Forwarded from Инжиниринг Данных
Как говориться elevate your game with AI - ну то есть пора уже дальше двигаться.
Кто смотрел мое видео как я на работе работаю и задачки закрываю одну за другой с AI, MCP, rulers, repo indexing и тп? Там я показал реальные практические примеры, которые закрывают 90% моих повседневных задач.
Но все это ограничено 1-2 сессиями с AI, где я, как бы контролирую файлы и процесс.
Все пошло дальше. Теперь инженер может запускать 20-50 сессий и агенты работают, каждый в свой git branch и потом все это собирается в pull request.
Я пока еще не приступил к такому, но это следующий шаг в разработке, уже без IDE.
Вот что почитать:
Gastown
Multi-Claude
Claude-flow
Это все будем разбирать на Surfalytics.
Даже уже сейчас вы может через tmux запускать агентов и контролировать план задача через OpenSpec.
PS при этом 98% моих коллег, а их явно очень много практически не используют базовые возможности. На их фоне я просто супер герой производительности, я уже думаю понижать скорость и просить AI помогать мне дозировать мою сверх производительность🙈
PPS: как видите Claude code сейчас number one для разработки.
А как у вас?
Кто смотрел мое видео как я на работе работаю и задачки закрываю одну за другой с AI, MCP, rulers, repo indexing и тп? Там я показал реальные практические примеры, которые закрывают 90% моих повседневных задач.
Но все это ограничено 1-2 сессиями с AI, где я, как бы контролирую файлы и процесс.
Все пошло дальше. Теперь инженер может запускать 20-50 сессий и агенты работают, каждый в свой git branch и потом все это собирается в pull request.
Я пока еще не приступил к такому, но это следующий шаг в разработке, уже без IDE.
Вот что почитать:
Gastown
Multi-Claude
Claude-flow
Это все будем разбирать на Surfalytics.
Даже уже сейчас вы может через tmux запускать агентов и контролировать план задача через OpenSpec.
PS при этом 98% моих коллег, а их явно очень много практически не используют базовые возможности. На их фоне я просто супер герой производительности, я уже думаю понижать скорость и просить AI помогать мне дозировать мою сверх производительность🙈
PPS: как видите Claude code сейчас number one для разработки.
А как у вас?
Medium
Welcome to Gas Town
Happy New Year, and Welcome to Gas Town!
Forwarded from Клуб CDO (PostoplanBot)
Команда Cursor опубликовала практическое руководство по лучшим практикам работы с агентами при написании кода.
Агенты для программирования меняют то, как создаётся софт. Не потому, что они пишут код. А потому, что они меняют само понимание «хорошей инженерии»
Вот паттерны, которые стоит позаимствовать:
- Результаты работы агента зависят от трёх вещей: инструкций, инструментов и ваших промптов. Если результаты нестабильны, не спешите винить модель. Исправляйте harness.
- Самый большой рычаг эффективности — планирование всего, что хоть немного сложнее тривиального.
Пусть агент изучит кодовую базу, прояснит требования, составит план с указанием файлов и путей — и только потом приступает к выполнению.
- Не пытайтесь «допромптить» неверное направление. Откатитесь назад, уточните план, запустите заново. В итоге — более чистые диффы и меньше странных edge case’ов.
- Начинайте новый диалог, когда меняете задачу, агент повторяет ошибки или падает качество. Продолжайте текущий — когда вы итеративно работаете над одной и той же частью или дебажите то, что он только что сделал.
- Стандартизируйте использование агентов в команде: Rules — это постоянные ограничения проекта: команды, стиль, канонические примеры. Skills — это динамические рабочие процессы: повторяемые команды, хуки, долгоживущие циклы, интеграции.
https://cursor.com/blog/agent-best-practices
Агенты для программирования меняют то, как создаётся софт. Не потому, что они пишут код. А потому, что они меняют само понимание «хорошей инженерии»
Вот паттерны, которые стоит позаимствовать:
- Результаты работы агента зависят от трёх вещей: инструкций, инструментов и ваших промптов. Если результаты нестабильны, не спешите винить модель. Исправляйте harness.
- Самый большой рычаг эффективности — планирование всего, что хоть немного сложнее тривиального.
Пусть агент изучит кодовую базу, прояснит требования, составит план с указанием файлов и путей — и только потом приступает к выполнению.
- Не пытайтесь «допромптить» неверное направление. Откатитесь назад, уточните план, запустите заново. В итоге — более чистые диффы и меньше странных edge case’ов.
- Начинайте новый диалог, когда меняете задачу, агент повторяет ошибки или падает качество. Продолжайте текущий — когда вы итеративно работаете над одной и той же частью или дебажите то, что он только что сделал.
