Personal Oblivion

Skills для аудита контрактов

Сейчас каждый второй аудитор или компания выпускают свои скиллы для claude, и даже потихоньку начинают соревноваться в различных бенчамрках, которые сами же и создают. Получается такой забавный круговорот...

Для тех, кто не в курсе, скилл - это, по сути, простая текстовая инструкция для нейросети о том, что и как делать в определенных случаях. Многие определяют эти скиллы, как основные промты для ИИ агентов для более эффективного изучения смарт контрактов.

Не берусь сказать, насколько эффективен каждый из ниже представленных скиллов, однако четкие инструкции так или иначе будут большим плюсом.

На мой взгляд, оценивать эффективность таких скиллов и агентов можно будет только тогда, когда они станут регулярно получать баунти, на таких платформах как Immunefi.

Ну, а пока что, вот небольшой список скиллов, который вы можете протестировать сами.

P.S. Иногда на OpenRouter проводятся промо новых ИИ сетей. Например, сейчас вы можете бесплатно протестировать Qwen3.6 Plus Preview (последнюю модель от Qwen) абсолютно бесплатно. Это отличная возможность испытать своих агентов быстро, не потратив кучу денег на токены.

1. Plamen

2. Nemesis

3. SC-auditor

4. Aether

5. Claudit

6 .context

7. SolidityGuard

8. SCV Scan

9. Trail of Bits Skills

10. QuillShield Security Skills

11. Krait

12. Solodit MCP Server

13. HornetMCP

14. Pashov Audit Group Skills

15. Claude-bug-bounty

16. Code-sleuth

Вы уже пользовались каким-нибудь из них?

Если знаете еще интересные скиллы или mcp серверы, буду рад, если поделитесь в комментариях.

#skills

Superpowers: link

Появилась компактная модель на 9B, которая по бенчам обходит гигантов! 😱

MWS AI выпустила мультимодальную Cotype Light 3 для ИИ-агентов — и ее уже позиционируют как основу для бизнеса. Главное:

🟢 Модель одинаково точно работает с текстом и визуальными данными. Может решать многошаговые задачи без постоянного участия человека;

🟢 По независимому бенчу MERA, стала первой компактной моделью в топ-3 рейтинга, набрав 0,79 балла из 1. Это лучше, чем большинство моделей, работающих на русском.

🟢 В задачах на математику и знания о мире заявляют точность 99%.

Звучит топово, ждем, как покажет себя в реальных кейсах 👍

@xor_journal

На базе утекшего кода Claude Code сделали полноценный опенсорсный инструмент OpenClaude

github.com/Gitlawb/openclaude

Это форк исходного слива, из которого убрали vendor lock-in. То есть теперь тот же самый Claude Code, со всеми сохраненными фичами и логикой, совместим с любыми моделями. В том числе локальными.

Уже 2к звезд на GitHub

AI Agents Full Course – Part 1 (Free Labs)

Где искать модели
• Hugging Face Hub - Главный каталог open-source моделей и чекпоинтов. Идите сюда, если нужен широкий выбор, форматы, квантования и контроль над тем, что именно скачиваете.
• Ollama Library - Удобный каталог моделей, которые можно быстро запускать локально через Ollama. Подходит для быстрого старта без лишней возни.

Чем запускать LLM локально
• Ollama Docs / Quickstart - Самый простой путь поднять локальную LLM. Хорошо подходит для пилота, одной машины и первых экспериментов.
• vLLM — OpenAI-Compatible Server - Нужен, если вы хотите уже нормальный сервер инференса для команды с API, совместимым с OpenAI-стилем.
• llama.cpp - Хороший вариант для GGUF, CPU/offline-сценариев и тонкого контроля над локальным запуском.

Чем делать оркестрацию и агентов
• LangGraph Overview - Нужен, если хотите надежные stateful workflow, human-in-the-loop и long-running процессы. Это уже инженерный слой, а не просто чатик с моделью.
• Dify — Self-host with Docker Compose - Удобен для быстрого self-hosted запуска AI-приложений и агентных workflow через готовый стек контейнеров.
• n8n — Docker Compose - Подходит, если у вас много интеграций, cron-задач, ETL и автоматизаций, а LLM — часть общего процесса.

UI для команды
• Open WebUI - Self-hosted интерфейс для работы с локальными моделями. Поддерживает Ollama и OpenAI-compatible backends, удобен как единая внутренняя точка входа.

RAG и поиск по внутренним знаниям
• pgvector - Если у вас уже есть PostgreSQL, это самый простой способ добавить vector search без отдельной базы.
• Qdrant Quickstart - Отдельный open-source векторный движок, если нужен более явный и выделенный RAG-слой.

Стандарт для подключения инструментов
• MCP Specification - Нужен, если хотите подключать данные и инструменты к агентам через стандартный протокол, а не на своих разрозненных костылях.

Разграничение доступа для ИИ-агентов и governance
• Microsoft — Governance and security for AI agents across the organization — базовый материал про политику, контроль рисков и организационный governance.
• Microsoft — Secure AI agents at scale using Microsoft Agent 365 — очень полезный текст именно про least privilege, conditional access и supervision.
• NIST — AI Risk Management Framework — общий каркас управления рисками AI-систем.
• NIST — Generative AI Profile (AI RMF 600-1) — уже конкретно про риски generative AI и как их раскладывать по управляемым категориям.
• OWASP — Agentic AI Threats and Mitigations — практичный список угроз и защитных мер именно для tool-using agents.
• OWASP — Top 10 for Agentic Applications 2026 — как чек-лист для security review агентной архитектуры.

