Ура! Наконец-то вышел этот доклад от Андрея Карпаты!

С пылу, с жару вам overview:

🤖⚡️ Digest для Telegram‑канала: «AI Coding с Андреем Карпаты»

🗓 Когда: 19 июня 2025
📍 Где: YC AI Startup School, Сан‑Франциско
🎙 Тема доклада: «Software is Changing (Again)»

⸻

🚀 Ключевые идеи

1️⃣ Software 3.0 → «📝 промпт = программа»
Бизнес‑логику всё чаще описывают текстом для LLM, а не кодом; «машинный интеллект» уже переписывает легаси‑системы.

2️⃣ LLM = новый «компьютер» 🖥
Модели выступают и как коммунальная услуга ⚡️, и как фабрика 🏭, и как ОС 🛠. Доступ к интеллекту становится базовым ресурсом.

3️⃣ Психология моделей 🧠
Jagged Intelligence — велики в алгебре, но путают 9.11 > 9.9.
Anterograde Amnesia — не запоминают новое; нужна внешняя память 💾.

4️⃣ «Держите ИИ на поводке» 🪢
LLM пишет тысячи строк за секунды, но разработчик остаётся «бутылочным горлышком» — маленькие итерации, чёткие промпты и ручная верификация ✅.

5️⃣ Ползунок автономности 🎚
Выбирайте уровень: autocomplete ➡️ агент. Побеждает короткий цикл генерация → верификация 🔄.

6️⃣ Vibe Coding ≠ production 🚧
Быстрый демо‑UI по промпту — это ещё не готовый продукт. Между «вау‑эффектом» и продом всё так же пропасть, особенно в web‑стеке 🌐.

7️⃣ Интерфейсы «для агентов» 🤝
Появляется третий пользователь — AI‑агент. Пишите llms.txt, чтобы документация и API были понятны моделям 🤖.

⸻

🛠 Практические шаги
• 🔹 Разбивайте задачи на крошечные шаги, формулируйте конкретные промпты.
• 🔹 Автоматизируйте верификацию кода — тесты, статический анализ, CI 🚦.
• 🔹 Добавляйте долговременную память (кэши, базы знаний) к LLM‑потокам 🗄.
• 🔹 Проектируйте сервисы так, чтобы их могли вызывать и люди, и агенты 🤖.

🎥 Полное видео на YouTube / 📑 Слайды доступны в описании ролика.
https://www.youtube.com/watch?v=LCEmiRjPEtQ

Поделитесь в комментариях, какую часть генерация‑верификация уже закрывает в вашем стеке!

Рубрика полезнятина!

GitMCP — мгновенный MCP-сервер для любого GitHub-репозитория
1. Как это работает
Просто замените github.com на gitmcp.io, получив URL вида https://gitmcp.io/owner/repo. Добавьте этот адрес в Cursor, Claude, Windsurf, VS Code или любой другой инструмент, поддерживающий Model Context Protocol, и ассистент начнёт читать живой код и документацию вашего проекта прямо во время ответа.
2. Зачем это нужно
Ассистенты перестают «галлюцинировать», отвечают по актуальной версии кода, быстро находят примеры API и даже самые свежие изменения. GitMCP полностью открыт, бесплатен и не требует установки — всё работает в облаке.
3. Примеры использования
• github.com/microsoft/typenoscript → gitmcp.io/microsoft/typenoscript
• langchain-ai.github.io/langgraph → langchain-ai.gitmcp.io/langgraph
• Универсальный эндпоинт: gitmcp.io/docs — ассистент сам выберет нужный репозиторий «на лету».
4. Поддерживаемые ассистенты
Cursor, Claude Desktop, Windsurf, VS Code, Cline, Highlight AI, Augment Code и любые другие MCP-клиенты.
5. Статус проекта
⭐ 3 100+ на GitHub, лицензия Apache-2.0, коммьюнити приветствует контрибьюторов.

🛠 Попробовать легко: зайдите на https://gitmcp.io/, вставьте URL репозитория и скопируйте полученный MCP-адрес в свой ИИ-инструмент.

➡️ Делитесь опытом в комментариях!

