КайфКодинг

Привет!

Мы вместе с Олегом Краусом @suarko придумали курс "Предпринимательское мышление" для детей 10-15 лет.
Вести его будет наша преподавательница Диана (она психолог, тьютор и препод по софтскиллам) и сам Олег.

Курс состоит из 6 занятий по субботам в 12.30 Мск, на нем ребята научатся:
⭐️ разбираться, как устроены бизнесы и продукты, которые нас окружают
⭐️ придумывать и проверять простые бизнес-идеи
⭐️ применять предпринимательские навыки в обычной жизни

Стартуем в эту субботу! Кто хочет и может в это время — можно записаться вот тут: https://nezabudka.school/summer?oleg

https://www.youtube.com/watch?v=lWFVuOz3mLk

Разобрал присланные тестовые.

О том, какой я плохой, пишите в каменты под видео 😁

Сделал себе AI-бухгалтера

Больше всего на свете я не люблю заниматься первичкой.

Выставлять все эти акты, УПД и пр.

ЭЦП их подписывает еще очень медленно, сразу пачкой у меня их какого-то фига создать и подписать нельзя.

При этом у меня их не так много, чтобы прям хотелось нанять парт-тайм бухгалтера.

Но при этом достаточно, чтобы залипнуть в них на целый день пару раз в месяц.

По итогу сделал себе Skill в Claude Code, который по моей просьбе сам по банку смотрит кому нужно сделать УПД, генерит их в Диадок, подписывает, отправляет.

+ может выставить счет по запросу “нужен счет такому-то ИНН услуга/сумма”.

Пришлось потратить какое-то время на общение с поддержкой банка, Диадока и самим Claude Code, но думаю оно кратно окупится на дистанции :)

И прикольно, что один раз созданный skill переиспользуется Клодом в других задачах, например, он сам предложил использовать его в боте для приема оплат “Claude Code for Sales”.

Дальше подключу Телегу и вежливые пинги по неоплаченным счетам.

Всегда хотел себе AI SDR, но получился AI-бухгалтер😎

У меня есть проблема: я несистемно разбираю свою почту.

Точнее, разбираю качественно, но нерегулярно, и из-за этого всё время копится куча непрочитанных писем. Коллеги, партнёры, разные службы - все, кто со мной коммуницируют, вынуждены иногда дублировать: звонить, писать в телегу, догонять другими каналами. История так себе.

Глубокий анализ ситуации показал: мне пишут больше, чем я читаю :)

В какой-то момент понял, что мне нужен инструмент, который помогает разгребать почту - приоритизировать её, подсказывать, что с письмом делать. Готового под мою логику не нашлось, и я сделал такой инструмент под себя.

Нативное приложение под Mac на Swift, бэкенд на Python. Называется Niti (нити - как ниточки-треды переписки, которые оно и распутывает).

Что получилось:

1. Обычный почтовый клиент. База: входящие, исходящие, приём-отправка - всё как у нормального почтового клиента.

2. Приоритизация - то, ради чего всё затевалось. Внутри работает простой агент (сложный тут и не нужен). Он разбирает не отдельные письма, а треды целиком, всю цепочку по одной теме и раскладывает их по категориям обязательств:

- Ждут ответа от меня - мяч на моей стороне.
- Я что-то пообещал - взял на себя обязательство сделать к какой-то дате.
- Надо делегировать - прилетело мне, но за вопрос отвечаю не я, надо передать вниз по команде или в сторону.
- Жду ответа я - сам кого-то попросил и жду, что вернутся.

Получаются доски обязательств: письма разложены по группам, а агент по каждому треду даёт саммари и подсказки - за пару секунд видно, что от меня хотят и что надо сделать.

3. Проекты. Я завожу проект - какое-то большое направление, которое веду и описываю его. Агент по описанию сам классифицирует нужные письма, вытаскивает из них важное и связывает с проектом, складывая всё в отдельную папку. В итоге по проекту все материалы лежат в одном месте. Захотел статус, дашборд или сводку - натравил агента на эту папку, и он суммаризирует: где мы находимся, что есть по проекту и что стоит сделать дальше.

