Хакеры придумали, как украсть вашу крипту через VS Code 😱

Группа Lazarus нашла способ заражать разработчиков прямо через редактор кода. Никаких сомнительных ссылок — только стандартные функции VS Code.

Сценарий атаки:
Вам пишет «рекрутер» с офером мечты в крипто-стартап. Просит склонировать репозиторий и пофиксить баг. Вы открываете папку в VS Code, жмёте «Yes, I trust» — и всё, поздно пить боржоми 💀

В .vscode лежит tasks.json с параметром runOn: folderOpen. Редактор послушно запускает вредоносный скрипт в фоне.

Что улетает к хакерам:
— Все ваши криптокошельки (40+ типов: MetaMask, Phantom, Binance)
— Пароли из браузеров
— Доступы к системе + бэкдор для удалённого управления

Как защититься:
Тестовые задания открываем только в Docker или виртуалке. Перед запуском проекта заглядываем в .vscode/tasks.json — там не должно быть ничего подозрительного.

Берегите свои биткоины 🔐

@ai_for_dev

Сколько кода реально пишет AI? Отвечают Microsoft, Google и Meta

MIT Technology Review назвал AI-кодогенерацию прорывной технологией 2026. Но что происходит на практике?

💻 Цифры, которые стоит знать:
• В Microsoft AI пишет до 30% кода
• В Google — больше 25%
• Марк Цукерберг говорит, что в Meta скоро большая часть кода будет AI-генерируемой

🚀 Инструменты вроде Copilot, Cursor, Lovable и Replit дошли до того, что даже люди без опыта программирования могут собрать рабочее приложение через промпты.

Но есть нюанс 👇

AI может выдавать ошибки, которые без человеческой проверки уйдут в продакшн. Поэтому экспертиза разработчика никуда не делась.

📉 Обратная сторона: меньше позиций для джунов. AI упрощает задачи, но делает порог входа выше — нужно понимать, что проверять.

Читать полностью на MIT Technology Review

@ai_for_dev

Почему ваш чат-бот тормозит: разбираемся в кэшировании промптов

Классная статья про то, как устроено кэширование в продакшн-системах LLM 🚀

Автор делился фичей в жёсткие сроки и засунул пользовательские данные в конец системного промпта. Работало, но медленно. Оказалось — он неправильно понимал, как работает кэш.

Главный инсайт: провайдеры вроде OpenAI обрабатывают запросы асинхронно на кластерах GPU. Ваш системный промпт может попасть в кэш между РАЗНЫМИ пользователями, а не только в рамках одной сессии.

📌 Что внутри:

PagedAttention — vLLM разбивает KV-кэш на блоки (как страницы памяти в ОС) вместо выделения гигантского непрерывного куска. Это убивает фрагментацию.

Prefix caching — блоки хешируются и переиспользуются. Совпал префикс → пропускаем prefill → моментальный ответ.

✅ Как попадать в кэш:
— Системный промпт должен быть одинаковым для всех юзеров
— Всё изменяемое (контекст, данные) — в конец
— Не вставляйте динамику в середину промпта

Теория + практические примеры. Рекомендую, если работаете с LLM API.

Статья

@ai_for_dev

Anthropic выпустила Claude Cowork — Claude Code для всех, кто не пишет код

Представьте: вы ставите задачу вечером, а утром агент на вашем компьютере уже всё сделал. Именно это обещает Claude Cowork — новый инструмент от Anthropic для macOS.

Что умеет:

• Работает с вашими файлами — читает, правит, создаёт документы в выбранной папке
• Действует автономно — составляет план и выполняет его, периодически отчитываясь о прогрессе
• Подключается к вашим сервисам — Google Drive, Slack, браузер (через расширение)
• Не требует терминала — всё работает прямо в приложении Claude

Реальные примеры:
• Разложить хаос в Downloads по папкам с нормальными названиями
• Собрать таблицу трат из кучи скриншотов чеков
• Написать первый драфт отчёта из ваших заметок

Важный момент: агент может удалять файлы, если вы его об этом попросите (или если он неправильно понял задачу). Плюс есть риск prompt injection — когда вредоносные инструкции спрятаны в обрабатываемых файлах.

Пока что это research preview для подписчиков Claude Max. Но уже видно, куда движется индустрия: от чат-ботов к полноценным ассистентам, которые реально работают за вас.