Полный клон Claude Code! Встречайте! На самом деле это очень хорошая новость, что это большой рынок теперь куда все идут

Ну короче gemini-cli с бесплатными 1000 запросами в день это какой-то эксперимент чтоли. Ну вы представляете что самую мощную модель в мире раздали в виде агента бесплатно 1000 запросов в день?! И какой это объем рынка, который мы до сих пор даже не осознали

Вот так бывает если используешь Gemini CLI через API. Лучше использовать через login, там будут лимиты включаться и агент будет останавливаться

🚀 Новинка в Claude Code: Hooks — ваши автоматические помощники в терминале

Зачем нужны hooks
Hooks — это произвольные shell‑команды, которые Claude Code запускает автоматически в определённые моменты своей работы. Они дают детерминированный контроль: вместо «надеяться, что LLM догадается», вы гарантируете, что нужное действие всегда выполнится. Основные сценарии:
• 🔔 Уведомления — отправлять сообщение в Slack, Telegram или system notify, когда Claude ждёт разрешения.
• 🧹 Автоформатирование — prettier для .ts, gofmt для .go сразу после любого правки файла.
• 📈 Логирование и аудит — писать каждую Bash‑команду Claude Code в отдельный журнал.
• 🚫 Безопасность — блокировать изменения в /config/prod/**, если кто‑то случайно попросит LLM туда писать.

Как это устроено
1. Конфигурация хранится в ~/.claude/settings.json, .claude/settings.json (проект) или .claude/settings.local.json (локально).
2. Структура: события → «matcher» (какой tool затронут) → массив команд.
3. Поддерживаемые события:
• PreToolUse — до вызова инструмента, можно заблокировать.
• PostToolUse — после успешного вызова, можно анализировать результат.
• Notification — когда Claude отправляет уведомление.
• Stop — когда сессия заканчивается.

5‑минутный Quickstart

# 1. Открой меню /hooks и выбери PreToolUse
# 2. Добавь matcher "Bash"
# 3. Добавь команду:
jq -r '"\(.tool_input.command) - \(.tool_input.denoscription // "No denoscription")"' \
>> ~/.claude/bash-command-log.txt
# 4. Сохрани в User settings
# 5. Проверка: /hooks снова или cat ~/.claude/settings.json

Теперь каждая Bash‑команда, которую Claude собирается выполнить, логируется в ~/.claude/bash-command-log.txt.

Что передаётся в скрипт
Hook получает JSON через stdin с полями: session_id, trannoscript_path, tool_name, tool_input и т.д. Возврат:
• exit 0 — всё ок; stdout увидит пользователь.
• exit 2 — блокировка; stderr пойдёт в Claude как фидбек.
• Или structured JSON с decision: "approve" | "block" и доп. полями continue, stopReason.

Советы по безопасности
• Тщательно проверяйте команды — они выполняются с вашими правами.
• Используйте абсолютные пути и валидацию параметров.
• Тестируйте в песочнице, прежде чем включать в боевом проекте.

⸻

💡 Hooks превращают Claude Code из «умного собеседника» в адаптивный инструмент, который подстраивается под процессы вашей команды. Подпишитесь, экспериментируйте и делитесь кейсами!

🚀 OpenCode — AI-агент для кодинга прямо в терминале

🔗 GitHub: https://github.com/opencode-ai/opencode
📚 Docs: https://opencode.ai/docs/

⸻

💡 Почему это интересно
• Нативный TUI. Красивый, отзывчивый, с темами (есть tokyonight и др.).
• Авто-LSP. Сам подгружает нужные LSP, чтобы LLM ошибался реже.
• Multi-session. Можно запускать несколько агентов параллельно в одном проекте.
• Share-links. Ссылки на сессии — удобно делиться и дебажить.
• 75+ моделей. Через Models.dev работают Anthropic, OpenAI, Google, локальные модели и др.
• Claude Pro/Max ready. Отдельная авторизация для экономии токенов.
• MIT license & active dev. ~6.8 k ⭐️ и обновления почти каждый день (последний релиз v0.0.55 от 27 июня 2025).
• Платформы. macOS/Linux — скрипт или brew/paru; Windows — ручная загрузка бинаря (пока).

⸻

⚙️ Установка за 30 секунд

# macOS/Linux
curl -fsSL https://opencode.ai/install | bash
# или
brew install sst/tap/opencode # macOS
paru -S opencode-bin # Arch Linux

🚀 Быстрый старт

opencode auth login # выбрать провайдера и ввести API-ключ
opencode agent . # запустить ИИ-помощника в текущем репо


⸻

🛠️ Типичные кейсы
• Генерировать или рефакторить код без переключения из терминала.
• Объяснить чужой проект: “opencode explain ./src”.
• Создать тесты: “write tests for file.go –style table”.
• Одновременно вести пару агентов (например, один — инженер-кодер, другой — ревьюер).

⸻

🔥 Чем лучше Gemini CLI / Claude Code
1. Открытый исходник — можно расширять под свои скрипты.
2. Провайдер-агностичность: подключайте хоть локальный Ollama, хоть Groq.
3. Более «живой» TUI: окно чата, дерево файлов, статус токенов и мыслей агента в ре-тайме.

