Чтобы вы перестали сранивать Claude и Codex за 20$ Anthropic удалили Claude Code из Pro подписки
UPD После бурной реакции от этого эксперимента отказались. Не понимаю какая разница чем тратить токены в рамках одной подписки?
#ClaudeCode
UPD После бурной реакции от этого эксперимента отказались. Не понимаю какая разница чем тратить токены в рамках одной подписки?
#ClaudeCode
👎27👍2
Каждый запрос в облачную нейронку — это отправка данных на серверы провайдера. Если у вас не self-hosted модель, альтернатив не много. Privacy Filter закрывает этот пробел: запускается локально, работает как токен-классификатор и размечает чувствительные данные до того, как они уйдут куда не надо.
Модель определяет 8 категорий:
👉 имена (private_person)
👉 адреса, email, телефоны, URL
👉 номера счётов
👉 даты
👉 секреты — токены, ключи, credentials
Запускается в браузере или на ноутбуке, контекстное окно 128k токенов. Лицензия Apache 2.0.
Я сам делал похожее в рамках своих MCP-инструментов — плагин sensitive-guard, который фильтрует данные на основе правил в стиле GitLeaks. Про то, чтобы запустить лёгкую локальную модель для той же задачи, я не думал — а решение уже готово. Буду смотреть, как это ложится на MCP-воркфлоу.
‼️ ВАЖНО: сами авторы пишут, что модель не даёт гарантий анонимизации. Это один из слоёв защиты, не единственный. На английском работает лучше всего, для других языков качество ниже.
#ai #безопасность
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15👎3
Как вы следите за AGENTS.md/CLAUDE.md файлами? (выбирайте утверждения что про вас)
Anonymous Poll
30%
Настроили 1 раз для проекта и всё
30%
Регулярно обновляем файлы инструкций
29%
Есть настройка в корне проекта
8%
Настроили только глобально (в папке пользователя на компе)
10%
Есть настройка в папках проекта (не в корне)
1%
Другой вариант (делись в комментариях)
27%
Не участвую в опросе
👍4👎4
О деградации качества в длинных диалогах с ИИ
При работе с моделями в рамках одной сессии иногда заметно, что к середине диалога ответы становятся менее точными: модель может повторять уже сделанное, противоречить своим более ранним решениям или терять нить многоэтапной задачи. На контексте в 1 млн токенов, такое поведение может быть заметно более явно.
Это не субъективное ощущение. В исследовании Стэнфорда «Lost in the Middle» показано, что при увеличении объёма контекста точность reasoning может падать на 15–47% независимо от заявленного размера окна. Явление называют
Практическое наблюдение: до 50–60% заполнения контекста (вот непонятно как его сичтать лучше в токенах или процентах) качество остаётся приемлемым, ближе к 75% начинаются заметные проблемы. Поэтому полезно контролировать заполнение — например, командой
Когда контекст перегружен, помогает ручное сжатие:
Но бывают ситуации, когда даже после сжатия проблема не уходит. Если вы несколько раз объяснили модели, что именно нужно исправить, а она продолжает ошибаться, значит, контекст уже засорён неудачными подходами. В этом случае
Также с целью уменьшения заполнения контекста полезно делегировать задачу субагенту, работающий со своим окном контекста, а основную сессию использовать как оркестратора для постановки задач и обработка результата.
#ИИ #AI
При работе с моделями в рамках одной сессии иногда заметно, что к середине диалога ответы становятся менее точными: модель может повторять уже сделанное, противоречить своим более ранним решениям или терять нить многоэтапной задачи. На контексте в 1 млн токенов, такое поведение может быть заметно более явно.
