Кисель в АйТи | AI и технологии

Давненько не виделись! С 11 июня, представляете?? Время быстро летит. Но месяц был очень плотным. Так как посты я пишу в основном по вечерам и по выходным, то такие периоды сильно выбивают меня из привычного графика. Ни свободных выходных, ни спокойных вечеров не было уже чёрт знает сколько... Но все дела рано или поздно заканчиваются.

За это время успел почти доделать долгий ремонт, который тянется аж с того года и никак не закончится. Интересно, повысил ли я грейд разнорабочего до Middle, или я всё еще Junior? 😂 Впервые выбрался на отдых с палаткой. Обзавёлся всем необходимым, остался в восторге, теперь очень хочется выбраться снова. Почему я раньше не ездил? Не знаю. Посетил концерт Ленинграда. И, в догоночку, съездил на три дня до Казани. Поездка , которую я откладывал больше двух лет. Удалось обойти практически все достопримечательности. Обязательно туда вернусь!)

Теперь времени должно стать чуть больше. Так что буду стараться радовать вас интересными постами чаще.

Чтобы войти в ритм - короткий дайджест того, что случилось за две недели, пока мне было не до новостной ленты. Случилось многое.

Anthropic выпустила Claude Sonnet 5 (30 июня). Средняя модель, которая местами догоняет Opus 4.8.

OpenAI показала GPT-5.6 (26 июня), но только для избранных (походу новый тренд).

Сага о Fable 5 закончилась хеппи-эндом. Напомню фабулу: модель вышла 9 июня, а уже 12 июня США ввели экспортный контроль - поводом стал отчёт Amazon об обходе защитных механизмов. Три недели переговоров, и 30 июня ограничения сняли. С 1 июля Fable 5 снова доступна глобально - но уже с новым классификатором безопасности, который блокирует описанную в отчёте технику в 99% случаев. Самая мощная публичная модель пережила первый в истории отзыв по соображениям нацбезопасности.

Пока индустрия обсуждала Fable, в AI-стеке накопились уязвимости. Подборка самых жёстких за последний месяц:

LiteLLM (CVE-2026-42271). Цепочка с неаутентифицированным RCE через MCP-эндпоинты, итоговый CVSS 10.0. Подтверждена эксплуатация в реальных атаках, уязвимость в каталоге CISA KEV. Скомпрометированный AI-гейтвей отдаёт ключи всех подключённых провайдеров.

Cursor (CVE-2026-22708, CVSS 9.8). Атакующий отравляет окружение агента так, что разрешённые команды вроде git branch выполняют произвольный код. Allowlist сам одобряет нужные атакующему команды. Защитный механизм стал вектором.

Semantic Kernel (CVE-2026-26030). Промпт-инъекция превращается в RCE на хосте: одного промпта хватило, чтобы запустить calc.exe. Без эксплойта браузера, вложений и повреждения памяти. Агент просто делал то, для чего создан.

Общая картина: по данным OWASP, больше всего security advisories у n8n (57), Claude Code (22) и AutoGPT (15). Кодинг-агенты - главный источник новых атак.

Бонус. Anthropic обогнала OpenAI по заявленной выручке, обе компании готовятся к IPO. А Google теряет людей: нобелевский лауреат Джон Джампер ушёл в Anthropic, Ноам Шазир - в OpenAI.

Начал копать новую тему. Скоро будет цепочка постов.

Заметил крайне интересную вещь. Всё чаще вижу попытки зайти на территорию генеративных приложений. И нет, это не no-code, это следующая ступень, которая раньше была недоступна. Опиши виджет, расширение, приложение. И пользуйся. Неудобный интерфейс - скажи в чате, все перестроится. Код пытаются сдвинуть на второй план.

Я думаю, что как только хватит вычислительной мощности, все платформы придут к одной философии: не ищи приложение в каталоге, а опиши, что тебе нужно, и интерфейс соберётся под задачу прямо сейчас. Рулить парадом будут адаптеры/MCP на стероидах.

Ещё пару лет назад это звучало как фантастика. Сейчас уже видны первые шаги - Claude Artifacts, генеративный UI у Gemini, приложения внутри ChatGPT. У идеи, кстати, длинная история: похожие концепции описывали ещё в восьмидесятых, просто тогда не было чем их реализовать.

