GitHub improved the Copilot code review flow 🔥

GitHub shipped an improved Copilot code review experience. That matters most on the boring, high-volume PRs where reviewers need help finding a real issue, not another summary of changed files.

For C# teams, use Copilot review as an extra pass on every ASP.NET, EF Core, and library PR. Then keep the human review focused on contracts, failure behavior, and whether the change belongs in the codebase.

Practical rule:

• Let Copilot flag suspicious diffs.
• Do not merge because it found nothing.
• Keep analyzers and tests as the enforcement layer.

AI review is cheap coverage. It is not a replacement for someone who knows why that nullable property or cancellation token exists.

[ Read More ] :
https://github.blog/changelog/2026-09-18-copilot-code-review-an-improved-review-experience

〰〰〰〰〰〰
#dotnet #csharp #GitHub #Copilot
@ProgrammingTip

#Gemini 3.8 Live jest ogólnie dostępny 🚀

Firma #Google udostępniła wersje Gemini 3.8 Live oraz Gemini 3.8 Live Extended Thinking w ramach interfejsu API Gemini.

Są to modele audio działające w czasie rzeczywistym, dostępne poprzez Live API. "Live" odnosi się do ścieżki głosowej: przesyłania dźwięku, odbierania dźwięku i prowadzenia rozmowy bez konieczności samodzielnego łączenia rozpoznawania mowy (#STT), wywołania modelu językowego (#LLM) i syntezy mowy (#TTS).

Co warto sprawdzić:

• Gemini 3.8 Live: model głosowy o niższym opóźnieniu.
• Extended Thinking: używaj go, gdy zapytanie głosowe wymaga bardziej szczegółowej analizy przed udzieleniem odpowiedzi.
• Status ogólnej dostępności (GA): warto ponownie sprawdzić, jeśli wcześniej wstrzymałeś się z korzystaniem z funkcji głosowej dostępnej tylko w wersji testowej.

Dla zespołów programistycznych pracujących w .NET, jest to dobre rozwiązanie dla usługi #WebSocket działającej w sposób ciągły, a nie dla kontrolera działającego w modelu żądanie-odpowiedź.

[ Czytaj więcej ] :
https://ai.google.dev/gemini-api/docs/changelog

〰〰〰〰〰〰
#AI #Gemini #LLM #API
@ProgrammingTip

GPT-6 Sol and GPT-6 Luna are in the API 🚀

OpenAI shipped GPT-6 Sol and GPT-6 Luna for API developers, alongside their availability in Codex and ChatGPT.

This is a two-model release, so do not blindly swap your existing production model. Put both behind the same eval set first: tool calls, structured output, long-context retrieval, refusal behavior, and latency under your real prompt size.

What to do this week:

• Add Sol and Luna as versioned model options in your config.
• Run replay traffic against a fixed golden set.
• Log model ID, token use, tool errors, and task success separately.

A model migration is an engineering change, not a dropdown change.

[ Read More ] :
https://openai.com/index/introducing-gpt-6-sol-and-luna/

〰〰〰〰〰〰
#AI #OpenAI #LLM #API
@ProgrammingTip

Wybór odpowiedniego kursu Unreal Engine 5 zależy od Twoich celów – czy chcesz tworzyć gry, animacje, czy wizualizacje architektoniczne.

Popularne kursy i platformy

PL Tutors: Oferuje kompleksowy kurs Unreal Engine 5: Kompleksowe wprowadzenie (trwający ponad 17 godzin), idealny dla osób początkujących szukających materiałów po polsku.

Helion: Proponuje Unreal Engine 5. Kurs video. Praktyczny niezbędnik game developera skupiony na budowaniu funkcjonalności i prototypowaniu mechanik.

Skvot i IT Media: Prowadzadzą szkolenia specjalistyczne, takie jak Produkcja filmowa w Unreal Engine 5 oraz Kurs Unreal Engine 5 – Cinematic, dobre do nauki reżyserii i wirtualnego świata.

Udemy: Popularne są anglojęzyczne kursy systemów Blueprint (np. kursy Grega Wondry).

A oto podstawowy poradnik wideo wprowadzający do pracy z silnikiem:

10:18 Stwórz własną grę w UNREAL ENGINE 5!
Wstęp Wyświetlenia: 50 tys. · 3 lata temu
YouTube · PL Tutors

PS: pytanie czy wobec kariery #AI i #VibeCoding-u w którym człowiek jest coraz mniej potrzebny w ogóle warto się czegoś uczyć 🤔

Claude Opus 5.5 is now on the Claude Platform 🚀

Anthropic introduced Claude Opus 5.5, a lower-cost frontier model available in Claude Code and through the Claude Platform.

That matters if your agent workload has been split between a high-end model for hard tasks and cheaper models for everything else. A lower-cost Opus tier can change where that handoff happens.

What to check:

• Run your existing eval set, not a few cherry-picked prompts.
• Measure tool-call accuracy and recovery after a failed call.
• Compare total agent cost: tokens, retries, and human review time.

For Claude Code users, model choice is now a practical repo-level config decision, not just a benchmark chart.

