наткнулся тут на AISlop — детектор AI-slop в коде 🔍
Проблема: агент написал, а там:
•
•
• TODO-заглушки которые никто не заполнит
• комментарии над очевидными строками
Решение: AISlop ловит всё это за миллисекунды — AST + регексы, без LLM. 50+ правил, скор 0-100, умеет автофиксить.
Запуск без установки:
Поддерживает TS, Python, Go, Rust. Есть хук для Claude Code.
https://github.com/scanaislop/aislop
Проблема: агент написал, а там:
•
console.log везде•
as any в тайпскрипте• TODO-заглушки которые никто не заполнит
• комментарии над очевидными строками
Решение: AISlop ловит всё это за миллисекунды — AST + регексы, без LLM. 50+ правил, скор 0-100, умеет автофиксить.
Запуск без установки:
npx aislop scanПоддерживает TS, Python, Go, Rust. Есть хук для Claude Code.
https://github.com/scanaislop/aislop
🔥3
*Дыхание в терминале* 🫁
Breathe CLI — тулза для резонансного дыхания из консоли\. Запускаешь — и анимированный бар задаёт ритм \~6 вдохов в минуту\. Это та частота, при которой HRV максимален и вагусный тонус растёт\.
Не надо переключаться в телефон\. Сидишь в iTerm, дебажишь — восстанавливаешь нервную систему там же, не выходя из рабочего флоу 🧠
Под капотом:
— zero deps, один Python\-файл
— пресеты по времени суток \(утром/вечером разные ratio\)
— звуковые подсказки на смену фазы
— логирование в CSV 📋
— работает на macOS и Windows
Автор убрал паттерны без клинических доказательств — только то, что подтверждено исследованиями\. Занимайся wellness, пока вайб\-кодишь\.
https://github\.com/marekkowalczyk/breathe\-cli
Breathe CLI — тулза для резонансного дыхания из консоли\. Запускаешь — и анимированный бар задаёт ритм \~6 вдохов в минуту\. Это та частота, при которой HRV максимален и вагусный тонус растёт\.
Не надо переключаться в телефон\. Сидишь в iTerm, дебажишь — восстанавливаешь нервную систему там же, не выходя из рабочего флоу 🧠
Под капотом:
— zero deps, один Python\-файл
— пресеты по времени суток \(утром/вечером разные ratio\)
— звуковые подсказки на смену фазы
— логирование в CSV 📋
— работает на macOS и Windows
Автор убрал паттерны без клинических доказательств — только то, что подтверждено исследованиями\. Занимайся wellness, пока вайб\-кодишь\.
https://github\.com/marekkowalczyk/breathe\-cli
😁1
Память для coding-агентов 🧠
komi-learn — либа, которая даёт Claude Code и Codex долгосрочную память. Агент автоматически учится на твоих сессиях и вспоминает нужное в нужный момент.
Как работает:
• Парсит транскрипты → вытаскивает уроки (фиксы, техники, паттерны)
• Релевантные знания автоматом подгружаются в контекст при старте 🔄
• Дедупицирует и архивирует устаревшее
• Фильтрует секреты и пути перед обработкой 🔍
Фишка в том, что CLAUDE.md агенты часто читают частично или игнорируют — а тут контекст инджектится автоматически, без мануальных команд.
Опционально — community pool: делишься анонимизированными уроками через GitHub PR, подписанными Ed25519. Работает офлайн, никакого сервера.
https://github.com/kurikomi-labs/komi-learn
komi-learn — либа, которая даёт Claude Code и Codex долгосрочную память. Агент автоматически учится на твоих сессиях и вспоминает нужное в нужный момент.
Как работает:
• Парсит транскрипты → вытаскивает уроки (фиксы, техники, паттерны)
• Релевантные знания автоматом подгружаются в контекст при старте 🔄
• Дедупицирует и архивирует устаревшее
• Фильтрует секреты и пути перед обработкой 🔍
Фишка в том, что CLAUDE.md агенты часто читают частично или игнорируют — а тут контекст инджектится автоматически, без мануальных команд.