Сел разбираться. Что работает уже сегодня, что пока демка, а что так и осталось красивым прогнозом. Заодно посмотрю на это с двух сторон - и как на тренд, и как на инженерную задачу с её песочницами, безопасностью и недетерминизмом.

Если тема близка - дайте знать. Дальше будет интереснее.

Бесконечно можно смотреть на три вещи:
— как горит огонь;
— как течёт вода;
— как меняется график акций ВКонтакте

О как, только написал про слухи, а они взяли и выпустили Fable 5.

Кто слил мой пост в Антропик, признавайтесь? 😂

🚨 КАСТРИРОВАЛИ МИФОСА?! Что Anthropic СКРЫВАЕТ от нас в подвалах Glasswing

Помните ту самую модель, про которую ходили слухи, что она сама находит 0-day и строит полноценные цепочки атак? Ту, что НЕ выпустили «по соображениям кибербезопасности» и раздали кучке избранных организаций под семью замками Project Glasswing?

Похоже, компания готовит её гражданскую версию - Claude Fable 5.

Что известно более-менее точно:
Mythos действительно никогда не выходил в паблик, официальная причина - кибербез-риски.
Доступ к нему - только через закрытую программу для «доверенных» (читай: тех, кому можно).

Что говорят в утечках:
Fable 5 заберёт у старшего брата длинный контекст, тяжёлую логику и длительную работу над задачами.

А вот всё «весёлое» - поиск уязвимостей, эксплойты, цепочки атак - обрежут на корню. Не «не хочет», а «физически не умеет».

Видимо Fable именно потому, что от Mythos осталась только сказка, а не миф 💀

Эпоха AI. Какой красивый pull-реквест!

Раньше внятное описание PR стоило дорого. Надо было сесть, вспомнить, что именно ты менял, отделить важное от неважного и сформулировать, зачем всё это было нужно. Тут подглядеть код, тут открыть задачу, тут свериться со спецификацией. Написать хорошее описание было отдельной работой.

Но ценность была не только в тексте. Пока писал описание, ты ещё раз проходил весь путь своего изменения. Иногда именно в этот момент находился забытый кейс, лишний код или странное решение. Описание PR было не просто документацией. Оно было следом от процесса мышления.

Теперь это умеет агент.

Весь контекст уже у него: задача, дифф, код, комментарии, спецификация. Достаточно одной команды — и появляется аккуратное описание PR. Список изменений, затронутые файлы, риски, план тестирования, краткое резюме. Обычно даже лучше, чем написал бы человек. И это объективно полезно.

Тестировщик быстрее понимает, что проверять. Фронтендер видит изменения в контракте. Разработчик через полгода может восстановить контекст задачи. Даже человек, далёкий от кода, способен разобраться, что произошло.

Работа стала прозрачнее. Хороших описаний стало больше. Коммуникация стала дешевле.

Но вместе с этим изменился смысл самого артефакта.

Раньше хорошее описание PR было косвенным сигналом того, что автор разобрался в изменении. Если человек мог внятно объяснить, что и зачем поменял, обычно это означало, что он хотя бы попытался выстроить у себя в голове целостную картину.

Теперь эта связь стала намного слабее. Идеальное описание больше не говорит, что автор всё понял. Оно говорит лишь о том, что кто-то сгенерировал идеальное описание.

Оно может быть точным. А может содержать ошибки. Может помочь ревьюеру. А может уверенно объяснять логику, которой никогда не существовало. Красивый текст по-прежнему выглядит убедительно, даже когда ошибается.

Но, пожалуй, это хорошая сделка. AI сделал хорошие описания PR массовыми. Выиграли тестирование, ревью, поддержка и будущие разработчики. Просто теперь описание показывает состояние репозитория. И имеет мало общего с мнением и пониманием автора.

Если тоже любите сравнивать, как разные модели справляются с кодом, документацией и ревью, можно попробовать Umnik AI. Там в одном месте собраны Claude, GPT, Gemini и другие модели без необходимости прыгать между десятком сервисов.

А вы еще помните, как было?

Падает ошибка. Ты читаешь трейсбек снизу вверх, цепляешься за знакомое слово, криво копируешь часть из терминала. Половину строки, с лишним пробелом. Открываешь Google.

Первая ссылка ведёт на StackOverflow. Вопрос 2014 года. Принятый ответ заминусован, а рабочий лежит третьим снизу. Сорок голосов, комментарий «this saved my life».

