Вайб-кодинг

Новый пасхальный прикол в Claude, лол.

Если случайно набрать --dangerously-skip-persimmons вместо --dangerously-skip-permissions, происходит вот это 🍊

Появился постоянный контекст-слой поверх кодинг-агента: OneContext

Этот OneContext дает агенту самому управлять своим контекстом. Под капотом это файловая система + Git + граф. Такая схема позволяет даже “модели второго эшелона” напрямую обгонять GPT/Claude. Подробности в опубликованных работах:

- Agentic Reasoning: читать
- Git Context Controller: читать

Этот контекст можно бесшовно подгружать в разные сессии, на разные устройства, между разными Codex / Claude Code. Фокус именно на контексте, а не на рабочей директории или конкретной модели.

Как пользоваться:

1. В OneContext как обычно запускаешь Claude Code или Codex, он автоматически собирает историю и контекст в постоянно живущий context layer.
2. В рамках того же контекста поднимаешь нового агента, и он сразу читает всю прошлую историю.
3. Шаришь этот контекст ссылкой другому человеку, и он может продолжить работу в абсолютно таком же контексте.

Установка:

npm i -g onecontext-ai

VulnLLM-R-7B: это первая reasoning-LLM, которую делали специально под поиск багов как у пентестера.

Специализированная reasoning-модель, натренированная отслеживать data/control flow и объяснять уязвимости простым языком.

VulnLLM-R-7B находит уязвимости, прогоняя рассуждение по data и control flow, а не просто по сигнатурам и паттернам.

Обгоняет CodeQL на бенчмарках, коммерческие LLM и классические сканеры.

Пошаговый анализ:

▪️глубокое рассуждение на уязвимостях
▪️объясняет, ПОЧЕМУ код рискованный

Обходит большие коммерческие модели и статические инструменты.

SOTA-результаты на PrimeVul, Juliet.

Знакомься: PDF-Extract-Kit 1.0. Возможно, твой новый лучший друг 😂

Это ONNX-модель, заточенная превращать кривые PDF в чистые, пригодные к использованию данные.

Что с этим можно делать? Автоматизировать обработку инвойсов, вытаскивать данные исследований из статей, загонять контракты в базы, или собирать поисковики по документам. Это специализированная модель для экстракшена, которая умеет работать с кривыми лэйаутами и форматированием

Формат ONNX позволяет деплоить где угодно, а safetensors дает безопасную загрузку модели

Anthropic выкатили 33-страничный гайд про то, как делать skills в Claude. Почитать целиком можно тут

Claude выпустил PowerPoint Add-in, который собирает фулл презентации из сырых данных.

Загружаешь Excel/CSV → ждешь 2 минуты → готово.

Вот как этим пользоваться, пошагово: ↓

Шаг 1: Открой PowerPoint.
Шаг 2: Add-ins → в поиске набери "Claude by Anthropic".
Шаг 3: Установи → открой сайдбар.
Шаг 4: Выбери Opus 4.6.
Шаг 5: Загрузи данные.
Шаг 6: Промпт: "Превратите это в презентацию".
Шаг 7: Подожди 2 минуты.
Шаг 8: Готово.

Доступен в режиме research preview для тарифов Max, Team и Enterprise.

Трюк для продуктивности x10: юзай Claude hooks со звуками, чтобы Claude пиликал, когда закончил таску или когда ему нужно разрешение.

