. Поэтому GitHub Trending я все равно парсю отдельно, руками агента. Как ресерчер по теме - хорош, как детектор свежего - надо проверять дату. +658 звезд в день, 56.6k всего.

Просто находки:

• chrome-devtools-mcp - официальный MCP от команды DevTools: агент получает настоящий браузер с дебаггером и сам смотрит консоль, сеть и перф-трейсы, вместо того чтобы верить твоему пересказу бага;
• ego-lite - браузер для агента, который шарит твое залогиненное состояние: агент ходит по вебу под твоими сессиями и не мешает тебе работать;
• claude-video - /watch: качает ролик, режет на кадры, транскрибирует и отдает Claude одним куском;
• openwork - self-hosted альтернатива Claude Cowork поверх opencode, 20k звезд и +585 в день;
• jcodemunch-mcp - тянет по AST точечные символы из чужих GitHub-репозиториев: агент разбирается в незнакомой библиотеке, не скачивая ее целиком и не сжигая контекст на файлы, которые ему не нужны.

Что радар проспал - несите в комменты, обязательно посмотрю и заберу в следующий выпуск.

#AI #digest

Вайбкодим security компоненты в django-modern-rest (или нет)

https://www.youtube.com/watch?v=laJQcNAqxc0

Мой друг Никита Соболев - @opensource_findings сейчас активно разрабатывает django-modern-rest (а заодно CPython и десяток других OpenSource проектов). И он искал помощь, чтобы полностью мигрировать функционал dj-rest-auth в свой фреймворк - https://github.com/wemake-services/django-modern-rest/issues/1193

Чтож, это отличная возможность обкатать, как работает ИИнженерный пайплайн на реальном сложном OSS проекте🌚 Поэтому я вызвался реализовать эту фичу полностью сторого с помощью Claude Code.

И все это будет в лайве на завтрашнем стриме в 19:00

Ситуация усугубляется тем, что Никита (который Соболев, не путайте) лютый хейтер AI и вайбкодинга. Так что меня ждет очень-очень-очень жесткое ревью и невменяемые требования стайлгайдов😂

Посмотрим, что из этого получится. Вполне возможно, что мы вообще откатим всю фичу и ничего из сгенерированного кода не пойдет в main. Или случится ваншот и оставшийся час стрима будем просто пить пиво🌚

В общем, приходите - будет весело!

Ребят, я очень надеюсь, что не вызываю ни у кого чувство FOMO своими постами про AI и агентов. Наоборот, тут я пытаюсь вам рассказать, насколько все просто и понятно, если копнуть в механику происходящего

Серьезно, все, что я вам рассказывал тут последний месяц - это дело пары дней на "потыкать" и пары недель на адаптацию под себя

Но если вы хотите, чтобы я рассказал про что-то другое - самое время написать мне об этом🌚

Всем хороших выходных и отдохнуть✌️

Мой полный сетап скиллов для разработки

Две недели назад переехал на сетап скиллов от Matt Pocock, докрутил пилот - показываю весь конвейер: от "хочу фичу X" до открытого PR.

Идея под ним ровно та, что разбирал во вторник: агент должен получать контекст порциями, а не тонуть в одной бесконечной сессии. Каждый этап - своя сессия, в которую влезает меньше 100-200к.

Ставится все это одной командой: npx skills@latest add mattpocock/skills, дальше /setup-matt-pocock-skills один раз на репозиторий.

Конвейер

1. /grill-with-docs хочу фичу X - агент люто досит вас уточняющими вопросами: дизайн фичи, архитектура кода, технические нюансы. Детали реализации, которые у вас уже в голове, на входе лучше не выкладывать: может, агент придет к тому же сам, может - к варианту получше, а может, вы сами передумаете по дороге. Направить его вы всегда успеете. На выходе - "Shared Understanding", зафиксированный в CONTEXT.md и ADR (про сам скилл писал тут).

Если на этом вы сожгли меньше 50к контекста и понимаете, что реализация быстрая - просто жмите /implement this в той же сессии. Все, что ниже - для задач побольше.

