Андруша пишет код

Какое-то время назад я решил сделать свого агента по типу codex или opencode. Просто потому что "ну я то умный и могу сделать лучше и всё такое".

Только было желание попробовать делать не просто агент, а провести эксперимент: что если максимально выкинуть все тулы, mcp и минимизировать системный промпт. Оставить только bash и заставить модель взаимодействовать через уже стандартные linux утилиты: sed, grep и прочие.

В итоге оказалось, что модели(gpt 5.3+, glm 5+) вполне неплохо работают на уже имеющихся знаниях о командах линукса. Причём модели openai даже дают приоритет для rg(по сравнению с grep) и добавляют свою псевдо-cli тулу apply-patch для эффективного редактирования, так как у линукса ничего в стоке нет для этого.

И даже более: модели уже знают о наличии gh(github), tea(gitea), playwright-cli(понятно кто). Причём если для gpt 5.3 приходилось иметь довольно развёрнутый skill с описанием того как работает тула, то для 5.5 достаточно просто в начале системного промпта перечислить список нестандартных доступных cli тулов. Модели уже знают как с ними работать.
А если модель пытается, к примеру, получить данные сайта(обычно вызывается curl или wget), то можно просто написать свой курл, который будет отдавать контент в удобном для ЛЛМ формате.

Это происходит всё по простой причине:
- bash - универсальный интерфейс для всех
- cli тулы редко когда меняют свою семантику работы и обычно имеют +- уникальное имя. Другого gh или playwright-cli у вас в 99.999% не будет
- все подписочные планы что у openai, что у антропиков, что у кого угодно(кроме opencode zen. Они это декларируют явно) разрешают обучаться на ваших запросах в будущем. А это значит, что наиболее частые скиллы и cli тулы точно попадут в будущую обучающую выборку
- чем короче контекст запроса к ЛЛМ, тем в среднем она лучше выдаёт ответы и меньше забывает. Даже на современных текущих моделях

Так что не стесняйтесь выкидывать у себя mcp: почти что все сервисы сейчас дают cli интерфейс. Даже гугл к своим сервисам выпустил cli(да, читать почту стало как никогда проще из агента)

Не стесняйтесь пересматривать размеры скиллов: вполне возможно что для кучи уже существующих тулов достаточно просто "для <задача> используй <cli_name>". И качество работы агента особо от этого не снизится. Поиграться с размерами скиллов и их качеством можно через https://docs.tessl.io/improving-your-skills/evaluate-skill-quality-using-scenarios

Возможно ваш агент использует недостаточно cli тулов или же использует весьма неэффективный режим их работы: тут можно глянуть на https://github.com/rtk-ai/rtk

Я сейчас пилю небольшой проектик по изучению иностранных языков(всё же надо пользоваться хайпом ЛЛМок и всем таким) на основе разных видеоисточников(youtube, netflix, etc). И основная фишка - это показ сабов только тогда, когда пользователю непонятен тот или иной кусок видео(короч, comprehensible input на стероидах). И человек учится просто смотря интересный ему контент.

И если с нетфликсом примерно понятно что делать - там сабы стабильны и количество сериалов не такое большое, то с ютубом начинатся проблемы - ты не можешь прекешировать абсолютно все триллионы видео, которые там есть и загружаются каждый день.
И поэтому было решено: надо дебажить ютуб и вытаскивать существующие сабы из веба.

И тут начинается проблема: инструментов для того, чтобы делать это удобно тупо нет.
Vitest - он имеет browser mode, но он работает исключительно со своим веб интерфейсом и не позволяет его инжектить на сторонние сайты. Не подходит
Playwright - умеет в page.evaluate, имеет playwright-cli, но делает ставку на управление браузером, а не выполнение кода. Поясню: evaluate(() => ...) работает максимально тупо: серилизует колбек в текст и передаёт его в браузер. В итоге ты не можешь использовать в этом колбеке замыкания, импорты и прочую вкусность. А самое главное - LLM вынуждена на каждый чих генерировать весь код на js(даже если он написан на TS), что бьёт по скорости, стоимости и корректности. И даже всякие попусы и гопоты не справляются в корректном копировании кода в девтулы, так как им надо работать тупо сборщиком.