- Стандартизируйте использование агентов в команде: Rules — это постоянные ограничения проекта: команды, стиль, канонические примеры. Skills — это динамические рабочие процессы: повторяемые команды, хуки, долгоживущие циклы, интеграции.
https://cursor.com/blog/agent-best-practices
Cursor
Cursor agent best practices
A comprehensive guide to working with coding agents, from starting with plans to managing context, customizing workflows, and reviewing code.
Forwarded from Инжиниринг Данных
Там много классных AI штук появляется на рынке, что и не успеваешь за всем уследить, в Discord Surfalytics у нас даже есть специальные канал dev-boost-with-ai, где я собираю самое важное, что может повлиять на нашу работу.
Буквально на днях увидел про Clawbot. Судя по отзывам топ инструмент, который служит персональным ассистентом и живет на локальной машине (бесплатный и открытый).
Я хотел его попробовать для автоматизации создания и мониторинга задач в Jira, Notion, Asana. У меня всегда с этим проблема, я не создаю и не обновляю задачки.
А сегодня ребята скинули пост - From Clawdbot to Moltbot: How a C&D, Crypto Scammers, and 10 Seconds of Chaos Took Down the Internet's Hottest AI Project
Эта статья рассказывает о драматической истории проекта Clawdbot (теперь Moltbot) — самостоятельно размещаемого AI-ассистента, который за 72 часа пережил настоящий хаос.
Будьте аккуратны с новыми инструментами.
Буквально на днях увидел про Clawbot. Судя по отзывам топ инструмент, который служит персональным ассистентом и живет на локальной машине (бесплатный и открытый).
Я хотел его попробовать для автоматизации создания и мониторинга задач в Jira, Notion, Asana. У меня всегда с этим проблема, я не создаю и не обновляю задачки.
А сегодня ребята скинули пост - From Clawdbot to Moltbot: How a C&D, Crypto Scammers, and 10 Seconds of Chaos Took Down the Internet's Hottest AI Project
Эта статья рассказывает о драматической истории проекта Clawdbot (теперь Moltbot) — самостоятельно размещаемого AI-ассистента, который за 72 часа пережил настоящий хаос.
Основные моменты:
Взлёт проекта
• Clawdbot набрал 60,800+ звёзд на GitHub за рекордно короткое время
• Это был AI-ассистент с "руками" — не просто чат, а инструмент, который реально выполнял действия (доступ к файлам, браузеру, командной строке)
• Поддерживал 50+ интеграций и работал через WhatsApp, Telegram, Slack, iMessage и другие платформы
Принудительный ребрендинг
• Anthropic (создатели Claude) потребовали сменить название из-за схожести "Clawd" с "Claude"
• Проект переименовали в Moltbot (от слова "molt" — линька у омаров, символ роста)
10 секунд хаоса
• При переименовании аккаунтов GitHub и X/Twitter основатель допустил ошибку
• Криптоскамеры перехватили старые аккаунты за ~10 секунд и начали рассылать мошеннические объявления
• Появились фейковые токены $CLAWD на Solana с капитализацией до $16 млн, которые затем обрушились
Проблемы безопасности
• Исследователи обнаружили сотни публично доступных экземпляров Moltbot с открытыми учётными данными
• Через Shodan можно было найти API-ключи, токены ботов, историю переписок и возможность удалённого выполнения кода
• Демонстрация показала, как за 5 минут можно перехватить письма пользователя через prompt injection
Вопросы к Anthropic
• Многие пользователи Moltbot использовали Claude как основную модель, фактически продвигая продукт Anthropic
• Сообщество недоумевает: зачем компания преследует проект, который увеличивал продажи их подписок?
Выводы статьи:
История показывает хрупкость экосистемы AI и open-source проектов — один юридический запрос может запустить цепную реакцию из взломов, скамов и хаоса. Проект технически остаётся сильным, но репутационный ущерб огромен.
Будьте аккуратны с новыми инструментами.
DEV Community
From Clawdbot to Moltbot: How a C&D, Crypto Scammers, and 10 Seconds of Chaos Took Down the Internet's Hottest AI Project
The 72-Hour Unraveling of Open Source's Fastest-Growing Star Three days ago, Clawdbot was...
