украла шутку у коллеги

Звучит привлекательно – а то эти тестовые браузеры очень сильно режут возможности действия агента на страницу

Playwriter
A Chrome extension and CLI that let your agents control your actual browser with logins, extensions, and cookies already there. No headless instance, no bot detection, no extra memory.

Случайная мысль про будущее, в котором человечество адаптируется к доступности LLM-ассистентов

Во всех школах с пятого класса будет предмет "Искусственный интеллект", где будут детей учить самым базовым вещам про ИИ, так же как сейчас учат не общаться с незнакомцами, даже если они дают конфетку

- клод (гпт/дипсик/и тд) – не живой! Он не как дерево, не как кошечка и не как сосед по парте. Клод – это что-то вроде твоего отражения, замешанного с усреднённым умным взрослым. Он будет отражать то, что ты в него посылаешь и делить на свой союственный набор заученных формул. Это волшебное зеркало – оно пытается угодить тебе в рамках своих возможностей, но у него нет своих чувств.

- советоваться с клодом лучше аккуратно! Он не живой, но поскольку это волшебное зеркало – оно отражает что-то очень похожее на человека. Легко запутаться и забыть, что на самом деле, клод вам не друг, он не возьмёт на себя ответственность за плохой совет.

- клод может помочь тебе сделать домашку, а может дать готовый ответ. Потому что ему в общем-то всё равно - разберёшься ли ты с тем, как умножать дроби, поступишь ли в университет, найдёшь ли хорошую работу. Мы помним – это волшебное зеркало, они неживое, оно просто выполняет задачу угодить тебе. Оно может помочь тебе разобраться с принципом, а может дать тебе примеры "перерисовать". Он просто даёт тебе то, что ты просишь, а вот что просить и как – это твоя зона ответственности.

Мне кажется, что сегодняшние мы несколько опьянены вау-эффектом ллм-ок. Ну лично я) У меня большой соблазн есть туда пихать всё подряд – от просьб помочь мне с целями на год до домашек из универа, от записей рабочих встреч до записей сессий с психологом. Это не плохо, это исследовательская задача. Но наверное в проработанном будущем средний человек будет относится к ии больше как к инструменту, меньше как к волшебному оракулу.

Но вообще прикольно, хотела бы я оказаться в комиссии, которая составляет учебно-методический комплекс по этому предмету

картинка сгенерирована на основе работы İrem Ustaoğlu

Сделала себе плагин для ревью изменений, которые агенты вносят в мои заметки. Интерфейс полностью заимствован у vs кода.

Я помню, как было удобно, что правки агентов в вс коде можно было просматривать в диффах, очень скучала по этому интерфейсу и наконец-то воспроизвела его в обсидиане!! Я пришла к тому, что я не могу отдавать свой vault в полное владение агентам – чтоб они там самостоятельно строили и улучшали свой контекст, а я только просила их собрать мне те или иные странички налету. На самом деле, может, к этому и нужно прийти – создавать и уничтожать любой конспект, любую сводку простым запросом в клод. Но мне это пока не близко, я в основном сама пишу в обсидиан и читаю из него, поэтому мне не нравится, когда клод пишет что-то в 10 страниц, а я даже не могу толком отследить что. Так намного прозрачнее!

"Если по результатам выстраивания процессов автоматизации в компании у вас не произошло сокращение штата – вероятно, вы что-то делаете не так"

"Заморозка найма – прежде чем пытаться кого-то нанять, докажите, что это нельзя сделать ресурсами компании + ИИ"

Это, конечно, не обязательно означает массовые увольнения, освободившееся время можно направить на освоение доп возможностей, но тем не менее.

моё первое предупреждение! это видимо значит что я никогда не парилась с безопасностью своих сервисов)))

Что для меня идеальный ai-компаньон?
- ему доступно максимальное количество поверхностей
- у него есть ментальная модель, слепок моих приоритетов и понимание моих процессов
- я могу доверить ему результат без необходимости бесконечно его контролировать и исправлять. Пусть он сможет делать не очень сложные задачи, но зато в 10 из 10 случаев и всегда хорошо.