В итоге мне пришлось написать cli тулу inpagerun, которая работает максимально примивно: принимает через --code код, который надо запустить в девтулах браузера, собирает его через vite и запускает. В итоге есть поддержка async/await, импортов файлов и тайпскрипта. На данный момент вроде как самое удобное решение для того, чтобы на рандомном сайте потестить свой код. Просто выполняешь inpagerun -u <url> -c "const data = await import('./logic.ts'); console.log(data.foo())" и всё работает.

https://github.com/xavescor/inpagerun

P.S. если вам интересно в ближайшее время потестить изучалку языков(на старте будет поддержка английского, испанского и португальского), то велком в комменты. С меня бесплатный сервис - с вас будущая обратная связь

Быстро устарела информация, однако.

https://x.com/bcherny/status/2040206440556826908

удалил(-а) Вас из группы

Итак, прошло около 3-4 месяцев с момента как Антропик попытался заблокировать использование их подписки неофициальными клиентами. И мне кажется, что прошло достаточно времени, чтобы подвести итоги такого решения.

Всем провайдерам кроме большой четвёрки пофигу на то где вы используете их ключи. GML, Kimi, Cerebras и прочие китайцы с европейцами позволяют платить им подписку и не заморачиваться с этим.

В январе, когда произошла блокировка антропика, на помощь к опенкоду пришли, внезапно, openAI и Microsoft:
OpenAI: https://x.com/opencode/status/2009805930377167233
Microsoft: https://x.com/opencode/status/2011790750543983072
А так как можно использовать подписки в опенкоде, значит их можно использовать буквально везде. Прикинуться опенкодом не составляет труда + весь код в опенсорсе. По этой же причине как минимум подписки openai попали в cLine/rooCode и прочие сторонние агенты

Антропик же откатил решение, так как(тут вангую) понял что деньги важнее и всех не заблокировать. В итоге прямо сейчас все "прикидывания" клод кодом работают превосходно. Аккаунты по причине обхода подписки не блокируются. (Правда блокируются просто рандомно фиг знает по каким причинам, но это точно не за обход, так как люди массово используют это). Однако интересна другая вещь: антропик начал бороться другими методами - юристами. https://x.com/thdxr/status/2034730036759339100
Так что можете пользоваться спокойно, не забанят. Реализацию можно искать в pi agent. Там хранится логика как притвориться клод кодом для антропика
https://t.me/xavescor_code/362

И последний наш герой - Google. Они же, как крупная самодостаточная компания просто банят пользователей, кто пытается прикинуться atigravity или gemini cli. https://github.com/openclaw/openclaw/issues/14203 Среди моих знакомых 3 таких неудачника. У меня в опенкоде обход подписки работает всё ещё, но я стараюсь не борзеть сильно: в основном пользуюсь их поиском, который там бесплатен через апи. Но пользоваться их подпиской просто не рекомендую.

А самый простой способ отслеживать насколько провайдеры борзые - просто следить за репозиторием openclaw. Если он поддерживает какую-либо подписку, то там точно нет ограничений для пользователей. И как заметите: гугл оттуда выпилили

Если вам кажется, что в мире ничего не происходит интересного кроме ИИ, то это, слава богу, не так:
https://httptoolkit.com/blog/dictionary-compression-performance-zstd-brotli/

ТЛДР: если сжимать по-умному, опираясь что можно переиспользовать то уже скачано, то трафик можно снизить ооочень сильно.
А так - в остальном только ИИ и происходит

Тут недавно вирусилось, что выйдет Sonnet 5, который будет на уровне Opus 4.5, но быстрее и дешевле. Причём это рекламировали не только всякие слухи слухские, но и разные поставщики агентов, по типу v0 и прочих

В итоге вышел opus 4.6 за те же цены + https://code.claude.com/docs/en/fast-mode.