Forwarded from Инжиниринг Данных
А Antropic есть станица с курсами. Я сам не проходил, но дал задание сыну (13 лет)
• AI Fluency for Students
• Claude 101
• Claude Code in Action
Раньше у него был VSCode + KiloCode, и он создавал простые игры. Я ему настроил Claude Code в CLI, и он сказал ему намного удобней работать в командной строке, чем в VSCode. Для меня это было неожиданно. Мне вот неудобно в CLI работать, я же не вижу файлы, которые меняется. А для него эти файлы были шумом, он сфокусирован на конечном продукте, и всякие там js, css файлы это лишняя абстракция, которую он еще не знает. Я его похвалил, что он делает крутые успехи, ведь даже в этом канале мало кто использует Claude Code😝
Конечно возникает вопрос - как же так, отдать AI весь процесс создания, а самому только смотреть на input/output. Возможно так и будет скоро и новое поколение явно будет использовать AI по другому. Я ему помог нарисовать диаграмму карандашом, что у нас происходит и как можно через API генерить картинки при загрузке страницы. Дальше я хочу, чтобы он загрузил эту игру (продукт) в Netlify (хостинг) и добавь настоящий домен. Таким образом будет пример end-to-end продукта. Я в 8 классе играл в Sims, Fallout 2 и Commandos, а тут такое раздолье. Так же каждый вечер мы слушаем summary книг про компании и бизнес и мой главный point для детей, что важна дисциплина, фокус и consistency.
На подходе у нас Mini Reachy - open source робот (300 деталей), который умеет разговорить и видеть, обязательно напишу про него, когда соберем. Еще детям очень понравились проекты от Mark Robert - Crunch Labs.
Что касается меня, то я решил параллельно работать на Cursor и на Claude Code (CLI), чтобы не отставать от трендов.
PS Вот прям сейчас AI сэкономил мне 150$. На кухне выбило пробки и перестал работать фильтр и половину розеток. В щитке я включал/выключал все - не помогло. Уже думали завтра вызвать мастера. Я сфоткал свои розетки и щиток, рассказал симптомы и получил решение - на одной из розеток на кухне есть circuit breaker, я его нашел и нажал, все заработало! Электрики скоро без работы останутся! 😆
#дети #ai
• AI Fluency for Students
• Claude 101
• Claude Code in Action
Раньше у него был VSCode + KiloCode, и он создавал простые игры. Я ему настроил Claude Code в CLI, и он сказал ему намного удобней работать в командной строке, чем в VSCode. Для меня это было неожиданно. Мне вот неудобно в CLI работать, я же не вижу файлы, которые меняется. А для него эти файлы были шумом, он сфокусирован на конечном продукте, и всякие там js, css файлы это лишняя абстракция, которую он еще не знает. Я его похвалил, что он делает крутые успехи, ведь даже в этом канале мало кто использует Claude Code😝
Конечно возникает вопрос - как же так, отдать AI весь процесс создания, а самому только смотреть на input/output. Возможно так и будет скоро и новое поколение явно будет использовать AI по другому. Я ему помог нарисовать диаграмму карандашом, что у нас происходит и как можно через API генерить картинки при загрузке страницы. Дальше я хочу, чтобы он загрузил эту игру (продукт) в Netlify (хостинг) и добавь настоящий домен. Таким образом будет пример end-to-end продукта. Я в 8 классе играл в Sims, Fallout 2 и Commandos, а тут такое раздолье. Так же каждый вечер мы слушаем summary книг про компании и бизнес и мой главный point для детей, что важна дисциплина, фокус и consistency.
На подходе у нас Mini Reachy - open source робот (300 деталей), который умеет разговорить и видеть, обязательно напишу про него, когда соберем. Еще детям очень понравились проекты от Mark Robert - Crunch Labs.
Что касается меня, то я решил параллельно работать на Cursor и на Claude Code (CLI), чтобы не отставать от трендов.
PS Вот прям сейчас AI сэкономил мне 150$. На кухне выбило пробки и перестал работать фильтр и половину розеток. В щитке я включал/выключал все - не помогло. Уже думали завтра вызвать мастера. Я сфоткал свои розетки и щиток, рассказал симптомы и получил решение - на одной из розеток на кухне есть circuit breaker, я его нашел и нажал, все заработало! Электрики скоро без работы останутся! 😆
#дети #ai
Anthropic Courses
Learn to build with Claude AI through Anthropic's comprehensive courses and training programs.
Forwarded from Технозаметки Малышева
Media is too big
VIEW IN TELEGRAM
Claude 4.6 Sonnet и сбой в Матрице
Короче это буквально я сегодня утром.
Есть у меня, кто не знает, бот, который анализирует логи каналов и каждое утро присылает саммари того, что обсуждали за сутки.
Делает это бесплатно, т.е. даром.
И всё было хорошо примерно год.
40+ каналов разных - все работало без сбоев.