Это не субъективное ощущение. В исследовании Стэнфорда «Lost in the Middle» показано, что при увеличении объёма контекста точность reasoning может падать на 15–47% независимо от заявленного размера окна. Явление называют
context rot — «контекстное ухудшение».Практическое наблюдение: до 50–60% заполнения контекста (вот непонятно как его сичтать лучше в токенах или процентах) качество остаётся приемлемым, ближе к 75% начинаются заметные проблемы. Поэтому полезно контролировать заполнение — например, командой
/context.Когда контекст перегружен, помогает ручное сжатие:
/compact с явным указанием, что именно нужно сохранить (текущую цель, список изменённых файлов, принятые решения, текущую ошибку и следующие шаги), а что можно отбросить (стилистические правки, неудачные варианты промптов). НЕ полагайтесь на автоматическое сжатие (auto‑compaction) часто менее качественно, так как модель сама решает, что важно. Также в глобальные инструкции агента добавить правила что важно сохранить при compact.Но бывают ситуации, когда даже после сжатия проблема не уходит. Если вы несколько раз объяснили модели, что именно нужно исправить, а она продолжает ошибаться, значит, контекст уже засорён неудачными подходами. В этом случае
/compact может не помочь, так как сохранит неверные паттерны в сжатом виде. Делайте /clear для очистки текущей сессии и перезапуск сессии с уточнённым промптом. Отсекайте наработки предыдущей, что могут повлиять на снижение качества результата выдачи.Также с целью уменьшения заполнения контекста полезно делегировать задачу субагенту, работающий со своим окном контекста, а основную сессию использовать как оркестратора для постановки задач и обработка результата.
#ИИ #AI
👍17👎5
Media is too big
VIEW IN TELEGRAM
📺 Sloppy: как управлять армией ИИ-агентов — демо от автора
К видео прилагаю подробную расшифровку по таймингам. Автор разобрал платформу🐱 Sloppy от установки до реальной работы с агентами и проектами.
- 00:00 Первичная настройка
- 03:29 Bootstrap-чат с агентом
- 04:00 Вкладка Overview
- 04:36 Вкладка Agents
- 10:34 Создаём проект из директории на компьютере
- 15:48 Настройка команд из агентов
- 22:57 Создаём первую задачу и выполняем её
- 25:49 Интеграция чата и проектов
- 27:33 Устройство супервизора и экран настроек
- 32:46 Проектный чат
- 34:50 Что такое Swarm и как двигаются задачи
- 35:50 Прочие настройки
Будет полезно разработчикам AI, автоматизаторам, энтузиастам LLM — всем, кто хочет прозрачного и структурированного управления агентами, а не чёрного ящика.
#AI
К видео прилагаю подробную расшифровку по таймингам. Автор разобрал платформу
- 00:00 Первичная настройка
- 03:29 Bootstrap-чат с агентом
- 04:00 Вкладка Overview
- 04:36 Вкладка Agents
- 10:34 Создаём проект из директории на компьютере
- 15:48 Настройка команд из агентов
- 22:57 Создаём первую задачу и выполняем её
- 25:49 Интеграция чата и проектов
- 27:33 Устройство супервизора и экран настроек
- 32:46 Проектный чат
- 34:50 Что такое Swarm и как двигаются задачи
- 35:50 Прочие настройки
Будет полезно разработчикам AI, автоматизаторам, энтузиастам LLM — всем, кто хочет прозрачного и структурированного управления агентами, а не чёрного ящика.
#AI
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10👎3
Forwarded from Android Broadcast
C начала 2026 года я активно сел изучать практическим путем решения задач в проектах и также создания новых идей. Много неудач, проб заново, изменяя подход, и первые результаты. Всё это я освещаю на Boosty в виде дневника.
Все видео погружения я выкладываю на
P.S. Cкоро уже начну делать стримы/видео на Boosty чтобы показывать вживую Videcoding т.к. уже получил достаточный навык.
#AndroidBroadcast
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10👎7
This media is not supported in your browser
VIEW IN TELEGRAM
Builder - кодинг агент в CLI поверх моделей OpenAI, который значительно прокачивает опыт после Codex. Автор - @nek.12
После использования Codex автор понял как много там сделано поверхностно и допили разные аспекты. Подробнее в блоге автора
#AI #Codex
После использования Codex автор понял как много там сделано поверхностно и допили разные аспекты. Подробнее в блоге автора
#AI #Codex
👎16👍10
Это набор навыков, которые загружаются в Claude Code, Gemini или Android Studio Agent Mode. Они дают AI строгие правила диагностики и правки лагов в Compose: стабильность, рекомпозиции, LazyColumn, модификаторы и эффекты.
