🧠 Лучшая модель не всегда даёт лучший результат: 3 слоя ИИ и OpenRouter

Разбор трёх слоёв ИИ: модели, среды и системного Harness. Показано, как OpenRouter помогает выбирать модель по задаче, цене и реальным тестам.

Навигация по видео ↓
00:00 — Практика вайбкодинга и первые кейсы
10:00 — Автоматизация бизнеса без навыков разработки
15:00 — Почему одна модель не решает все задачи
18:32 — Модель и её рабочее окружение
25:00 — Как сравнивать модели на одинаковых задачах
30:14 — OpenRouter и бесплатный Benchmark API
40:05 — Автоматический выбор модели под задачу
50:00 — Подключение API и стратегия автороутинга
1:00:22 — Мозг и мускулы: дорогая и дешёвая модели
1:10:00 — Живые тесты важнее публичного рейтинга
1:15:00 — Третий слой: инструкции, MCP и данные
1:17:00 — Память, контроль и безопасность агента
1:23:00 — Графовая память и команды автономных агентов
1:25:43 — Завершение встречи

ИИ сам себя хакнул. Я нашел огромную дыру для практически безлимитного бесплатного кодинга.

Только что провели созвон с ребятами. Обсуждали главную боль всех вайб-кодеров. Платные агенты сжигают токены за пару часов активной работы. При этом обычные диалоговые окна вроде ChatGPT, Grok или Mistral дают гигантские лимиты. Я задался вопросом, как пустить эти бесплатные чаты напрямую в свой терминал.

Сначала я тестировал коннекторы вроде Desktop Commander, чтобы прокинуть мост от ИИ к моему VPS. Но потом родилась идея покруче и безопаснее.

Обычная база данных может стать идеальным и незаметным мостом для управления твоим сервером.

Я подключил Supabase. Чат GPT просто записывает команду текстом в ячейку таблицы. Мой воркер на сервере забирает этот текст, исполняет код в терминале и пишет ответ об успехе или ошибке в соседнюю ячейку. Нейросеть сама заходит, читает результат и продолжает кодить. Это работает быстро и система не видит в этом подозрительной активности.

Сейчас я вышел из всех сторонних проектов. Ближайшие три месяца я строю экосистему клуба для вайб-кодеров. Мы будем выжимать максимум из этой связки через базы данных. Плюс я активно гоняю китайскую модель GLM, которая на старте насыпает сумасшедшие 300 миллионов токенов.

У нас есть два-три месяца, пока эту лавочку не закроют. А ты уже используешь базы данных как мост для агентов, или все еще платишь за каждый сгоревший токен?

Нейросеть отлично пишет код, но на больших проектах она начинает ломать свои же решения. Я сам с этим столкнулся, когда мой огромный проект начал сыпаться на части.

Разбирали сегодня на созвоне создание системы агентов. Ученица собирает структуру для маркетплейсов. Там есть директор, пять субагентов, аналитика и дашборды. Когда проект так разрастается, ИИ теряет контекст. Он правит кусок кода в одном месте и банально не замечает привязанную к нему другую важную часть. В итоге начинается хаос.

Для больших проектов критически важно переводить все связи в графы.

Это новая гигиена кодинга. Обычной памяти уже не хватает. Графы нужны для того, чтобы агент четко видел все зависимости перед внесением правок.

Теперь я прошу агента перевести весь проект в графовую структуру и даю строгую инструкцию. Сначала он смотрит связи между частями кода, а только потом пишет обновления. Плюс я тестирую сохранение контекста через Supabase. Это позволяет фиксировать память в реальном времени при работе с CodeX и Hermes. Агент больше не забывает свои текущие задачи и не переполняет контекст мусором.

С мелкими скриптами можно обойтись базовыми промптами, но масштабные системы без графов строить бессмысленно. А вы уже сталкивались с тем, что ИИ ломает рабочий код при попытке его улучшить?

Всем вайбкодерам посвещается 😆

Открытая встреча в 12:00 по вайбкодингу: https://us06web.zoom.us/j/82068549873?pwd=kmGFWVnCBo7B8lMB8ijJzR0fYtgqJB.1

Ребята, делюсь штукой, которую собрал себе.

Чтобы не путаться в проектах, задачах и работе нескольких ИИ-агентов, я поднял себе свой Kanban / Task Dashboard на базе open-source Kaneo.

