В начале 90-х Всемирная паутина (WWW) вовсе не была единоличным хозяином сети
У неё был серьёзный конкурент - протокол Gopher
Gopher появился в 1991 году в Университете Миннесоты
Там разработали простую систему для доступа к файлам и справочной информации через меню
Название протокола было придумано компанией Anklesaria как игра слов "gopher" (суслик роет землю, чтобы что-то найти) и "gofer" (подручный, который идёт за чем-то)
Новый инструмент быстро вышел за рамки кампуса
Настройка Gopher-сервера оказалась настолько простой, что его внедряли не только университеты и библиотеки, но и компании
Любой пользователь, подключившись к Gopher-серверу через специальный клиент, видел не веб-страницу, а список пунктов-меню в интернет-системе Gopherspace
Каждый пункт представлял либо файл, либо ссылку на другое меню
Сама навигация напоминала путешествие по папкам
Иерархическая система понравилась пользователям, потому что им нужно было только последовательно выбирать разделы, не запоминая имена файлов или команд
Так Gopher фактически превратил интернет в единый "каталог" знаний, по которому можно бродить стрелками клавиатуры
Для поиска по этому каталогу существовали специальные сервисы
Например, поисковый сервис
Другой инструмент -
Это были относительно простые поисковики (по именам файлов и заголовкам меню), но в начале 90-х и такого было достаточно
На тот момент популярность Gopherspace росла взрывными темпами
По некоторым данным, в 1993-м объём трафика Gopher увеличился почти на 1.000% за год, а к апрелю 1994-го уже насчитывалось около 7.000 Gopher-серверов по всему миру
Для сравнения, зарождающаяся Всемирная паутина в начале 1993 года генерировала ничтожную долю интернет-трафика (около 0.002 % пакетов)
Иными словами, в тот момент будущее интернета вполне могло остаться за Gopher
Однако в 1994-м технологии индексирования и поисковики стали не только доступными, но и прогрессивными
Благодаря им веб-пространство стало гораздо более удобным для использования, а о Gopherspace начали забывать
Одно из распространённых объяснений упадка Gopher заключается в том, что он не поддерживает гипертекст, который должен быть неотъемлемой частью интернета
Без гиперссылок Gopher - не более чем электронная система хранения данных
Однако переломным моментом стало интересное решение Университета Миннесоты
В феврале 1993 года совет заведения постановил, что теперь за использование собственного Gopher-сервера будет взиматься плата
Реакция сообщества была предсказуема - многие сразу задумались о переходе к открытой альтернативе
Кроме преимуществ гипертекста и ненависти к лицензиям, был и другой фактор - Gopher не предполагал полноценного поиска по содержимому
В то же время к 1994 году для веба начали появляться качественные поисковые системы
Ну и, конечно же, безопасность
Историю просмотра страниц, переданную через формы информацию и данные можно было легко перехватить. Шифрования в Gopher не было
С каждым годом интернет становился всё более удобным и насыщенным, и это привлекало новых пользователей и создателей сайтов - работал классический эффект сети
Gopher же оставался относительно узкой экосистемой, развитие которой фактически замерло после 1994 года
В результате уже к концу 90-х Gopher из передового явления превратился в технологический реликт
Многие Gopher-серверы либо закрылись, либо повесили объявления вида: "Наши материалы теперь на веб-сайте по такому-то адресу"
Да и сами разработчики переключились на веб, дорабатывать протокол было некому
Так альтернативный путь эволюции интернета был почти забыт...
