Max Syabro and a Slop Driven Development

"Я и мои боты на 15 Августа." Цветной скриншот, Линукс

Мне кажется несправедливым по отношению к цивилизованному миру то, что я еще не сделал своего персонального агента на базе Pi, назвав его по части фамилии и, как принято в pi-сообществе, начав с пи.

Представляю лучший нейминг для агента эвер: pi-sya

Хороший текст на тему откуда у слоп-дизайна второй волны какашечное кофейное однообразие

https://www.setters.media/post/vse-na-odno-litso-estetika-claude-v-webe

PS тут по таймкоду про интерьеры интересное https://youtu.be/ejVx2noHtHo

А что если модели же будут ебать голову и перекладывать запятые, потому что у них есть задача искать проблемы?

Да, были такие опасения в начале.

Но по факту Rejudge выдает разные варианты - включая "проблем не найдено". Но важное уточнение - нужно просить искать P0-P3 и явно разрешать "не находить". Если без такой формализации то любой подход может затыкаться.

Пруфы на графие - я попросил по логам собрать аналитику с момента когда добавил логи.

PS Sol дебил. Когда я его попросил собрать график per day - он сделал 19 графиков. По одному на день

Max Syabro and a Slop Driven Development pinned a GIF

Rejudge — независимая проверка для ИИ-агентов.

https://rejudge.syabro.com/ru/
https://github.com/syabro/rejudge

Выкатываю еще один свой инструмент в паблик

Код, который написал агент, можно проверить четырьмя способами, где каждый следующий способ ловит больше предыдущего:

I. Та же сессия, та же модель.
Агент перечитывает свой код. Он уже решил, что код правильный, и повторное чтение это решение не меняет.

II. Новая сессия, та же модель.
Контекст чистый, модель прежняя. У неё то же обучение и те же привычки, поэтому она пропускает ошибки, которые написала бы сама.

III. Другая модель.
Другая модель действительно находит настоящие ошибки. Но теперь у вас два мнения, и когда они расходятся, решать, кто прав, приходится вам.

Я сделал дальше:

IV. Rejudge: три модели и судья.
Все три модели получают один и тот же вопрос одновременно. Каждая работает в изолированном контексте и сама вызывает инструменты, поэтому ни одна не видит, что делают другие. Судья читает все три отчёта, задаёт уточняющие вопросы там, где они расходятся, и пишет один ответ.

Плюс агент может отправить дозапрос по session-id в Rejudge если есть что-то что не понравилось.

Внутри pi-sdk с поддержкой все провайдеров которые поддерживает Pi.

У меня rejudge работает на OpenCode Go (линк реферальный, $5 вам, $5 мне) за $10. Но честно перестало хватать, ибо стал юзать на любой чих, докупил еще один акк. Если есть альтернатива интереснее подскажите в комментах.

{
  "reviewers": [
    "opencode-go/deepseek-v4-pro@xhigh",
    "opencode-go/minimax-m3@xhigh",
    "opencode-go/mimo-v2.5-pro@xhigh"
  ],
  "judge": "opencode-go/glm-5.2@medium"
}

А, и воткните DeepSeek V4 Flash - у меня по работе нельзя использовать модели которые хостятся в китае :(

В комплекте
• rejudge CLI тулза для всех агентов
• /rejudge и /rejudge-diff скиллы для работы с Rejudge в целом и проверки диффов, например перед коммитом или на PR
• Pi-extension с rejudge tool для красивого UI и более кошерной коммуникации агенту.

В комментах отвечу на вопросы.

В планах
• Прогнать на DeepSWE, посмотреть что получится
• Дополировать и выкатить /rejudge-dx-review skill
• Интегрировать мой websearch

Установка тут:
https://rejudge.syabro.com/ru/#install

Как обычно с вас звездочка репе, лайк, шер, репост, подписка, поглатить ближайшего котика, вот это все.

Ваш, @syabro_notes

#opensource #mit

Амадей, ты совсем охренел там?

