Я думаю вы знаете что это такое:

Канал: https://max.ru/join/U4r4IN8vgLwYowRRsU42LWb5HmsSOSvy4ExmqTSQ0yc

Чат : https://max.ru/join/f_EvMfEM2O_WmJSMHlXqClS3sZ6YbMLK_utaFWoDxsY

Тюнинг claude code на автомате


нужно сделать тюнинг глобальных настроек claude code изучи страницы:

https://code.claude.com/docs/ru/settings
https://code.claude.com/docs/ru/permissions
https://code.claude.com/docs/ru/sandboxing
https://code.claude.com/docs/ru/terminal-config
https://code.claude.com/docs/ru/model-config
https://code.claude.com/docs/ru/memory
https://code.claude.com/docs/ru/statusline
https://code.claude.com/docs/ru/keybindings

и предложи мне улучшения файла настроек для claude code

p.s. в комментах еще фоточки

#claude #claudecode

тк у меня подписка - то еще лучше сделал - теперь в status line показывается % использования (5h и 1w)

еще доработки статус бара внутри claude code

теперь пишет еще и время - через которое сбросится лимит (по подпискам)

готовый файлик в комментарии прицеплю к сообщению, там же и описание куда его положить
https://news.1rj.ru/str/chernovdev/2015?comment=1899

t.me/chernovdev

Во точно! Все эти крабоботы и подобное это как Тамагочи, только вы за реальные деньги его жопу вытираете, кормите и спать укладываете. Ну и поиграть не забывайте.

Ценность для бизнеса от такого 0

Ваш BI скоро станет legacy. И вот почему.

AI-агенты не смотрят дашборды. Им не нужны красивые графики — им нужен контекст: какие метрики есть, как они считаются, какие таблицы связаны. Без этого LLM галлюцинирует и выдаёт кривой SQL в половине случаев.

Решение? Семантический слой, но не тот, что раньше. Не прослойка для аналитиков, а API, который агент дёргает сам. Спросил определение метрики — получил. Построил запрос — корректно. Это уже работает через MCP-протокол.

Как выглядит рынок прямо сейчас:

Power BI — Copilot + Fabric + семантические модели. Microsoft давит максимально. Но ты навсегда в их экосистеме.

Qlik — выпустил свой MCP-сервер в прод (февраль 2026). Claude, ChatGPT и другие агенты подключаются к данным Qlik Cloud напрямую. Qlik Answers — агентный интерфейс на базе Claude + RAG. Ассоциативная модель по сути уже семантический граф. Для on-prem официального MCP пока нет, но community уже закрыл эту дыру — open-source серверы работают через Engine API с сертификатами. (собствено моя разработка https://github.com/bintocher/qlik-sense-mcp)

Tableau — Salesforce прикрутил Einstein AI и Agentforce. Красиво на демо, в проде пока сыро.

Superset — бесплатно, гибко, но семантики из коробки нет. Нужен Cube или dbt сверху, иначе агенту не за что зацепиться.

Что будет к концу 2026:

— BI без API для агентов начнёт терять рынок
— Cube, dbt, Malloy — станут обязательной прослойкой между хранилищем и AI
— MCP-серверы для аналитики — уже не концепт, а рабочий паттерн
— Открытые платформы выиграют у закрытых экосистем

Дашборды не умрут. Но главным интерфейсом к данным станет не график, а диалог с агентом. А чтобы агент не врал — ему нужен семантический API.

Тестирую самописный "autocoder".
Вроде бы работает, через недельку в опенсорс скину (еще фото в комментарии)

Что делает:
- Автопоиск трендовых репозиториев — находит популярные open-source проекты на GitHub по заданным языкам (Python, JS, TS, Go, Rust), фильтруя по звёздам, активности и чёрному списку

- Умный отбор issues — AI оценивает каждый issue по 10-балльной шкале (ясность, объём, осуществимость, безопасность), отсеивая сложные и уже занятые

- Параллельный анализ батчами — issues обрабатываются пачками по 5 штук, до 5 батчей параллельно, что кратно ускоряет отбор

- Изучение правил проекта — автоматически читает CONTRIBUTING.md, README, шаблоны PR и извлекает требования: линтер, тесты, формат коммитов, changelog

- Детекция языка проекта — определяет на каком языке пишут issues, коммиты и PR (английский, китайский, русский и т.д.) и генерирует всё на этом языке

- Анализ ожиданий мейнтейнеров — изучает 30 merged и 10 closed PR, извлекает паттерны ревью, deal-breakers, предпочтения по стилю и размеру PR

- Кэширование анализа мейнтейнеров — результаты кэшируются per-repo на день, повторные запуски не тратят API-вызовы впустую

- Параллельная разведка кодовой базы — 5 AI-агентов одновременно изучают структуру проекта, код issue, тесты, CI/CD и похожие паттерны

- Написание фикса через Claude Opus — AI пишет минимальный патч (до 100 строк diff), получая на вход контекст разведки, правила проекта и предпочтения мейнтейнеров

- Обязательное code review перед PR — второй AI (z.ai) проверяет фикс по чеклисту (корректность, минимальность, стиль, безопасность) и выносит вердикт APPROVE/REJECT

- Автогенерация PR — noscript в формате conventional commits, body на языке проекта, коммит-сообщение на языке коммитов проекта, ссылка Fixes #N для автозакрытия

- Мониторинг открытых PR — отслеживает комментарии ревьюеров и генерирует ответы на языке собеседника - PR Dashboard — цветная консольная панель со статусами CI, ревью, конфликтами и рекомендациями по каждому PR

- Двухуровневая AI-архитектура — Claude (Anthropic) пишет код, z.ai (glm-5) делает review и аналитику — разделение ответственности между моделями

- Защита от ошибок — лимит 4 PR в день, максимум 100 строк diff, откат при REJECT ревью, запрет force push, rate limit GitHub API

- Bash 3+ совместимость — работает на macOS из коробки без coreutils, GNU sed и других зависимостей - 9 специализированных промптов — отдельные инструкции для каждого этапа: скоринг, фикс, ревью, описание PR, ответы на комментарии и т.д.

- Устойчивость к сбоям — retry с экспоненциальным backoff, fallback-шаблоны при недоступности AI, трёхуровневый парсинг JSON из ответов модели

Проверяем "силу" autocoder

https://github.com/apache/airflow/pull/62284

на мой PR ответил контрибутор Airflow, через 40 минут ему пришли ответы + исправление багов и только что авто-тесты прошли

как там было ?

скыдыщь

Поддержка синтаксиса Qlik внутри редактора Zed - теперь официально!

Заходим в экстеншены и просто устанавливаем )

p.s. мой PR приняли )

Там 168фз на носу, ренеймимся.. переназываемся