И тут сегодня утром вдруг он начинает сыпать ошибками разметки ни с того ни с сего, - я его этот год вообще не трогал ни разу.
А работает он, надо сказать, на Антропике - Haiku модель.
Ну и я предположил, что вМатрице Антропике, видимо, что-то поменяли и готовят релиз, ну потому, что других причин то вроде нет.
И вот, - нате получите, распишитесь:
Anthropic выкатила новый Sonnet 4.6 — дефолтная модель для Free и Pro планов в claude.ai. Цена прежняя: $3/$15 за миллион токенов.
Ключевое:
Контекстное окно 1M токенов (бета)
В Claude Code пользователи предпочли Sonnet 4.6 вместо Sonnet 4.5 в 70% случаев
Даже против Opus 4.5 (фронтир от ноября 2025) — предпочтение в 59% случаев
Серьёзный прогресс в computer use — на OSWorld бенчмарке стабильный рост за 16 месяцев (полезно для OpenClaw)
Что улучшили:
- Кодинг: меньше overengineering, меньше «лени», лучшее следование инструкциям
- Меньше галлюцинаций и ложных заявлений об успехе
- Фронтенд-код и финансовый анализ — клиенты отмечают заметно более качественный визуал
- Устойчивость к prompt injection на уровне Opus 4.6
API: claude-sonnet-4-6, поддержка adaptive и extended thinking, context compaction (бета).
По сути Sonnet 4.6 закрывает задачи, для которых раньше нужен был Opus — но по цене Sonnet.
Matrix has you Neo
#AI #Claude #Anthropic #Sonnet #агенты
———
@tsingular
Короче это буквально я сегодня утром.
Есть у меня, кто не знает, бот, который анализирует логи каналов и каждое утро присылает саммари того, что обсуждали за сутки.
Делает это бесплатно, т.е. даром.
И всё было хорошо примерно год.
40+ каналов разных - все работало без сбоев.
И тут сегодня утром вдруг он начинает сыпать ошибками разметки ни с того ни с сего, - я его этот год вообще не трогал ни разу.
А работает он, надо сказать, на Антропике - Haiku модель.
Ну и я предположил, что в
И вот, - нате получите, распишитесь:
Anthropic выкатила новый Sonnet 4.6 — дефолтная модель для Free и Pro планов в claude.ai. Цена прежняя: $3/$15 за миллион токенов.
Ключевое:
Контекстное окно 1M токенов (бета)
В Claude Code пользователи предпочли Sonnet 4.6 вместо Sonnet 4.5 в 70% случаев
Даже против Opus 4.5 (фронтир от ноября 2025) — предпочтение в 59% случаев
Серьёзный прогресс в computer use — на OSWorld бенчмарке стабильный рост за 16 месяцев (полезно для OpenClaw)
Что улучшили:
- Кодинг: меньше overengineering, меньше «лени», лучшее следование инструкциям
- Меньше галлюцинаций и ложных заявлений об успехе
- Фронтенд-код и финансовый анализ — клиенты отмечают заметно более качественный визуал
- Устойчивость к prompt injection на уровне Opus 4.6
API: claude-sonnet-4-6, поддержка adaptive и extended thinking, context compaction (бета).
По сути Sonnet 4.6 закрывает задачи, для которых раньше нужен был Opus — но по цене Sonnet.
Matrix has you Neo
#AI #Claude #Anthropic #Sonnet #агенты
———
@tsingular
Forwarded from Agentic Engineer
Зачем делят AGENTS.md / CLAUDE.md на несколько файлов ❓
TL;DR: AGENTS.md/CLAUDE.md дробят, чтобы сужать контекст, давать правила "по месту" (для конкретного модуля) и не упираться в лимиты - и OpenAI это прямо заложила в механику Codex.
1️⃣ Контекст "по месту", а не простыня на весь репо
Идея - держать базовые правила в корне, а узкие - рядом с кодом (сервис/пакет/папка). Тогда агент подтягивает то, что релевантно текущей директории. В Codex это оформлено как "цепочка инструкций": он собирает файлы от корня проекта до текущей папки, и файлы ближе к текущей директории "перекрывают" ранние.
2️⃣ Официально поддержанные override`s и приоритеты
Codex проверяет в каждой папке сначала AGENTS.override.md, потом AGENTS.md, и берёт максимум один файл на директорию. Это и есть "переопределение правил" без копипасты всего документа.
3️⃣ Лимит размера 🔜 проще дробить, чем раздувать один файл
В документации Codex явно сказано, что он прекращает добавлять инструкции, когда суммарный размер достигает лимита (по умолчанию 32 KiB) - и прямо рекомендует разносить инструкции по вложенным директориям, если упираетесь в кап.