Модель косячит, делает не то что конкретно укзаано, а когда начинаешь матом разговаривать закрывает диалог.

Причем это только в Claude Desktop. К Claude Code претензий нет.

В очередной раз убеждаюсь что харнесс который ты не контролируешь - хороший способ выстрелить в ногу.

GOLD

Ответ на вопрос - как продовать себя в качестве фрилансера

На самом деле, на вопрос - как продавать

caffeinate — встроенная в macOS утилита, которая не дает маку уйти в сон, пока ваши агенты зарабатывают вам отрицательный баланс токенов.

CLI лечится через caffeinate -is claude — блок сна на время пока живет клод.

С GUI чуток через одно место. caffeinate -is open -a Claude не работает ибо open отдаёт управление мгновенно, кафеинейт сразу дохнет.
Цепляться нужно к PID: caffeinate -isw $(pgrep -x Claude) держит машину ровно до завершения процесса.

Поэтому тупо можно открыть терминал и запустить голый caffeinate -is на время работы, Ctrl-C по завершении. Или с таймаутом: caffeinate -ist 7200 на два часа, чтобы не забыть.

PS Посмотреть, кто именно не даёт машине уснуть: pmset -g assertions.

PSS Если вам с закрытой крышечкой то ставьте Amphetamine

PSSS В комментах добавили "У Raycast есть удобный плагин, чтобы терминал не дергать"

Способ ответа на вопросы в Codex App

Рекомендую :)

кстати, можно ещё и голосом надиктовывать заметки

подсмотрел у @etechlead

Лайк, репост,
✔️ Тимур Хахалев про AI Coding, подписывайтесь!

https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/benchmarking-opus-5-on-slop-code-bench.md#the-slop-meter

самое интересное начинается со второй половины

Fellow Opus 2
https://fellowproducts.com/products/opus-2-conical-burr-grinder

Странно что я не этот
гриндер себе взял 🙂 штош

Удивлен, что Валера со своим зоопарком агентов и выпускающий 1 продукт в неделю пишет про контроль.

У меня абсолютно такое же. Я вижу что агент пишет, и пока не получается «обмазать гейтами» - либо что-то новое всплывает, либо обходит. Больше правил - больше агент натыкается на взаимоисключающие пересечения и делает не так как надо.

Кстати психологически это тоже давит что «вокруг все на автомате херачат, а ты как бумер все ещё контролируешь». Даже начал сомневаться правильно ли я все делаю. Такая дихотомия скорость-качество, которая не делает тебя спокойнее

https://t.me/neuraldeep/2245

https://neat-annotations.syabro.com/
https://github.com/syabro/neat-annotations

Зарелизил свою CSS-only микролибу для аннотирования всего подряд в HTML стрелочками.

С вас как обычной стар, шер, репост 🙂

#opensorce

Чувак из твиттера попросил Kimi K3 сделать Mac OS 27

build a macos 27 system in my browser here that has all of the default apps and mimics liquid glass nearly perfectly and all of teh elementsare actually usable

Я установил и поиграл в шахматы. Потыкал почту. Поменял волпепер. Охереть.

https://macos27.kimi.page

https://github.com/uzairansaruzi/hermex

Для Hermes выпустили нативный мобильный клиент.

что удивительно написан даже не на электроне, а на свифте.

Если можно повесить на боковую кнопку айфона, начать диктовать сразу ему что-то в чат и потом отправить, это прям будет бомбическая штука, чтобы я слез со своего агента на Pi на Hermes.

Полирую скил /as-html

Добавил шаблон анализа review агентов в PR

TUI конечно хорошо но большие портянки текста ревьюить там нереально

Не может быть, олимпиадники наконец-то додумались добавить в чаты приватные (эфемерные) сообщения — аналог /w в IRC.

Теперь можно не забивать ёбаные чаты ёбаными капчами, которые бесят ничуть не меньше ёбаного спама!