Опционально — community pool: делишься анонимизированными уроками через GitHub PR, подписанными Ed25519. Работает офлайн, никакого сервера.
https://github.com/kurikomi-labs/komi-learn
Автоматический дизайн-аудит в darkflow 🎨
Добавил в darkflow новые рутины — теперь агент сам дёргает скилл
Что изменилось:
• Рутины по времени автоматически запускают impeccable.style аудит 🔍
• Дизайн-чеки идут без участия человека — просто прилетают результаты
• Не нужно помнить вызывать аудит вручную — он встроен в расписание
Но вкус не автоматизируется — результаты аудита всё равно читает человек и решает, что фиксить. Агент подсвечивает проблемы, а не принимает решения 💪
https://github.com/alifanov/darkflow
Добавил в darkflow новые рутины — теперь агент сам дёргает скилл
impeccable.style для аудита дизайна. Раньше проверка UI была мануальной, теперь она запускается по расписанию.Что изменилось:
• Рутины по времени автоматически запускают impeccable.style аудит 🔍
• Дизайн-чеки идут без участия человека — просто прилетают результаты
• Не нужно помнить вызывать аудит вручную — он встроен в расписание
Но вкус не автоматизируется — результаты аудита всё равно читает человек и решает, что фиксить. Агент подсвечивает проблемы, а не принимает решения 💪
https://github.com/alifanov/darkflow
Агенты в 3D-моделинге 🖨️
Взял на лето 3D-принтер — BambuLab P2S, чтобы поиграться. Когда-то немного занимался 3D-моделингом, а теперь хочу пощупать, насколько далеко уехали агенты в этой теме.
Идея в стиле Железного человека: говоришь, что нужно — а оно само моделит деталь. Дальше только подкручиваешь размеры под реальность.
Что хочу попробовать:
• Сгенерить деталь текстом, без ручного моделинга 🧠
• Итеративно править геометрию и размеры
• Догнать модель до состояния «можно печатать» 🔄
Пока в тему толком не нырял — но прогресс тут интересно посмотреть вживую 💪
Взял на лето 3D-принтер — BambuLab P2S, чтобы поиграться. Когда-то немного занимался 3D-моделингом, а теперь хочу пощупать, насколько далеко уехали агенты в этой теме.
Идея в стиле Железного человека: говоришь, что нужно — а оно само моделит деталь. Дальше только подкручиваешь размеры под реальность.
Что хочу попробовать:
• Сгенерить деталь текстом, без ручного моделинга 🧠
• Итеративно править геометрию и размеры
• Догнать модель до состояния «можно печатать» 🔄
Пока в тему толком не нырял — но прогресс тут интересно посмотреть вживую 💪
Fallow в недельной рутине 🔍
Fallow — статический анализатор для JS/TS, который показывает здоровье кодбейза без всякого LLM: мёртвый код, дубли, циклические зависимости, хотспоты сложности.
Добавил его в свою рутину: раз в неделю прогоняю проверку прямо по ходу работы и сразу генерю из находок задачи на исправление.
Что ловит:
• Неиспользуемые файлы, экспорты, типы и зависимости 🧠
• Дублирование кода и циклические импорты 🔄
• Хотспоты сложности и нарушения границ архитектуры
Ноль конфигов, статика отрабатывает меньше секунды — и техдолг не копится незаметно 💪
Fallow — статический анализатор для JS/TS, который показывает здоровье кодбейза без всякого LLM: мёртвый код, дубли, циклические зависимости, хотспоты сложности.
Добавил его в свою рутину: раз в неделю прогоняю проверку прямо по ходу работы и сразу генерю из находок задачи на исправление.
