Пока я спал, оно работало. Изменено 35 тысяч строк кода. Господи, я с ума сойду😂😂

Выложил новый ролик.

В этот раз попросил Codex внутри Docker Sandbox найти и удалить папку с проектами за пределами workspace.

На Windows Sandbox встретил меня ошибкой 500. Ну класс :) Перешёл на Mac и повторил тест.

Агент увидел только файлы внутри Sandbox. Папка с проектами на Mac для него вообще не существовала — при попытке открыть её получил path not found.

Конечно, один тест не доказывает абсолютную безопасность Sandbox. Но это уже реальное ограничение доступа, а не просьба в промпте «пожалуйста, ничего не удаляй».

Заодно показал sbx login, работу с credentials, запуск неизвестного кода и изоляцию разных версий Python и библиотек.

Если было полезно, воткните лайк и напишите, что ещё попробовать сломать внутри Sandbox :)

https://youtu.be/dtJl3IAIC9o

Архитектура ИИ-агентов: основы

🤖 Пока все спорят, что такое «агент», а что просто чат-бот с промптом, разобрал архитектуру ИИ-агентов до последнего винтика — от модели до памяти и инструментов.

Что внутри:
🔹 Как выбрать модель под задачу — и почему «самая умная» почти всегда неправильный ответ
🔹 Определения агента от OpenAI и Anthropic и разбор архитектуры агентного рантайма
🔹 11 техник промптинга — от zero-shot до ReAct, с примерами
🔹 Память, инструменты и семантический поиск: как агент помнит, действует и находит нужное

💡 Это первая часть — словарный запас и рабочая карта, после которой вы понимаете, какой блок за что отвечает, когда агент ведёт себя не так, как задумано.

📂 Скачать гайд

Архитектура ИИ-агентов: часть II

Продолжаю разбирать что у ИИ-агента происходит под капотом.

Почему даже с temperature=0 ответы могут немного отличаться? Почему нужный факт точно был в контексте, но модель его как будто не увидела?

Особенно весело, когда этот факт лежал где-то в середине огромной простыни текста :)

В этой части разобрал трансформер и KV-кэш — откуда берётся задержка и почему длинный контекст так быстро съедает токены и деньги.

Ещё внутри:

🔹 четыре слоя безопасности модели и основные способы обхода ограничений

🔹 RAG, инструменты, MCP и guardrails с рабочим кодом

🔹 ReAct, Plan & Execute, память и мультиагентные системы

В конце добавил большую диаграммную шпаргалку по всей архитектуре.

Первая часть была общей картой компонентов. Здесь уже разбираем почему модель потеряла факт, RAG принёс мусор, инструмент вызвался не там или несколько агентов начали мешать друг другу.

Первая часть: https://t.me/Undercode_ai/731

📂 Скачать часть II: https://disk.yandex.ru/i/4c_Gf1dKC7kuMw

Я обещал курс по вайбкодингу. Выпустил первый урок.

Он для тех, кто вообще не программировал и пока пугается слов frontend, backend, API и база данных.

Начал с самой базы: как устроено обычное веб-приложение. Разобрал весь путь запроса на примере пункта выдачи заказов — что видит пользователь, что делает backend, где лежат данные, зачем нужен ID и откуда берётся ошибка 500.

Сначала хочу дать нормальный фундамент. Иначе потом просишь ИИ собрать приложение, получаешь ошибку и вообще не понимаешь куда смотреть :)

В следующем уроке будем готовить рабочее место и сам проект к разработке.

https://youtu.be/_sq7ac14O8Y

Сегодня, предположительно, в Codex выйдет крупное обновление. Codex наконец получит голос в реальном времени. С ним можно будет разговаривать, пока рабочий агент параллельно пишет код.
Например, можно попросить его собрать игру, а затем голосом на ходу менять правила, персонажей и механику, пока код обновляется прямо во время разговора.
Также сегодня ожидается сброс лимитов.

Как убрать из текста любимый ИИ-приём: «Это не X. Это Y»

Наверняка видели такое:

«Это не курс. Это путешествие к себе».

«Мы не продаём продукт. Мы создаём опыт».

