Anthropic купил Bun, а Claude Code пробил 1 миллиард баксов за 6 месяцев.
Ну что, братцы, произошло то, чего многие ждали и боялись одновременно.
Anthropic официально поглотил Bun - и это не просто покупка ради покупки - Claude Code за 6 месяцев с момента GA вышел на run-rate в миллиард долларов. Миллиард, Карл. За полгода. И хочет явно серьезно пошатнуть NodeJS.
Что это значит для JS/TS разработчиков?
1/ Bun остается open source и MIT-лицензированным. Можно выдохнуть - не закроют и не уведут в закат как очередной Google-проект.
2/ Скорость разработки будет только расти. Bun уже сейчас в разы быстрее Node по всем фронтам - рантайм, пакетный менеджер, бандлер, тест-раннер. Всё в одном.
3/ Интеграция с Claude Code станет еще глубже. Уже сейчас они запилили нативный инсталлер на базе Bun. Дальше будет только жестче.
Но вот что реально важно понять: это сигнал рынку.
Когда крупнейшая AI-компания покупает JavaScript-инфраструктуру, это значит одно - AI-assisted разработка становится не просто трендом, а новой нормой. Netflix, Spotify, Salesforce уже сидят на Claude Code. И если ты до сих пор думаешь, что это хайп который пройдет - у меня для тебя плохие новости.
Для скуфов с лососем и тыквенным латте это очередной звоночек.
А для альфапренеров это ступень роста возможностей.
Ну что, братцы, произошло то, чего многие ждали и боялись одновременно.
Anthropic официально поглотил Bun - и это не просто покупка ради покупки - Claude Code за 6 месяцев с момента GA вышел на run-rate в миллиард долларов. Миллиард, Карл. За полгода. И хочет явно серьезно пошатнуть NodeJS.
Что это значит для JS/TS разработчиков?
1/ Bun остается open source и MIT-лицензированным. Можно выдохнуть - не закроют и не уведут в закат как очередной Google-проект.
2/ Скорость разработки будет только расти. Bun уже сейчас в разы быстрее Node по всем фронтам - рантайм, пакетный менеджер, бандлер, тест-раннер. Всё в одном.
3/ Интеграция с Claude Code станет еще глубже. Уже сейчас они запилили нативный инсталлер на базе Bun. Дальше будет только жестче.
Но вот что реально важно понять: это сигнал рынку.
Когда крупнейшая AI-компания покупает JavaScript-инфраструктуру, это значит одно - AI-assisted разработка становится не просто трендом, а новой нормой. Netflix, Spotify, Salesforce уже сидят на Claude Code. И если ты до сих пор думаешь, что это хайп который пройдет - у меня для тебя плохие новости.
Для скуфов с лососем и тыквенным латте это очередной звоночек.
А для альфапренеров это ступень роста возможностей.
2❤35🔥11👏1
VibeBaza
VibeBaza - Навыки, агенты, промпты и MCP для Claude
Открывай и делись навыками, агентами, промптами и MCP конфигурациями для Claude. Хаб сообщества пользователей Claude Code.
VibeBaza - маркетплейс навыков, агентов и MCP для Claude
Короче, мы с Алмасом запилили штуку, которой нам самим не хватало последние полгода.
Если вы следите за каналом, то знаете, что я топлю за агентов и MCP как главный инструмент альфапренера в 2025. Проблема в том, что вся эта тема разбросана по сотням GitHub-репозиториев, Reddit-тредов и Discord-серверов. Чтобы собрать рабочий стек, нужно потратить десятки часов на ресерч.
Что такое VibeBaza:
1/ Навыки (Skills) - готовые конфиги для прокачки Claude под конкретные задачи. Sales, разработка, контент - бери и юзай.
2/ Агенты - автономные системы, которые пашут за тебя. Не надо сидеть и промптить каждый шаг.
3/ Промпты - проверенные шаблоны, которые реально работают. Копируй и запускай.
4/ MCP (Model Context Protocol) - интеграции с внешними сервисами. Про это я отдельно писал - штука, которая превращает Claude из слепого гения в реальный рабочий инструмент.
Возможность сразу видеть нужен ли платный API ключ или нет, метод подключения и установка просто bash-командой.
По сути, это то, что мы собирали для себя последние месяцы, только в нормальном виде с каталогом и поиском по тегам.
https://vibebaza.com
PS Переводы залью завтра. И пофиксим фронтенд) Просто деплоили и делали прям с лекции StreetMBA. Vibe)
Короче, мы с Алмасом запилили штуку, которой нам самим не хватало последние полгода.