👇 👇 👇
Как это делает OpenAI у себя
Про практику OpenAI есть публичный сигнал: в обзоре формата отмечают, что у OpenAI-организации "десятки AGENTS.md" по подкомпонентам, т.е. подход именно "много маленьких по месту", а не один общий.
Плюс, сама документация Codex описывает "слоение" инструкций: глобальные (~/.codex), репо-уровень (корень) и локальные overrides (подпапки).
〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️
Дробление AGENTS.md/CLAUDE.md - это важный инженерный приём, который привнесёт тебе следующей пользы:
🟢 меньше шума в контексте,
🟢 правила применяются там, где нужно,
🟢 проще сопровождать,
🟢 не ловить silent-truncation на лимитах.
@data_engi
#openai #agents #hack #trix #ai #llm #dev
TL;DR: AGENTS.md/CLAUDE.md дробят, чтобы сужать контекст, давать правила "по месту" (для конкретного модуля) и не упираться в лимиты - и OpenAI это прямо заложила в механику Codex.
Идея - держать базовые правила в корне, а узкие - рядом с кодом (сервис/пакет/папка). Тогда агент подтягивает то, что релевантно текущей директории. В Codex это оформлено как "цепочка инструкций": он собирает файлы от корня проекта до текущей папки, и файлы ближе к текущей директории "перекрывают" ранние.
Codex проверяет в каждой папке сначала AGENTS.override.md, потом AGENTS.md, и берёт максимум один файл на директорию. Это и есть "переопределение правил" без копипасты всего документа.
В документации Codex явно сказано, что он прекращает добавлять инструкции, когда суммарный размер достигает лимита (по умолчанию 32 KiB) - и прямо рекомендует разносить инструкции по вложенным директориям, если упираетесь в кап.
Как это делает OpenAI у себя
Про практику OpenAI есть публичный сигнал: в обзоре формата отмечают, что у OpenAI-организации "десятки AGENTS.md" по подкомпонентам, т.е. подход именно "много маленьких по месту", а не один общий.
Плюс, сама документация Codex описывает "слоение" инструкций: глобальные (~/.codex), репо-уровень (корень) и локальные overrides (подпапки).
Дробление AGENTS.md/CLAUDE.md - это важный инженерный приём, который привнесёт тебе следующей пользы:
@data_engi
#openai #agents #hack #trix #ai #llm #dev
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Machinelearning
Anthropic перенесла часть инженерной культуры: тестирование, бенчмаркинг и итеративность в процесс создания навыков и для этого теперь не нужно уметь писать код.
В skill-creator добавили автоматические тесты, бенчмарки и A/B-сравнения и теперь создатели навыков могут измерить, работает ли skill, до его запуска в продакшен.
Автор задает тестовые промпты и описывает, как выглядит нужный результат. Skill-creator запускает их параллельно: с навыком и без него.
Независимый агент-сравниватель оценивает результаты вслепую, не зная, какая версия перед ним, и сразу показывает, дает ли навык реальный прирост.
Внутренние тесты Anthropic: точность PDF-навыка выросла с 6/8 до 7/8, Excel-навыка - с 6/8 до полных 8/8.
Отдельный бенчмарк-режим дает детальную картину по каждому прогону: процент успешных тестов, время выполнения, расход токенов.
На примере PDF-навыка при работе с незаполняемыми формами и таблицами из многостраничных документов успешность выросла с 40 до 100% (при том же времени выполнения).
Если базовая модель начинает проходить тесты без загруженного навыка - это сигнал о том, что навык уже есть в ее поведении и skill можно отключить. Результаты тестов хранятся локально и интегрируются в CI-системы.
Claude решает, когда подключить навык, исключительно по короткому текстовому описанию в системном промпте.
Skill-creator теперь анализирует эти описания против тестовых промптов и предлагает правки, снижающие и ложные срабатывания и пропуски.
По результатам внутреннего прогона триггеринг стал лучше на 5 из 6 публичных навыков.
Все обновления уже доступны в вебе и Cowork. Для Claude Code обновили плагин или вот он же - в репозитории, если ставить руками.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Agentic Engineer
Forwarded from NN
Разрабам в кремниевой долине начали платить токенами — айтишники просят бюджеты на постоянный запуск нейронок.
Затраты на ИИ для одного инженера оценивают в $100 тыс. в год. Токены составляют до 20% от общей стоимости содержания синьора. Взамен компании ожидают кратного роста продуктивности.
Ждем подписку на ChatGPT вместо ДМС?