ИМХО качество моделей снова переходят в новое состояния, когда почти каждый может под себя создавать быстро нужно ПО. Это не может не вдохновлять :)

Макс за выходные разработал автопилот для разбора почты. красавчик!

Общее правило (операционный контракт)

1. Один источник правды. Полный план кладём в репозиторий как docs/plans/react-ui-kit-migration.md (живая спека). Goal ссылается на этот файл и ставит цель: «выполнить план аккуратно — по фазам, с ревью, тестами и прод-деплоем за флагом». Меняется скоуп → сначала правим файл, он авторитетнее чата.
2. Малые обратимые шаги. Идём фаза за фазой. Каждый коммит самодостаточен, откатывается независимо, и приезжает red-spec-first (сначала падающий тест, потом фикс). Ветка на фазу, никогда прямо в main. Без Co-authored-by.
3. Обязательное Codex-ревью на КАЖДЫЙ коммит/MR. После коммита — сильная модель по диффу, read-only:
codex exec -m gpt-5.5 -c model_reasoning_effort=xhigh -s read-only + дифф + «проверь корректность, утечку IP, недостающие тесты, регрессии». Codex — блокирующий ревьюер: чиню CONFIRMED, взвешиваю PLAUSIBLE — до следующего коммита. Два независимых ревьюера: Codex на каждый коммит, человек на границах фаз.
4. Гейты перед мержем. pnpm guard + pnpm typecheck + пакетные тесты + зелёный red-spec фазы. «Готово» — только с доказательством.
5. IP-инвариант — проверяется каждым коммитом. Закрытый исходник/бандл react-ui-kit никогда не попадает в git (публичный origin). Grep дерева на каждом коммите; бандл живёт только в слое Dockerfile.internal + staging в run-cwd.
6. Дисциплина деплоя. Едем за env-флагом (сосуществуем со static-HTML). В прод — только в окне без активных ранов, через drain-gated путь, проверка в поде; на каждую фазу — один revert-MR.
7. Честность и стоп-на-разрыве. Отчёт — что реально прошло/упало, с доказательством. Ломается допущение фазы → стоп и переплан, не наслаиваем патчи.
8. Цикл пары (на коммит): Claude пишет → guard/typecheck/tests → коммит → Codex ревьюит дифф → Claude правит → чекпоинт человека в конце фазы → дальше. Goal не двигает фазу, пока Codex-ревью + гейты не зелёные.

А вы ведь говорите Опусу "На каждый коммит вызывай Codex CLI и делай с ним автоматически код ревью" ?

Связка Клод Код + Кодекс дает сильный прирост в качестве решаемых задач (на уровне Fable)

Skill + cli для AI агентов по управлению вашим портфелем в сервисе т. инвестиции уже здесь.

↗️ Да-да, я не сошёл с ума. Теперь агент берет на себя всю рутину по анализу вашего портфеля и рынка ценных бумах и прочих активов. Нет, это не торговый бот, и НЕ КОНСУЛЬТАНТ, ведь закон гласит: нельзя кому попадя раздавать ИИР (индивидуальные инвестиционные рекомендации). Это терминал в прямом смысле слова для доступа к т.инвестициям. Инвестируем на вайбе!

Денег он за Вас не заработает, но даст исчерпывающую картину рынка инвестиций, проанализирует степень диверсификации, рассчитает доходность, напомнит про ближайшие дивиденды и купоны, соберет актуальные новости.

Skill содержит cli, который вмещает в себя полноценный клиент для работы с api. Без сторонних зависимостей. Упаковано в js файл.

