Нажимаем кнопки

CJ приехал в Витебск на Славянский Базар.
Вот что получается, если попросить LLM сделать многопользовательскую игру, смотря на street view: https://mekhanikov.com/vitebsk/

Корпус для нового компьютера приедет только через неделю, поэтому разделочная доска получает повышение

Починить или оставить так?

Проджект менеджмент — это новое программирование.

Подключил к Codex-у issue tracker Linear. Создаю тикет, прикладываю к нему нужные ресурсы и скриншоты, помечаю как "Todo" — агент его подбирает, помечает как "In progress" и начинает работать. Когда всё готово — отчитывается комментарием со скриншотом и переводит тикет в статус "In review". Если что-то нужно переделать — добавляю комментариев, и обратно в "Todo".

Так удобно трекать прогресс по разным задачам и итерироваться, когда нужно что-то доделать. И у мобильного приложения Linear гораздо лучше UX, чем у ChatGPT.

Оставляем нашего сотрудника работать, а сами идём спать

В первой версии квиза в режиме multiple choice была проблема с качеством вопросов. Предложения генерировались на ходу дешёвой моделью Qwen Flash. Было заметно несколько проблем:
* Вопросы часто повторялись. Это известная проблема в изучении языков в целом – грамматические конструкции часто демонстрируют одними и теми же предложениями
* Среди вариантов ответов можно было найти несколько правильных, а иногда ни один не выглядел правильным
* Нельзя было выбрать, что именно ты хочешь практиковать

Вместо генерации вопросов на ходу я решил сделать много хороших вопросов заранее и выдавать их пользователю из базы данных. Попросил агента сделать мне следующий пайплайн:
1. Генерируется n вопросов на каждую тему. Вместо flash модели использовал Qwen Plus. На этом этапе все кандидаты складываются в специальную таблицу, где они ожидают дальнейшей обработки.
2. Высчитываются фичи. Спрашиваем LLM, есть ли какие-то проблемы с вопросом и просим построить embedding. Embedding-и складываем в pgvector, чтобы потом искать дупликаты.
3. Отфильтровываем плохие кандидаты и оставляем только хорошие. Если находится другой пример с косинусным расстоянием ниже порога, то такой кандидат выбрасывается.

Ещё была проблема с тем, что слишком много примеров выбрасывалось из-за повторов. После первого прогона осталось всего 6% сгенерированных примеров. Я (курсор) засемплировал 50 предложений и сделал так, чтобы пайплайн генерации избегал тех же тем, что и в сэмплах. Второй прогон уже допустил 26% примеров.

Что нового

Если кто-то подумал, что я полгода прокрастинировал, то вы ошибаетесь! Я просто ждал, когда AI прогрессирует достаточно, чтобы можно было не писать код самому. На самом деле я прокрастинировал

AI действительно стал заметно лучше, и на код уже можно практически не смотреть. В программирование теперь главное – это архитектура и UX.
Я пару дней пообщался с Cursor-ом. Кстати, их новая модель Composer 2.5 = 🔥. Не такая классная, как Gemini, конечно.

Что за эти два дня изменилось в talky.by:
* Вопросы в режиме Quiz стали лучше – об этом в следующем посте
* Добавился режим "Complete the sentence"
* Теперь можно зарепортить вопрос, если с ним что-то не так
* Починился мобильный режим
* За деплоймент и сборку (как и за разработку) теперь отвечает агент

Дальше планирую добавлять больше режимов взаимодействия с AI для практики языка. У кого какие идеи?

Возвращаюсь к нажиманию кнопок

Недавно начал делать сервис для студентов из Беларуси, изучающих английский язык. Хочу сделать сайт, на котором можно будет практиковать грамматику, общаясь с языковой моделью и получая от неё обратную связь.

В Беларуси недоступны языковые модели вроде Gemini и ChatGPT. Чтобы избежать проблем с условиями пользовательского соглашения, я решил использовать Qwen – популярную китайскую модель. А ещё 90% кода в этом проекте за меня пишет Cursor.

Начал с двух режимов взаимодействия: чат и квиз. Пока что готов минимальный функционал, который будет улучшаться по ходу дела.
Посмотреть можно здесь: https://talky.by

Неожиданно, чтобы починить индикатор уровня топлива, пришлось купить дров