Ты его даже не копируешь, потому что случай всё равно другой. Но ты уже понял, в чём было дело.

Иногда уходишь на старый форум, на 23 страницу давно заброшенной темы. Последнее сообщение датировано 2015 годом. Аватарки битые, половина ссылок ведёт в никуда. И вдруг там, между «спасибо, помогло» и «у меня то же самое», сидит человек, который разобрал твою проблему по косточкам. Для себя. Не зная, что однажды его ответ спасёт кого-то ещё.

А иногда не находишь вообще ничего. Везде посмотрел, и пусто.

Чёрт с ним, спрошу сам.

Сидишь, формулируешь вопрос. Подбираешь слова. Прикладываешь минимальный пример, потому что иначе заминусуют. И сама эта формулировка наполовину чинит тебе мозги.

Жмёшь «отправить». Ждёшь. Обновляешь вкладку. И вот он, ответ от незнакомца, которому просто не всё равно.

Сейчас ты выделяешь трейсбек, не дочитав до конца, и пишешь: «почини».

И он чинит.

Работает. Тесты зелёные. Можно идти дальше.

Но где-то в этот момент из профессии исчезает важная часть ритуала. Та самая, где ты не просто получал ответ, а прожёвывал проблему. Злился, тупил, копался в чужих обсуждениях и постепенно начинал понимать, что вообще происходит.

Раньше ошибка была дверью. Сейчас она всё чаще становится всплывающим окном, которое хочется закрыть как можно быстрее.

И в этом есть что-то страшное.

Профессия программиста всегда держалась именно на привычке разбираться. На внутреннем упрямстве: «я хочу понять, почему оно сломалось».

А теперь у нас появился идеальный способ этого не делать.

Да, мы стали быстрее. Да, мы стали продуктивнее. Да, назад никто не пойдёт.

Но вместе с болью отладки мы выкидываем и кое что важное.

И, кажется, однажды мы проснёмся в мире, где код всё ещё пишется, ошибки всё ещё чинятся, продукты всё ещё выкатываются, но всё меньше людей действительно понимают, как это работает.

Вот это и пугает.

Не то, что ИИ заберёт работу.

А то, что он оставит нам работу, но постепенно заберёт профессию.

🏆 Как я взял первое место на олимпиаде по оптимизации — и почему дело было не в алгоритмах

Победа решилась 0.005 балла. Серьёзно - после нескольких часов борьбы общий зачёт разделили пять тысячных. И вот что я вынес из этой гонки: на таком уровне выигрывает не тот, кто придумал самый умный алгоритм, а тот, у кого правильно выстроен процесс работы.

Несколько принципов, которые реально решили исход 👇

1. Итерации важнее озарений. Учёл эту ошибку из прошлого опыта. Я не пытался родить идеальное решение сразу. Начинал с малого. Рабочее, пусть и не самое оптимальное решение - отличная база. Каждую задачу я прогонял через лесенку версий: простой рабочий вариант → отправил → улучшил → отправил снова. Побеждает число честных итераций, а не глубина раздумий.

2. Учимся на ошибках. Архитектура строится так, чтобы учиться на своих ошибках и делать выводы: после того, как сформирован валидный базовый ответ, он служит основой и обоснованием для будущих улучшений. Каждая итерация - это ценная информация. Всё это позволяет пробовать больше. Без страха и с чувством азарта.

3. Разные модели - разное решение. В какой-то момент Claude начал упираться в потолок своих знаний. На помощь приходят другие модели, которые учились на других данных. Это отличный источник инсайтов и альтернативных подходов.

Любопытный момент: задачу B по очкам я проиграл - другой участник сделал её лучше. Но ровный, дисциплинированный процесс по всем задачам сразу всё таки вытащил общую победу.

Вывод: запускай больше, измеряй, фиксируй выводы. Правильный флоу бьёт зубрёжку. ⚡️

💫 Результаты олимпиады

Победители в треке «Алгоритмы»:

🥇 1 место — Филонец Антон, Яндекс, МИФИ
🥈 2 место — Москвин Александр, МГУ
🥉 3 место — Тихонов Дмитрий, Яндекс

Победители в треке «ML»:

🥇 1 место — Киселев Александр, Positive Technologies
🥈 2 место — Коротаев Вадим, Positive Technologies
🥉 3 место — Ларин Иван, Сбербанк, МФТИ

Поздравляем!