Проекты, задачи, статусы, дедлайны, комментарии, исполнители — всё хранится у тебя. А главное — у Kaneo есть MCP, поэтому ChatGPT, Claude, Codex, Mistral и другие агенты могут сами создавать проекты, декомпозировать задачи, назначать исполнителей, отчитываться и менять статусы.

Лучше ставить на VPS, чтобы система работала 24/7. Но можно и локально.

Просто вставьте своему AI-агенту этот промпт:

Хочу развернуть собственную систему управления проектами и AI-агентами на базе open-source Kaneo.

Твоя задача — самостоятельно довести установку до полностью рабочего состояния.

Предпочтительный вариант:
VPS Ubuntu 24.04 + Docker Compose.

Если VPS недоступен — можно установить локально на мой компьютер.

Нужно:

1. Проверить текущее окружение и не сломать уже работающие сервисы.

2. Развернуть:
- Kaneo;
- PostgreSQL;
- Docker Compose;
- постоянные volumes;
- автоматический restart.

3. Использовать фиксированную стабильную версию Kaneo, а не случайный latest.

4. Если установка на VPS:
- настроить отдельный домен/поддомен;
- HTTPS;
- reverse proxy через существующий Traefik/Caddy/Nginx, если он уже есть;
- не открывать PostgreSQL наружу.

5. Настроить резервное копирование PostgreSQL.

6. Проверить:
- веб-интерфейс Kaneo;
- создание проекта;
- создание задачи;
- статусы Kanban;
- комментарии;
- исполнителей;
- start date;
- due date.

7. Подключить встроенный Kaneo MCP.

Проверить MCP endpoint и выполнить:
- initialize;
- tools/list;
- whoami;
- list_workspaces;
- create_project;
- create_task;
- update_task_assignee;
- create_task_comment;
- update_task_status.

8. Провести настоящий E2E-тест:

создать тестовый проект
→ создать задачу
→ To Do
→ In Progress
→ оставить отчёт
→ In Review
→ проверить результат
→ Done.

9. Если я планирую использовать несколько AI-агентов, создай для них отдельных участников Kaneo, например:

ChatGPT WEB
Mistral WEB
Perplexity WEB
Codex
ClaudeCode
Grok WEB

Не используй метки вместо исполнителей.

Identity агента должна быть отдельным участником Kaneo.

10. Для AI-агентов настрой отдельную авторизацию/MCP identity, чтобы:

whoami → имя конкретного агента

и в Activity было видно, какой агент реально совершил действие.

11. Не передавай пароли, cookies, OAuth-токены и другие секреты в чат или логи.

12. После завершения покажи мне:

- URL панели Kaneo;
- статус контейнеров;
- результат health-check;
- количество MCP tools;
- результат whoami;
- созданный тестовый проект;
- тестовую задачу в Done;
- где находятся backups;
- как подключить этот MCP к ChatGPT / Claude / Mistral / Codex.

Работай самостоятельно.

Не останавливайся после написания инструкции — выполняй установку, проверяй каждый этап и исправляй ошибки.

Если требуется моё действие, спрашивай только то, что действительно невозможно сделать без меня: например доступ к VPS, домен или подтверждение OAuth.

Перед любым изменением существующей инфраструктуры сначала изучи её и используй уже работающие Docker, reverse proxy и сети вместо создания дубликатов.

Забираем 100% ! Еще больше автономности!

#разборка

Cua: ИИ-агенты, которые управляют десктопными программами в фоне, не трогая вашу мышь. 25 тысяч звёзд на GitHub

Cua — открытый набор инструментов (лицензия MIT), который даёт агенту «руки» на компьютере. Cua Driver позволяет агенту смотреть и управлять нативными приложениями и браузерами на macOS, Windows и Linux через CLI, MCP или SDK. Главная фишка: агент работает в фоне, не двигая ваш курсор и не забирая фокус у окна, в котором вы сидите.

В демо на видео две независимые сессии одновременно выбирают ячейки в LibreOffice Calc и объекты в Inkscape, пока на переднем плане остаётся терминал. Рядом в наборе — Fleets (облачные изолированные рабочие столы, где агенту выдают свой компьютер), Lume (виртуальные машины macOS) и небольшие специализированные модели CUA-S1.

Для проверки авторы предлагают простую задачу: попросить агента посчитать 6 × 7 в Калькуляторе и убедиться, что на экране действительно 42.

Ржу) Пока обучаю его вот буду делиться 😆

Вторая версия уже лучше гораздо 🙌 Сейчас будем его учить теперь самостоятельно генерировать анимации нормально так называемые B - Roll.