Если вы следите за каналом, то знаете, что я топлю за агентов и MCP как главный инструмент альфапренера в 2025. Проблема в том, что вся эта тема разбросана по сотням GitHub-репозиториев, Reddit-тредов и Discord-серверов. Чтобы собрать рабочий стек, нужно потратить десятки часов на ресерч.
Что такое VibeBaza:
1/ Навыки (Skills) - готовые конфиги для прокачки Claude под конкретные задачи. Sales, разработка, контент - бери и юзай.
2/ Агенты - автономные системы, которые пашут за тебя. Не надо сидеть и промптить каждый шаг.
3/ Промпты - проверенные шаблоны, которые реально работают. Копируй и запускай.
4/ MCP (Model Context Protocol) - интеграции с внешними сервисами. Про это я отдельно писал - штука, которая превращает Claude из слепого гения в реальный рабочий инструмент.
Возможность сразу видеть нужен ли платный API ключ или нет, метод подключения и установка просто bash-командой.
По сути, это то, что мы собирали для себя последние месяцы, только в нормальном виде с каталогом и поиском по тегам.
https://vibebaza.com
PS Переводы залью завтра. И пофиксим фронтенд) Просто деплоили и делали прям с лекции StreetMBA. Vibe)
6❤39🔥20👍9👏1
Media is too big
VIEW IN TELEGRAM
После запуска VibeBaza в личку прилетело много вопросов типа "а как это ставить", "а что куда копировать", "почему у меня не работает".
Понял, что текстом не объяснить, поэтому мы с Алмасом записали видос-инструкцию на конкретном примере.
Что показали:
1/ Скилл Frontend-design - это прокачка Claude для создания UI/UX, который не выглядит как говно из 2010. Знаете эти типичные AI-интерфейсы с градиентами и тенями от всего подряд? Вот этот скилл учит Claude делать нормально, как дизайнер с насмотренностью.
2/ MCP Chrome DevTools - Claude Code получает прямой доступ к консоли твоего браузера. В реалтайме видит ошибки, смотрит DOM, дебажит. Не надо копипастить логи туда-сюда как обезьяна. Написал код - Claude сам увидел что сломалось - сам пофиксил.
3/ Установка одной bash-командой. Никакого геморроя с нодами, докерами и прочим. Скопировал команду - вставил в терминал - работает. Всё.
Это, кстати, главная идея VibeBaza - упростить ккстомизации.
https://vibebaza.com
Понял, что текстом не объяснить, поэтому мы с Алмасом записали видос-инструкцию на конкретном примере.
Что показали:
1/ Скилл Frontend-design - это прокачка Claude для создания UI/UX, который не выглядит как говно из 2010. Знаете эти типичные AI-интерфейсы с градиентами и тенями от всего подряд? Вот этот скилл учит Claude делать нормально, как дизайнер с насмотренностью.
2/ MCP Chrome DevTools - Claude Code получает прямой доступ к консоли твоего браузера. В реалтайме видит ошибки, смотрит DOM, дебажит. Не надо копипастить логи туда-сюда как обезьяна. Написал код - Claude сам увидел что сломалось - сам пофиксил.
3/ Установка одной bash-командой. Никакого геморроя с нодами, докерами и прочим. Скопировал команду - вставил в терминал - работает. Всё.
Это, кстати, главная идея VibeBaza - упростить ккстомизации.
https://vibebaza.com
2❤31🔥7
Кто такой Константин Сухачев? Парень, который за 8 лет в tech-индустрии поработал в OneTwoTrip, BestDoctor и Бланке. Последние два года строил маркетинг в банке для бизнеса на алом рынке, когда большинство сидели и ныли "всё сложно". А сейчас крутит стратегию и рост в Overgear - международной гейминг-платформе с $2М+ в месяц.
И вот смотрите что интересно.
Константин пишет про управление, стратегию и то, как не слиться когда растёшь. Это про "почему твой продукт не взлетает, хотя технически всё окей". Там структура, глубина и реальные инструменты.
И знаете что я понял за годы? Технари часто делают отличный продукт, который не взлетает. Почему? Потому что думают только фичами. А на самом деле бизнес - это стратегия, команда, позиционирование и фокус на том, что реально создаёт ценность.
Я сам это прошёл. Запилил штуку - не взлетело. Потом другую — тоже мимо. А потом начал задавать вопросы: "А что я вообще продаю? Кому? Зачем им это?". И вот тут начинается территория управленческого мышления.
Что конкретно есть у Константина:
1/ Стратегия без розовых очков
Не про "составь план и всё получится", а про реальные решения когда идеальных сценариев нет. Как менять курс и не терять смысл. У него был пост про моноидеализм - как фокусироваться на одной задаче вместо распыления. Технари это оценят, потому что у нас культ многозадачности, который убивает продуктивность.