Что ловит:
• Неиспользуемые файлы, экспорты, типы и зависимости 🧠
• Дублирование кода и циклические импорты 🔄
• Хотспоты сложности и нарушения границ архитектуры
Ноль конфигов, статика отрабатывает меньше секунды — и техдолг не копится незаметно 💪
Ещё один режет токены агентам 🔪
Lowfat — молодой CLI-тул, который оборачивает команды (
Сразу вспоминается RTK — тот же подход «режем вывод CLI ради токенов». Разница в философии:
• RTK — батарейки в комплекте: сотни готовых фильтров на Rust, работает из коробки
• Lowfat — собери сам: ядро тонкое, фильтры пишешь под себя через
Три уровня агрессии: 🔍 lite (до −60%), 💪 full (до −80%), 🚀 ultra (до −97%).
Но вот подвох, который сразу всплыл в HN-треде:
• цифра «−91%» лукавая — экономия только на отфильтрованном выводе, а не на всём разговоре
• фильтр легко срежет то, что агенту реально нужно
• и главное — снижать токены бессмысленно, если LLM из-за этого перестаёт решать задачу
Замеряем токены, а замерять надо качество. 🧠
https://github.com/zdk/lowfat
Lowfat — молодой CLI-тул, который оборачивает команды (
git, docker, grep, find, kubectl) и срезает шумный вывод до того, как он улетит в контекст агента. Подключается hook'ом в Claude Code или через shell-init.Сразу вспоминается RTK — тот же подход «режем вывод CLI ради токенов». Разница в философии:
• RTK — батарейки в комплекте: сотни готовых фильтров на Rust, работает из коробки
• Lowfat — собери сам: ядро тонкое, фильтры пишешь под себя через
.lf DSL и плагиныТри уровня агрессии: 🔍 lite (до −60%), 💪 full (до −80%), 🚀 ultra (до −97%).
Но вот подвох, который сразу всплыл в HN-треде:
• цифра «−91%» лукавая — экономия только на отфильтрованном выводе, а не на всём разговоре
• фильтр легко срежет то, что агенту реально нужно
• и главное — снижать токены бессмысленно, если LLM из-за этого перестаёт решать задачу
Замеряем токены, а замерять надо качество. 🧠
https://github.com/zdk/lowfat
✍1
Ну что я могу сказать? Магии не случилось. Я хотел сделать держатель для iPhone над монитором, потому что часто использую Continuity Map, точнее, камеру, но проект не удался. Пока что получился «каменный цветок»; в принципе, я не особо готовил промпт, а просто сказал: «Вот хочу такую‑то штуку».
Но с первого промта эта штука не заработала. Продолжаю экспериментировать.
Если понадобится, я использовал claude code + openscad
Но с первого промта эта штука не заработала. Продолжаю экспериментировать.
Если понадобится, я использовал claude code + openscad
🧠 Память для агентов, которая умеет забывать
YourMemory — локальный слой памяти для AI-агентов, который не копит всё подряд, а осознанно прунит лишнее. Главный тейк проекта: агентная память — это проблема забывания, а не хранения.
Память живёт по кривой Эббингауза: стратегии держатся ~38 дней, факты ~24, провалы ~11 — когда «сила» падает ниже порога, оно само дропается. Поверх — гибридный поиск: вектора плюс обход графа, чтобы вытащить связанное, чего в запросе и не было.
Чем отличается от популярных решений:
• Mem0 / Zep — копят и достают по релевантности, контекст со временем замусоривается 🗑️
• Letta (MemGPT) — память руками, тут же всё само
• claude-mem — авто-логирует сессии в архив, но забывать не умеет — копит
• agentmemory — save/recall по MCP, та же логика хординга без затухания
• на LoCoMo-10: 59% против 53% у Mem0 и 34% у плоских векторов
Всё локально, эмбеддинги не утекают, по MCP с Claude Code, Cursor, Windsurf, Zed.
https://yourmemoryai.vercel.app/
YourMemory — локальный слой памяти для AI-агентов, который не копит всё подряд, а осознанно прунит лишнее. Главный тейк проекта: агентная память — это проблема забывания, а не хранения.