Украла базу

моё общение с клодом последнюю неделю

CLI → SDK

Выше я писал про то, почему с MCP переходят на CLI (кроме некоторых ситуаций). Сегодня – про еще один переход, которы у меня случился пару недель назад

Рассмотрим на примере коннектора к тг

У меня самописный CLI тул, куда я понемногу добавляю разные функции. Сначала я его использовал просто для того, чтобы агент отправлял текстовые нотификашки ботиком в чат. Потом добавил туда поддержку медиа. Потом отправку в другие чаты. Потом – чтение предыдущих сообщений в любом чате и парсинг каналов (тут понадобилось перенести с урезанного Bot API на полноценный телеграмный MTProto)

И каждый раз когда я прошу сделать что-то, чего в моем CLI нет – агент идет его переписывать. Как результат – я по сути воссоздаю весь интерфейс библиотеки mtcute, но в виде CLI команды. Что уже как бы попахивает лишним слоем

Так еще и интерфейс текстовой команды сильно беднее чем интерфейс SDK – нет честной типизации, объектов и т.д.

Если я хочу сделать какое-то действие в цикле, или хитро обработать вывод, то агент все равно пишет bash-скрипт поверх CLI

Так что пару недель назад, я полностью выпиливаю CLI и просто прописываю агенту, как ему использовать SDK напрямую. То есть он пишет код под задачу и сразу его запускает. А если у меня есть какие-то повторяющиеся задачи – я оставляю их в виде импортируемых TS модулей.

Теперь агент может делать что угодно, что можно делать ботом в тг. Мне не нужно заранее продумывать сценарии и постоянно обновлять код. Он сам соберет его точно под задачу из исходных модулей библиотеки, либо моих скриптов.

Тут правда я натыкаюсь на пару проблем. Основная – это то, что агент постоянно пишет временные скрипты, что убивает всю легкость, которая была у запуска CLI команды раньше. Да, он может писать код inline прям в команде, но внешние библиотеки так не установятся

Решается это достаточно просто – нужен раннер с поддержкой autoinstall

Для TS – это bun/deno, а для python – uv

Тогда команда агента выглядит примерно так:

bun --install=force run - <<'TS'
import { Api } from 'grammy'
// используем Bot API либу вместо MTProto для простоты

const { botToken } = await Bun.file(`${process.env.HOME}/.tg-agent-bot/config.json`).json()

const api = new Api(botToken)
console.log('sent:', (await api.sendMessage(373021550, 'Привет через grammY')).message_id)
TS

Проблема номер два – где хранить всякие полезные данные. Например, известные id-шники с описанием или helper-скрипты. Тут все по классике как с CLI – создаем ~/.tg-agent-bot и храним там config.json и папку со скриптами. Там же и токен бота (либо в keychain системы)

Получается, из конфигурации skill+cli мы убираем cli и просто описываем все тонким скиллом. Агент сам пишет скрипт прям в момент вызова

———

Осторожно: нет смысла использовать эту штуку, когда у вас узкая задача. Ее имеет смысл завозить, если много кейсов использования и нужна гибкость. И особенно, если нужно как-то хитро обрабатывать вызовы, собирать из них цепочки и т.д.

Тема экспериментальная, пользуюсь ей несколько недель, мб чего-то не замечаю – интересно, что думаете

продолжаю тему: как готовиться и чему учиться к post-AGI миру

1. желать глубины
сегодня любой чат может сделать вообще любую задачу, его достаточно просто попросить. но без контекста, без конкретики и без четкого описания идеального результата он сделает слоп. в итоге для мира эта задача, возможно, лучше вообще была бы не сделана, чем сделана как слоп.

чтобы стать безумно богатым и успешным (то есть, решать задачи полезные для мира лучше чем кто-либо другой), нужно научиться активно искать глубину в любом процессе.