S.E. ▪️ infosec.work ▪️ VT
У неё был серьёзный конкурент - протокол Gopher
Gopher появился в 1991 году в Университете Миннесоты
Там разработали простую систему для доступа к файлам и справочной информации через меню
Название протокола было придумано компанией Anklesaria как игра слов "gopher" (суслик роет землю, чтобы что-то найти) и "gofer" (подручный, который идёт за чем-то)
Новый инструмент быстро вышел за рамки кампуса
Настройка Gopher-сервера оказалась настолько простой, что его внедряли не только университеты и библиотеки, но и компании
Любой пользователь, подключившись к Gopher-серверу через специальный клиент, видел не веб-страницу, а список пунктов-меню в интернет-системе Gopherspace
Каждый пункт представлял либо файл, либо ссылку на другое меню
Сама навигация напоминала путешествие по папкам
Иерархическая система понравилась пользователям, потому что им нужно было только последовательно выбирать разделы, не запоминая имена файлов или команд
Так Gopher фактически превратил интернет в единый "каталог" знаний, по которому можно бродить стрелками клавиатуры
Для поиска по этому каталогу существовали специальные сервисы
Например, поисковый сервис
Veronica индексировал меню тысяч серверов по всему миру, позволяя находить нужные документы по названию Другой инструмент -
Jughead - мог обыскивать содержимое отдельного узла Это были относительно простые поисковики (по именам файлов и заголовкам меню), но в начале 90-х и такого было достаточно
На тот момент популярность Gopherspace росла взрывными темпами
По некоторым данным, в 1993-м объём трафика Gopher увеличился почти на 1.000% за год, а к апрелю 1994-го уже насчитывалось около 7.000 Gopher-серверов по всему миру
Для сравнения, зарождающаяся Всемирная паутина в начале 1993 года генерировала ничтожную долю интернет-трафика (около 0.002 % пакетов)
Иными словами, в тот момент будущее интернета вполне могло остаться за Gopher
Однако в 1994-м технологии индексирования и поисковики стали не только доступными, но и прогрессивными
Благодаря им веб-пространство стало гораздо более удобным для использования, а о Gopherspace начали забывать
Одно из распространённых объяснений упадка Gopher заключается в том, что он не поддерживает гипертекст, который должен быть неотъемлемой частью интернета
Без гиперссылок Gopher - не более чем электронная система хранения данных
Однако переломным моментом стало интересное решение Университета Миннесоты
В феврале 1993 года совет заведения постановил, что теперь за использование собственного Gopher-сервера будет взиматься плата
Реакция сообщества была предсказуема - многие сразу задумались о переходе к открытой альтернативе
Кроме преимуществ гипертекста и ненависти к лицензиям, был и другой фактор - Gopher не предполагал полноценного поиска по содержимому
В то же время к 1994 году для веба начали появляться качественные поисковые системы
Ну и, конечно же, безопасность
Историю просмотра страниц, переданную через формы информацию и данные можно было легко перехватить. Шифрования в Gopher не было
С каждым годом интернет становился всё более удобным и насыщенным, и это привлекало новых пользователей и создателей сайтов - работал классический эффект сети
Gopher же оставался относительно узкой экосистемой, развитие которой фактически замерло после 1994 года
В результате уже к концу 90-х Gopher из передового явления превратился в технологический реликт
Многие Gopher-серверы либо закрылись, либо повесили объявления вида: "Наши материалы теперь на веб-сайте по такому-то адресу"
Да и сами разработчики переключились на веб, дорабатывать протокол было некому
Так альтернативный путь эволюции интернета был почти забыт...
S.E. ▪️ infosec.work ▪️ VT
Wikipedia
Gopher
сетевой протокол распределённого поиска и передачи документов, который был широко распространён в Интернете до 1993 года
Рисерчеры из GoodFire продолжают исследовать так называемую геометрию LLM
Некоторое время назад они показали, что мысли моделей организованы в виде определенных форм
Например, числа – это окружности, и складывая одно число с другим, LLM на самом деле суммируют множество бубликов: t.me/data_secrets/9223
Теперь они обнаружили новые любопытные детали
Оказывается, внутри моделей существует целый ландшафт эмоциональных состояний
Ученые взяли LLama, давали ей читать рассказы и наблюдали за состоянием активаций