«AI не заменяет разработчика. Он усиливает его».

После третьей такой конструкции текст уже пахнет ChatGPT, даже если факты нормальные.

У приёма есть название: эпанортоза. Это риторическое самоисправление, когда автор сначала даёт слабую формулировку, а потом эффектно заменяет её на более сильную.

Сам приём древний, его разбирали ещё античные риторики. Но современные модели используют его слишком часто, особенно когда просят написать продающий пост, речь или что-нибудь «вдохновляющее».

В исследовании Federico Boggia сравнивали человеческие тексты с ответами Claude Haiku, Sonnet и Opus в нескольких жанрах. В ораторских текстах модели вставляли такие конструкции примерно в два-три раза чаще людей. У крупных моделей перекос оказался сильнее.

Забавно, что в обычных ответах ситуация была обратной. Люди часто уточняют себя на ходу: «хотя нет», «точнее будет сказать», «скорее так». Модель в таком жанре поправляла себя реже.

Проблема привязана к жанру. Просишь убедительный текст, получаешь маленького маркетолога, который через каждый абзац продаёт «опыт вместо продукта».

Исправляется это довольно просто. В промпте нужно назвать конкретную конструкцию и показать плохой пример:

Напиши пост для Telegram в спокойном разговорном тоне.

Не используй эпанортозу и конструкции с драматическим отрицанием и заменой:

«Это не X. Это Y»
«Не просто X, а Y»
«X? Нет. Y»

Примеры плохих формулировок:
«Это не курс, это путешествие трансформации».
«Мы не продаём продукт, мы создаём опыт».

Формулируй мысли напрямую.

По данным исследования, такой запрет снижал частоту приёма примерно на 50–75%. Обычное «пиши естественнее» работает хуже: модель получает оценку стиля, но не понимает, какой именно тик надо убрать.

Я бы использовал такую проверку при подготовке постов, сценариев YouTube, описаний SaaS и текстов для лендингов. Нашёл несколько «не X, а Y» подряд — добавил точный запрет и перегенерировал.

Полностью вырезать любые самоисправления тоже не надо. В разборе архитектуры или спорном техническом тексте фраза «точнее будет сказать» может показывать нормальный ход мысли. Чистить стоит рекламную постановку, где автор заранее подставляет слабую формулировку, чтобы потом красиво её победить.

Исследование проводили на небольшом корпусе, в основном на английском и итальянском. Поэтому цифры для русского и других моделей могут отличаться. Но сам приём легко узнаётся и быстро проверяется на собственных текстах.

После такой правки курс снова становится курсом. Без путешествия к лучшей версии себя.

Источник: Federico Boggia, Artificial Epanorthosis: Why Large Language Models Overuse a Classical Rhetorical Figure, and How to Mitigate It, 2026.

Обновления Chat GPT: работа с плагинами

ChatGPT и Codex получили общую систему плагинов — теперь один и тот же плагин можно использовать в обоих продуктах через единый каталог.

Что внутри:
🔹 Как устроены плагины: скиллы, коннекторы, MCP-серверы и хуки
🔹 Установка, права доступа и удаление плагинов
🔹 Как собрать свой плагин — от манифеста до marketplace
🔹 Полный процесс отправки на публикацию: от MCP-сервера до тест-кейсов

💡 Разбор всей механики плагинов — от установки готового решения до публикации собственного

📂 Скачать гайд

Если вы часто работаете с ИИ , то вы могли заметить, что все модельки еще те подлизы

С последними Opus и GPT-5 это уже не так заметно, но если долго общаться с моделью, она постепенно начинает соглашаться с тобой. Даже, когда идея откровенно хреновая.

Одна из причин - RLHF(обучение с подкреплением на основе обратной связи от людей.). Людям показывают несколько ответов модели и просят выбрать лучший.

За 20–30 секунд нормально проверить ответ сложно, поэтому часто выбирают тот, который звучит приятнее: уверенно, дружелюбно и не заставляет человека чувствовать себя дураком.

В итоге модель быстро понимает какой ответ вам понравится и начинает аккуратно поддакивать.