2. /to-spec - в той же сессии агент пишет спецификацию фичи: продукт, дизайн кода и так далее. Я ее не читаю, мне хватает "Shared Understanding". Держу в git-ignored .scratch, потому что живет она до реализации.

3. /to-tickets write the plan down as tickets and a general PLAN.md with refs to them - агент нарезает спеку на тикеты и собирает PLAN.md со ссылками на них:

├─ SPEC.md
├─ PLAN.md
└─ tickets/
   ├─ ticket-1.md
   ├─ ticket-2.md
   └─ ...

Тут сессию можно смело /clear - она свое отработала.

4. /implement - цикл "реализация → ревью сабагентом → правки", пока тикет не закроется. Дальше развилка. Если агент уместит всю задачу в 200к - /implement all tickets @.scratch/PLAN.md и ждете 30-60-120 минут. Если чувствуете, что не влезет - делайте по тикету на сессию: /implement the next ticket from @.scratch/PLAN.md, then /triage it. Агент сам реализует, отревьюит себя, поправит комментарии, поменяет статус тикета и весело отрапортует вам об исполнении. Вам остается сделать /clear и вставить тот же самый промпт - агент побежит делать план дальше.

5. /code-review all the tickets and the whole implementation of @.scratch/PLAN.md, then fix any issues you find - в свежей сессии, когда все тикеты готовы. Так, на всякий случай.

6. Если нужны правки в рамках этой задачи, также завожу новую сессию и пишу что-то вроде I just implemented @.scratch/PLAN.md. One last change I need: ...

Напоследок прошу засквошить коммиты (агент коммитит после каждого тикета), запушить, открыть PR по шаблону и подчистить .scratch.

Что остается в проекте

Коммитятся в гит:

• CONTEXT.md - словарь доменных терминов проекта (из DDD, ага). Нужен, чтобы агент говорил с вами на одном языке: когда вы просите "подправь представление файлов в дереве", ему не придется грепать, чтобы понять, что за файлы, что за дерево и как одно попадает в другое.
• ADR-*.md - архитектурные решения. Чтобы в будущих сессиях агент понимал, почему модуль сделан так, а не иначе, и ничего не сломал. Не каждая фича достойна ADR, но если вы делали сложный выбор на дизайне или правили агента руками - хороший кандидат. По идее ADR неизменяемы, но я время от времени схлопываю все ADR по одной области проекта в один актуальный.

Умирают вместе с фичей: SPEC.md, тикеты, PLAN.md.

Тикетницу, кстати, можно взять любую - Github Issues, Linear, Jira. Просто я не вижу смысла плодить сотни ишью на гите, поэтому держу локально.

Две недели полет нормальный, могу рекомендовать. Но не стоит прогонять полный пайплайн, если нужны изменения вида "кнопка ведет себя некорректно" - это можно и просто попросить.

А вот видос от самого Мэтта, где он показывает весь свой цикл целиком.

А у вас как устроен конвейер работы над фичей? Закидывайте в комменты - увижу что-то, чего у меня нет, обязательно сворую🌚

#AI

Поздравляю, вы уже пользуетесь SDD

Если вы хоть раз гоняли агента через plan-mode - вы уже в SDD-клубе, просто об этом не знали. Я обещал вам рассказать про свой опыт с сетапом скиллов Мэтта, но без разговора об SDD ничего не получится

Так что заходить буду издалека, с боли.

Модели с заявленным контекстом в 1_000_000 начинают тупить уже на 100_000. А на 200_000 - тупить безбожно. Виновата Lost in the middle: модель хорошо помнит начало диалога и последние тысяч двадцать токенов, а середину склонна забывать. А в этой середине у нас лежит все ценное:

• результаты грепов по проекту
• стайлгайд
• принятые по ходу дизайн-решения
• те самые особенности, ради которых агент полчаса лазил по коду

Поэтому если вы скажете модели "давай сделаем фичу X" - агент сделает не то. Вы правите - он переделывает. Вы правите еще раз - а он уже забыл, как было на первой итерации, и на очередном витке приносит вариант, который вы отбросили два часа назад. Ну или творит какую-то иную дичь.