Теперь теория заговора от меня:
> рекламим sonnet 5
> в итоге решаем срубить бабла
> замедляем соннет 5 и выпускаем opus 4.6
> выпускаем opus 4.6 fast mode(aka sonnet 5) за х6 ценник

Profit?
Ушёл лечить шизу

Вокруг меня в последние пару-тройку месяцев идёт огромное нахваливание модели opus от Anthropic и я сломался и занёс 200$ ребятам и попробовать что из себя представляют их решения.
Так же у меня пылилась подписка от openai, которую я использовал исключительно для веба, но которая пригодилась и тут.

Если вы пропустили драму с opencode, около месяца назад, то по итогам
- OpenAI разрешила использовать свою подписку в любых кодинг агентах
- Anthropic напротив начала бороться с тем, чтобы её подписку люди использовали вне claude code

В итоге это плавно привело к тому, что последний месяц я сравниваю решения от этих двух провайдеров в своей работе.
Текущее состояние:
- 95% моих задач: анализ бекенд кода, написание кода на фронтенде и всякие аналитические задачки
- 95% взаимодействия моего с агентами - это составление подробного плана, который потом может выполняться кем угодно, включая всякие слабые модели по типу glm4.7
- Я плюнул на возможные ограничения от антропиков и просто создал себе одноразовый аккаунт, от бана которого мне будет ни горячо ни холодно
- в итоге я пришёл к тому, что 99% времени работы с моделями opus и gpt5.X я делаю через opencode

В итоге выводы такие:
- модели от openai очень странные. Такое чувство, что изменение reasoning effort(low/medium/high/xhigh) тупо переключает модель, а не меняет размер окна для размышления как это происходит у антропиков. xhigh оказалась слишком тормознутой(даже после их ускорения на 40%), так что я в основном пользуюсь high
- Opus - это невероятное решение. Антропики сделали невозможное, по-моему мнению. Они смогли засунуть в свои веса знания всего мира. Я теперь понимаю почему люди, которые пользуются исключительно opus'ом говорят что им не нужны RAG'и и прочая документация. В 90% случаев модель уже знает то что нужно пользователю(или делает вид что знает, а пользователь не замечает)
- Однако gpt5.X даже в режиме high умнее чем opus. Да, она не знает всего на свете как её конкурент, однако она куда лучше работает с информацией и даёт более взвешенные решения. На практике это проявляется в том, что мне надо меньше править планы руками(однако это не значит что я запустил хотя бы 1 план без правок)
- Так же я заметил одну странную/забавную/приятную штуковину - что codex cli, что opencode при работе с gpt5.X время от времени что-то выкидывает из контекста во время работы. CLaude Code и Opencode при работе с Opus такого не позволяют. Если что-то было добавлено в контекст - оно остаётся там до конца работы. В итоге работать с gpt5.X куда приятнее, так как бюджет контекстного окна куда больше чем с решением от антропика
- Подписка от openai позволяет делать больше при сопоставимых затратах. Когда у меня был тариф 20$, то Opus'а у меня хватало на минут 10-15 просто построения планов. После чего 5часовые лимиты у меня заканчивались. С gpt5.X можно же работать по 2-3 часа спокойно(а после акции с x2 лимитами и вообще без перерывов). Да, на 200$ нужно работать с подпиской антропика в 2-3 потока, чтобы её исчерпать, но всё же.

Итог: пока отказываться от подписки антропика смысла для меня нет, но мы имеем реально 2 хороших конкурирующих решения, в случае если вы пишете план, правите его и только потом выполняете. Однако если у вас есть решение по доставке документации в агент по типу Contex7 или сбоку поднятый RAG, то лучше попробовать решение от openai. Там тупо больше лимитов. Я бы прировнял 20$ от openai к 100$ от антропика. А решение от антропика в подписке дешевле 200$ смысла не имеет - лимиты кончаются слишком быстро.

Наконец-то [Company] дропнул [Product] для [OS/Job] это начало конца для привычных [Role]. Теперь всю [Job] можно делать с помощью [Product] на [Value] эффективнее и даже в фоне.

Я абсолютно уверен, эпоха знакомых нам [Roles] окончена, и наступила эпоха [Product].