Затраты на ИИ для одного инженера оценивают в $100 тыс. в год. Токены составляют до 20% от общей стоимости содержания синьора. Взамен компании ожидают кратного роста продуктивности.
Ждем подписку на ChatGPT вместо ДМС?
Надо хотя бы что-то из этого прочесть! 😅
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Data&AI Insights
One_developer,_team_power_The_future_of_AI_driven_DevSecOps.html
229.4 KB
🔗 One developer, team power: The future of AI-driven DevSecOps
📖 tgf
📌 Будущее AI-driven DevSecOps: один разработчик как команда
✏ Введение
Распространённое представление о том, что продвинутые AI-инструменты позволят инженерам обходиться без коллег, — ошибочно.
Искусственный интеллект действительно повышает планку того, чего может достичь один разработчик, но одновременно растут и требования к его знаниям.
Инженер, использующий AI для генерации инфраструктурного кода, по-прежнему должен оценивать его безопасность.
Тот, кто применяет AI для сканирования уязвимостей, обязан понимать бизнес-логику сканируемого продукта.
Чем больше задач берёт на себя AI, тем шире должен быть кругозор для проверки его результатов.
[Полное описание в прикрепленном файле]
#AI #DevOps #программирование
📖 tgf
📌 Будущее AI-driven DevSecOps: один разработчик как команда
✏ Введение
Распространённое представление о том, что продвинутые AI-инструменты позволят инженерам обходиться без коллег, — ошибочно.
Искусственный интеллект действительно повышает планку того, чего может достичь один разработчик, но одновременно растут и требования к его знаниям.
Инженер, использующий AI для генерации инфраструктурного кода, по-прежнему должен оценивать его безопасность.
Тот, кто применяет AI для сканирования уязвимостей, обязан понимать бизнес-логику сканируемого продукта.
Чем больше задач берёт на себя AI, тем шире должен быть кругозор для проверки его результатов.
[Полное описание в прикрепленном файле]
#AI #DevOps #программирование
Forwarded from Data&AI Insights
Why_Agents_Need_Ontology.html
3.7 MB
🔗 Why Agents Need Ontology
📖 tgf
📌 Почему агентам нужна онтология
✏ Введение
Современные AI-агенты сталкиваются с фундаментальной проблемой: они обрабатывают разрозненные данные из множества систем, но не понимают, как эти данные связаны между собой.
Большинство основателей ошибочно полагают, что онтология — это вопрос проектирования баз данных.
На деле это задача бизнес-моделирования.
Онтология — это перевод вашего бизнеса на язык, который агенты могут интерпретировать и использовать для рассуждений.
Без неё агенты обречены работать с изолированными фрагментами информации и неизбежно ломаться в реальных сценариях.
————————
✏ Онтология vs схема vs модель данных
[Полное описание в прикрепленном файле]
#AI #бизнес #datamodeling
📖 tgf
📌 Почему агентам нужна онтология
✏ Введение
Современные AI-агенты сталкиваются с фундаментальной проблемой: они обрабатывают разрозненные данные из множества систем, но не понимают, как эти данные связаны между собой.
Большинство основателей ошибочно полагают, что онтология — это вопрос проектирования баз данных.
На деле это задача бизнес-моделирования.
Онтология — это перевод вашего бизнеса на язык, который агенты могут интерпретировать и использовать для рассуждений.
Без неё агенты обречены работать с изолированными фрагментами информации и неизбежно ломаться в реальных сценариях.
————————
✏ Онтология vs схема vs модель данных
[Полное описание в прикрепленном файле]
#AI #бизнес #datamodeling
Forwarded from Data&AI Insights
How_I_built_an_agent_that_works_at_Amazon_while_I_sleep_10_step.html
92.4 KB
🔗 How I built an agent that works at Amazon while I sleep (10 steps)
📖 tgf
📌 Как я создал агент, который работает в Amazon, пока я сплю: 10 шагов
✏ Введение
Большинство инженеров используют ИИ как продвинутый поисковик или младшего разработчика, которого нужно микроменеджить.
Они копируют контекст, уточняют промпты и построчно проверяют код.
Такой подход быстро упирается в потолок — скорость ввода ограничена.
Автор статьи, работающий в Amazon, понял, что нужно сместить свою роль: вместо того чтобы выполнять работу самому, необходимо проектировать системы, которые выполняют работу.
Результатом стала команда агентов (TPM для триажа тикетов, Developer для реализации и Reviewer для обработки комментариев), которая экономит команде эквивалент более одного инженера, занимающегося рутинными задачами.