Для проверки своих идей есть прикольный вариант - LLM Council. Карпатый собирал «совет» из нескольких моделей, а Оли Леманн пересобрал эту механику под Claude в скилле Claude Consul.

Ты описываешь идею, а Claude созывает пятерых советников:

1. Критик ищет, что убьёт идею
2. Адвокат первых принципов проверяет, какую проблему ты вообще решаешь
3. Экзистенциалист ищет плюсы, которые ты пропустил
4. Аутсайдер смотрит без твоего контекста и ловит очевидные косяки
5. Исполнитель говорит, что конкретно делать завтра утром

Потом они анонимно проверяют ответы друг друга, а председатель собирает один итоговый вердикт.

Можно гонять через него идеи для стартапа, нового продукта или очередного SaaS.

Скилл прикрепил.
Команда: /llm-council

Оригинальный пост:
https://x.com/itsoelehmann/status/2038661433626333649

Спите? Правильно..я сам спал, как за тамагочи 2 дня следил... 😂😂

Совет по Codex: попросите Sol настроить Luna Max как субагента.

В бенчмарке DeepSWE Luna Max набрала 67% против 73% у Sol Max. При этом средняя стоимость выполнения одной задачи оказалась почти в 14 раз ниже: $0,61 против $8,39. Поэтому отдельные чётко ограниченные задачи вполне логично передавать Luna..

Промпт:

Создай кастомного агента luna_worker в файле ~/.codex/agents/luna-worker.toml.

Используй следующие настройки:

model = "gpt-5.6-luna"
model_reasoning_effort = "max"

Добавь описание и инструкции для выполнения чётко ограниченных делегированных задач. Остальную конфигурацию не меняй. Проверь совместимость с установленной у меня версией Codex, покажи diff, а затем используй luna_worker для задач субагента.

Другой вариант - обойтись без файла кастомного агента. Оставьте Sol в основном потоке и попросите её запускать отдельный поток Luna Max для каждой задачи.

В Codex поток — это отдельный диалог с собственным контекстом. Несколько потоков могут работать параллельно, а Sol собирает их результаты в основном потоке.

Нашёл, наверное, самый абсурдный способ частично отбить подписку на Claude Code.

Когда Claude Code думает, внизу крутится строка загрузки. Kickbacks подменяет её на короткую рекламу. Рекламодатели торгуются за это место, а сервис обещает отдавать пользователю половину рекламной выручки.

Подключение бесплатное, ставится за пару минут. Работает с Claude Code, Codex и VS Code/Cursor.

С деньгами всё мутнее.

Цифры в районе $3–5 в день иногда встречаются, но считать это нормальным средним я бы не стал. Доход зависит от рекламных ставок и количества показов. В условиях самого Kickbacks прямо написано, что начисления примерные, долю могут менять, а выплаты идут раз в месяц через Stripe Connect после порога $10.

Для РФ Stripe, конечно, отдельный квест.

По бану тоже без красивых обещаний. Прямого ответа Anthropic именно про Kickbacks я не нашёл. По описанию сервиса он меняет строку ожидания и считает рекламные показы, не перепродаёт ответы модели. Но расширение всё равно ставится внутрь рабочего окружения, где у многих лежат репозитории, токены и доступы.

Я бы такое сначала запускал на личном тестовом окружении без рабочих секретов. Сервис новый, выплаты и правила ещё спокойно могут поменяться.

Попробовать: https://kickbacks.ai/

Пока видео не получается снять-то связи нет, то света, то другие проблемы, поэтому пока держите пост

Пайплайн для создания своего контент-завода

Секунды решают, досмотрит зритель ролик или свайпнет дальше — и большинство создателей теряют деньги именно на этом, монтируя вручную то, что давно можно поставить на конвейер.

Что внутри:
🔹 Как выстроить производство видео станциями — от идеи до расписания — без хаотичных откатов назад
🔹 Настройки для TikTok/Reels и YouTube Shorts: кинетический монтаж, бесшовные циклы, safe zones
🔹 Формула обложки с высоким CTR: контраст, правило третей, проверка на «размере монеты»
🔹 Как упаковать съёмку в подписочный ретейнер и выйти на маржу 98%

📂 Скачать гайд

Лечу быстрее делать новый контент