В качестве примера могу привести пост из твиттера, где [User/Company] скупил все [Garbage], запустил на них [Product] и ускорил [Job] на [Value] процентов. Это невероятно вдохновляет!

Где все эти решения? Почему хайпует какой-то ральф, который тупо while(true) и clawdbot, который тупо opencode с mcp к телеграму? Что вообще происходит?

Чатек привет. Хочу закинуть одну мыслю/вопрос к вам в голову.
Мне кажется, что современные агенты для написания кода разрабатывают не программисты, а кто-то другие. Учёные там, дата сайентисты или кто-то ещё.

За всё это время жизни с агентами я понял, что мой сценарий работы, как и фичи, нужные мне для этого, переиспользуются вне зависимости того каким агентом я пользуюсь. И примерно все агенты движутся к примерно одному интерфейсу и функциональности.
Однако всё это движение идёт в сторону "ща появится новая модель, которая будет делать всё как надо и будет самой-самой". И даже тут в канале на некоторых постах, где я говорю: мне нужна такая-то встроенная фича(к примеру, иерархичный agents.md), то мне предлагают переложить эту задачу на модель, а не на промпт.

Я же вижу развитие в чутка другой стороне: мы УЖЕ имеем достаточно умные мыслящие модели. Единственное что им не хватает - это интеграция с уже существующими тулами. Потому что мы вне зависимости от проекта, языка программирования, компании и других изменяемых параметров действуем примерно одинаково:
1. У нас есть задачи
2. У нас есть разные верификаторы: линтеры, форматтёры
3. У нас есть тесты
4. У нас есть девтулы к рантаймам: как дебаггеры у уровне точек останова, так и всякие приспособы к браузерам, чтобы дебажить веб
и так далее.

И вот почему, к примеру, не научить агенты нормально писать тесты? Опишу что мне надо:
а) чтобы агент знал о всех тестовых системах. ЭТО ВОЗМОЖНО. Это УЖЕ делает jetbrains. Их не бесконечное количество. Для веба это всего лишь jest, vitest и возможно парочка устаревших систем. Причём спасибо эволюции, эти системы похожи на 99%. Отличие только в мелочах. Для браузеров это playwright, cypress и может быть puppeteer.
Кроме того надо обеспечить гранулирование тестов по какому-то признаку, чтобы файлы были небольшими и ЛЛМка могла их читать полностью, а не вырезать куски строками. Плюс неплохо было бы переделать форматтёр, чтобы ллмке не выдавался всякий мусор по типу "успешных 100500 тестов".
В итоге получаем такой пайплайн:
1. Вы работаете как работается
2. ЛЛМка отрапортовала, что работа над задачей завершена.
3. Агент сам без участия ЛЛМ(помните же что мы умеем писать код, который выполняется как написан) прогоняет все тесты. Т.е. мы не просим "запусти тесты". Мы видим что установлен vitest и понимаем, что запуск необходим. Если что-то упало, то то идём к ЛЛМ и говорим: я сделал 30 тудушек на каждый из упавших тестов. Первая тудушка такая, выполняй. И так в цикле.
В данный момент мне приходится всё это костылить руками, потому что агентам нужно в первую очередь похвастаться что они научились новую кнопочку в терминале рисовать

б) работа с рантаймом. Иногда надо уметь дебажить код. И тут такая же фигня. У нас есть ограниченное число рантаймов: нода, бан, дено, jvm, clr и так далее. И они работают тоже одинаково с точки зрения внешнего наблюдателя. Т.е. с точки зрения ЛЛМ. Все умеют в точки останова, все умеют в сборку мусора, все умеют в снепшоты памяти. Почему не сделать 10-15 частных интеграций под каждый из рантаймов как ЭТО УЖЕ СДЕЛАЛА JETBRAINS? В чём проблема? Почему мне опять приходится костылить через эти скиллы с надеждой, что ЛЛМ поймёт что я хочу?
У нас уже есть детерменированные интеграции. Почему просто не переиспользовать то что мы уже делаем для людей?