2/ Рост команд
Как выстраивать структуру, где люди двигают бизнес вперёд, а не просто закрывают задачи. Пост про "Почему лучших сотрудников превращают в худших начальников" - боль каждого техлида, который стал управленцем и понял насколько это другая работа.
3/ Продукт и ценность
Пост "Что на самом деле продаёт ваш бизнес" реально открыл глаза. Coca-Cola продаёт счастье, а не газировку. Apple - креативность, а не гаджеты. Nike - вдохновение, а не кроссовки. А что продаёшь ты? SaaS-логику или решение боли?
4/ Инструменты и метрики
У него есть гайд "30 ключевых метрик для бизнеса". Не про "смотри на оборот", а про то какие цифры реально показывают что ты не прогораешь. Это как профилирование кода, только для бизнеса.
5/ AI и фреймворки
Да, он тоже юзает LLM-ки. Но не для создания продуктов, а для мышления. Есть пост как провести перформанс-ревью с ChatGPT за 5 минут. Неплохо для управленца, да?
Что мне зашло:
Константин пишет структурно, с конкретикой, без мотивационного шлака в стиле "верь в себя". У него есть бэкграунд - не инфоцыган, который учит бизнесу по книжкам. Он реально прошёл через стартап-романтику, банковский хардкор на алом рынке и international scale.
И самое главное: он пишет только когда есть что сказать. Не генерит контент ради контента. У него принцип "качество важнее количества" - редкость для тг-каналов.
Кому это зайдёт:
• Технарям, которые хотят вырасти в управленцы
• Продактам, которым нужна стратегия а не только фичи
• Фаундерам, которые столкнулись с ростом и не понимают что делать дальше
• Маркетологам, которым надоел перформанс без смысла
• Всем кто думает что бизнес = только деньги
Итог:
Мой канал — про то как делать. Канал Константина — про то что делать и зачем. Это комбо.
Вот его канал: https://news.1rj.ru/str/sukhachevk
Кароч, советую. Не пожалеешь.
P.S. Да, это реклама. Но я не рекламирую шлак. Проверено.
И вот смотрите что интересно.
Константин пишет про управление, стратегию и то, как не слиться когда растёшь. Это про "почему твой продукт не взлетает, хотя технически всё окей". Там структура, глубина и реальные инструменты.
И знаете что я понял за годы? Технари часто делают отличный продукт, который не взлетает. Почему? Потому что думают только фичами. А на самом деле бизнес - это стратегия, команда, позиционирование и фокус на том, что реально создаёт ценность.
Я сам это прошёл. Запилил штуку - не взлетело. Потом другую — тоже мимо. А потом начал задавать вопросы: "А что я вообще продаю? Кому? Зачем им это?". И вот тут начинается территория управленческого мышления.
Что конкретно есть у Константина:
1/ Стратегия без розовых очков
Не про "составь план и всё получится", а про реальные решения когда идеальных сценариев нет. Как менять курс и не терять смысл. У него был пост про моноидеализм - как фокусироваться на одной задаче вместо распыления. Технари это оценят, потому что у нас культ многозадачности, который убивает продуктивность.
2/ Рост команд
Как выстраивать структуру, где люди двигают бизнес вперёд, а не просто закрывают задачи. Пост про "Почему лучших сотрудников превращают в худших начальников" - боль каждого техлида, который стал управленцем и понял насколько это другая работа.
3/ Продукт и ценность
Пост "Что на самом деле продаёт ваш бизнес" реально открыл глаза. Coca-Cola продаёт счастье, а не газировку. Apple - креативность, а не гаджеты. Nike - вдохновение, а не кроссовки. А что продаёшь ты? SaaS-логику или решение боли?
4/ Инструменты и метрики
У него есть гайд "30 ключевых метрик для бизнеса". Не про "смотри на оборот", а про то какие цифры реально показывают что ты не прогораешь. Это как профилирование кода, только для бизнеса.
5/ AI и фреймворки
Да, он тоже юзает LLM-ки. Но не для создания продуктов, а для мышления. Есть пост как провести перформанс-ревью с ChatGPT за 5 минут. Неплохо для управленца, да?
Что мне зашло:
Константин пишет структурно, с конкретикой, без мотивационного шлака в стиле "верь в себя". У него есть бэкграунд - не инфоцыган, который учит бизнесу по книжкам. Он реально прошёл через стартап-романтику, банковский хардкор на алом рынке и international scale.
И самое главное: он пишет только когда есть что сказать. Не генерит контент ради контента. У него принцип "качество важнее количества" - редкость для тг-каналов.