Никакой магии — просто проверенные гайды на основе документации и опыта топ-разработчиков.
Как использовать: скопируйте нужный SKILL.md в папку со скилами и спросите у AI, почему тормозит скролл. Он будет знать, что делать.
#Compose #AI
Please open Telegram to view this post
VIEW IN TELEGRAM
👍52👎3
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍19👎3
🤖 Как ИИ закрыл 5-летний iOS-техдолг за 2 месяца
🤯 Команда Яндекс Браузера за 2 месяца переписала на Swift то, что вручную тянули 5 лет. 97,5 тысяч строк, 2000+ файлов, 106 pull request'ов. Ускорение в 2.5 раза против ручной миграции (интересно как считали).
Тулкит выложили под Apache 2.0.🐱 Migration Toolkit for Swift — это набор Jinja-шаблонов и Python-скрипта setup_migration_rules.py, который из заполненного rules.md генерирует 4 готовых промпта под конкретный проект.
В rules.md около десятка макросов под специфику любого репо: префиксы ObjC-классов для ренейминга, маппинг ObjC→Swift, code style, инструкции для билд-системы (BUILD.gn, Bazel, Xcode), типичные ошибки компиляции с решениями, правила удаления @objc. В репозитории сразу лежат два готовых конфига как примеры: yandex-browser и wikipedia.
Качество обеспечивается тремя слоями. После каждой конверсии гоняется компиляция и тесты, при ошибках LLM итерирует сама. Отдельный промпт integration-tests.md пишет интеграционные тесты на мигрированный модуль. И комментарии ревьюеров с PR подаются обратно в LLM, она сама правит мелочи вроде форматирования и нейминга. Финальная валидация остаётся за разработчиком, но рутину забирает на себя.
Очень крутой пример того, что нейросеть при правильном подходе реально способна разгрести большой техдолг, а не снести кодбейс к чертям, как принято стращать в твиттере. Чёткий пайплайн, жёсткие рамки и автоматическая валидация через компиляцию и тесты, и LLM становится инструментом, а не лотереей. Точно хочу попробовать такой же подход для Android-миграций.
🔗 Статья на Хабре
🐱 GitHub репо
#AI #iOS #Swift #Яндекс
🤯 Команда Яндекс Браузера за 2 месяца переписала на Swift то, что вручную тянули 5 лет. 97,5 тысяч строк, 2000+ файлов, 106 pull request'ов. Ускорение в 2.5 раза против ручной миграции (интересно как считали).
Тулкит выложили под Apache 2.0.
В rules.md около десятка макросов под специфику любого репо: префиксы ObjC-классов для ренейминга, маппинг ObjC→Swift, code style, инструкции для билд-системы (BUILD.gn, Bazel, Xcode), типичные ошибки компиляции с решениями, правила удаления @objc. В репозитории сразу лежат два готовых конфига как примеры: yandex-browser и wikipedia.
Качество обеспечивается тремя слоями. После каждой конверсии гоняется компиляция и тесты, при ошибках LLM итерирует сама. Отдельный промпт integration-tests.md пишет интеграционные тесты на мигрированный модуль. И комментарии ревьюеров с PR подаются обратно в LLM, она сама правит мелочи вроде форматирования и нейминга. Финальная валидация остаётся за разработчиком, но рутину забирает на себя.
Очень крутой пример того, что нейросеть при правильном подходе реально способна разгрести большой техдолг, а не снести кодбейс к чертям, как принято стращать в твиттере. Чёткий пайплайн, жёсткие рамки и автоматическая валидация через компиляцию и тесты, и LLM становится инструментом, а не лотереей. Точно хочу попробовать такой же подход для Android-миграций.
🔗 Статья на Хабре
#AI #iOS #Swift #Яндекс
Please open Telegram to view this post
VIEW IN TELEGRAM
👍37👎2
This media is not supported in your browser
VIEW IN TELEGRAM
После каждого хода условие завершение проверяет небольшая быстрая модель (по умолчанию Haiku). Когда условие не выполнено, стартует новый раунд с подсказкой, что именно ещё не так.