в) В некоторых языках вообще халява: там только 1 фреймворк и 1 господствующий подход, который покрывает 95% людей/кода/проектов. В джаве это Spring, в дотнете это ASP.NET, в Angular - это, внезапно, ангуляр. И так далее. Где-то во фронте есть стандартизация роутеров и т.д. И, не поверите, ЭТО ОПЯТЬ ЖЕ ВСЁ УЖЕ СДЕЛАЛА JETBRAINS. Одна компания.

И так далее и тому подобное. И вот у меня вопрос: это я такой дебил и не вижу чего-то принципиального что мешает переиспользовать человеские интеграции в ЛЛМ или что вообще происходит?
Я виду только 1 компанию, которая делает то что я описал - это cursor. И то их попытка окончилась на робкой интеграции браузера, а дальше они не пошли. Почему?

Тут я выпал на неделю из жизни, так как делаю свои проекты. pickyouragent.dev один из них. Но и он уже около недели-двух не обновлялся.

Причина проста: оказывается, вайбкодить не так просто. Если совсем не заглядывать в код и не иметь нормальной архитектуры внутри, то проект превратится в говно.
В итоге если раньше я думал, что можно
а) не уметь писать на языках программирования проектов, а уметь просто читать
б) не разбираться в подходах, так как как-то заработает
То теперь понимаю, что это не так.

Если у вас нет нормальных исходников, то проект будет будет деградировать с катастрофической скоростью. В итоге сейчас я изучаю как пишут cli приложения на расте, ios/macos приложения на свифте и переписываю на норм ядро pickyouragent.dev, потому что проекты тупо перестали быть расширяемыми.

Так шо теперь всякий вайбкодинг только для одноразовых проектов.

P.S. с рабочим проектом, за который получаю деньги, всё куда лучше. Благодаря людям проект скатывается в говно не так быстро. В итоге мы теперь уборщики для ллмок

Внедрение агентов и ЛЛМок на уровень команд несёт прикольные сайд эффекты.
Оказывается, если ты пишешь команды, планы и прочий текст в нейронку не на английском языке, то она и комментарии в код будет вставлять не на английском языке.

Таким макаром у нас в кодовой базе начали появляться комментарии на русском.

Решение конкретно для русского(как и украинского и прочих киррилических) языка простое: запретить использование кириллицы в коде в принципе.
И реализуется это не так сложно: просто пробежаться по всем файлам и проверить включаются ли туда запрещённые символы или нет(если честно, то хз. Не читал исходники. Только тесты).

Можно было, конечно, подправить системный промпт, но загонять такой мусор туда такое себе. Есть на что компьют тратить и кроме этого. Кроме того, все норм агенты умеют вызывать линтер после написания кода.

https://github.com/XaveScor/eslint-plugin-ban-symbols

Тут недавно прошёл новый год(если вы не заметили как и я), а это день, когда государства обычно меняют налоги.

Многие же подписные сервисы работают по схеме:
Пользователь -> провайдер платежей -> сервис
И в момент изменения налогов именно провайдер платежей меняет ставку налога, оставляя ту же самую базу, отчисляемую сервису.
В итоге, если вы были подписаны за X тугриков, а налог повысился с 12 до 16, то вы будете платить 1.1X тугриков(коэфициет взят от балды. Мне лень считать).

Однако при создании подписки сервисы говорят провайдеру платежей не базовую цену, а итоговую. И вот сервисы как раз свои цены не поменяли.

Поэтому рекомендую переподписаться, к примеру, на тот же чатгпт, чтобы он, а не вы, начал платить больше налогов за вас.

А то у меня сегодня списалось 10321тг вместо 9990тг из-за налогов, а это как-то не очень приятно.

Я в последнюю неделю окунулся в macos разработку на Swift. И вот что я вам скажу ребятки, врут те люди, которые пеняют на фронтенд хоть в чём-то.