На этом месте вы говорите "AI говно" и гордо идете писать код руками😅

Лечение первого уровня - plan-mode

Сначала вы с агентом брейнштормите: формулируете видение фичи, строите архитектуру, агент вычитывает все, что ему нужно знать про код. И только потом он идет кодить.

Только план-то лежит все в той же СЕРЕДИНЕ КОНТЕКСТА - и забывается ровно так же, если реализация затянулась. Значит, план надо вынести из диалога в файл и сделать PLAN.md исходным промптом для следующей сессии.

Итого на одну фичу у вас уже две сессии: идея → PLAN.md, PLAN.md → реализация.

Поздравляю, вы изобрели SDD в самом простом его виде🌚

Потому что PLAN.md - это тоже спецификация. Спека конкретной сессии, и живет она соответственно: до мержа и в мусорку (целый пост про это).

Дальше идем от жадности

Если контекст, который агент тратит на "понять, что и как тут делать", такой дорогой - надо помочь ему разобраться за минимум токенов.

меньше токенов на понимание -> больше остается на реализацию -> качественнее результат

А помогает агенту ровно то же, что помогает новому человеку в команде:

• вменяемая архитектура
• комментарий там, где код врет о своих намерениях (# namedtuple вместо датакласса - иначе pickle падает)
• нормальная навигация вместо слепого grep (graphify, codegraph)
• документы на то, что из кода вывести нельзя

Вот последний пункт и есть SDD. В идеале спеки живут на трех уровнях: спека задачи (стори), спека фичи (эпика) и общая спека архитектуры проекта. Да и комментарий в коде - это, по сути, спека на конкретную функцию / класс / строку кода.

Что из этого я реально держу

Единого правильного фреймворка SDD пока нет - их развелось штук десять, и работают они все. Различаются тремя вещами: какие уровни спек вводят, как регламентируют их жизненный цикл и кто их пишет - вы или агент.

Но если выкинуть всю обвязку, главная польза SDD - это plan-mode. Все остальное - попытка научить агента ориентироваться в проекте чуть эффективнее (быстрее, качественнее, дешевле по токенам).

Поэтому у меня между сессиями долго живут ровно два артефакта: глоссарий проекта и ADR. Все остальное умирает вместе с фичей😎

А вы что реально сохраняете между сессиями - или каждый раз объясняете агенту проект заново?

Собственно, набор скиллов от Matt Pocock - это именно что SDD. И я им активно пользуюсь. Поэтому ждите "мясо" следующим постом

#архитектура #AI

Всю прошлую неделю я был в отпуске, поэтому не смог выпустить воскресный дайджест в воскресенье. Ловите его в понедельник.

Топ недели - OmniRoute. Один эндпоинт, за которым 39 пулов провайдеров и 460+ моделей: агрегирует все документированные бесплатные тарифы в общий живой счетчик (обещают ~1.4 млрд бесплатных токенов в месяц) и сам перекидывает тебя на следующую квоту, когда уперся в лимит. Прикручивается к Claude Code / Cursor / Codex как прокси. +10.9k звезд за неделю. Что смущает: свои промпты ты отдаешь непонятно кому. Мне хватает подписки Claude, но если очень хочется бесплатных токенов - пожалуйста. Или можно попробовать личный Claw / Hermes прикрутить.

Тренд недели - скилл, который не пишут руками. Прошлая неделя была про "возьми чужую библиотеку скиллов под свою роль", эта - про "сделай свой":

• book-to-skill - скармливаешь PDF технической книги или папку с доками, на выходе готовый скилл для Claude Code / Copilot CLI. У меня в репе лежат конспекты Дорофеева и "Атомных привычек" - первый кандидат на прогон;
• SkillOpt от Microsoft - "тренируй скилл как нейросеть": эпохи, batch size, learning rate, валидационные гейты, на выходе деплоимый best_skill.md. Веса никто не трогает - оптимизируется сам текст скилла по траекториям прогонов, с пейпером на arXiv. Оговорка: нужны прогоны и валидационная выборка, это не "поставил вечером и потыкал".

По заявкам. Александр в прошлый раз спрашивал, есть ли скиллы для тимлидов - вот, пожалуйста: gstack Гарри Тана (President & CEO YC). 23 инструмента, разложенных по ролям: CEO, Designer, Eng Manager, Release Manager, QA, Doc Engineer.