Можно решать задачи которые имеют четки критерий окончания. Например:
👉 миграция модуля на новое API пока все вызовы не скомпилируются и тесты не пройдут
👉 разбор очереди issue по лейблу до пустого списка
👉 Покрытие кода тестами, пока не будет достигнут заданный coverage
Работает в non-interactive режиме через флаг -p, переживает --resume сессии, можно ограничить количество turns прямо в тексте условия фразой типа «or stop after 20 turns». Условие допускает до 4000 символов, так что можно затолкать туда полноценные "acceptance criteria".
Фактически из коробки получаешь готовый флоу для реализации фичи с проверкой критериев приёмки. То что раньше городил сам через stop-хуки или скрипты, теперь делается одной командой на сессию. Но это не убирает настройку MCP и окружения для самих проверок: /goal судит по тому, что Claude вывел в чат, и без рабочих тестов, линтера и сборки проверять ему будет нечего.
🔗 Документация
#claudecode #ai #agents #devtools
Please open Telegram to view this post
VIEW IN TELEGRAM
👍19👎2
Пу-пу-пуу новость - Claude не даёт регистрироваться новым пользователям. Проблемы со скоростью и стабильностью работы, новые правила лимитов с 15 июня все больше и больше заставляют меня задуматься о смене AI агента, а альтернатива в той же лиге качества одна
#AI #ИИ #Anthropic #Claude
#AI #ИИ #Anthropic #Claude
👎12👍4
**🧠 🇺🇸🇨🇳 2028: Два сценария глобального ИИ-лидерства**
Anthropic опубликовал важный доклад "2028: Two scenarios for global AI leadership" о будущем конкуренции в сфере ИИ между демократиями и Китаем. Ключевой тезис
Главное — вычислительные мощности (compute)
Самые передовые чипы производятся американскими компаниями. Текущие экспортные ограничения серьезно сдерживают Китай, но Пекин находит лазейки: контрабанда чипов, аренда дата-центров за рубежом и "дистилляция" (копирование) американских моделей.
Компания видит два сценария на 2028 год:
Сценарий 1:Демократии США лидируют
- Отрыв в интеллекте ИИ достигает 12–24 месяцев.
- Правила и нормы безопасности задают США, а не авторитарные режимы.
- Американский ИИ — основа глобальной экономики (фактически доминации). Технологии демократий защищают свободы, а не используются для слежки.
Сценарий 2: Гонка "ноздря в ноздрю"
- Китай сокращает отставание до нескольких месяцев благодаря лазейкам.
- ИИ-модели смогут массово используются для репрессий и кибератак.
- Китай навязывает миру свой дешевый ИИ, вытесняя демократические продукты.
Что нужно сделать прямо сейчас для доминации США:
1. Закрыть лазейки: Остановить контрабанду чипов и удаленный доступ Китая к зарубежным дата-центрам.
2. Защитить инновации: Законодательно запретить дистилляцию американских моделей (как это остановит Китай?)
3. Экспортировать американский ИИ: Активно продвигать в мире безопасные ИИ-технологии, основанные на демократических ценностях.
Борьба в ИИ сфере перерастает в новую войну политических режимов. Лидерство демократий в ИИ не гарантировано никому, но достижимо. Решения, принятые в этом году в США, определят, кто будет формировать будущее.
#AI #Anthropic #Claude
Anthropic опубликовал важный доклад "2028: Two scenarios for global AI leadership" о будущем конкуренции в сфере ИИ между демократиями и Китаем. Ключевой тезис
у США и союзников есть исторический шанс закрепить отрыв, но окно возможностей закрывается
Главное — вычислительные мощности (compute)
Самые передовые чипы производятся американскими компаниями. Текущие экспортные ограничения серьезно сдерживают Китай, но Пекин находит лазейки: контрабанда чипов, аренда дата-центров за рубежом и "дистилляция" (копирование) американских моделей.
Компания видит два сценария на 2028 год:
Сценарий 1:
- Отрыв в интеллекте ИИ достигает 12–24 месяцев.
- Правила и нормы безопасности задают США, а не авторитарные режимы.
- Американский ИИ — основа глобальной экономики (фактически доминации). Технологии демократий защищают свободы, а не используются для слежки.