- В npm куча мусора? Так в нём есть всё. От нейронок до нативных протоколов об ОС(чего, кстати нет в том же расте нормально). Да, мусора много. Но мы не заставляем пользователей ставить пакеты с гитхаба, как это сделано в swift мире.
https://github.com/apple/swift-protobuf?tab=readme-ov-file#using-swift-build. И это официальный плагин от эпла.
- мусор в логах - тот же плагин выше срёт в логи о депрекейс апихах, что непонятно как выключить. И это официальный плагин от эпла. Спасибо, очень приятно тратить токены и ризонинг на вашу фигню. Во фронтенд мире за подобное уже бы расстреляли и форкнули бы библиотеку 10 раз
- падения xcode - это вообще ужас. Помните когда падал webstorm или vscode? Вот и я не помню. Надо прямо сурово подзадолбаться, чтобы это как-то специально сделать. Но положить xcode проще простого. Я за неделю положил его дважды: создал симлинк случайно не туда и потом дебажил нейронкой часа 3 что не так, и случайно создал директорию в проекте с именем ~. Ещё 3 часа в помойку
- привыкли иметь удобные девтулы - пфф, забудьте. Вам придётся сурово так поприседать, чтобы сделать хотя бы скриншот нейронкой вашего приложения. Вам, наверное просто это не надо
- тесты? Ну они есть у нас. Правда нет "--watch", который есть у любого тест тула во фронте, начиная с jest и vitest, и заканчивая bun'ом. А ты как дурачок, пылызы, запускай тесты сам ручками с полной пересборкой мира

Ну и последнее - xcode в принципе проектировался для каких-то других людей. Если продукты jetbrains, vscode, Visual Studio, всякие, прости господи, Eclipse, Netbeans и прочие кого я трогал в работе, но уже не вспомню, строились по одинаковым лекалам, то xcode - для существ с другой планеты.
Эти ребята умудрились сделать максимально странный и неинтуитивный интерфейс. Я не могу обьяснить почему у них проекты конфигурируются в json-like файлах, а вот настройки тестов, к примеру, через UI в редакторе.
И в итоге при разработке нейронка делает что-то сама, а для настройки тестов даёт мне инструкции что надо делать. И это всякие хвалённые опусы и гыпыты.

Вот честно, если бы react-native не заставлял меня для даже слабой наркомании лазить в натив, то я бы с радостью выкинул Swift и поделку от Эпла. Потому что создание нового подпроекта у меня в монорепке приложения каждый раз вызывает очень большие боли.

Блин, обидно даже как-то

https://habr.com/ru/articles/985006/

pickyouragent.dev
Can I use для агентов

Я понемногу продолжаю тестировать агенты на себе и нахожу новые фичи, которые хотелось бы иметь и которые приколько было бы иметь.

Из примеров:
- оркестратор мод из Kilo Code, который позволяет нехило так экономить контекст https://pickyouragent.dev/features/planmode/#orchestrator-mode
- связка LSP и opencode, который автоматом выкачивает нужный LSP и начинает его использовать в подсветке ошибок. https://pickyouragent.dev/features/tools/#linters. Причём благодаря выкачиваюнию, вам вообще ничего настраивать не надо: я недавно копался в коде рантайма дотнета. И opencode прекрасно выкачал соответвующий LSP неизвестно для меня откуда и начал его использовать.
- наличие cli интерфейса для агента оказалось приятной штукой: к примеру, курсор не умеет запрашивать текст веб страниц, а opencode умеет. В итоге я настроил скилл, который говорит курсору вызывать opencode для получения текстов страниц. Работает вполне удобно. Хотелось бы наличие нативной фичи, но живём как живём.

Кроме этого, я закончил с Kilo Code, наконец визуализировал насколько Junie дно по фичам и заполняю то, что мне понравилось и не понравилось в Kilo Code по работе.

Основное же изменение: это то, что ко мне начали приходить люди и говорить "прикольно, не знал о такой-то фиче, но здесь ты проставил неверный статус для другой фичи". Получается эдакая коллективная разработка.
И я хочу выкрутить её на максимум: у pickyouragent теперь есть свой канал @pickyouragent, куда я буду сгружать апдейты на каждый чих. Пока у меня получается примерно обновлять сайт где-то 2 раза в неделю. Так шо велком в канал и его комментарии, будет что обсудить на тему агентов.