Но фишка даже не в этом. Фишка в том, чтобы поставить свои любимые звуки из игр детства: Starcraft, Warcraft или хоть Mario:

✅Warcraft Peon
✅Warcraft Peasant
✅Mario
✅Spongebob

Например:

// .claude/settings.json
{
  "hooks": {
    "SessionStart": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "afplay /Users/d/.claude/hooks/PeonReady1.wav"
          }
        ]
      }
    ],
    "UserPromptSubmit": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "afplay /Users/d/.claude/hooks/PeonYes3.wav"
          }
        ]
      }
    ],
    "Notification": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "afplay /Users/d/.claude/hooks/PeonWhat3.wav"
          }
        ]
      }
    ],
    "Stop": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "afplay /Users/d/.claude/hooks/PeonBuildingComplete1.wav"
          }
        ]
      }
    ]
  }
}

Вот бы еще у Claude был хук на момент, когда ты уже почти упираешься в лимиты использования

Документалка: нетехнический фаундер открывает для себя Claude Code

Ваш AI всё уже знает: SkillKit

Вы тратите много время, если повторно обучаете AI тому, что он уже знает. Перестраиваете skills для каждого нового тула. Работаете в изоляции от знаний команды по AI.

SkillKit решает всё это:

Memory → AI помнит всё между сессиями
Primer → skills работают сразу с 30+ агентами
Mesh → Team автоматически делится знаниями

Одна CLI. Универсальная платформа.

100% Open Source

Мастер-класс по OpenClaw/Clawdbot

В этом видео показан полный план, чтобы запустить своего собственного Clawdbot. И не одного, а сразу несколько AI-сотрудников, работающих для вас круглосуточно.

Таймкоды:

00:00 – Вступление
1:12 – Смотрите моих 3 AI-сотрудника в действии
5:49 – Как всё работает «под капотом»
9:47 – Установка и настройка
11:22 – Подключение Clawdbot к Telegram
15:35 – Разбираемся в структуре проекта
20:03 – Добавление кастомного навыка (из репозитория с 42k навыков)
23:18 – Автоматизация ботов через Cron
25:07 – От одного к 10 Clawdbot’ам
28:53 – Cron vs Heartbeats: в чём разница?
30:36 – Что будет дальше?
31:34 – Завершение

Вау: всего одной командой Qwen3-Coder-Next сгенерировал полностью рабочую версию Flappy Birds на HTML.

Видео демонстрации: (0:05) Claude Code с Qwen3-Coder-Next, (0:26) игра уже работает.

Запустить полностью локально можно так:

ollama pull qwen3-coder-next

Если локально не получится, то используйте облако Ollama:

ollama pull qwen3-coder-next:cloud

Запуск через Claude Code:

ollama launch

Попробовать игру можно прямо здесь: https://files.ollama.com/flappy-bird.html

Все за один запрос, без правок.

Теперь в Claude Code: если откатить диалог через /rewind или двойным нажатием ESC, Claude может кратко пересказать ту часть разговора, которую вы откатили.

Это удобно, чтобы пробовать разные ветки рассуждений и забирать полученные выводы обратно, как бы возвращаясь во времени.

Настраиваемые уровни усилий

Уровни усилий управляют адаптивным рассуждением Opus 4.6, которое динамически распределяет ресурсы мышления в зависимости от сложности задачи.

Низкий уровень усилий работает быстрее и обходится дешевле, а высокий дает более глубокое рассуждение для сложных задач.

Доки

Печально, но это правда: все недооценивают MiniMax Agent.

Он как Clawdbot + Claude Cowork + Agent Skills в одном, но более отточенный.

Я проверял: дал ИИ научную статью и попросил сделать презентацию.

Ожидал что-то простое.

На выходе получилась хорошая структура, релевантные визуалы, чистый экспорт.

Смотри демо. Но это не всё.

Вот что ещё с ним можно делать:

▪️Глубокие исследования через поиск, браузер и MCP
▪️Создавать full-stack приложения с аутентификацией, базой данных и Stripe
▪️Подключаться к GitHub, Figma, Slack прямо из коробки
▪️Настраивать MCP под конкретные воркфлоу
▪️Мультимодальность: поддержка видео, аудио и изображений

Просто опиши, что нужно, и агент это выполнит.

Особенно понравилась фишка с откатом и повторным запуском с любого шага через восстановление чекпоинта, если где-то ошибся.