Так вот по мере чтения модель как бы перемещается по некоторому многомерному пространству состояний, меняясь в зависимости от того, что происходит в тексте в данный момент
Причем если визуализировать соответствующие разным эмоциям состояния модели, то получается структура, очень похожая на классическую психологическую модель эмоций человека
Еще по этой карте можно предсказывать дальнейшие ответы модели
И если искусственно подталкивать активации в направлении определенной эмоции, настроение и суть генераций меняется
www.goodfire.ai/research/stories-in-space#
Некоторое время назад они показали, что мысли моделей организованы в виде определенных форм
Например, числа – это окружности, и складывая одно число с другим, LLM на самом деле суммируют множество бубликов: t.me/data_secrets/9223
Теперь они обнаружили новые любопытные детали
Оказывается, внутри моделей существует целый ландшафт эмоциональных состояний
Ученые взяли LLama, давали ей читать рассказы и наблюдали за состоянием активаций
Так вот по мере чтения модель как бы перемещается по некоторому многомерному пространству состояний, меняясь в зависимости от того, что происходит в тексте в данный момент
Причем если визуализировать соответствующие разным эмоциям состояния модели, то получается структура, очень похожая на классическую психологическую модель эмоций человека
Еще по этой карте можно предсказывать дальнейшие ответы модели
И если искусственно подталкивать активации в направлении определенной эмоции, настроение и суть генераций меняется
www.goodfire.ai/research/stories-in-space#
Сегодня производительность AI-агентов зависит не только от базовой модели, но и от harness (обвязки)
Новая работа из Китая, Self-Harness - новый подход, где сам агент улучшает свою собственную обвязку
Агент учится на своих ошибках и сам предлагает минимальные, но точечные изменения в коде/правилах harness
Обычно harness пишут люди и это не масштабируется
Вот тут предыдущие материалы
Новая работа из Китая, Self-Harness - новый подход, где сам агент улучшает свою собственную обвязку
Агент учится на своих ошибках и сам предлагает минимальные, но точечные изменения в коде/правилах harness
Обычно harness пишут люди и это не масштабируется
Вот тут предыдущие материалы
ChatGPT входит в тему и уходит вглубь
Grok устроен вокруг людей
Каждый запрос проходит через сеть фигур, позиций, влияний и связей
Видно, кто её произвёл, кто её продвигает и кому она принадлежит
Grok силен там, где важны люди
Grok устроен вокруг людей
Каждый запрос проходит через сеть фигур, позиций, влияний и связей
Видно, кто её произвёл, кто её продвигает и кому она принадлежит
Grok силен там, где важны люди
OpenAI представила GPT-5.6 Sol, превосходящую по возможностям Claude Mythos 5, при этом имеющую меньший расход токенов
В тесте Terminal Bench 2.1 модель на настройках Ultra достигла рекордных 91.9 %
В семействе появилась также GPT-5.6 Terra, которая обошла Fable 5, и Luna — самая быстрая и экономичная версия.
В тесте Terminal Bench 2.1 модель на настройках Ultra достигла рекордных 91.9 %
В семействе появилась также GPT-5.6 Terra, которая обошла Fable 5, и Luna — самая быстрая и экономичная версия.
This media is not supported in your browser
VIEW IN TELEGRAM
Формула Эйлера имеет вид:
eⁱˣ = cos x + i·sin x. 1. Определим функцию f: ℝ → ℂ. Пусть f(x) = cos x + i·sin x
Она обладает тремя свойствами, выводимыми чисто из тригонометрии:
(1) f(0) = cos 0 + i·sin 0 = 1 + i·0 = 1 (2) f(x+y) = f(x)·f(y)Это прямое следствие формул сложения:
cos(x+y) = cos x·cos y − sin x·sin y и sin(x+y) = sin x·cos y + cos x·sin y
После подстановки и группировки получаем:
cos(x+y) + i·sin(x+y) = (cos x + i·sin x)·(cos y + i·sin y)(3) f'(x) = −sin x + i·cos x = i·(cos x + i·sin x) = i·f(x)2. Задача Коши и единственность решения
Рассмотрим дифференциальное уравнение:
y' = i·y, y(0) = 1 в поле комплексных чисел Функция
f(x) = cos x + i·sin x является его решениемТеперь рассмотрим функцию
g(x) = eⁱˣ, где экспонента определена стандартным степенным рядом: eᶻ = 1 + z/1! + z²/2! + z³/3! + …Для
z = ix ряд сходится абсолютно на всей плоскости Функция g(x) удовлетворяет тому же уравнению:
g'(x) = i·eⁱˣ = i·g(x), g(0) = 1В силу теоремы Пикара–Линделёфа (глобальная липшицевость с константой
|i| = 1) решение задачи Коши единственно на всём ℝ
Следовательно: f(x) ≡ g(x) ⇒ cos x + i·sin x ≡ eⁱˣ
Что и требовалосьФакт 1. Роль аналитичности. Если отказаться от требования комплексной дифференцируемости, существуют гладкие функции