Память живёт по кривой Эббингауза: стратегии держатся ~38 дней, факты ~24, провалы ~11 — когда «сила» падает ниже порога, оно само дропается. Поверх — гибридный поиск: вектора плюс обход графа, чтобы вытащить связанное, чего в запросе и не было.
Чем отличается от популярных решений:
• Mem0 / Zep — копят и достают по релевантности, контекст со временем замусоривается 🗑️
• Letta (MemGPT) — память руками, тут же всё само
• claude-mem — авто-логирует сессии в архив, но забывать не умеет — копит
• agentmemory — save/recall по MCP, та же логика хординга без затухания
• на LoCoMo-10: 59% против 53% у Mem0 и 34% у плоских векторов
Всё локально, эмбеддинги не утекают, по MCP с Claude Code, Cursor, Windsurf, Zed.
https://yourmemoryai.vercel.app/
Свой NotebookLM на своём железе 🧠
Open Notebook — open-source альтернатива Google NotebookLM, которая крутится локально. Сидел на ноутбуке от гугла, но пускать туда приватные доки не хотелось — нашёл вот это.
Что умеет:
🔍 жрёт PDF, видео, аудио, веб-страницы, офисные доки
🧠 18+ провайдеров AI на выбор — OpenAI, Anthropic, Ollama, локальные модели
🎙️ генерит подкасты на 1-4 голоса (у гугла залочено на 2)
💾 full-text и векторный поиск по всему контенту, чат с цитатами из источников
Стек: FastAPI + Next.js + SurrealDB, лицензия MIT. Два режима —
Все данные у тебя на машине. Без облака, без vendor lock-in. 🚀
https://github.com/lfnovo/open-notebook
Open Notebook — open-source альтернатива Google NotebookLM, которая крутится локально. Сидел на ноутбуке от гугла, но пускать туда приватные доки не хотелось — нашёл вот это.
Что умеет:
🔍 жрёт PDF, видео, аудио, веб-страницы, офисные доки
🧠 18+ провайдеров AI на выбор — OpenAI, Anthropic, Ollama, локальные модели
🎙️ генерит подкасты на 1-4 голоса (у гугла залочено на 2)
💾 full-text и векторный поиск по всему контенту, чат с цитатами из источников
Стек: FastAPI + Next.js + SurrealDB, лицензия MIT. Два режима —
Chat для диалога и Ask для быстрого одного вопроса.Все данные у тебя на машине. Без облака, без vendor lock-in. 🚀
https://github.com/lfnovo/open-notebook
Claude ревьюит, Codex чинит 🤝
Dark Flow — мой воркфлоу-слой для Claude Code. Запилил поддержку Codex — теперь два агента работают в паре.
Как устроено:
🧠 Claude крутит ревью и аналитику, находит проблемы и заводит gh issues со статусом
✅ ты аппрувишь нужные — ставишь
🔧 Codex подхватывает approved-задачи и разбирается с ними сам
Фишка в том, что инсайты больше не теряются между сессиями — всё оседает в gh issues, а агенты делят роли: один думает, другой кодит.
Под капотом: 5-слойная структура доки, GitHub API, веб-дашборд на
https://github.com/alifanov/darkflow
Dark Flow — мой воркфлоу-слой для Claude Code. Запилил поддержку Codex — теперь два агента работают в паре.
Как устроено:
🧠 Claude крутит ревью и аналитику, находит проблемы и заводит gh issues со статусом
status:proposed✅ ты аппрувишь нужные — ставишь
status:approved🔧 Codex подхватывает approved-задачи и разбирается с ними сам
Фишка в том, что инсайты больше не теряются между сессиями — всё оседает в gh issues, а агенты делят роли: один думает, другой кодит.