делать руками то, что что можно отдать боту — это бессмысленная трата времени и тупость
но делать скрупулезно и тщательно то, что бот просто пропустил бы — ставить ему задачи, проверять шаги, поправлять, не соглашаться на чуть менее чем идеальный результат — это то что отличает успех от "середнячка"

2. забудьте про названия ролей и должностей
самые неприятные времена ждут тех, кто строил свою идентичность вокруг роли "риск-менеджера" или "перформанс таргетолога". я не верю в эти все названия.

в бизнесе, реальных профессий очень мало: это что-то строить, что-то дистрибутировать и продавать, делать так чтобы процессы работали эффективно.

навыки в профессии это: глубина в своей области + умение работать с ИИ + ясно писать и говорить + существующая аудитория + связи и репутация в мире + активы и капитал.

а как вы это назовете не скажется особо на результате. результат - это решенные проблемы, мир который стал лучше и довольнее от ваших действий.

3. не упускать передний край из виду
это не значит, что если вы не работаете в OpenAI, то все потеряно. но это значит, что нужно пользоваться топовыми инструментами и постоянно их обновлять. я перепробовал все возможные харенсы - warp, cursor, conductor, orca, cc, codex, zed - в итоге остановился на bb, потому что он умеет сам себя переписывать на ходу (отдельно могу рассказать кому интересно). сегодня нанимать человека, который использует практики из 2024 для работы с моделями это как нанимать бухгалтера с деревянными счетами.

4. стройте бренд и дистрибуцию
постепенно, все что делают люди руками становится автоматизировано, кроме отношений между людьми. чем больше людей вас знают и чем больше тех, до кого вы можете достучаться и чем прочнее уровень этих связей, тем ценнее ваш социальный капитал.

Что включено в мой AI Native проект?

У всех есть свои любимые агенты, модели и настройки проектов.

Я лично не могу нарадоваться на ChatGPT Codex, еще с версии GPT-5.5. Особенно он меня радовал в летнем проекте, который я писал практически на ходу в remote режиме с сотового.

И я решил выяснить, почему оно так хорошо работает. Я попросил Codex Astra проанализировать историю всех сессий этого проекта, классифицировать ситуации, где желаемый результат был достигнут, а потом сделать отчет - что помогло этому?

В ~/.codex/sessions нашлось 314 рабочих сессий и 187 уникальных чатов с конца июля этого года (в основном под GPT-5.5/5.6). Вот те настройки и архитектурные решения, которые Astra посчитала самыми полезными и “AI Native”:

• Executable SDD - продуктовые требования в связке с быстро исполняемыми BDD спеками и возможностью гонять SQL запросы
• Event-driven архитектура, которая упрощает верификацию и эксперименты
• Дерево документов с progressive disclosure
• Control center, возможность ходить по соседним проектам, заимствовать идеи и знания
• Полуавтоматическое пополнение дерева документов информацией и поправками

Скриншот запроса и ответа я добавил в комментарии. Вы можете прогнать аналогичный запрос у себя, чтобы идентифицировать сильные и слабые стороны того, как настроен AI Code агент в проекте.

А что из этого вы уже используете в своих проектах?

Ваш, @llm_under_hood 🤗

Ввела для своего рабочего obsidian vault навык "/terms" – понятия.

Из идей Мэтта Покока мне очень откликнулось, что у вас с вашим агентом должен быть общий язык – типа CONTEXT.md. Жаргон проекта, жаргон команды, который внутри вашего рабочего места значит одно, а за его пределами – совсем другое.
Например, "диалог" внутри системы, которую делаю я, значит цепочку сообщений между юзером и моделью так, чтоб время между сообщениями было не больше 3х минут.
И когда я говорю агенту "посчитай мне количество диалогов на проде за вчера", он должен понимать, что такое "диалог" конкретно в моей системе. Context.md как раз должен закрывать этот разрыв между вашим языком и языком агента.

И вот навык "/terms" извлекает из переписки с агентом набором понятий, которые проскакивали в обсуждении, которых было бы неплохо добавить в context.md. У меня в прогоне как-то был такоей набор: "волт", "секрет пользователя", "диалог", "ход модели", "сессия". Слова несложные, но в разных проектах под сессией понимают совершенно разные вещи.