КайфКодинг

За выходные решил 20 тикетов по развитию панели управления.

Уровень продукта превышает, все, что я видел за 15 лет в SaaS

Как же невероятно меняется разработка.

Великолепное видео о том, как работать со structured output.

Я бы рекомендовал посмотреть всем, кто работает с LLM API

https://youtu.be/0XhFB9OItqw?t=426

На чем написан ChatGPT под капотом? Пара инсайтов от инженеров OpenAI

Контакты и связи нашего коммьюнити обширны 🤝. Одного хорошего человека позвали на OpenAI devday, где он смог поговорить со множеством инженеров.

Интересно, что народ из OpenAI используют очень простые вещи для построения своих систем. Даже, если это ChatGPT и 800M пользователей: Python, FastAPI, Kafka, Temporal

Temporal - это весьма интересная штука, которая позволяет реализовать засыпающие процессы, которые устойчивы к падениям и проблемам. В том числе и разнообразные бизнес-процессы.

Кода очень много, он монолитный. Приходится работать на Маках в 128GB, да и то тяжко.

Еще забавно, что в OpenAI не выключают GPU кластеры на ночь, просто крутят их на 100% загрузке круглые сутки. Т.к. иначе будет очень сложно разворачивать их обратно - много проблем и обвалов. Кстати, плавящиеся GPU - это не просто мем. У них реально были проблемы с коннекторами и компоненты, которые плавились.

Кстати, WebUI часть ChatGPT написана на Remix v2 (React Router v7). Переехали туда с NextJS год назад.

В общем, все очень брутально и минималистично. Иначе OpenAI не смогла бы так быстро стать крупнейшей в мире частной компанией (по данным на 3 октября).

Ваш, @llm_under_hood 🤗

Все наши юзкейсы использования Курсора как супер ai агента в команде из 30 человек, включая инженеров, менеджеров и сейлзов

Наконец-то получилось сделать концентрированный рассказ и записать на видео.

Запись: https://youtu.be/CLHb3aYr9Is?si=1Xl0r8-0NC5sF3VG&t=2820 (с 47 минуты)

Ключевые идеи

— Вся команда живет в Cursor как в единой AI-нативной операционной системе: вместо зоопарка SaaS — агенты + файлы/репозитории + правила контекста .
— Знания и процессы — в Markdown-структуре репозиториев на GitHub; Confluence/Notion постепенно выносятся, остаются синки по необходимости .
— Динамическая подгрузка контекста через вложенные .cursorrules: единые правила, краткие тезисы, ссылки на детали; агент сам решает, какой контекст подтягивать .

Примеры юзкейсов

— Автообновление карточек проектов из транскриптов звонков: агент находит последний звонок (Fireflies/MacWhisper), вытаскивает факты и обновляет статусы/задачи .
— Быстрые presales-ответы: собрать контекст из переписки и транскриптов, сравнить с конкурентом, выдать конспект + 5 буллетов; человек финализирует .
— Диагностика инцидентов по документации/исходникам: «сходи, проверь retry policy…» .

Сетап общего workspace на всю команду

— Структура рабочих пространств: папки по функциям (strategy, product, sales/marketing, docs, scripts), у папок оунеры; у дев-репозиториев — read-only для части ролей; права — на уровне репо .
— Единые Rules + README, слитые и поддерживаемые как один источник: тезисы, ссылки, инструкции против галлюцинаций и самопридумывания файлов.
— Нейминг и структура ведутся оунерами папок, без микроменеджмента; жизнь файловой системы — как у «Google Drive/Notion, но в гите».
— Интеграции MCP/API: ClickUp (двусторонние задачи), Google Drive/Notion (миграции/one-way синки), Fireflies (звонки), локальные транскрипции MacWhisper

— Новый сценарии в продукт, например, Автотесты, обновление документации, контроль качества данных — вайбкодим в курсоре, потом переносим в свой ai продукт.
— Внедрение в команду через личный пример, aha-моменты и организационные решения

Что пока не работает

— Мобилка и оффлайн-паттерны — слабое место; привычки захвата контекста через носимые устройства не прижились .
— Интеграции в облаке без дублей: один звонок — несколько транскриптов у разных участников; требуется системный владелец для эволюции пайплайнов .
— Масштаб MD-файлов: со временем типовые сущности уедут в БД с API .