F: ℂ → ℂ, совпадающие с eˣ на вещественной оси и принимающие значение cos x + i·sin x на мнимой оси, но не являющиеся экспонентой Пример строится с использованием функций типа
exp(−1/x²)
Таким образом, равенство Эйлера — это не просто свойство, а следствие требования аналитичностиФакт 2. Гомоморфизм групп
Отображение
φ: ℝ → S¹, φ(x) = eⁱˣ, является непрерывным гомоморфизмом из аддитивной группы ℝ в мультипликативную группу единичной окружности S¹
Это свойство редко упоминается при «выводе», но именно оно лежит в основе теории характеров и преобразования Фурье на компактных группахФакт 3. Алгебраическая независимость формул сложения
Тождество
f(x+y) = f(x)·f(y) эквивалентно двум формулам сложения для синуса и косинуса Однако оно может быть выведено чисто алгебраически из системы дифференциальных уравнений:
s' = c, c' = −s, s(0)=0, c(0)=1 без привлечения геометрических построений Это делает вывод полностью замкнутым внутри анализа
Факт 4. Топологическое следствие. Экспоненциальное отображение exp: iℝ → S¹ не является изоморфизмом групп, поскольку его ядро — множество 2πi·ℤ
Из формулы Эйлера автоматически следует, что период косинуса и синуса равен 2π (если определить π через первый положительный корень уравнения cos x = 0)
Таким образом, формула Эйлера и определение числа π оказываются взаимосвязанными
Тригонометрическая форма — это не «следствие» экспоненты, а альтернативная реализация той же самой аналитической функции
Этот факт имеет глубокие связи с теорией групп Ли, теорией представлений и гармоническим анализом на окружности
Математика около числа: Второй замечательный предел
Physics.Math.Code
@physics_lib
Please open Telegram to view this post
VIEW IN TELEGRAM
Все дело в навыках... пока цикл не сломается
Один узкий сценарий использования работает чрезвычайно хорошо, а остальное все еще разваливается
Самое большое изменение — люди учатся понимать, где агентные циклы действительно усиливают друг друга, а где они просто сжигают токены по кругу
Новый узкий участок — в том, чтобы знать, какие задачи можно делегировать, какие требуют строгой проверки, а какие все еще нуждаются в человеке в цикле
Нужно делегирование нескольким агентам, работающим параллельно, каждый из которых решает разные части одной и той же проблемы
Но агентные циклы — это не полное решение
Нужно точно знать, где цикл достаточен
Востребованна грамотность управления
Один узкий сценарий использования работает чрезвычайно хорошо, а остальное все еще разваливается
Самое большое изменение — люди учатся понимать, где агентные циклы действительно усиливают друг друга, а где они просто сжигают токены по кругу
Новый узкий участок — в том, чтобы знать, какие задачи можно делегировать, какие требуют строгой проверки, а какие все еще нуждаются в человеке в цикле
Нужно делегирование нескольким агентам, работающим параллельно, каждый из которых решает разные части одной и той же проблемы
Но агентные циклы — это не полное решение
Нужно точно знать, где цикл достаточен
Востребованна грамотность управления
ARI AML
Все дело в навыках... пока цикл не сломается Один узкий сценарий использования работает чрезвычайно хорошо, а остальное все еще разваливается Самое большое изменение — люди учатся понимать, где агентные циклы действительно усиливают друг друга, а где они…
Писать промпт, копировать ответ, через год уже не будет необходимости
Meet DrugSAGE: a self-evolving LLM agent that builds state-of-the-art drug discovery models by accumulating and reusing experience across tasks
It ranks #1 among 9 SOTA agents, and transfers solutions to new tasks at zero test-time search
Most LLM agents pay the full, expensive search cost on every new task and discard everything they learned
DrugSAGE remembers
Joint work across Northeastern, Broad Institute of MIT and Harvard, Yale, and Microsoft Research New England
It ranks #1 among 9 SOTA agents, and transfers solutions to new tasks at zero test-time search
Most LLM agents pay the full, expensive search cost on every new task and discard everything they learned
DrugSAGE remembers
Joint work across Northeastern, Broad Institute of MIT and Harvard, Yale, and Microsoft Research New England
arXiv.org
DrugSAGE:Self-evolving Agent Experience for Efficient...
Building state-of-the-art (SOTA) predictive models for drug discovery requires expensive search over tools, architectures, and training strategies. Current LLM-based agents can find SOTA solutions...