⸻

😉 Попробуйте и напишите фидбек в issues — комьюнити растёт очень быстро!
#AICoding #OpenSource #CLI #DevTools

Оказывается, еще в мае выложили версию Plaud для Mac OS X. https://github.com/Plaud-AI/PLAUD-Desktop/releases.

Plaud это линейка умных транскрайберов для работы над большим потоком информации и ведения проектов 😉

Для тестирования интерфейсов использовал browser-use и playwright, но там везде были шероховатости. Нашел версию которая хорошо работает:

"playwright": {
"command": "npx",
"args": [
"-y",
"@executeautomation/playwright-mcp-server"
]
}

В чем плюс playwright еще раз - он может запускать браузер headless, то есть в фоне, и можно автоматизировать тестирование и запуск веб приложений очень просто
Так же можно напромптить чтоб модель его запускала сама (https://playwright.dev). Работает на всех ОС


Буквально, подключаете mcp playwright, дальше кидаете тест план модели и модель начинает тестировать интерфейс по вашему тестплану. Хозяйке на заметку

А с этой штукой на выходных поиграюсь https://github.com/mobile-next/mobile-mcp. Напишу свои заметки

Агентность в разработке софта: Почему пора забыть о традиционных подходах и посмотреть на рынки как на прототип будущего

Сегодня хочу поделиться мыслями о том, как меняется мир разработки ПО в эпоху ИИ и агентных систем. Мы привыкли думать о софте как о монолитных продуктах: вот бэкенд, API, база данных, архитектура — всё это строится как крепкий дом, где каждая деталь на своём месте. Но стоп, всё не так! Агентность (то есть системы, где автономные агенты взаимодействуют, решают задачи и адаптируются) требует совершенно другого мышления. Давайте разберёмся, почему старые парадигмы устаревают, и как обычные рынки — те, что существуют тысячи лет — становятся идеальным прототипом для будущего.

Рынки как базовый прототип агентных систем
Вдумайтесь: рынки — это древнейшая форма взаимодействия, которая эволюционировала естественным образом. Продавцы, покупатели, посредники — все они как агенты, которые конкурируют, торгуются и адаптируются в реальном времени. Рынок эластичен: цена падает, если товара много, или растёт при дефиците; качество товаров улучшается под давлением конкуренции, иначе продавец просто вылетит из игры. Это органичная, децентрализованная система, где нет единого "центрального сервера", диктующего правила.

А теперь сравните с нашими централизованными ПО-системами: мы тратим уйму усилий, чтобы добиться той же эластичности. Масштабирование под нагрузку? Автоматическая оптимизация цены или качества? В традиционных продуктах это требует сложных архитектур, облачных сервисов и постоянного мониторинга. Но в агентных системах всё может работать как на рынке: агенты (модели ИИ) самостоятельно договариваются, обмениваются данными и адаптируются. Нет нужды в жёсткой иерархии — просто набор "торговцев", каждый из которых специализируется на своей задаче.

Представьте: вместо монолитного бэкенда у вас сеть агентов. Один отвечает за обработку данных (как фермер, поставляющий товар), другой — за интерфейс (как продавец на прилавке), третий — за оптимизацию (как рыночный регулятор). Всё это масштабируется естественно, без перестройки всей системы.

А что насчёт стоимости? Токены не такие уж дорогие
Кто-то наверняка скажет: "Это всё круто, но токены для ИИ-моделей стоят бешеных денег! Как запускать агентов на практике?" И это справедливое замечание. Но давайте посмотрим на реальность 2025 года. Уже сейчас есть куча утилитарных моделей, которые не требуют суперкомпьютеров и работают на обычном "бытовом" железе — вашем ноутбуке или смартфоне.

Возьмём, к примеру, Gemma 3 от Google (или аналогичные открытые модели). Это компактная, но мощная модель, которая справляется с большинством задач: от генерации текста и анализа данных до простых агентных сценариев. Она не жрёт ресурсы как монстры вроде GPT-4, и её можно запускать локально. Плюс, появляются всё новые оптимизированные варианты — от дистиллированных моделей до специализированных под ниши (например, для кода или чат-ботов). Стоимость токенов падает, а эффективность растёт. Так что барьер входа уже не такой высокий, как кажется.

Новый рынок: Бэкенд как "весы" на прилавке
В итоге, это сообщение не просто о технологиях — оно о формировании совершенно другого рынка разработки. В нём агентность становится нормой, а традиционный бэкенд отходит на второй план. Он превращается в утилитарную функцию: как весы на рынке, которые просто измеряют товар, но не определяют всю торговлю. Главное — взаимодействие агентов, их адаптивность и эластичность.