Кому это зайдёт:
• Технарям, которые хотят вырасти в управленцы
• Продактам, которым нужна стратегия а не только фичи
• Фаундерам, которые столкнулись с ростом и не понимают что делать дальше
• Маркетологам, которым надоел перформанс без смысла
• Всем кто думает что бизнес = только деньги
Итог:
Мой канал — про то как делать. Канал Константина — про то что делать и зачем. Это комбо.
Вот его канал: https://news.1rj.ru/str/sukhachevk
Кароч, советую. Не пожалеешь.
P.S. Да, это реклама. Но я не рекламирую шлак. Проверено.
Telegram
Константин Сухачев
Бизнес, стратегия, маркетинг и лайфстайл — честно, через опыт и боль.
Драйвлю рост в Overgear, развивал предпринимательство в банке «Бланк», построил маркетинг в BestDoctor, начинал в OneTwoTrip.
Реклама: @ks_wrk
Драйвлю рост в Overgear, развивал предпринимательство в банке «Бланк», построил маркетинг в BestDoctor, начинал в OneTwoTrip.
Реклама: @ks_wrk
1👍12👎10❤5🔥2😁2
На прошлой неделе собрал свою языковую модель с нуля. GPT-архитектура, 13 миллионов параметров, PyTorch.
Нет, не чтобы конкурировать с OpenAI - это было бы тупо.
А чтобы наконец понять, как эта хуйня работает изнутри.
Почему это важно
Когда ты используешь Claude или GPT как чёрный ящик - ты не понимаешь, почему модель выдаёт именно такой результат.
Почему галлюцинирует. Почему на один промпт отвечает огонь, а на другой - полную дичь. Почему temperature 0.7 работает лучше чем 1.0.
Когда собираешь сам - начинаешь видеть:
1/ Attention (механизм внимания) - почему модель "смотрит" на определённые токены, а другие игнорит
2/ Temperature - это буквально деление логитов на число, никакой магии
3/ Почему контекст ограничен - не жадность OpenAI, а квадратичная сложность attention
4/ Как модель учится - просто предсказывает следующий токен, всё
Что я сделал
Взял книгу Sebastian Raschka "Build a Large Language Model (From Scratch)" и прошёл первые 5 глав:
- Token и Position Embeddings
- Multi-Head Causal Self-Attention
- Transformer блоки с Layer Norm
- Feed-Forward сети с GELU
- Генерация текста (greedy, temperature, top-k)
Обучил на небольшом тексте (20K символов). За 20 эпох loss упал с 10.5 до 2.7. Модель начала генерить связные предложения.
Весь код - ~600 строк Python.
Как начать
Минимальная модель - 13M параметров. Обучается на CPU за час.
Дальше можно увеличить до 124M (как GPT-2), обучить на своих данных, сделать fine-tuning под классификацию или чат-бот.
Итого
Понимание LLM изнутри - это конкурентное преимущество. Не потому что ты будешь делать свои модели для прода. А потому что будешь лучше использовать чужие.
Когда видишь, что "магия" GPT - это матричные умножения и softmax, всё становится понятнее. И ты перестаёшь быть юзером, который тыкает в API наугад или верит в искуственный интеллект)
Нет, не чтобы конкурировать с OpenAI - это было бы тупо.
А чтобы наконец понять, как эта хуйня работает изнутри.
Почему это важно
Когда ты используешь Claude или GPT как чёрный ящик - ты не понимаешь, почему модель выдаёт именно такой результат.
Почему галлюцинирует. Почему на один промпт отвечает огонь, а на другой - полную дичь. Почему temperature 0.7 работает лучше чем 1.0.
Когда собираешь сам - начинаешь видеть:
1/ Attention (механизм внимания) - почему модель "смотрит" на определённые токены, а другие игнорит
2/ Temperature - это буквально деление логитов на число, никакой магии
3/ Почему контекст ограничен - не жадность OpenAI, а квадратичная сложность attention
4/ Как модель учится - просто предсказывает следующий токен, всё
Что я сделал
Взял книгу Sebastian Raschka "Build a Large Language Model (From Scratch)" и прошёл первые 5 глав:
- Token и Position Embeddings
- Multi-Head Causal Self-Attention
- Transformer блоки с Layer Norm
- Feed-Forward сети с GELU
- Генерация текста (greedy, temperature, top-k)
Обучил на небольшом тексте (20K символов). За 20 эпох loss упал с 10.5 до 2.7. Модель начала генерить связные предложения.
Весь код - ~600 строк Python.
Как начать
pip install torch tiktoken
Минимальная модель - 13M параметров. Обучается на CPU за час.
Дальше можно увеличить до 124M (как GPT-2), обучить на своих данных, сделать fine-tuning под классификацию или чат-бот.
Итого
Понимание LLM изнутри - это конкурентное преимущество. Не потому что ты будешь делать свои модели для прода. А потому что будешь лучше использовать чужие.