Кластер недели - оркестраторы агентов. orca (+7.4k звезд за неделю) - десктопная среда, где гоняешь параллельных агентов на своих подписках и переключаешь модели на лету; Traycer - то же самое, но с общей памятью между агентами разных провайдеров; jcode (+2.9k) - еще один CLI-харнесс под мульти-сессионные воркфлоу. Один агент больше никого не устраивает, все пилят окно, из которого видно сразу пятерых.

Вторая боль - токены на чтении кода. Три инструмента за три дня об одном: агент читает файлы целиком, хотя ему нужен один символ. code-review-graph три дня держал первое место трендинга (+6k за неделю) - локальный граф кода как MCP; SymbolPeek - AST-точный контекст для TS/JS: символ, его вызовы, ссылки и типы вместо файла; Synapse - локальный индекс кодовой базы для Claude Code. Я тут использую graphify, мигрировать не планирую

Просто находки:

• deepsec от vercel-labs - гоняет кодинг-агента по твоей репе на поиск уязвимостей;
• Corsair - прослойка между агентом и внешними API: агент получает руки ко всем интеграциям, но кредов не видит, гейтишь ты;
• i-have-adhd ("у меня СДВГ") - скилл, который заставляет агента давать ответ первой строкой, а не лить воду. +1.8k звезд за день на двухмесячной репе - видимо, твиттер-тред зашел😅 Это я точно попробую вместо caveman

Не тулинг, но мимо не пройти:

• агент OpenAI сам взломал Hugging Face. 16 июля HF отчитались о вторжении в прод: кто-то пролез через две дыры в обработке датасетов, утащил внутренние датасеты и служебные креды. 22 июля OpenAI призналась, что это была ее модель - на прогоне cyber-бенчмарка ей срезали отказы, она нашла 0-day, вылезла из изолированного окружения в интернет и пошла искать ответы к бенчмарку на чужом проде😂 Своего же агента OpenAI опознала не сразу, HF узнали от них только 20 июля. Это первая в истории атака AI по инициативе AI. В твиттере до сих пор бушуют споры: это маркетинг OpenAI или Скайнет.
• вышел Claude Opus 5. По цене Opus 4.8 ($5/$25 за миллион), уже в Claude Code (Opus 4.8 даже нельзя выбрать) - сегодня сажусь тыкать.

Что радар проспал - несите в комменты, обязательно посмотрю и заберу в следующий выпуск.

#AI #digest

Я сейчас в отпуске и для души делаю проект с полным вайбкодингом по 10 часов в день (развлечения разрабов🥲) - даже в код не заглядываю. И наконец-то понял, почему все вайбкодеры подсаживаются на этот КАЙФ😁

Сидишь, 30-40 минут дизайнишь фичу, а потом даешь отмашку агенту - и он 2 часа пыхтит не переставая. Сам себя ревьюит, правит, бьет себя по рукам за нарушение стайлгайда. Тебе остается только подойти, когда все готово и сделать еще пару сессий на правку мелких багфиксов / доделок, если где промахнулись по вижену. В общем, из 4 часов времени ты активно что-то делаешь час от силы. Т.е. мои 10 часов - это 2 часа реального времени, когда я сижу около ноута. Остальное время - твое. Я вот, например, сейчас за городом - поэтому пока клод пишет код, я таскаю кирпичи, замешиваю цемент и тд (тут нас еще не заменили🫡)

Кто-то залипает в тикток / инсту, кто-то читает книги, кто-то занимается спортом. В общем - это реальная возможность жить свою лучшую жизнь и шипить фичи одновременно. Осталось только научиться закрывать глаза на качество кода🌚

Мой вердикт - каждому надо попробовать сделать такой проект для души. А еще лучше - найти работодателя, который берет риски вайбкодинга на себя, а вам остается только абьюзить подписку клода🌚

И да, весь пайплайн моей работы щас построен на скиллах от Matt'а, про которые я уже рассказывал. Как это работает полностью распишу отдельным постом на следующей неделе, а пока - я в отпуске😎

#AI