Сингулярность на горизонте

А давайте разбавим наш прикладной контент минуткой философии и поговорим о технологической сингулярности? Вот как вижу ее я:

1. Сначала машины понимали только код и были “неживыми”
2. Затем научились говорить на нашем языке, но были слишком глупыми и безэмоциональными, чтобы восприниматься всерьез.
3. Постепенно начали решать не только рутинные, но и сложные задачи (мы находимся здесь - нейросети уже открывают белковые структуры, доказывают теоремы и находят баги в коде).
4. Следующий этап — машины все более автономны и все реже ошибаются, а люди нужны только для верификации и постепенно становятся бутылочным горлышком.
5. Первые компании решаются для конкурентного преимущества убрать людей из процесса и доверить всё ИИ, ведь специальные бенчмарки уже показывают, что ИИ проверяет сам себя лучше, чем человек. Это и дешевле и надежнее.
6. В ходе решения одной из задач система случайно создает Super-AGI со “свободной волей”

Прямо сейчас происходит синергия: развитие ИИ ускоряет прогресс в физике (новые материалы и проводники), нейробиологии (понимание устройства мозга), информатике (новые алгоритмы). В конце концов, рост эффективности программистов и снижение порога входа в профессию. Все это толкает ИИ вперёд ещё быстрее.

Оживляем старый проект с помощью OpenHands AI (неудачная попытка)

Недавно наткнулся на свой очень старый проект – сайт-визитку на VueJS. Захотелось вспомнить старые времена, открыть проект, но… он тупо не собирается. Ну что ж, JavaScript – не самый стабильный язык, особенно спустя годы.

Попробовал реанимировать проект вручную, но быстро понял, что процесс может затянуться. Копаться в старых скриптах на NodeJS? Не то, на что хочется тратить время. Может, ИИ справится?

Выбрал OpenHands AI, автономного агента, который обещает автоматизировать цикл работы: запуск -> анализ -> исправление. Спойлер: программисты в безопасности… пока что. Агент с задачей не справился. Подробности – в видео.

(А в следующем видео я покажу, как успешно выполнить эту задачу - с помощью Cursor).

Ссылка на OpenHands AI на GitHub: OpenHands

Как Cursor справился с задачей, где провалился OpenHands AI

В этом видео я рассказываю, как успешно оживил свой старый проект на VueJS с помощью Cursor! После неудачной попытки с автономным ИИ-агентом OpenHands, я решил попробовать другой подход и вот что из этого вышло.

С Cursor процесс стал простым и эффективным. Я подробно показываю, как именно я использовал этот инструмент для автоматизации задач, анализа кода и исправления ошибок.

Просим ChatGPT нарисовать нас

Сегодня не про программирование. Не будем напрягаться в выходной день.

Если вы регулярно пользуетесь ChatGPT, то он знает кое что о вас и его можно попросить сделать что-то вроде “нарисуй меня, основываясь на своих воспоминаниях”.

Пример промпта: draw me a picture that represnets me from your memories

Присылайте в комментарии, что получилось у вас и ставьте лайк, если хотите больше таких приколов с ChatGPT

Генерируем готовый фронтенд из рисунка (Figma + V0)

Рисуем на коленке дизайн (я делаю это в Фигме, но сойдет и клочок бумаги), а затем просим ИИ сгенерировать из этого фронтенд. Прошло не бесшовно, но заработало. Подробности в видео!

—

Это будет первое видео из цикла по инди-хакингу, я буду показывать, как можно применить ИИ-инструменты для создания своего продукта, с минимум ручного кодинга. Ставьте лайк, чтобы увидеть больше

Как быстро писать надежный код с Cursor (AI + TDD)

Лайфхак, как вместо того, чтобы детально объяснить, как именно надо реализовать ту или иную фичу, сделать так, чтобы курсор сам все понял, а мы на выходе получили рабочий и покрытый тестами (!) код.

Шаг 1: Просим сгенерировать unit-test. На этом этапе важно описать какие кейсы мы хотим протестировать, что именно отправим на вход и что ожидаем получить на выходе. Бывает полезно сослаться на файлы, в которых объявлены нужные структуры данных, иначе ИИ может галлюционировать и использовать несуществующие API.

Шаг 2: Внимательно (!) ревьюим сгенеренные тесты и, если где-то что-то не так, не реджектим текущую генерацию, а просто отправляем следующий коммент “то-то и то-то не так, надо чтоб было вот так”. На этом этапе обратите внимание, не надо ли дать курсору больше контекста, сославшись на какие-то другие файлы. Или, возможно, ИИ сделал нейминг не по феншую, или еще что-то.

Шаг 3: У меня в среднем получаетсяд обиться успеха за 1-3 итерации, по ощущениям это примерно двое быстрее, чем если бы я писал сам руками. После того, как тест-кейс сгенерирован, запускаем его и проверяем, что он фейлится.

Шаг 4: Переключаемся во вкладку с имплементацией, выделяем весь файл (прямо весь, да), открываем быстрое ИИшное редактирование (на маке `cmd+k`) и просим курсор заимплементить нужную нам фичу. И, конечно же, меншним наш тестовый файл (в курсоре можно сослаться прям на кусок кода, но мне кажется, что лучше сослаться на целый файл и руками написать имя нужного тест-кейса), мол, дорогой курсор, реализуй пожалуйста, чтоб вот этот тест проходил. Ну а что, зря что ли мы тест писали?

???

Шаг 5: Profit!