Новый день - новый скилл. Разберем /simplify для Claude Code.

Он проходит по недавно изменённым файлам и ищет, что можно упростить. Спавнит трёх параллельных агентов под разными углами - неиспользуемые импорты, лишние переменные, шанс вытащить общую логику, переусложнённые условия. Найденное чинит сам.

Можно сузить фокус: /simplify focus on memory efficiency или /simplify focus on error handling. Полезно, когда знаешь, где у изменений шероховатости, но хочешь, чтобы Claude довёл до ума детали

Запускается локально. В отличие от /ultrareview бесплатный и быстрый, по ощущениям ближе к мини-ревью.

Лучше всего работает сразу после крупного рефакторинга или после того, как принял большой батч AI-сгенерированного кода. Именно там накапливаются мелкие огрехи, которые поодиночке незаметны

Хорошая привычка - дёргать /simplify перед коммитом после серьёзных изменений. Дешевле, чем ловить те же вещи на code review.

#claude

.git/info/exclude — личный .gitignore, который не уезжает в репу

Знакомая боль: пробуешь у себя в проекте новый инструмент - и каждый раз git status шумит этими файлами, рискуешь случайно закоммитить лишнего. У меня там и .cursor, и agent.md от Codex, и claude.md от клода, и много чего еще... С codegraph еще и его папка появилась.

В проектный .gitignore это добавлять нежелательно. Если каждый раз туда добавлять всё больше и больше - он превратится в огромную свалку. Плюс в больших проектах пока твой .ginignore разойдется по develop/main - пройдет вечность, которую ты будешь страдать.

А оказывается, у git ровно для этого есть встроенная штука — .git/info/exclude.

Это файл внутри .git/, синтаксис как у .gitignore, но он:
- не коммитится (живёт в .git/, а .git/ сам по себе не версионируется);
- виден только тебе;
- работает в этом конкретном клоне репозитория.

Пример. Открываешь .git/info/exclude и пишешь туда что угодно:

- CLAUDE.md
- AGENTS.md
- .cursor/
- experiments/

Всё - git status чист, ничего случайно не уедет в PR.

Бонус: есть глобальный игнор на все репы

Если те же файлы засоряют тебе вообще все проекты - можно настроить глобально:

git config --global core.excludesFile ~/.gitignore_global

В этот файл кладём универсальные паттерны (CLAUDE.md, .idea/, .DS_Store).

Не знаю почему я не нагуглил это раньше. Такая маленькая фича, а такая полезная.

Кажется у меня новое хобби... Генерировать новости под стихи Маяковского. Как же круто.

ОДА НА OPUS 4.8

Слушайте!
Граждане
        двадцать шестого года —
из кода,
из ночи,
из кофе остывшего —
встаёт
       не машина,
              не просто метОда,
а Опус!
Четыре!
       И восемь!
              вышедший!

Я звал его —
            он отвечал мне строчками,
не мямлил,
        не путал,
            не лез в чепуху.
Где раньше я бился
                над багом
                       до точки я,
теперь —
       раз-два! —
              и поправка вверху.

Товарищ процессор,
                давай,
                    разгоняйся!
Мы вместе
        запустим
              стартап до небес!
Проект мой
          ракетою
                в космос врезается —
а Опус
       внизу
           подаёт ему вес.

Не спать!
        Не сдаваться!
              Гори, предприятие!
Пускай говорят,
             что работа —
                     тюрьма.
Я выйду!
       Я брошу!
            И — солнце! — объятия! —
останусь
       один
          на один
              с новым Опусом.
                    Да!

Claude Opus 4.8 вышел. И самое интересное — не бенчмарки.

Anthropic обновила Opus: модель стала сильнее в кодинге, reasoning и агентских задачах, цена осталась прежней — $5 / $25 за миллион токенов.

Но главный апдейт - в поведении.

One of the most prominent improvements in Opus 4.8 is its honesty

Opus 4.8, по словам Anthropic, чаще признаёт неопределённость, лучше ловит собственные ошибки и примерно в 4 раза реже пропускает баги в написанном коде без замечаний.

Плюс в Claude Code появился dynamic workflows: Claude может разбивать большую задачу на десятки/сотни параллельных subagents и тащить большие миграции, аудиты и рефакторинги.