————————
[Полное описание в прикрепленном файле]
#AI #программирование #DevOps
📖 tgf
📌 Как я создал агент, который работает в Amazon, пока я сплю: 10 шагов
✏ Введение
Большинство инженеров используют ИИ как продвинутый поисковик или младшего разработчика, которого нужно микроменеджить.
Они копируют контекст, уточняют промпты и построчно проверяют код.
Такой подход быстро упирается в потолок — скорость ввода ограничена.
Автор статьи, работающий в Amazon, понял, что нужно сместить свою роль: вместо того чтобы выполнять работу самому, необходимо проектировать системы, которые выполняют работу.
Результатом стала команда агентов (TPM для триажа тикетов, Developer для реализации и Reviewer для обработки комментариев), которая экономит команде эквивалент более одного инженера, занимающегося рутинными задачами.
————————
[Полное описание в прикрепленном файле]
#AI #программирование #DevOps
Forwarded from Data&AI Insights
What_Happens_When_a_PM_Runs_a_Coding_Agent_almost_Full_Time.html
85.9 KB
🔗 What Happens When a PM Runs a Coding Agent (almost) Full-Time
📖 tgf
📌 Опыт PM, работающего с Claude Code почти полный рабочий день
✏ Введение
Автор статьи — product manager в компании Astronomer, ранее занимавший позиции CEO и data engineer.
При трудоустройстве он поставил себе цель: стать «agent-native» PM — выстраивать все рабочие процессы так, чтобы Claude Code мог их ускорить.
Первые 90 дней традиционно рекомендуют слушать и изучать организацию, но автор совместил это с активным использованием ИИ-агента.
За четыре недели он создал систему из 73 markdown-файлов, провёл около 19 клиентских разговоров и запустил open-source репозиторий.
Ключевой тезис: инвестиции в структуру, доступную для агентов, окупаются экспоненциально.
————————
✏ Система организации знаний
[Полное описание в прикрепленном файле]
#AI #продукт #бизнес
📖 tgf
📌 Опыт PM, работающего с Claude Code почти полный рабочий день
✏ Введение
Автор статьи — product manager в компании Astronomer, ранее занимавший позиции CEO и data engineer.
При трудоустройстве он поставил себе цель: стать «agent-native» PM — выстраивать все рабочие процессы так, чтобы Claude Code мог их ускорить.
Первые 90 дней традиционно рекомендуют слушать и изучать организацию, но автор совместил это с активным использованием ИИ-агента.
За четыре недели он создал систему из 73 markdown-файлов, провёл около 19 клиентских разговоров и запустил open-source репозиторий.
Ключевой тезис: инвестиции в структуру, доступную для агентов, окупаются экспоненциально.
————————
✏ Система организации знаний
[Полное описание в прикрепленном файле]
#AI #продукт #бизнес
Forwarded from Data&AI Insights
Steve_Yegge_on_AI_Agents_and_the_Future_of_Software_Engineering.html
90.3 KB
🔗 Steve Yegge on AI Agents and the Future of Software Engineering
📖 tgf
📌 Steve Yegge об AI-агентах и будущем программной инженерии
Стив Йегге — программный инженер с более чем 40-летним опытом работы в GeoWorks, Amazon, Google и Grab.
Автор книги «Vibe Coding», созданной совместно с Гином Кимом, а также разработчик Gas Town — открытого оркестратора AI-агентов.
В этом интервью он делится своим видением того, как LLMs трансформируют индустрию разработки ПО и почему считает, что «дни ручного кодирования сочтены».
————————
✏ 1.
От скептика к убеждённому стороннику: S-кривая развития LLMs
[Полное описание в прикрепленном файле]
#AI #программирование #llm
📖 tgf
📌 Steve Yegge об AI-агентах и будущем программной инженерии
Стив Йегге — программный инженер с более чем 40-летним опытом работы в GeoWorks, Amazon, Google и Grab.
Автор книги «Vibe Coding», созданной совместно с Гином Кимом, а также разработчик Gas Town — открытого оркестратора AI-агентов.
В этом интервью он делится своим видением того, как LLMs трансформируют индустрию разработки ПО и почему считает, что «дни ручного кодирования сочтены».
————————
✏ 1.
От скептика к убеждённому стороннику: S-кривая развития LLMs
[Полное описание в прикрепленном файле]
#AI #программирование #llm
Forwarded from Data&AI Insights
2603.01213.html
84.2 KB
🔗 2603.01213
📖 tgf
📌 Способны ли LLM-агенты достигать консенсуса?
Исследование Byzantine-согласия
✏ Введение
Крупные языковые модели всё чаще используются как автономные агенты, которые должны совместно принимать решения.