@ai_for_dev

Как правильно встроить LLM в приложение: эволюция подходов

Делаете AI-бота? Есть три варианта, от древнего до современного 👇

Rule-based боты — дедовский метод
Помните телефонные автоответчики с «нажмите 1, чтобы...»? Работает надёжно, но масштабировать больно. Плюс диалог получается деревянный.

Управляющие конструкции в промптах — переходный этап
Год-полтора назад было популярно, но сейчас уже костыль. Идея: модель сама парсит специальные команды из текста. Быстро поднять можно, но в продакшене — головная боль.

Tool calling — так делают сейчас
Модель не угадывает, а вызывает нормальные функции. Допустим, бот для записи на встречи:

get_available_slots(start_date, end_date)
book_meeting(date, time, duration_minutes, format)

Результат: бот говорит как человек, галлюцинаций минимум, работает стабильно. С каждой новой моделью становится только лучше.

Глубже в тему — курс по RAG и автоматизации LLM.

@ai_for_dev

Slackbot научился работать как AI-агент 🤖

Salesforce прокачал встроенного помощника Slack до уровня настоящего AI-агента. Теперь он не просто отвечает на команды, а реально помогает с рутиной.

Что теперь умеет:
• Ищет файлы и информацию по всем вашим корпоративным системам
• Пересказывает суть длинных тредов (наконец-то!)
• Пишет черновики писем и ставит встречи
• Работает с Teams и Google Drive прямо из Slack
• Запускает интеграции и команды по вашему запросу

По словам CTO Salesforce, это полностью новый продукт — от старого Slackbot только имя осталось. Во время внутреннего тестирования коллеги сами начали активно им пользоваться, без всяких обязаловок сверху.

Главная фишка: работаешь в одном окне, не прыгаешь между десятком вкладок.

В планах добавить голосовое управление и возможность серфить интернет вместе с вами.

Доступно для Business+ и Enterprise Grid.

Читать на TechCrunch

@ai_for_dev

CPython научился заимствовать ссылки без лишних операций

В Python 3.15 появилась крутая оптимизация для горячих циклов — теперь интерпретатор умеет брать ссылки на объекты без увеличения счётчика ссылок.

В чём прикол?
Раньше каждый LOAD_FAST в цикле увеличивал и уменьшал reference count. Теперь появился LOAD_FAST_BORROW — берёт ссылку временно, не трогая счётчик.

Простой пример:

python
def advance(vx, vy, steps):
    x, y = 1, 1
    for _ in range(steps):
        x *= vx
        y *= vy
    return x, y

На каждой итерации CPython раньше гонял refcount для vx и vy. Теперь — нет.

Как это работает:
Интерпретатор анализирует код и понимает: объект используется локально, не переопределяется, никуда не утекает — значит, можно взять ссылку временно. Чем-то похоже на borrow checking из Rust, но на уровне байткода.

Что это даёт:
• Меньше операций с памятью
• Меньше нагрузки на CPU cache
• Циклы работают быстрее без изменений в коде

Если интересно, как это выглядит в байткоде и что происходит под капотом — полный разбор тут 🔥

@ai_for_dev

Wine 11.0: нативная синхронизация через ntsync и production-ready WoW64

13 января состоялся релиз Wine 11.0 — открытой реализации Windows Win32 API для Unix-систем.

Ключевые технические изменения:

1. Полная поддержка драйвера ntsync (ядро Linux 6.14+)
• Реализует символьное устройство /dev/ntsync и примитивы синхронизации NT-ядра
• Устраняет накладные расходы на RPC в userspace
• Значительный прирост производительности для Windows-игр

2. Production-ready WoW64
• 32-битные приложения выполняются внутри 64-битных процессов (не требуют 32-битных Unix-процессов)
• Поддержка 16-битных приложений в WoW64-режиме
• Реализованы преобразователи системных вызовов (thunks) для обращения 32-битных PE-модулей к 64-битным Unix-библиотекам
• Унифицированный загрузчик вместо отдельного wine64
• Устаревший режим: WINEARCH=win32

3. Синхронизация потоков
• API Synchronization Barriers в ntdll
• Настройка приоритетов потоков на Linux/macOS

Статистика: 6300 коммитов, 600 закрытых issue, ~50 активных контрибуторов. Поддерживается 5400+ приложений (полная совместимость) + 4400 со стабильной работой.

@ai_for_dev