Это открывает двери для инноваций: разработчики смогут фокусироваться на создании "агентных экосистем", где модели эволюционируют сами, как виды на рынке. Компании, которые застрянут в старых подходах, рискуют отстать, а те, кто адаптируется, — захватят новые ниши.

Что думаете? Готовы ли вы переосмыслить свой подход к софту? Поделитесь в комментариях! Если пост был полезен, лайк и репост — поможем распространить идею. 🚀

#ИИ #Агентность #РазработкаПО #БудущееТеха

🚨 LangChain AI выпустил открытый агент для глубоких исследований! 🚨

Компания LangChain AI представила новый проект Open Deep Research — простой, настраиваемый и полностью открытый агент для глубоких исследований. Это идеальный инструмент для разработчиков и исследователей, поддерживающий разные модели, поисковые инструменты и MCP-сервера. 🔍🤖

Ключевые фичи:

Гибкая настройка через веб-интерфейс или код.
Поддержка локальных и удаленных серверов.
Оценка результатов и тестирование.
Легкое развертывание в LangGraph Studio или OAP.
Проект уже на GitHub: https://github.com/langchain-ai/open_deep_research. Клонируйте, пробуйте и вносите вклад! 🌟

🚀 Spring AI Alibaba: Фреймворк для создания агентных ИИ-приложений на Java!
А вот еще делюсь крутым открытием для Java-разработчиков, интересующихся ИИ. Репозиторий alibaba/spring-ai-alibaba — это агентный фреймворк на базе Spring AI, который позволяет строить чат-боты, рабочие процессы и мультиагентные системы. Идеально для enterprise-уровня!
Ключевые фичи:
Графовый мультиагентный фреймворк: Легко создавайте workflows и агентов с поддержкой стримминга, human-in-the-loop и памяти. Инспирировано LangGraph, но адаптировано для Java.
Интеграции с экосистемой Alibaba: Поддержка Aliyun Bailian для LLM и RAG, ARMS для мониторинга, Nacos для MCP-регистрации. Плюс, Higress как прокси для моделей.
Готовые агенты: JManus для планирования задач и DeepResearch для глубоких исследований с инструментами вроде поиска, краулинга и Python-скриптов.
Playground: Полный пример с UI для тестирования чат-ботов, мультимодальности и RAG.
Как начать? Добавьте зависимость в ваш Spring Boot проект (JDK 17+):
com.alibaba.cloud.ai
spring-ai-alibaba-starter-dashscope

Подробности в документации на сайте.
Репо: https://github.com/alibaba/spring-ai-alibaba Примеры: https://github.com/springaialibaba/spring-ai-alibaba-examples
Если вы строите ИИ-приложения на Java, это must-have! Контрибьютте, если хотите — гайд в репо. 😎
#Java #AI #SpringAI #Alibaba #Agents

📰 Человек обошёл ИИ OpenAI на AtCoder World Tour Finals 2025!

💡 Итог: польский программист Psyho (Пшемыслав Денбяк) набрал 1 812 272 558 909 баллов, опередив кастомную модель OpenAI на 9,5 % (1 654 675 725 406 баллов). 🤯

⸻

🚀 Ключевые факты

• Задача: провести роботов по сетке 30 × 30 с минимальным числом ходов, строя стены и двигая их параллельно — классический NP-hard хардкор из Heuristic Contests.

• Участники: 12 топ-кодеров планеты + модель OpenAIAHC. Все люди, кроме Psyho, остались позади ИИ, что подчёркивает его оптимизационную мощь.

• Эмоции: «Humanity has prevailed (for now)! Я выжат, за 3 дня спал ~10 ч», — написал победитель. CEO OpenAI Сэм Альтман ответил: «Good job, Psyho».

⸻

⚔️ Почему это важно
• Первые место vs ИИ: исторический случай, когда человек удержал лидерство над флагманским ИИ в элитном финале.
• Тренд: ИИ прогрессирует бешено (успех на хард-бенчмарках вырос с 4,4 % в 2023 г. до 71,7 % в 2024-м), но долгоиграющая креативность и интуиция по-прежнему за людьми.
• Дальше: OpenAI обещает «перевернуть табло» уже к концу года — битва только начинается.

⸻

✍️ Мой take

Крутой «Джон Генри-момент»: человек тянет максимум из мозга и кофеина, чтобы опередить кремниевый мозг. Наслаждаемся победой, пока можем — счёт 1:0, но сезон длинный. 😉

🔗 Источники: Business Insider, Tom’s Hardware, India Today.