Сценарий 2: Гонка "ноздря в ноздрю"
- Китай сокращает отставание до нескольких месяцев благодаря лазейкам.
- ИИ-модели смогут массово используются для репрессий и кибератак.
- Китай навязывает миру свой дешевый ИИ, вытесняя демократические продукты.
Что нужно сделать прямо сейчас для доминации США:
1. Закрыть лазейки: Остановить контрабанду чипов и удаленный доступ Китая к зарубежным дата-центрам.
2. Защитить инновации: Законодательно запретить дистилляцию американских моделей (как это остановит Китай?)
3. Экспортировать американский ИИ: Активно продвигать в мире безопасные ИИ-технологии, основанные на демократических ценностях.
Борьба в ИИ сфере перерастает в новую войну политических режимов. Лидерство демократий в ИИ не гарантировано никому, но достижимо. Решения, принятые в этом году в США, определят, кто будет формировать будущее.
#AI #Anthropic #Claude
Please open Telegram to view this post
VIEW IN TELEGRAM
👎20👍11
Anthropic выносит Agent SDK и команду
claude -p в отдельный месячный кредит, который не пересекается с обычным бюджетом подписки.По факту это тихое расширение лимитов для всех, кто работает в IDE. Теперь интерактив остается при своих лимитах, а все программное идет из отдельного кошелька.
Что переезжает в новый кредит:
👉 Agent SDK на Python и TypeScript
👉 claude -p в неинтерактивном режиме
👉 Claude Code GitHub Actions
👉 сторонние приложения с авторизацией через подписку (можно пробовать Air и Codespeak)
Интерактивный Claude Code, Cowork и чат на claude.ai использовали лимиты подписки, так и продолжают.
💰 Размер кредита по планам на сегодня равен цене подписки:
👉 Pro - $20
👉 Max 5x - $100
👉 Max 20x - $200
👉 Team Standard - $20
👉 Team Premium - $100.
Кредит персональный, в команды не пулится, остаток в конце цикла сгорает. Активация разовая через аккаунт. Пользователи API-ключа Claude Platform идут как раньше по pay-as-you-go и кредит не получают.
Для меня это самое полезное изменение в подписке за последнее время. Если хотел попробовать Claude Code по подписке — плати отдельно за API Access. Теперь же смогу катать эксперименты.
Также до этого я не думал про работу с claude -p. Такой запуск превращает claude в CLI-утилиту: один промпт на входе, ответ на выходе, процесс завершается.
🔗 Источник
#ClaudeCode #AI
Please open Telegram to view this post
VIEW IN TELEGRAM
👎12👍3
Lazyweb — MCP-сервер и плагин для Claude Code, который даёт агенту доступ к 257 тысячам реальных скриншотов мобильных и веб-приложений из 25000+ компаний. Бесплатно, без логина, без рейт-лимитов.
Автор проекта, бывший продакт из Duolingo, описывает идею просто: "Mobbin встречает ChatGPT". Когда вы прошу Claude сделать UI с нуля, он генерирует усреднённый дизайн по данным. Lazyweb меняет вход: агент сначала ищет реальные референсы, скачивает их локально и только потом проектирует.
Плагин ставится одной командой:
Внутри 6 slash-команд. Самые рабочие на мой взгляд это /lazyweb-design-research для конкурентного анализа с готовым отчётом в Markdown, /lazyweb-quick-references для быстрого поиска экранов по паттерну, /lazyweb-design-improve который берёт скриншот текущего экрана и предлагает 1-5 конкретных улучшений с привязкой к референсу. Отдельно интересен /lazyweb-design-brainstorm, который специально ищет ВНЕ вашей категории.
Каждый skill выдаёт папку .lazyweb/{skill}/{тема-дата}/ с report.md и скачанными скриншотами. Открываете в любом Markdown-вьювере, картинки сразу видны.