Ещё раз запись: https://youtu.be/CLHb3aYr9Is?si=1Xl0r8-0NC5sF3VG&t=2820 (с 47 минуты)

Встречу и запись организовал Саша Поваляев, фаундер комьюнити AI Mindset.
Канал: @ai_mind_set
Сайт: https://aimindset.org/

Там интересное, и именно через призму майндсета, а не просто инструменты. Рекомендую подписаться.

Макс, ты сегодня спрашивал про рабочий сет ап - держи

Влез сегодня чутка дописать функционала в бота, которого зарелизил в апреле, и все это время его не трогал.

И ощутил, насколько прокачались инструменты за это время.

Я помню мучался — писал его несколько дней.

Здесь же я добавил половину от того функционала что есть за один промпт в Шотгане. Еще одним полирнул и все — готово. Больше времени потом на выкладку потратил.

Кодекс бы, уверен, тоже справился. А пол-года назад у меня бы сотка запросов ушла как с куста.

В общем, прогресс поразителен, главное правильно взять точку для сравнения.

Крутое видео. Ваня один из самых продвинутых пользователей ИИ в маркетинге

https://www.youtube.com/watch?v=eJeCPnhhWz0

Эльвира Набиуллина поддержала идею защищать ИИ от «ДУБИНКИ РЕГУЛИРОВАНИЯ» — глава ЦБ согласилась с предложением Стаса Близнюка из Т-Банка о поддержке внедрения в России искусственного интеллекта.

Близнюк считает, что регулировать нужно не ИИ, а тех, кто им ещё не пользуется — чтобы отрасли успели освоить технологии и раскрыть их потенциал. Набиуллина в ответ договорилась вместе с рынком выработать инструменты развития нейросетей.

ЦБ на страже ИИ.

@exploitex

Как сказал Стас Близнюк, регулировать нужно не ИИ, а тех, кто им не пользуются)))

Кто такой Ларго?

Запоем прочитал книгу The War of Art про то, как человеку, который создаёт что-то новое — художнику, писателю, предпринимателю — бороться с прокрастинацией, неуверенностью и гордыней. Хочу процитировать сон, который приснился автору в молодости, когда он только начинал свой путь писателя, активно занимался саморазрушением и не знал что делать со своей жизнью. Сон:

«Я служил в экипаже авианосца. Только вот корабль стоял на суше. Он по-прежнему запускал свои истребители и делал своё дело, но был выброшен на берег в полумиле от океана. Матросы прекрасно понимали, насколько всё это нелепо; они постоянно чувствовали острую тревогу. Единственным светлым пятном был сержант Корпуса морской пехоты по прозвищу «Ларго».

Ларго. Во сне это казалось самым крутым именем из возможных. Ларго был матёрым старшим сержантом — единственным человеком на корабле, кто точно знает, что происходит. Ларго был суровым старым сержантом, который принимает решения и на самом деле всем управляет.

Но где же был Ларго? Я мрачно стоял у поручня, когда ко мне подошёл капитан и заговорил. Даже он был потерян. Это был его корабль, но он не знал, как вернуть его в воду. Я нервничал — всё-таки разговор с начальством — и не мог придумать, что сказать. Похоже, капитан этого не заметил; он просто небрежно повернулся ко мне и сказал: «Что, чёрт возьми, мы будем делать, Ларго?»

Ларго — это ты

Классный подкаст в Подлодке https://www.youtube.com/watch?v=BOWq8JI-XNg

Некогда объяснять

https://us06web.zoom.us/j/81341702631

Стрим для s16 про курсор. Мика Ян (ManyChat) рассказывает про свои личные юзкейсы, а я про командные

На английском

Podlodka Techlead Crew про архитектурные антипаттерны (Рубрика #Architecture)

Когда рассказывают про архитектуру, то теоретики часто фокусируются на том, а как строить качественную архитектуру. Но на практике инженеры часто сталкиваются с неидеально спроектированными системами, которые доставляют много проблем. Поэтому часто бывает полезно знать симптомы того, что ваша архитектура требует доработок. Ну а вообще лучше изначально разобраться с типовыми ошибками проектирования, которые бывают и у опытных инженеров. Именно этой теме посвящен новый сезон онлайн-конференции Podlodka Techlead Crew.