Когда видишь, что "магия" GPT - это матричные умножения и softmax, всё становится понятнее. И ты перестаёшь быть юзером, который тыкает в API наугад или верит в искуственный интеллект)
3❤62🔥33👍11👏1
Пацаны, я смотрю вам зашел пост.
На самом деле я как юзер давно многое понял, но решил просто разобраться с тем как работают LLM глубже.
Есть много технических спецов которые конечно же лучше шарят в моделях, но я решил посмотреть на все это через свой опыт бизнеса, лосося на завтрак и гаррипоттеров.
Фишка в том, что итоговое качество выдачи моделей определяется не техническими навыками, т.к. уникальной технологической составляющей в моделях нет. А вот уникальная модель менеджмента по работе с датасетами, кластеризациями RLHF/RLAIF и RM ой как решает.
И в итоге я пришел к тому, с чего начинался данный канал, а конкретно:
1. С ебанатов в акционерах
2. Корпоративных культурах с лососем
3. Тупом менеджменте на всех этапах
Кароч, у меня сложилась в голове серия постов, которая должна стать лучшей на канале))
Так что скоро снова будет от меня мега треш контент)
На самом деле я как юзер давно многое понял, но решил просто разобраться с тем как работают LLM глубже.
Есть много технических спецов которые конечно же лучше шарят в моделях, но я решил посмотреть на все это через свой опыт бизнеса, лосося на завтрак и гаррипоттеров.
Фишка в том, что итоговое качество выдачи моделей определяется не техническими навыками, т.к. уникальной технологической составляющей в моделях нет. А вот уникальная модель менеджмента по работе с датасетами, кластеризациями RLHF/RLAIF и RM ой как решает.
И в итоге я пришел к тому, с чего начинался данный канал, а конкретно:
1. С ебанатов в акционерах
2. Корпоративных культурах с лососем
3. Тупом менеджменте на всех этапах
Кароч, у меня сложилась в голове серия постов, которая должна стать лучшей на канале))
Так что скоро снова будет от меня мега треш контент)
1🔥68❤16👍9😁5🤔1
Ну что, господа и дамы, хотел бы поздравить вас с наступающим Новым годом и Рождеством.
2025 стал, наверное, лучшим годом для нашей отрасли после появления облачных хостингов и первого айфона.
В первую очередь решилась проблема бутылочного горлышка в разработке - теперь всё может пилиться в режиме художника с фокусом на маркетинг и продажи, не тратя деньги и нервы на санатории для разработчиков.
Вторым пунктом идёт обычная рутина, которая стала легко поддаваться полной или частичной автоматизации. Что разгружает нервную систему от мелочей и позволяет фокусироваться на главном.
Ну и главное, что хочу пожелать в 2026 году, - думать только своей головой.
Я прям вижу, как информационное пространство настолько стало мусором, которое заполнено тупостью и пропагандой со всех сторон, что оскотинивает даже, казалось бы, неглупых людей.
Ну а с моей стороны постараюсь выдавать побольше базы в следующем году и накидывать больше полезного контента.
Всё-таки, когда я думаю, о чём бы вам рассказать, я сам намного глубже изучаю вопрос.
Так что хорошо всем отметить и увидимся в 2026.
2025 стал, наверное, лучшим годом для нашей отрасли после появления облачных хостингов и первого айфона.
В первую очередь решилась проблема бутылочного горлышка в разработке - теперь всё может пилиться в режиме художника с фокусом на маркетинг и продажи, не тратя деньги и нервы на санатории для разработчиков.
Вторым пунктом идёт обычная рутина, которая стала легко поддаваться полной или частичной автоматизации. Что разгружает нервную систему от мелочей и позволяет фокусироваться на главном.
Ну и главное, что хочу пожелать в 2026 году, - думать только своей головой.
Я прям вижу, как информационное пространство настолько стало мусором, которое заполнено тупостью и пропагандой со всех сторон, что оскотинивает даже, казалось бы, неглупых людей.
Ну а с моей стороны постараюсь выдавать побольше базы в следующем году и накидывать больше полезного контента.
Всё-таки, когда я думаю, о чём бы вам рассказать, я сам намного глубже изучаю вопрос.
Так что хорошо всем отметить и увидимся в 2026.
2🎉57❤33👍14🦄2❤🔥1🔥1🆒1
Ну и записали с Алмасом традиционные итоги года, с небольшими спойлерами на след год)
Как раз Вам под новогодний стол)))
https://youtu.be/y-Myv5b7b5w?si=04yF3mv0BSQzEUvi
Как раз Вам под новогодний стол)))
https://youtu.be/y-Myv5b7b5w?si=04yF3mv0BSQzEUvi
YouTube
Мы думали, что уйдем из IT, но возвращаемся. Итоги 2025 года.