[ Blog ] :
https://www.anthropic.com/claude-opus-5-5

〰〰〰〰〰〰
#AI #LLM #Claude #ClaudeCode
@ProgrammingTip

Claude Opus 5.5 is available in the API 🚀

Anthropic released Claude Opus 5.5, and it is available through the Claude API.

The practical pitch is simple: lower typical token costs than Opus 5, plus a faster mode when response time matters more than squeezing out the last bit of reasoning.

What to check in your evals:

• Run the same tool-use and coding tasks against Opus 5.
• Measure latency separately for normal and faster mode.
• Track input and output tokens, not just the model's listed price.

A cheaper high-end model changes agent architecture decisions. Some workflows that needed routing to a smaller model may now fit under one stronger default.

[ Read More ] :
https://www.anthropic.com/claude/opus

〰〰〰〰〰〰
#AI #LLM #Claude #API
@ProgrammingTip

Claude Opus 5.5 jest już dostępny na platformie Claude 🚀

Firma Anthropic wprowadziła Claude Opus 5.5, model o niższej cenie, który jest dostępny w wersji Claude Code oraz na platformie Claude.

Jest to istotne, jeśli obciążenie Twojego agenta jest rozdzielone między zaawansowany model do trudnych zadań, a tańsze modele do wszystkiego innego. Tańsza wersja Opus może zmienić sposób, w jaki odbywa się to przekazywanie zadań.

Co należy sprawdzić:

• Uruchom istniejący zestaw testów, a nie tylko kilka wybranych przykładów.
• Zmierz dokładność wywoływania narzędzi oraz skuteczność odzyskiwania po nieudanym wywołaniu.
• Porównaj całkowity koszt działania agenta: tokeny, ponowne próby i czas poświęcony na weryfikację przez człowieka.

Dla użytkowników Claude Code, wybór modelu jest teraz praktyczną decyzją konfiguracyjną na poziomie repozytorium, a nie tylko odniesieniem do wykresu porównawczego.

[ Blog ] :
https://www.anthropic.com/claude-opus-5-5

〰〰〰〰〰〰
#AI #LLM #Claude #ClaudeCode
@ProgrammingTip

Claude Opus 5.5 jest dostępny w API 🚀

Firma Anthropic udostępniła Claude Opus 5.5, który jest dostępny za pośrednictwem API Claude.

Krótko mówiąc: koszt użycia modelu jest niższy niż w przypadku Opus 5, a dodatkowo dostępny jest szybszy tryb, który jest przydatny, gdy czas odpowiedzi jest ważniejszy niż maksymalne wykorzystanie możliwości modelu.

Co należy sprawdzić podczas testów:

• Wykonaj te same zadania związane z wykorzystaniem narzędzi i programowaniem, porównując je z modelem Opus 5.
• Zmierz opóźnienia oddzielnie dla trybu normalnego i szybkiego.
• Monitoruj liczbę tokenów wejściowych i wyjściowych, a nie tylko cenę modelu.

Tańszy, zaawansowany model wpływa na decyzje dotyczące architektury agentów. Niektóre procesy, które wcześniej wymagały przekierowania do mniejszego modelu, mogą teraz być obsługiwane przez jeden, bardziej wydajny model domyślny.

[ Czytaj więcej ] :
https://www.anthropic.com/claude/opus

〰〰〰〰〰〰
#AI #LLM #Claude #API
@ProgrammingTip

Sztuczna inteligencja rozpocznie w Rosji bezpośrednie poszukiwania dłużników na drogach – system będzie ich identyfikował na podstawie numerów rejestracyjnych.

Kamery będą sprawdzać numery rejestracyjne w bazach danych Federalnej Służby Egzekucyjnej i Państwowej Inspekcji Bezpieczeństwa Ruchu Drogowego i będą w stanie identyfikować osoby, które nie płacą alimentów, mandatów ani rachunków za media.

Technologia jest obecnie testowana w regionie Ałtaj, a planowane jest jej wdrożenie na terenie całej Rosji do 2027 roku.

💊 t.me/czerwpig

#AI

🗞️ USA i Rosja doprowadziły do złagodzenia zapisów projektu rezolucji ONZ dotyczącej autonomicznych systemów uzbrojenia wykorzystujących sztuczną inteligencję – informuje „The Wall Street Journal”.

Według gazety podczas negocjacji w Genewie z projektu usunięto m.in. wymóg, aby człowiek zatwierdzał cele wojskowe wskazane przez AI przed przeprowadzeniem ataku.

Zniknęły również zapisy dotyczące uwzględniania kwestii etycznych oraz wymóg, by autonomiczne systemy uzbrojenia działały w sposób „przewidywalny” i „niezawodny”.

Zmiany dotyczą jednej z najważniejszych kwestii związanych z AI na współczesnym polu walki – zakresu kontroli człowieka nad decyzją o użyciu śmiercionośnej siły.

🧭 @monitor_strategiczny
💬 t.me/polski_monitor

🗞️ Platforma Fakturownia.pl padła ofiarą cyberataku, skutkującego kradzieżą danych.