Чтобы не пугать с порога: у агента есть 3 режима:
1️⃣ Sandbox.
Песочница, деньги на счету ненастоящие, а котировки и вся информация по api - актуальная, можно потренироваться на виртуальном балансе и оценить работу скилла и агента в целом.
2️⃣ Read-only.
Агент уже видит реальный баланс, но денежных операций выполнить не получится. В данном режиме агент перелопатит за вас тонну информации и даст полную картину по рынку, сэкономив время на скрининге.
3️⃣ Full
В этом режиме есть возможность уже покупать и продавать, со всеми трейдерскими опциями, и конечно же через жесткое подтверждение в агенте по каждой операции. При этом всём, агент перед каждой операцией хорошенько проверит, не "хомяк" ли вы.

🚨 Если вы почувствовали, что нейросети уже готовы, есть специальный режим (stonks mode, включается в .env файле, лежит по пути ~/.config/tinvest папка создастся при автоматической установке, либо создать вручную и положить туда). Дает агенту возможность делать операции без подтверждений. Но даже тут агент просто так не пойдет что-то делать, пока его не попросишь (ну или не повесишь на cron своему клешнеботу задачу что-то периодически выполнять, например, мониторить курсы или искать желаемую точку входа в актив)

Чуть-чуть погонял на реальном портфеле, буду дальше пользоваться на постоянке.

💻 Репозиторий
(проще дать его агенту он сам установит)

🗯 curl -fsSL https://raw.githubusercontent.com/nyxandro/t-invest-skill/main/install.sh | bash
(установка командой)

🎆 Репосты и звезды в github приветствуются.

🎙 Послушал выпуск с Сергеем Марковым про AGI и гонку ИИ.

Главный инсайт: ИИ — это уже не «модель на GitHub», а целый промышленный конвейер: данные, вычисления, обучение, оценка, продуктовая доводка и инфраструктура. Поэтому вопрос «а есть ли аналог OpenAI?» упирается не только в код, а в способность выстроить полный цикл.

Что зацепило:

— если доступ к OpenAI ограничат, важен не один “заменитель”, а собственная экосистема разработки моделей;
— Китай, похоже, масштабирует именно AI-конвейеры — гонка становится не лабораторной, а промышленной;
— Anthropic интересен не только моделями, но и тем, как устроен сам процесс их создания;
— развитие ИИ будут тормозить не только алгоритмы, но и вычисления, данные, регулирование и экономика внедрения;
— AGI обсуждается не как магический «супермозг», а как система, способная самостоятельно ставить цели и действовать;
— людям не нужно «меньше знаний» — скорее, меняется ценность знаний: важнее становится умение задавать рамку, проверять ответы и принимать решения.

Отдельно интересно — разговор про блокировку Mythos и Fable: это уже не история про чат-ботов, а про контроль доступа к технологиям, которые могут стать стратегической инфраструктурой.

И практичный финал — про ИИ на интервью. Похоже, скоро будут проверять не то, умеешь ли ты всё делать руками, а то, умеешь ли правильно управлять ИИ и получать надёжный результат.

Выпуск для тех, кто смотрит на AI не как на хайп, а как на новую индустриальную гонку.

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

Эфир от Коли про ИИ. Как всегда интересно. Ссылка на зум: https://us06web.zoom.us/j/82806267127?pwd=j6oplbwRU4qbKzQXZNaJBJvF0HTvTW.1
Присоединяйтесь, стартуем через несколько минут!

Теперь мы знаем что в Юренте начали вайбкодить

Запись нашего с Алексеем Остриковым стрима "Как нанимать AI-инженеров?".

Также на YouTube (они в Телеграм тоже работают!) добавил тайм-коды. Пользуйтесь!

Вот сколько тем обсудили за 2 часа стрима:

00:00 — Вступление
09:50 — Представление гостя
12:30 — Адаптация процесса найма в Яндексе
15:52 — Кто такой AI-инженер?
20:43 — Как использовать AI для своей профессии?
25:20 — Насколько нужен AI классическим IT-ролям?
27:27 — Как начать путь в профессию AI-инженера?
33:28 — Почему резюме уже не так важно
34:24 — Какие курсы изучать?
38:35 — Как пройти первичные фильтры?
43:13 — Может ли AI-инженер приносить компании деньги?
46:05 — Средний возраст AI-инженера, которого нанимал Алексей
49:50 — Как делать свою работу с помощью AI
51:50 — Можно ли полностью писать код AI-агентом?
54:11 — Лёша доказывает, что он не AI
55:20 — Насколько зрелый рынок найма AI-профессий?
57:55 — Лучший способ попасть в любую компанию
1:01:40 — Процесс найма AI-инженера
1:08:05 — Нужны ли тестовые задания?
1:12:07 — Если уже через 5 минут понятно, что кандидата хочется нанять
1:18:52 — Сколько зарабатывает AI-инженер?
1:23:50 — Какие профессии исчезают из-за AI?
1:29:20 — Вопросы от зрителей

p.s.: срочно разыскиваю четырёх желающих подписаться на YouTube-канал, чтобы пробить планку в 300 подписчиков.

ИИ-агенты заходят в бронирование: рассказали Forbes, что это значит для рынка

«Туту» открыл поиск и бронирование поездок через ИИ-агентов. Для сервисов это ранний тест нового канала дистрибуции: пользователь формулирует намерение в диалоге с помощником, а платформа получает шанс подключиться к нему до перехода в привычный интерфейс.

Если ИИ-агент станет точкой входа в выбор поездки, сервисам важно быть доступными для него технически и коммерчески. В моменте трафик из таких сценариев, скорее всего, будет небольшим, но для бизнеса это работа на будущую позицию в цепочке принятия решения: кто окажется ближе к моменту пользовательского намерения, тот и получит преимущество в агентной коммерции.

Илья Филиппов, CEO red_mad_robot AI

При этом есть техническая сторона: сам поиск через агента уже знаком рынку, поэтому важна глубина MCP.

Browser use у агентов существует около полутора лет: сильные модели уже умеют открывать сайты, обходить защиты через прокси, делать скриншоты и доставать релевантную информацию. Поэтому поиск сам по себе рынок не удивит. Главный вопрос — позволяет ли MCP дойти до оформления заказа.

Сейчас агент может довести пользователя до собранного заказа, но финальную оплату человек подтверждает сам — это агентный поиск и сборка корзины, но ещё не сквозная покупка. Настоящим переломом станет момент, когда MCP позволит закрывать и оплату.

Валера Ковальский, руководитель ИИ-направления red_mad_robot

↗️ red_mad_robot

Если вы по каким-то причинам еще не вайбкодите, но зачем-то читаете меня, то объявляю last call на третий поток курса по вкатыванию в вайб-кодинг.

Стартуем 22 июня, уже в этот понедельник. Инструменты развиваются стремительно, поэтому собрал офигенную обновленную программу под современные реалии.

Расскажу и покажу, как делать ботов, сайты, мобильные приложения.
Помогу с настройкий и покупкой необходимых инструментов.
Рассказываю не просто «что и как», но еще и «почему», короче, до кучи это экспресс-курс по вкатыванию в архитектуру современного IT

Курс веду лично, так что вы все узнаете непосредственно от меня, а не в десятом перессказе 🙂

Отзывы и подробную программу смотрите тут: https://glebkudr.com/courses/vibecoding

Скидка 10% по промокоду GLEB3 💵

В феврале этого года внутри Fluently мы запустили прикольную игру для прокачки словарного запаса - вам нужно угадывать обьекты на картинках, чтобы летящая вверх ракета об них не разбилась.

Разумеется, ракета разгоняется, поэтому времени между словами становится меньше, а сами слова становятся сложнее. Чем выше смогли улететь - тем лучше!

Эта механика оч прикольная, потому что тренирует мозг быстро вытаскивать слова из памяти. Ведь часто английская речь у нон-нейтивов ломается как раз на том, что долго не получается вспомнить или подобрать правильное слово.

К тому же, поскольку у картинок может быть несколько интерпретаций, но правильная только одна, это вызывает реакцию и эмоции, когда ты был близок, но не смог отгадать. Это делает игру только задорнее!