Наша программа StreetMBA:
https://streetmba.pro/?utm_source=youtube&utm_medium=video&utm_campaign=batch5&utm_content=2025_totals
Таймкоды:
0:00:00 - Приветствие и обзор года
0:00:25 - Метрики медиа и охваты в Telegram
0:01:35 - Статистика контента: часы…
https://streetmba.pro/?utm_source=youtube&utm_medium=video&utm_campaign=batch5&utm_content=2025_totals
Таймкоды:
0:00:00 - Приветствие и обзор года
0:00:25 - Метрики медиа и охваты в Telegram
0:01:35 - Статистика контента: часы…
🔥15😁10
Как пользоваться Claude Code по заветам его создателя
Борис Черни, который собственно и создал Claude Code, выкатил пост про свой сетап. Там реально годнота без воды.
Погнали разбирать.
1/ Параллельные сессии - это база
Борис гоняет 5 Claude параллельно в терминале. Нумерует табы 1-5, юзает системные уведомления чтобы понимать когда Claude нужен инпут.
2/ Веб + локал параллельно
Ещё 5-10 сессий на claude.ai/code параллельно с локальными. Передаёт задачи между веб и терминалом через &, телепортируется туда-сюда через --teleport. Запускает сессии с телефона через iOS-приложение утром, потом чекает их.
3/ Opus 4.5 с thinking - лучшая модель
Да, она больше и медленнее Sonnet. Но её меньше надо рулить, она лучше работает с тулами, и в итоге почти всегда быстрее чем использовать модель поменьше.
4/ Командный CLAUDE.md
Вся команда шарит один CLAUDE.md для репозитория. Закидывают в git, контрибьютят несколько раз в неделю. Видят что Claude делает неправильно - добавляют туда, чтобы не повторялось.
5/ Код-ревью через @claude
Во время ревью PR коллег тегает @claude чтобы добавить что-то в CLAUDE.md прямо в рамках PR. Используют Claude Code Github action для этого. Типа Compounding Engineering - система постоянно учится.
6/ Plan mode - стартовая точка
Большинство сессий начинает в Plan mode (shift+tab дважды). Гоняет туда-сюда с Claude пока план не понравится. Потом переключается в auto-accept edits mode и Claude обычно делает всё за один заход. Хороший план - реально важно.
7/ Slash commands для рутины
Для воркфлоу которые делаешь много раз в день - slash commands. Экономит от повторного промптинга, плюс Claude тоже может юзать эти воркфлоу. Команды лежат в git в .claude/commands/. Например /commit-push-pr - коммит, пуш и открытие PR.
8/ Subagents для автоматизации
code-simplifier упрощает код после того как Claude закончил, verify-app имеет детальные инструкции для e2e тестирования. Думает о сабагентах как об автоматизации самых частых воркфлоу для PR.
9/ PostToolUse hook для форматирования
Хук форматирует код Claude. Claude генерит хорошо из коробки, хук добивает последние 10% чтобы не ловить ошибки форматирования в CI.
10/ /permissions вместо --dangerously-skip-permissions
Через /permissions заранее разрешает bash-команды которые безопасны в его окружении. Закидывает в .claude/settings.json и шарит с командой.
11/ MCP для интеграций
Claude Code юзает все тулы через MCP: ищет и постит в Slack, гоняет BigQuery запросы для аналитики, тянет логи из Sentry. Конфиг в .mcp.json шарят с командой.
12/ Долгие задачи в sandbox
Для долгих задач юзает --permission-mode=dontAsk или --dangerously-skip-permissions в sandbox чтобы Claude не блокировался на промптах за разрешениями.
13/ Верификация - самое важное
Финальный и главный совет: дай Claude возможность верифицировать свою работу. Feedback loop увеличивает качество в 2-3 раза.
Claude тестирует каждое изменение через Chrome extension - открывает браузер, тестирует UI, итерирует пока работает. Верификация разная для каждого домена: bash команда, тесты, браузер или эмулятор. Инвестируй в надёжность этого.
Борис Черни, который собственно и создал Claude Code, выкатил пост про свой сетап. Там реально годнота без воды.
Погнали разбирать.
1/ Параллельные сессии - это база
Борис гоняет 5 Claude параллельно в терминале. Нумерует табы 1-5, юзает системные уведомления чтобы понимать когда Claude нужен инпут.
2/ Веб + локал параллельно
Ещё 5-10 сессий на claude.ai/code параллельно с локальными. Передаёт задачи между веб и терминалом через &, телепортируется туда-сюда через --teleport. Запускает сессии с телефона через iOS-приложение утром, потом чекает их.