Стартуем здесь 💚

То, что надо: Codag позволяет визуализировать рабочие процессы AI/LLM прямо в репозитории и посмотреть, как именно работает ваш AI-код.

Без всякой настройки Codag строит карту всего AI-пайплайна: все вызовы LLM, ветвления решений и этапы обработки данных.

100% опенсорс код

Anthropic дарит $50 бонусных кредитов к подписке Claude

Доступно, если у вас была подписка Pro или Max до 4 февраля и вы превысите лимит до 16 февраля. Новым аккаунтам и Teams / Enterprise – недоступно

Важно: для активации нужно включить автосписание при оверлимите. Пока тратите бонусные $50 – всё ок, но когда они закончатся, деньги начнут списываться с карты. Не забудьте выключить тумблер, иначе можно незаметно влететь

https://support.claude.com/en/articles/13613973-claude-opus-4-6-extra-usage-promo

Ничоси: теперь можно запускать скиллы агентов с любым LLM, а не только с Claude.

Acontext — это опенсорс платформа, которая позволяет выполнять навыки агентов (pptx, xlsx, docx, pdf) с любым LLM через стандартизированные интерфейсы вызова тулов.

Ранее Claude Skills API был имбой, но ограничивал вас моделями Claude и выполнял навыки в «чёрном ящике». Acontext снимает оба ограничения. 😁

Скиллы работают с любым LLM (OpenAI, Claude, Gemini, DeepSeek) через OpenRouter. Загружаете навыки один раз, и используете их на разных провайдерах без переписывания кода.

Главное отличие: прозрачность выполнения.

» В Claude API скиллы выполняются внутри управляемого рантайма. Вы получаете результат, но не видите, что происходит внутри.
» В Acontext выполнение полностью явное и под вашим контролем. Скиллы запускаются в вашем песочном окружении с полной видимостью: stdout, stderr, артефакты, логи и возможность повторного воспроизведения.

Это потребуется. Ведь когда агенты запускают длинные процессы, неожиданно падают или требуют отладки, нужно видеть, что именно произошло. Когда нужна защита, одобрения или чек безопасности перед запуском — нужен контроль. Acontext даёт и то, и другое.

Что получаем:

▪️Скиллы агентов (pptx, xlsx, docx, pdf), работающие с любым LLM
▪️Исполнение под контролем разработчика с фулл прозрачностью
▪️Наблюдаемые логи и артефакты
▪️Хранение контекста для OpenAI, Anthropic и Gemini
▪️Единый API для загрузки, управления и запуска скиллов

Скиллы загружаются на пользователя, монтируются в песочницы и запускаются через один явный API.

И всё это 100% open source.

Claude Code теперь поддерживает Agent Teams (в режиме research preview)

Вместо того чтобы один агент последовательно выполнял задачу, ведущий агент может делегировать работу нескольким коллегам по команде, которые параллельно занимаются исследованием, отладкой и разработкой, координируясь между собой

Чтобы включить, добавьте в settings.json:

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

Достаточно описать нужный состав команды на обычном естественном языке, а затем Shift + ↑ позволяет в любой момент проверить прогресс каждого агента

В связке с worktrees это сильно бустит эффективность всего воркфлоу

https://code.claude.com/docs/en/agent-teams

Структурированные выводы

Что убрали структурированные выводы:

→ Ошибки JSON.parse()
→ Логику повторных попыток
→ «почти корректные» ответы
→ извлечение через regex
→ предварительное заполнение {
→ ваш слой валидации

Суть: задаёшь схему → получаешь строго этот формат каждый раз.

Как использовать:
→ Определи схему в Pydantic, Zod или обычном JSON Schema.
→ Передай схему через output_config.format.
→ Claude ограничивает генерацию токенов так, чтобы результат точно соответствовал схеме.

Опционально: можно удалить все костыли, которые раньше использовались для обхода проблем.

Доки

"Раньше мы писали весь код вручную"