Кажется, AI-гонка постепенно смещается от слепой гонки за бенчмарками к более ощутимым и близким любому человеку метрикам. К примеру: "наша модель модель меньше врёт", "лучше проверяет себя", "может дольше работать без человека".

И вот это уже гораздо интереснее очередного плюсика в бенче.

Конечно же не забыли напомнить и про Mythos:

we expect to be able to bring Mythos-class models to all our customers in the coming weeks.

Хочется верить, что в ближайший месяц-полтора уже выпустят модель для всех.

Себе вот уже накатил CodeGraph на один из своих проектов. Установка оказалась довольно приятной.

Установка запускается одной командой:

npx @colbymchenry/codegraph

Дальше установщик сам спрашивает, для каких агентов всё настроить. У меня он нашёл Claude Code, Cursor, Codex CLI, Gemini CLI и Antigravity IDE. Для Claude Code, Cursor и Gemini конфиги создал сам, а Codex CLI и Antigravity пропустил, потому что они не поддержали локальную установку в конкретный проект.

Из полезного: CodeGraph сам ставит CLI в PATH, создаёт .codegraph/, добавляет MCP-конфиги и правила для агентов. Например, для Claude Code появились .mcp.json, .claude/settings.json и .claude/CLAUDE.md, для Cursor - .cursor/mcp.json и .cursor/rules/codegraph.mdc, для Gemini - .gemini/settings.json и GEMINI.md.

После этого он сразу просканировал проект: нашёл 260 файлов, проиндексировал 239 и вытащил 2 529 символов. Для моего проекта это заняло меньше минуты - не гигантский монорепозиторий, но уже достаточно, чтобы агенту было куда ходить не через слепой grep.

Мой вывод: на больших репозиториях попробовать точно стоит. Особенно если агент уже вторую неделю жрёт лимиты, как будто его дома не кормят 🍴

Принёс новый GitHub-тренд для тех, кто работает с большими проектами - CodeGraph.

Идея простая: CodeGraph (ссылка на репо) заранее строит для агента «карту проекта». Он индексирует репозиторий, вытаскивает функции, классы, импорты, вызовы и зависимости, складывает всё в локальную SQLite-базу, а потом отдаёт агентам через MCP.

То есть вместо привычного ритуала grep → read → grep → read → grep → read агент может запросить готовый граф кода.

Собственно, никакой магии тут нет, и польза весьма приземлённая. У больших проектов есть ощутимый налог на разведку: каждый новый агент сначала пытается понять, где что лежит, какие файлы важные, кто кого вызывает и где начинается нужный flow. Память и карта проекта в markdown тут не сильно спасает. Когда в репозитории сотни или тысячи файлов, агент может сжечь кучу токенов просто на то, чтобы осмотреться.

А раздутый контекст - это не только дороже и медленнее. Это ещё и лишний шум: модель тащит за собой мусор, который насобирала по пути. В итоге её «интеллект» внезапно начинает напоминать меня после третьего созвона подряд.

По собственным бенчмаркам автора на 7 open-source проектах CodeGraph дал примерно 35% экономии стоимости, 57% меньше токенов, 46% быстрее ответы и 71% меньше tool calls. Цифры красивые, но пока это именно авторский benchmark, а не независимое исследование.

Полноценных независимых исследований именно CodeGraph пока нет - инструмент свежий. Судя по релизам, он появился буквально в мае 2026 года и сейчас активно допиливается. Но сама идея не новая. Уже много лет существуют статические анализаторы, графы вызовов и графы зависимостей. Теперь этим всем пытаются научить пользоваться AI-агентов, потому что каждый лишний обход проекта - это токены, деньги и время.

Сразу задаюсь вопросом: почему это не стало мейнстримом раньше?

Думаю, основная причина в том, что раньше боль была слабее. AI и до этого умел писать код, объяснять файлы и помогать с рефакторингом, но чаще человек сам приносил ему контекст: вот файл, вот функция, вот ошибка. С агентами сценарий поменялся: теперь им всё чаще отдают задачу целиком - «разберись в проекте, найди нужную логику, измени её и проверь последствия».

И тут внезапно значимая часть работы уходит не на кодинг, а на разведку проекта. Поэтому старая идея code intelligence снова стала актуальной. Это привычные IDE-фичи вроде Go to definition, Find usages и Rename symbol, только теперь не для человека, а для агента. CodeGraph пытается дать ему не простыню файлов, а карту связей внутри проекта.