Однако исследователи из ETH Zurich обнаружили, что надёжное достижение консенсуса не является устойчивой способностью современных LLM-агентов — даже в благоприятных условиях без вредоносных участников.
Эксперименты показывают, что группы агентов на базе Qwen3 часто не могут договориться о едином значении, а добавление даже одного Byzantine-агента (намеренно нарушающего протокол) резко снижает вероятность успеха.
————————
✏ Экспериментальная установка
[Полное описание в прикрепленном файле]
#AI #llm #исследования
📖 tgf
📌 Способны ли LLM-агенты достигать консенсуса?
Исследование Byzantine-согласия
✏ Введение
Крупные языковые модели всё чаще используются как автономные агенты, которые должны совместно принимать решения.
Однако исследователи из ETH Zurich обнаружили, что надёжное достижение консенсуса не является устойчивой способностью современных LLM-агентов — даже в благоприятных условиях без вредоносных участников.
Эксперименты показывают, что группы агентов на базе Qwen3 часто не могут договориться о едином значении, а добавление даже одного Byzantine-агента (намеренно нарушающего протокол) резко снижает вероятность успеха.
————————
✏ Экспериментальная установка
[Полное описание в прикрепленном файле]
#AI #llm #исследования
Forwarded from Data&AI Insights
How_Claude_Code_is_built.html
99.9 KB
🔗 How Claude Code is built
📖 tgf
📌 Как устроен Claude Code: архитектура, процессы и философия разработки
Claude Code стал одним из самых быстрорастущих инструментов для разработчиков в 2024 году.
С момента общего релиза в мае инструмент генерирует более 500 млн долларов годового регулярного дохода, а использование выросло более чем в 10 раз за три месяца.
Автор статьи побеседовал с создателями Claude Code — инженерами Борисом Черным (автор оригинального прототипа) и Сидом Бидасарией (второй инженер проекта), а также продюсером Кэт У.
Из интервью стало ясно, как работает «AI-first» команда разработки и какие уроки из этого могут извлечь другие инженерные организации.
————————
✏ 1.
История создания: от музыки к файловой системе
[Полное описание в прикрепленном файле]
#AI #программирование #продукт
📖 tgf
📌 Как устроен Claude Code: архитектура, процессы и философия разработки
Claude Code стал одним из самых быстрорастущих инструментов для разработчиков в 2024 году.
С момента общего релиза в мае инструмент генерирует более 500 млн долларов годового регулярного дохода, а использование выросло более чем в 10 раз за три месяца.
Автор статьи побеседовал с создателями Claude Code — инженерами Борисом Черным (автор оригинального прототипа) и Сидом Бидасарией (второй инженер проекта), а также продюсером Кэт У.
Из интервью стало ясно, как работает «AI-first» команда разработки и какие уроки из этого могут извлечь другие инженерные организации.
————————
✏ 1.
История создания: от музыки к файловой системе
[Полное описание в прикрепленном файле]
#AI #программирование #продукт
Forwarded from Data&AI Insights
Top_AI_Skills_in_Demand_for_2026_and_How_to_Build_Them.html
128.1 KB
🔗 Top AI Skills in Demand for 2026 and How to Build Them
📖 tgf
📌 Саммари: Востребованные навыки AI в 2026 году
✏ Введение
К 2026 году разговор в индустрии кардинально изменился: больше не достаточно просто «понимать AI на высоком уровне».
Компании ищут профессионалов, которые могут применять навыки AI для решения реальных бизнес-задач, работать совместно с интеллектуальными системами и принимать решения быстрее, качественнее и с большей уверенностью.
Это фундаментальный сдвиг — от теоретических знаний к практическому использованию.
Тот, кто умеет работать с AI-системами, а не конкурировать с ними, станет наиболее ценным специалистом на рынке труда.
————————
✏ Рынок труда AI в 2026: что действительно меняется
[Полное описание в прикрепленном файле]
#AI #бизнес #образование
📖 tgf
📌 Саммари: Востребованные навыки AI в 2026 году
✏ Введение
К 2026 году разговор в индустрии кардинально изменился: больше не достаточно просто «понимать AI на высоком уровне».
Компании ищут профессионалов, которые могут применять навыки AI для решения реальных бизнес-задач, работать совместно с интеллектуальными системами и принимать решения быстрее, качественнее и с большей уверенностью.
Это фундаментальный сдвиг — от теоретических знаний к практическому использованию.
Тот, кто умеет работать с AI-системами, а не конкурировать с ними, станет наиболее ценным специалистом на рынке труда.
————————
✏ Рынок труда AI в 2026: что действительно меняется
[Полное описание в прикрепленном файле]
#AI #бизнес #образование