Необходимое железо / sizing / capacity planning
• NVIDIA — Practical Strategies for Optimizing LLM Inference Sizing and Performance — отличный практический материал по sizing, latency, throughput и выбору конфигурации.
• NVIDIA — LLM Inference Sizing: Benchmarking End-to-End Inference Systems — полезно, если хотите глубже понять benchmarking и capacity planning.
• NVIDIA NIM — Getting Started for LLMs — полезно именно как reference по self-hosting и GPU prerequisites.

Процесс обучения моделей, переобучения и правок
• OpenAI — Model optimization — лучший стартовый текст, чтобы понять весь цикл улучшения: evals, prompt engineering, fine-tuning.
• OpenAI — Fine-tuning best practices — про качество датасета, итерации и типичные ошибки.
• OpenAI — Supervised fine-tuning — когда у вас уже есть набор “правильных” входов и выходов.
• OpenAI — Reinforcement fine-tuning — когда вы хотите оптимизировать модель по программируемому grader’у, а не только по фиксированным эталонам.
• OpenAI — Fine-tuning resources — сборник гайдов и best practices.
• OpenAI — Getting Started with OpenAI Evals — полезно как мост между “мы видим ошибки” и “мы можем их системно воспроизводить и чинить”.

Оркестрация ии агентов:
• Anthropic — Building Effective AI Agents — лучший стартовый текст, чтобы понять, когда нужен workflow, а когда действительно agent; Anthropic отдельно пишет, что самые успешные внедрения обычно используют простые composable patterns, а не чрезмерно сложные схемы.
• LangGraph — Workflows and agents — очень прикладное объяснение разницы: workflow имеет предопределенный путь, агент сам выбирает шаги.
• OpenAI — Building agents — хорошая рамка “модели + инструменты + state/memory + orchestration”, без которой агентные системы обычно расползаются в хаос.
• OpenAI — Agents guide — уже ближе к эксплуатационному слою: как строить, деплоить и оптимизировать agent workflows.
• Anthropic — Effective context engineering for AI agents — очень важный текст про то, что качество агента зависит не только от промпта, а от всего набора токенов и состояния, которое вы ему даете.

Выбор ии агента / модели под конкретную задачу:
• OpenAI — Model selection — про выбор модели по балансу accuracy / latency / cost; полезно как базовая схема принятия решений.
• OpenAI — Reasoning best practices — помогает понять, когда брать reasoning-модель, а когда обычную более быструю модель; в гайде прямо разведены сценарии “скорость и цена” против “сложные неоднозначные задачи”.
• OpenAI Cookbook — Practical Guide for Model Selection for Real-World Use Cases — уже более “боевой” материал с реальным выбором модели под разные workload’ы.
• Anthropic — Building Effective AI Agents — тут полезна именно логика “сначала определить класс задачи”, а не сразу тащить multi-agent архитектуру.
• Anthropic — Writing effective tools for AI agents — это уже про выбор не только модели, но и инструментов: часто агент “плохой” не потому, что модель слабая, а потому что tool layer спроектирован неудачно.

Расчет ROI, метрик успеха и прочих параметров:
• Microsoft — AI Agent Adoption Guidance for Organizations — хороший enterprise-фреймворк: планирование, governance, интеграция и measurement business impact.
• OpenAI — Evaluation best practices — ключевой текст про то, как вообще измерять качество AI-систем в проде, когда ответы вариативны и обычные тесты не работают.
• OpenAI — Working with evals — уже ближе к практической постановке проверок и повторяемых оценок.
• OpenAI — Testing Agent Skills Systematically with Evals — очень полезно, если вы хотите системно улучшать “навыки” агента, а не вручную править поведение на глаз.
• Google Cloud — The ROI of generative AI — survey-based benchmark по тому, как компании смотрят на ROI и сроки эффекта. Используйте как внешний ориентир, а не как финансовую истину.
• Google Cloud — ROI of AI 2025 — свежий материал именно про агентный слой и бизнес-ценность.

Необходимые навыки для оператора / владельца агентной системы:
• Microsoft — Organizational readiness for AI agents — про роли, навыки, ownership и то, почему без этого агентные инициативы не масштабируются.
• Microsoft — Agentic AI maturity model: readiness and culture — полезно, если вы хотите понять, какие компетенции нужны не одному “оператору”, а команде и организации в целом.
• NIST — AI RMF Playbook — не про промпты, а про дисциплину: risk management, trustworthiness, oversight, operating model.
• Anthropic — Effective context engineering for AI agents — хороший материал именно для того, кто будет “рулить” агентом и исправлять системные ошибки.

Banni Exploit Post Mortem:
official
rekt
sources from gh: from Cyfrin

Digital Signatures in Ethereum: How to Work with Them? link

Huge archive with various books and articles: http://annas-archive.org

How to Deploy and Interact with Smart Contracts on TRON Using JavaScript link

UPD:
The guide via native IDE: link