Откройте почти любой учебник по математике — и через несколько страниц встретите загадочных «нас»:
«Рассмотрим функцию».
«Докажем, что…»
«Отсюда получаем…»
Но кто именно рассматривает и получает?
Автор ведь часто работает над текстом один
И читателя в момент написания рядом тоже нет
Ответ на самом деле простой: «мы» — автор и читатель
Математический текст редко бывает просто рассказом о готовом результате
Скорее это маршрут, который предлагают пройти вместе
Автор делает один шаг, читатель проверяет его, затем оба переходят к следующему
Если читатель не может повторить этот путь, доказательство не работает
Поэтому математическое «мы» можно читать как приглашение
Хотя, конечно, «мы» — это ещё и академическая традиция
Оно помогает автору не повторять на каждой странице «я считаю»
Знание не принадлежит ему так же, как может принадлежать воспоминание или впечатление
«Рассмотрим функцию».
«Докажем, что…»
«Отсюда получаем…»
Но кто именно рассматривает и получает?
Автор ведь часто работает над текстом один
И читателя в момент написания рядом тоже нет
Ответ на самом деле простой: «мы» — автор и читатель
Математический текст редко бывает просто рассказом о готовом результате
Скорее это маршрут, который предлагают пройти вместе
Автор делает один шаг, читатель проверяет его, затем оба переходят к следующему
Если читатель не может повторить этот путь, доказательство не работает
Поэтому математическое «мы» можно читать как приглашение
Хотя, конечно, «мы» — это ещё и академическая традиция
Оно помогает автору не повторять на каждой странице «я считаю»
Знание не принадлежит ему так же, как может принадлежать воспоминание или впечатление
В 1975 году физик Джек Хезерингтон подготовил статью, в которой постоянно писал «мы»
Но автор у работы был только один
Чтобы не перепечатывать весь текст, он добавил соавтора — своего сиамского кота Честера
В статье кот появился под солидным именем Ф. Д. Ч. Уиллард
Работа была опубликована, а Уиллард вошёл в историю науки как соавтор исследования по физике низких температур
У OpenClaw — появилось официальное приложение для iOS и Android
Если вдруг пропустили само явление, то коротко: OpenClaw — это бесплатный агент с открытым исходным кодом, который в конце января 2026-го взорвал GitHub и стал одним из самых быстрорастущих проектов в его истории (свыше 180 тысяч звёзд)
Главная идея в том, что агент крутится локально, на вашей машине, и не привязан к одной нейросети: подключаете свой API-ключ или вовсе локальную модель
Общаться с ним можно прямо из привычных мессенджеров, а память он хранит у вас на диске обычными текстовыми файлами
Сердце системы — так называемый «шлюз» (gateway)
Он принимает ваше сообщение, добавляет контекст из памяти и навыков, передаёт модели, а когда та решает действовать
Запускает команды, лезет в браузер, разбирается с файлами, почтой и календарём прямо на вашем устройстве
И вот теперь к этому шлюзу можно прицепить мобильное приложение
После сопряжения с OpenClaw получится болтать голосом в реальном времени, подтверждать действия агента и решать, к чему дать ему доступ — например, к камере или геолокации
Если вдруг пропустили само явление, то коротко: OpenClaw — это бесплатный агент с открытым исходным кодом, который в конце января 2026-го взорвал GitHub и стал одним из самых быстрорастущих проектов в его истории (свыше 180 тысяч звёзд)
Главная идея в том, что агент крутится локально, на вашей машине, и не привязан к одной нейросети: подключаете свой API-ключ или вовсе локальную модель
Общаться с ним можно прямо из привычных мессенджеров, а память он хранит у вас на диске обычными текстовыми файлами
Сердце системы — так называемый «шлюз» (gateway)
Он принимает ваше сообщение, добавляет контекст из памяти и навыков, передаёт модели, а когда та решает действовать
Запускает команды, лезет в браузер, разбирается с файлами, почтой и календарём прямо на вашем устройстве
И вот теперь к этому шлюзу можно прицепить мобильное приложение
После сопряжения с OpenClaw получится болтать голосом в реальном времени, подтверждать действия агента и решать, к чему дать ему доступ — например, к камере или геолокации
Intelligent internet introduced open source Zenith a long-running agent harness