W wyniku incydentu bezpieczeństwa, atakujący uzyskali dostęp do faktur oraz danych kontrahentów. Firma unieważniła klucze API klientów. Za atak odpowiedzialna jest prawdopodobnie ta sama grupa, która wcześniej zaatakowała dostawców oprogramowania medycznego.

🧭 @monitor_strategiczny
💬 t.me/polski_monitor

Tracer Bullets

Continuing the topic from the previous post, let's talk in more detail about implementing vertical slices.

The original concept comes from The Pragmatic Programmer, where it was called tracer bullets. A tracer bullet is a small, end-to-end slice of functionality that touches all layers of the system at once.

Matt Pocock in his article adapts this concept to AI engineering:
- Build a small feature end-to-end
- Test it immediately
- Get feedback
- Move to the next slice in a fresh context window
- Repeat

Matt explained this in the following way: AI's natural inclination is to build big layers in isolation. But we need to do the opposite: build the whole scenario end to end across all layers.

The article also provides a prompt sample:

When building features, build a tiny, end-to-end slice of the feature first, seek feedback, then expand out from there. When building systems, you want to write code that gets you feedback as quickly as possible. Tracer bullets are small slices of functionality that go through all layers of the system, allowing you to test and validate your approach early. This helps in identifying potential issues and ensures that the overall architecture is sound before investing significant time in development.

So this approach forces the agent to think by small chunks and produce more predictable results.

As they say, everything new is just well-forgotten old. As we can see, AI often doesn't bring really new concepts, but rather brings existing ones back to life.

#engineering #ai

Elementy testowe

Kontynuując temat poruszony w poprzednim wpisie, porozmawiajmy bardziej szczegółowo o wdrażaniu wertykalnych fragmentów funkcjonalności.

Początkowa koncepcja pochodzi z książki The Pragmatic Programmer, gdzie nazywana była elementami testowymi. Element testowy to mały, kompletny fragment funkcjonalności, który jednocześnie dotyka wszystkich warstw systemu.

Matt Pocock w swoim artykule adaptuje tę koncepcję do inżynierii sztucznej inteligencji:
- Zbuduj małą funkcjonalność od początku do końca.
- Natychmiast ją przetestuj.
- Uzyskaj informacje zwrotne.
- Przejdź do kolejnego fragmentu w nowym kontekście.
- Powtórz.

Matt wyjaśnił to w następujący sposób: Naturalną tendencją w sztucznej inteligencji jest budowanie dużych warstw w izolacji. Ale musimy robić odwrotnie: budować cały scenariusz od początku do końca, obejmując wszystkie warstwy.

Artykuł zawiera również przykładowe instrukcje:
Podczas tworzenia funkcji, najpierw zbuduj mały, kompletny fragment tej funkcji, uzyskaj informacje zwrotne, a następnie go rozwijaj. Podczas budowania systemów, chcesz pisać kod, który pozwoli Ci jak najszybciej uzyskać informacje zwrotne. Elementy testowe to małe fragmenty funkcjonalności, które przechodzą przez wszystkie warstwy systemu, co pozwala na wczesne testowanie i weryfikację Twojego podejścia. Pomaga to w identyfikacji potencjalnych problemów i zapewnia, że ogólna architektura jest solidna, zanim zainwestujesz znaczną ilość czasu w rozwój.
W ten sposób podejście to zmusza programistę do myślenia w małych krokach i generowania bardziej przewidywalnych wyników.

Jak mawiają, wszystko nowe to tylko dobrze zapomniane stare. Jak widać, sztuczna inteligencja często nie wprowadza naprawdę nowych koncepcji, ale raczej ożywia istniejące.

#inżynieria #ai

Pożyczony pendrive zostawił coś na twoim komputerze. I nie chodzi o wirusa:
https://share.google/y41Y5QPhnJIKHgSkg
#Windows zostawia po #USB ślad
Podłączenie urządzenia pamięci masowej USB powoduje, że system Windows zapisuje wpis w kluczu #USBSTOR, w HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Enum\USBSTOR.
Jason Walker, inżynier  w firmie Microsoft, opisał ten klucz w poście na blogu Microsoft Scripting z 2012 roku, gdzie napisał, że wszystkie informacje potrzebne systemowi operacyjnemu do identyfikacji urządzenia pamięci masowej znajdują się w tym kluczu.

Poznaj dystrybucje, które działają szybko nawet na starym sprzęcie
https://lp.linux-magazine.pl/darmowy-numer-236/?cid=KM2BW9&utm_source=google&utm_medium=cpc&utm_campaign=lekkie_dystrybucje&tsr=6597728096465252595&tsc=demgen_darm_mag_202507&tss=google&tsm=cpc&tsci=24157488600&tst=&tstm=&tsa=821653077591&tsd=m&tsn=dsc&tstg=&tsg=207897960228&tse=&tsli=&tslp=1031036&tspr=&tspl=&utm_source=google&utm_medium=cpc&gad_source=1&gad_campaignid=24157488600