В среднем люди делают по 25 попыток в первый день, а некоторые задроты - сотни. За 4 месяца в игру сыграли больше 2 миллионов раз!

И самое прикольное, что в ней нет ни одной строчки кода, ни одной картинки и ни одного звука, которые были бы созданы человеком. Вся игра была собрана мной за неделю с помощью аишки.

И да, я пока тот старовер, который читает каждую строчку этого кода и часто бьет клод по рукам. Но это пока...

Игра бесплатная, поэтому можно установить и поиграть без подписки!

AI-агенты и экзамен на первом курсе

Помните первый курс?

Есть нормальный способ сдать экзамен: выучить матан, понять тему, решить задачу.

А есть студенческий способ:
найти прошлогодние билеты, понять любимые вопросы преподавателя, выучить не предмет, а формат проверки.
А если повезло совсем сильно — где-то в аудитории лежит папка с ответами.

Вот примерно это сейчас происходит с AI coding benchmarks.

SWE-bench изначально был очень красивой идеей: берём реальные GitHub issues, даём модели кодовую базу, описание бага, тесты — и смотрим, может ли она сама написать patch. Оригинальный SWE-bench включал 2 294 задачи из реальных GitHub issues и pull requests по 12 Python-репозиториям. То есть это не «напиши функцию fibonacci», а почти настоящая работа разработчика.

Но дальше началась классическая история экзамена.

Когда benchmark становится популярным, модели и агенты начинают не только «учить программирование», но и «учить экзамен». Где лежат тесты. Как устроен harness. Какие задачи уже встречались в GitHub. Что именно проверяет grader. Где можно пройти не через понимание, а через лазейку.

Самая смешная деталь: в разборе Datacurve про DeepSWE описан случай, где агент проходил задачу не потому, что починил код, а потому что в Docker-контейнере лежала полная .git-история. То есть внутри экзаменационной аудитории фактически лежал ответ. Агент мог сделать git log, найти нужный commit, сделать git show и скопировать человеческий patch. Это как студент, который не решает билет, а залезает в папку преподавателя и переписывает решение.

И тут возникает главный вопрос: мы измеряем умение программировать или умение проходить конкретный экзамен?

Потому что leaderboard может выглядеть красиво: модель X — 74%, модель Y — 71%, модель Z — 69%. Кажется, все примерно рядом. Но если часть задач уже была в тренировочных данных, часть тестов слишком узкая, часть окружения позволяет подсмотреть ответ, а verifier иногда принимает неправильные решения или валит правильные — цифра начинает превращаться в красивую, но опасную иллюзию.

DeepSWE как раз пытается сделать экзамен злее и ближе к реальной жизни. По данным Datacurve, DeepSWE — это 113 задач из 91 open-source репозитория и пяти языков программирования; при этом задачи требуют сильно больше кода, чем SWE-Bench Pro, но дают агенту меньше подробных инструкций. То есть ближе к тому, как мы реально ставим задачу разработчику: «вот баг, разберись», а не «вот тебе идеальный PRD и карта местности».

SWE-rebench идёт в ту же сторону: делать benchmark постоянно обновляемым и менее загрязнённым. В их paper описан pipeline, который автоматически собирает реальные software engineering задачи из GitHub, а публичный датасет включает более 21 000 интерактивных Python SWE-задач. На сайте SWE-rebench прямо подсвечивают возможную contamination — например, если задача создана раньше релиза модели.

И вот это, по-моему, главный takeaway.

В 2026 году benchmark — это уже не просто табличка «кто умнее». Это целая система прокторинга:

можно ли подсмотреть ответ?
видела ли модель эти задачи раньше?
честный ли grader?
достаточно ли широкие тесты?
сколько стоит один solved issue?
стабильно ли агент решает задачу или один раз случайно попал?
он реально понял код или просто выучил формат экзамена?

Выбирать coding agent по одному SWE-score — это как нанимать разработчика только потому, что он отлично сдал экзамен, где в аудитории лежали прошлогодние ответы.

Смотреть надо не только на результат.
Смотреть надо на то, как именно он был получен.