Zenith takes base models to the top of FrontierSWE via adaptive self improvement
Zenith takes base models to the top of FrontierSWE via adaptive self improvement
Claude не считает количество сообщений — он считает токены
Каждый запрос оценивается в определенное количество токенов
Как следствие, некоторые чаты расходуют лимит намного быстрее, чем ожидаешь
Как это обойти:
Редактируйте запросы вместо отправки новых
Если править уже отправленные сообщения, лимит не расходуется, при этом ответ дается уже к отредактированному запросу
Новая беседа каждые 20 сообщений
После 30 вопросов каждый следующий забирает много токенов
После 20 сообщений запрашивайте краткую сводку, копируйте ее и вставляйте в новый диалог
Группируйте вопросы
Вместо отправки отдельными сообщениями, пишите несколько вопросов или запросов в одно — это стоит в несколько раз меньше токенов, при этом ответы вы получите на все вопросы
Как вариант, перечисляйте всё что вам нужно в нумерованный список и попросите отвечать в таком порядке
Используйте Projects
Загружайте туда файлы, и ссылайтесь на них вместо повторной отправки в чат
Так файлы кешируются один раз и больше не расходуют токены
Используйте память
Перейдите в «Настройки» → «Память» и сохраните данные о себе на будущее
Отключите лишние функции
При каждом запросе токены расходуются на веб-поиск, режим исследования и коннекторы
Если они вам не требуются, отключите их с помощью иконок рядом с полем ввода текста
Чаще используйте Haiko
Эта модель экономична по токенам, при этом зачастую достаточна для текстовых запросов вроде проверки грамматики, форматирования или извлечения сути из текста
Используйте модели соответственно задачам
Haiku дает быстрые ответы, форматирование, мозговой штурм
Sonnet — написание текстов, анализ, код, серьезные черновики
Opus — глубокие исследования, строгая логика, проверка обширных документов
Не используйте Opus для задач уровня Haiku
Разбивайте работу на несколько сессий
Claude работает 5-часовыми окнами, которые перезапускаются по истечении времени
Это тормозит работу
Лучше заранее распланировать задачи в течение дня, чтобы попадать точно в окна, а не между ними
С помощью таких «бабушкиных советов» бесплатная версия Claude может стать гораздо полезнее
Каждый запрос оценивается в определенное количество токенов
Как следствие, некоторые чаты расходуют лимит намного быстрее, чем ожидаешь
Как это обойти:
Редактируйте запросы вместо отправки новых
Если править уже отправленные сообщения, лимит не расходуется, при этом ответ дается уже к отредактированному запросу
Новая беседа каждые 20 сообщений
После 30 вопросов каждый следующий забирает много токенов
После 20 сообщений запрашивайте краткую сводку, копируйте ее и вставляйте в новый диалог
Группируйте вопросы
Вместо отправки отдельными сообщениями, пишите несколько вопросов или запросов в одно — это стоит в несколько раз меньше токенов, при этом ответы вы получите на все вопросы
Как вариант, перечисляйте всё что вам нужно в нумерованный список и попросите отвечать в таком порядке
Используйте Projects
Загружайте туда файлы, и ссылайтесь на них вместо повторной отправки в чат
Так файлы кешируются один раз и больше не расходуют токены
Используйте память
Перейдите в «Настройки» → «Память» и сохраните данные о себе на будущее
Отключите лишние функции
При каждом запросе токены расходуются на веб-поиск, режим исследования и коннекторы
Если они вам не требуются, отключите их с помощью иконок рядом с полем ввода текста
Чаще используйте Haiko
Эта модель экономична по токенам, при этом зачастую достаточна для текстовых запросов вроде проверки грамматики, форматирования или извлечения сути из текста
Используйте модели соответственно задачам
Haiku дает быстрые ответы, форматирование, мозговой штурм
Sonnet — написание текстов, анализ, код, серьезные черновики
Opus — глубокие исследования, строгая логика, проверка обширных документов
Не используйте Opus для задач уровня Haiku
Разбивайте работу на несколько сессий
Claude работает 5-часовыми окнами, которые перезапускаются по истечении времени
Это тормозит работу
Лучше заранее распланировать задачи в течение дня, чтобы попадать точно в окна, а не между ними
С помощью таких «бабушкиных советов» бесплатная версия Claude может стать гораздо полезнее