Можно также поискать всё через Web интерфейс и вдохновиться идеями. Правда скорость загрузки там жутко медленная
💭 Я довольно скептически отношусь к идее, что MCP волшебным образом улучшит дизайн в Claude Code. Но конкретно этот подход рабочий: вместо "придумай красиво" агент получает 5-10 скриншотов и инструкцию как опираться на них. Под мобильную разработку прямо просится, особенно когда нужно прикинуть UX какого-нибудь онбординга или paywall, а делать исследования возможностей нету. Также непонятно как идея будет жить на фоне Claude Design, но ему тоже не помещают референсы
#Дизайн #UI
Автор проекта, бывший продакт из Duolingo, описывает идею просто: "Mobbin встречает ChatGPT". Когда вы прошу Claude сделать UI с нуля, он генерирует усреднённый дизайн по данным. Lazyweb меняет вход: агент сначала ищет реальные референсы, скачивает их локально и только потом проектирует.
Плагин ставится одной командой:
claude plugin marketplace add https://github.com/aboul3ata/lazyweb-skill
claude plugin install lazyweb@lazyweb
Внутри 6 slash-команд. Самые рабочие на мой взгляд это /lazyweb-design-research для конкурентного анализа с готовым отчётом в Markdown, /lazyweb-quick-references для быстрого поиска экранов по паттерну, /lazyweb-design-improve который берёт скриншот текущего экрана и предлагает 1-5 конкретных улучшений с привязкой к референсу. Отдельно интересен /lazyweb-design-brainstorm, который специально ищет ВНЕ вашей категории.
Каждый skill выдаёт папку .lazyweb/{skill}/{тема-дата}/ с report.md и скачанными скриншотами. Открываете в любом Markdown-вьювере, картинки сразу видны.
Можно также поискать всё через Web интерфейс и вдохновиться идеями. Правда скорость загрузки там жутко медленная
💭 Я довольно скептически отношусь к идее, что MCP волшебным образом улучшит дизайн в Claude Code. Но конкретно этот подход рабочий: вместо "придумай красиво" агент получает 5-10 скриншотов и инструкцию как опираться на них. Под мобильную разработку прямо просится, особенно когда нужно прикинуть UX какого-нибудь онбординга или paywall, а делать исследования возможностей нету. Также непонятно как идея будет жить на фоне Claude Design, но ему тоже не помещают референсы
#Дизайн #UI
👍17👎2
В моём текущем процессе самое инженерное в задаче — это не «как это написать», а «как мы поймём, что это сделано правильно». Когда ответ есть и сформулирован явно, дальше работа с агентом превращается в нормальный инженерный цикл. Когда ответа нет, то получится не инженерия, а получится игра в казино. Если источник правды не сформулирован, агент сделает что-то «своё». Может быть, даже хорошее. Но проверить, то ли это, что нужно, ты не сможешь пока не опишешь свои ожидания о результате.
Потому что «правильно/неправильно» - не абсолютная метрика. Это всегда относительно какого-то эталона. И этот эталон нужно сначала иметь, прежде чем что-то поручать агенту.
Несколько примеров, как это выглядит на практике:
👉 Миграция legacy-кода на новую технологию. Источник правды — поведение старого кода. Приложение должно выглядеть так же и вести себя так же, даже если в старом коде есть баги. Агент не должен ничего «улучшать» по ходу — задача в миграции, а не в фиксе.
👉 Новая фича. Источник правды — спека и требования. Если их нет, агент будет угадывать, и проверить его никак нельзя.
👉 Рефакторинг. Источник правды — внешний контракт (тесты, API). Внутри агент может делать что угодно, но снаружи поведение должно остаться идентичным.
Из этого вышел практический приём, который у меня хорошо работает на миграциях: не переделывать старый код, а написать новую реализацию рядом — параллельно, на новом стеке. Да, в репозитории временно живут два дубля. Но у агента источник правды буквально в соседнем файле — не надо его искать или восстанавливать по памяти. Переключился, сравнил поведение, доделал. Когда новая версия закрывает все кейсы, можно заниматься чисткой.
Ещё один важный момент: агента для реализации и агента для проверки лучше держать разными. Если один и тот же агент и пишет и проверяет, то он имеет свойство подстраиваться под собственное решение и пропускает то, что сам же нарушил.
#AICoding #SoftwareEngineering #ClaudeCode #TechLeadership
Please open Telegram to view this post
VIEW IN TELEGRAM
👍20👎4