3/ Opus 4.5 с thinking - лучшая модель
Да, она больше и медленнее Sonnet. Но её меньше надо рулить, она лучше работает с тулами, и в итоге почти всегда быстрее чем использовать модель поменьше.
4/ Командный CLAUDE.md
Вся команда шарит один CLAUDE.md для репозитория. Закидывают в git, контрибьютят несколько раз в неделю. Видят что Claude делает неправильно - добавляют туда, чтобы не повторялось.
5/ Код-ревью через @claude
Во время ревью PR коллег тегает @claude чтобы добавить что-то в CLAUDE.md прямо в рамках PR. Используют Claude Code Github action для этого. Типа Compounding Engineering - система постоянно учится.
6/ Plan mode - стартовая точка
Большинство сессий начинает в Plan mode (shift+tab дважды). Гоняет туда-сюда с Claude пока план не понравится. Потом переключается в auto-accept edits mode и Claude обычно делает всё за один заход. Хороший план - реально важно.
7/ Slash commands для рутины
Для воркфлоу которые делаешь много раз в день - slash commands. Экономит от повторного промптинга, плюс Claude тоже может юзать эти воркфлоу. Команды лежат в git в .claude/commands/. Например /commit-push-pr - коммит, пуш и открытие PR.
8/ Subagents для автоматизации
code-simplifier упрощает код после того как Claude закончил, verify-app имеет детальные инструкции для e2e тестирования. Думает о сабагентах как об автоматизации самых частых воркфлоу для PR.
9/ PostToolUse hook для форматирования
Хук форматирует код Claude. Claude генерит хорошо из коробки, хук добивает последние 10% чтобы не ловить ошибки форматирования в CI.
10/ /permissions вместо --dangerously-skip-permissions
Через /permissions заранее разрешает bash-команды которые безопасны в его окружении. Закидывает в .claude/settings.json и шарит с командой.
11/ MCP для интеграций
Claude Code юзает все тулы через MCP: ищет и постит в Slack, гоняет BigQuery запросы для аналитики, тянет логи из Sentry. Конфиг в .mcp.json шарят с командой.
12/ Долгие задачи в sandbox
Для долгих задач юзает --permission-mode=dontAsk или --dangerously-skip-permissions в sandbox чтобы Claude не блокировался на промптах за разрешениями.
13/ Верификация - самое важное
Финальный и главный совет: дай Claude возможность верифицировать свою работу. Feedback loop увеличивает качество в 2-3 раза.
Claude тестирует каждое изменение через Chrome extension - открывает браузер, тестирует UI, итерирует пока работает. Верификация разная для каждого домена: bash команда, тесты, браузер или эмулятор. Инвестируй в надёжность этого.
54❤34🔥12👍9🤝1
Почему Gemini, ChatGPT и другие не умеют в разработку?
Пост получился слегка базированный, но че поделать)
Давайте разберемся, что такое AI = LLM?
Начнем с того, что это никакой не интеллект. Это софт, который выглядит как чёрный ящик, и главная задача которого - предсказывать следующее слово в предложении.
И хоть визуально всё это выглядит одинаково в интерфейсе чат-бота, та самая точность предсказывания является ключевым параметром, по которому мы можем сказать - оно «умное» или генерит бред и извиняется.
Сам процесс создания этой точности и является главной инновацией сегодняшнего дня.
Три ключевых этапа:
1. Сбор датасета и его структура - это просто текст в огромном количестве. Но главное - что именно это был за текст, насколько он был чистым от шума, какой процент качественных источников (книги, научные статьи) был использован в структуре. Как фильтровали Reddit, YouTube, Википедию.
2. Supervised Fine-Tuning (SFT) - набор текстовых диалогов. Кто их писал? Пакистанец за копейки или эксперт из MIT? Кто проверял качество? Кто ставил задание на формат?
3. RLHF + RLAIF - процесс, когда ответы модели проверяет живой человек, даёт им оценку, а модель получает плюшки за хорошие ответы. Сюда же - использование другой модели по схеме учитель-ученик. Кстати, DeepSeek много сделал, заабузив таким образом ChatGPT, что нарушает условия использования OpenAI.
Формально всё просто: нужно скормить модели правильный текст. Но проблема кроется в масштабе, который необходим, и принципе garbage in - garbage out.
Возьмём на примере разработки: как обучить модель программировать?
Ну, наверное, можно спарсить GitHub. Но там огромная доля низкокачественного кода: заброшенные репозитории, студенческие поделки, копипаста со StackOverflow. Формально датасет есть, но он бесполезен - мусор на входе даёт мусор на выходе.
Логичный вывод: такой датасет надо создать, и сделать это максимально качественно.
Что сделал Anthropic?