В программе конференции будут следующие выступления
- От спагетти кода к доменной модели: критерии выбора между Transaction Script, Active Record, DDD и Clean Architecture, практический взгляд Кирилла Ветчинкина (Авито).
- AI для архитектора: валидация требований, поиск зависимостей, возможность ускорения архитектурного ревью с AI в интервью с Тимуром Баюровым (Т-Банк). Кстати, Тимур многое делает для проникновения AI в архитектурные процессы Т-Банка.
- Архитектура хранилища данных для вашего проекта: советы от Евгения Ненахова (МТС Web Services).
- Еда, EDA и C4 — выбери 3 из 3: практический воркшоп по Event-Driven Architecture и отказоустойчивости с разметкой в C4 проведёт Владимир Невзоров (автор канала System Design World).

Конференция пройдет на неделе с 13-17 октября и может принести вам много пользы, если вы связаны с проектированием и разработкой софта. Подробности здесь.

P.S.
Спасибо ребятам за то, что пошарили информацию о нашем исследовании AI в инженерной культуре России.

#Architecture #DistributedSystems #Software #Engineering #Processes #AI

Запись митапа по Claude Code

Ура, митап состоялся, и в этот раз у нас есть-таки запись: https://youtu.be/gte_yH6Eue4

Спасибо Максиму @etechlead за шикарное выступление!

Затронутые темы:
[00:01:08 — Что такое кодовый агент?](https://youtu.be/gte_yH6Eue4?t=68)
[00:05:02 — Почему популярны консольные (CLI) агенты?](https://youtu.be/gte_yH6Eue4?t=302)
[00:12:01 — Анатомия кодового агента](https://youtu.be/gte_yH6Eue4?t=721)
[00:18:46 — Context Engines](https://youtu.be/gte_yH6Eue4?t=1126)
[00:20:59 — CodeAlive: context-as-a-service](https://youtu.be/gte_yH6Eue4?t=1259)
[00:35:44 — Цикл работы агента (Agent Loop)](https://youtu.be/gte_yH6Eue4?t=2144)
[00:38:53 — Погружение в работу контекста](https://youtu.be/gte_yH6Eue4?t=2333)
[00:48:16 — Техники управления контекстом](https://youtu.be/gte_yH6Eue4?t=2896)
[01:06:54 — Субагенты: ключевая особенность Claude Code](https://youtu.be/gte_yH6Eue4?t=4014)
[01:29:17 — Кастомные субагенты](https://youtu.be/gte_yH6Eue4?t=5357)
[01:37:45 — Сравнение Claude Code и Codex](https://youtu.be/gte_yH6Eue4?t=5865)
[01:56:07 — Codex Cloud и фоновые агенты](https://youtu.be/gte_yH6Eue4?t=6967)
[02:01:31 — Будущее AI-разработки и решение проблемы сложности](https://youtu.be/gte_yH6Eue4?t=7291)

Ссылки, которые были упомянуты на звонке:
● Канал Максима, Этихлид
● Канал Родиона, AI-Driven Development
● CodeAlive - тот самый context-(engine)-as-a-service, о котором говорили в рамках темы предоставления контекста агентам
● Context Arena - бенчмарки качества удержания контекста моделями, там и OpenAI MRCR с иголками, и ссылка на Fiction.LiveBench

Небольшой тизер: предварительно в октябре планируется онлайн-конференция, где я буду читать доклад о проблемах AI-кодинга в Enterprise разработке и их решении. Полезного контента на конфе будет море, так что следите за новостями.

Ну и напомню, что 11 октября я выступаю с докладом про Context Engineering в эпоху AI на Kolesa Conf'25.

#claudecode #cc #live #stream #meeup #agents #codealive

GLM MAX продает безлимит подписку за 30 долларов в месяц

Кажется у меня появляется новый любимый тул для Deep Research

Один и тот же запрос в ChatGPT и Parallel.io

https://chatgpt.com/share/68dd6dae-9e38-800e-9859-8cc95ac44768
Подробно и структурно, но вообще ничего нового

https://platform.parallel.ai/shared/deep-research/360090e5-379d-4282-acb3-eac5db2a668b
Кстати, неплохо. Гораздо лучше чем ChatGPT. Буду ещё его тестить

У меня прямо противоположная позиция относительно AI и массажистов. В том сценарии развития событий, где AI начнет забирать работу людей, одновременно AI настолько сильно бустит производительность труда, что это становится заметно на графике ВВП. А это значит что создаётся очень много ценности во всём стеке применения AI — чипы, дата-центры, базовые модели, software infrastructure, b2b и b2c приложения, интеграция в бизнесы. Где рост продуктивности там очень много денег. И значит, что нужно идти не туда куда ai не дотянется, а туда куда ai дотянется.