Но открытых вопросов всё ещё много. Как сделать такой граф универсальным, если в реальных проектах есть динамические импорты, DI-контейнеры, ORM, generated code и магия фреймворков? Как заставить агента действительно пользоваться графом, а не продолжать бегать через grep/read по привычке?

Похожие подходы уже проверяли в исследованиях. Например, в препринте про Codebase-Memory использовали похожую связку: Tree-sitter, knowledge graph и MCP. Результат ожидаемый: токенов уходит сильно меньше, tool calls тоже меньше, но качество ответов может просесть, если вопрос требует не карты проекта, а внимательного чтения конкретной реализации.

То есть это снова не «серебряная пуля» для разработки. Но инструмент может быть полезным для больших репозиториев.

И так, важный вопрос.

Для ресёрча к постам иногда прогоняю тему сразу через несколько разных моделей. Одна лучше ищет детали, другая помогает проверить факты, третья подкидывает неожиданные углы для рассказа. Удобно, когда это можно делать в одном месте, не прыгая между сервисами. В последнее время для такого часто открываю Umnik AI. Claude к примеру намного хуже справляется с поиском по ru ресурсам, а вот chatgpt - намного лучше. Но они часто очень "сдержанные", поэтому острые вопросы удобнее разобрать с Гроком. И вот уже в сумме получается +- объективно. Так и живём.

Я не мог это не выложить

Вдохновляемся ИИ-поэзией после тяжёлого рабочего дня.

Оригинал то знаем?

Послушайте!
Ведь, если токены сжигают —
значит — это кому-нибудь нужно?
Значит — кто-то хочет,
чтобы ответы были?
Значит — кто-то
называет эти миллионы запросов
не «тратой денег»,
а автоматизацией?

И, надрываясь
в метелях ночного вайбкодинга,
врывается в API,
боится, что лимит кончился,
платит,
обновляет подписку дрожащей рукой,
просит —
чтоб обязательно
достроило MVP!

клянётся —
не перенесёт
эту безнейросетную муку.

А после
ходит тревожный,
но спокойный наружно.
Говорит кому-то:
— Ведь теперь деплой не страшен?
Да?..

Послушайте!
Ведь, если токены сжигают —
значит — это кому-нибудь нужно?

Прогнал тестирование проекта через Claude прямо в браузере

Дал Клоду доступ к Chrome (через плагин Claude in Chrome) и одну задачу: «прощёлкай весь функционал и составь отчёт о работоспособности». После одной из самых жирных фич у меня на проекте много чего отвалилось — хотел понять масштаб.

Что в итоге получилось:
— прощёлкал всю админку, публичную часть
— проверил лендинг: демо, тарифы, форму заявки
— залез в консоль и Network, померил тайминги через Performance API
— сложил всё в test_report.md с приоритизацией багов

И нашёл вполне реальные вещи, не «вода»:
🔴 403 на прямом заходе/F5 на вложенных страницах админки (nginx без fallback на index.html)
🔴 404 на фоновом паттерне темы — фон просто не грузился
🔴 сломанный эндпоинт конфига чата, который ещё и 440мс впустую жрёт
🟡 пустое демо на лендинге первые 6 секунд + hydration mismatch в Nuxt
🟡 опечатки, сброс контекста после F5

Отдельно порадовало, что он сам додумался перепроверять свои же выводы: сначала решил, что сломан фильтр (пустая выдача), а потом понял, что это была комбинация «поиск + фильтр» без совпадений, и переиграл вердикт. Не просто «вижу пусто → баг».

И конечно же понравилось, что в чате остались скриншоты всех найденных артефактов. Удобно!)

Честно про минусы:
⚠️ вкладка под автоматизацией иногда подвисала, скриншоты отваливались по таймауту
⚠️ paint-метрики (FCP/LCP) врут, потому что фоновая вкладка троттлится — для честных цифр всё равно нужен Lighthouse руками

Вывод: как первый проход QA по живому продукту — неожиданно полезно. Не заменяет ручное тестирование и автотесты, но за один заход выдаёт приоритизированный список «что пойти чинить». Я за полчаса получил карту поломок, на которую сам бы потратил вечер.

#claude