Они сделали ставку на качество источников с самого начала. Потом выпустили Claude Code - и получили уникальный фидбек-луп: правильные разработчики используют инструмент, доводят проекты до прода, и это становится данными для улучшения модели.
Результат - критическая масса качественных примеров для SFT и RLHF. Отсюда сначала Opus 4.0, потом 4.5, который решает задачи любой сложности с первого раза.
Попробуйте дать Copilot или Gemini задачу на рефакторинг большого проекта с сохранением контекста между файлами. Copilot начнёт нести и писать бред. Gemini до сих пор не умеет держать контекст, и через 2-3 окна просто забывает что делал в начале. Я поэтому и не хочу снимать обзоры на все эти корпоративные кодексы и антигравити, если они там не могут порешать какие-то базовые проблемы.
К чему этот пост?
На этом канале мы стараемся с вами критически мыслить и оценивать происходящее. Мы должны двигаться в сторону мира без скуфов-гаррипоттеров-левбидва-пхпшников, а как мы к этому придем если скуфы занимаются саботажем? Одни выпускают поделки с бредогенерацией, другие пилят контент и курсы про реплиты, лаваблы и прочие landing-page генераторы для умственно отсталых.
Помните, что между вашей офигенной идеей и счастьем стоят неэффективные скуфы-человеки, которых надо убрать и всё захуячить в соло, а без правильного использования правильных инструментов это довольно сложно.
Пост получился слегка базированный, но че поделать)
Давайте разберемся, что такое AI = LLM?
Начнем с того, что это никакой не интеллект. Это софт, который выглядит как чёрный ящик, и главная задача которого - предсказывать следующее слово в предложении.
И хоть визуально всё это выглядит одинаково в интерфейсе чат-бота, та самая точность предсказывания является ключевым параметром, по которому мы можем сказать - оно «умное» или генерит бред и извиняется.
Сам процесс создания этой точности и является главной инновацией сегодняшнего дня.
Три ключевых этапа:
1. Сбор датасета и его структура - это просто текст в огромном количестве. Но главное - что именно это был за текст, насколько он был чистым от шума, какой процент качественных источников (книги, научные статьи) был использован в структуре. Как фильтровали Reddit, YouTube, Википедию.
2. Supervised Fine-Tuning (SFT) - набор текстовых диалогов. Кто их писал? Пакистанец за копейки или эксперт из MIT? Кто проверял качество? Кто ставил задание на формат?
3. RLHF + RLAIF - процесс, когда ответы модели проверяет живой человек, даёт им оценку, а модель получает плюшки за хорошие ответы. Сюда же - использование другой модели по схеме учитель-ученик. Кстати, DeepSeek много сделал, заабузив таким образом ChatGPT, что нарушает условия использования OpenAI.
Формально всё просто: нужно скормить модели правильный текст. Но проблема кроется в масштабе, который необходим, и принципе garbage in - garbage out.
Возьмём на примере разработки: как обучить модель программировать?
Ну, наверное, можно спарсить GitHub. Но там огромная доля низкокачественного кода: заброшенные репозитории, студенческие поделки, копипаста со StackOverflow. Формально датасет есть, но он бесполезен - мусор на входе даёт мусор на выходе.
Логичный вывод: такой датасет надо создать, и сделать это максимально качественно.
Что сделал Anthropic?
Они сделали ставку на качество источников с самого начала. Потом выпустили Claude Code - и получили уникальный фидбек-луп: правильные разработчики используют инструмент, доводят проекты до прода, и это становится данными для улучшения модели.
Результат - критическая масса качественных примеров для SFT и RLHF. Отсюда сначала Opus 4.0, потом 4.5, который решает задачи любой сложности с первого раза.
Попробуйте дать Copilot или Gemini задачу на рефакторинг большого проекта с сохранением контекста между файлами. Copilot начнёт нести и писать бред. Gemini до сих пор не умеет держать контекст, и через 2-3 окна просто забывает что делал в начале. Я поэтому и не хочу снимать обзоры на все эти корпоративные кодексы и антигравити, если они там не могут порешать какие-то базовые проблемы.
К чему этот пост?
На этом канале мы стараемся с вами критически мыслить и оценивать происходящее. Мы должны двигаться в сторону мира без скуфов-гаррипоттеров-левбидва-пхпшников, а как мы к этому придем если скуфы занимаются саботажем? Одни выпускают поделки с бредогенерацией, другие пилят контент и курсы про реплиты, лаваблы и прочие landing-page генераторы для умственно отсталых.
Помните, что между вашей офигенной идеей и счастьем стоят неэффективные скуфы-человеки, которых надо убрать и всё захуячить в соло, а без правильного использования правильных инструментов это довольно сложно.
1🔥29❤16🤡6🥴1💯1