Ровно по этой логике я интегрирую ai в бизнес, создаю ai продукт, рейзю больше денег и повышаю ставки, чтобы ускоряться с ai, а не тормозить (кстати, скоро будут анонсы).

Лилия,
У меня тот же вопрос про мою дочь, поэтому поделюсь мыслями,которые вы возможно найдете полезными.

Informational Technologies (IT индустрия) была центральной в информационную эру. Все крутилось вокруг работы по сбору и перетасовке информации (агрегаторы, поисковики, софт для работы с перетасовкой информации в компании). Кажется, что сейчас мы уже в пост-информационной эре.

Это подтверждает:
- Кратное падение спроса на IT специалистов, от писателей кода до аналитиков.
- Появление ИИ ассистентов, которые на ходу пересобирают любую информацию в соответсвии с твоими желаниями
- Переход центральной войны гигантов от борьбы за владение информацией к борье за мощности для обучения.

В связи с этим, лучше начать с вопроса, что заменит IT в эру AI?

Если посмотреть на то, кого начинают искать компании вместо IT специалистов, то увидим паттерн, который можно обобшить как “продюссеров ИИ решений”. Т е прикладной специалист отдает работу ИИ, в то время как важными становятся те, кому можно дать не задачу (уровень специалиста-исполнителя), а проблему (уровень выше) и он уже разобьет на задачи, которые решит выстроенная им ИИ инфраструктура.

На все это наклыдвается то, что все будет с дикой скоростью меняться. Поэтому главные качества:
- внутренняя мотивация (никто не будет за ручку водить, нужны самостоятельные единицы)
- эмоциональная взрослость (брать ответственность и видеть проблемы для решения, но не препятсвия)
- структурное мышление (способность проанализировать любую проблему, синтезировать решение и собрать процесс на автомациях)
- и учиться с бешенной скоростью, потому что правила игры будут меняться каждые пару лет, а внутри индйстрий каждые 6 мес.

Это трек конкуренции с ИИ. Кровавый и беспощадный.

Но можно прямо сейчас пойти в массажисты, научиться продавать себя и быть офигенно богатым спецом в мире больных, уставших, стрессованных людей потерявших работу.

Analysis paralysis у нейросетей

Экспериментальное открытие, возможно будет вам полезным.

Обнаружил интересное поведение у ван-шот кодинга в зависимости от подтаскивания ему тасок различной сложности.

Поясню на такой прогрессии. В начале даю некую абстрактную сложность задачи, а затем объем кода, который генерирует агент.

1) Так вот. Если даем таску на 1x, то он делает 1x.
2) Даем среднюю таску (условно 10x) — делает 10x
3) Даем сложную таску (условно 100x) — ожидаем 100x, да?

Ну, по крайней мере x10 — если не сможем сделать максимум, то хотя бы выжмем то, что уже достигнуто.

А вот и нет!

На практике качество ответов в какой-то момент начинает резко деградировать. И получается не просто не 100x, но и даже не 10x и даже не 1x.

Я добивался деградации GPT-5 до того, что в ответ он мне предлагал сделать один импорт, и более ничего, из более чем двадцатистраничного ТЗ и суммарного контекста на 100к токенов. То есть формально верный ответ, но катастрофически неполный. При этом интуитивно я ожидал работы на "максимум", пускай и не до конца.

В каком-то смысле, модель входит в "аналитический паралич" — входящих условий настолько много, что ее вычислительной способности хватает только на крайне ограниченный результат, который она и выдает.

Лечится очень просто — декомпозицией. Причем прокатывает даже простое добавление типа "делаем только задачу номер один" поверх вот этого огромного промпта, ничего из него не выкидывая.

Это разблокирует модель, и она начинает выдавать приемлемый результат.

Так что когда вы видите декомпозицию на задачи в ваших любимых кодинговых агентах — знайте, это сделано не случайно, и это реально приводит к росту производительности. Ну и учитывайте это сами, не заставляя их пытаться все сделать в один заход.

PS Эффект получен на чистых промптах через API, в готовых инструментах вы вряд ли до этого дойдете, т.к. там есть встроенные механизмы для декомпозиции задач.