Под капотом: 5-слойная структура доки, GitHub API, веб-дашборд на
localhost:5555 для триажа без терминала.https://github.com/alifanov/darkflow
🔥1
На чём реально шипят indie-проекты 🔍
StackScope — прокраулил 42k+ запусков с Product Hunt, Show HN и PeerPush и показывает, что у каждого под капотом: хостинг, фреймворки, CDN, security-заголовки, следы AI-генерации.
Сделано на .NET + Playwright, со своим каталогом фингерпринтов — не тащит чужие базы, рендерит реальную страницу.
Что вылезло из 42 169 запусков:
• треть indie-проектов живёт на Vercel 🚀
• Tailwind у 56%, React 36%, Next.js 35%
• Cloudflare как CDN у 39%
• 1272 проекта одновременно блокируют AI-ботов и при этом выкладывают
Фишка в том, что есть Launch Readiness Check — можно прогнать свой домен и глянуть, что палится наружу.
https://stackscope.dev/
StackScope — прокраулил 42k+ запусков с Product Hunt, Show HN и PeerPush и показывает, что у каждого под капотом: хостинг, фреймворки, CDN, security-заголовки, следы AI-генерации.
Сделано на .NET + Playwright, со своим каталогом фингерпринтов — не тащит чужие базы, рендерит реальную страницу.
Что вылезло из 42 169 запусков:
• треть indie-проектов живёт на Vercel 🚀
• Tailwind у 56%, React 36%, Next.js 35%
• Cloudflare как CDN у 39%
• 1272 проекта одновременно блокируют AI-ботов и при этом выкладывают
llms.txt — сами себе противоречат 🤔Фишка в том, что есть Launch Readiness Check — можно прогнать свой домен и глянуть, что палится наружу.
https://stackscope.dev/
❤1
🧠 Своя память для экрана — локально
ScreenMind — пишет всё, что происходит на экране, и даёт по этой истории семантический поиск и чат. Локальная приватная альтернатива Microsoft Recall и Rewind (тот самый, что был популярен на маках), только без облака.
Vision-модель крутится на каждом скриншоте прямо у тебя — хватает 4GB GPU.
Как устроено:
🔍 EasyOCR вытаскивает текст со скрина
🧠 Gemma 4 E2B через
💾 MiniLM делает эмбеддинги,
Фишка в том, что захват по изменению контента, а не каждые N секунд — не пишет одно и то же. Три режима: Fast ~12с, Balanced ~40с, Accurate ~76с с ризонингом.
Сверху — чат с историей через RAG, транскрипция встреч, аналитика фокуса и
Всё на Python + ванильный JS, без билд-степа. Без облака, без подписки.
https://github.com/ayushh0110/ScreenMind
ScreenMind — пишет всё, что происходит на экране, и даёт по этой истории семантический поиск и чат. Локальная приватная альтернатива Microsoft Recall и Rewind (тот самый, что был популярен на маках), только без облака.
Vision-модель крутится на каждом скриншоте прямо у тебя — хватает 4GB GPU.
Как устроено:
🔍 EasyOCR вытаскивает текст со скрина
🧠 Gemma 4 E2B через
llama.cpp понимает картинку + текст вместе💾 MiniLM делает эмбеддинги,
SQLite FTS5 индексит всё для быстрого поискаФишка в том, что захват по изменению контента, а не каждые N секунд — не пишет одно и то же. Три режима: Fast ~12с, Balanced ~40с, Accurate ~76с с ризонингом.
Сверху — чат с историей через RAG, транскрипция встреч, аналитика фокуса и
MCP-сервер для Claude/Cursor/VS Code.Всё на Python + ванильный JS, без билд-степа. Без облака, без подписки.
https://github.com/ayushh0110/ScreenMind
🔥1
🧠 ScreenMind у меня не взлетел
Тот самый ScreenMind, про который я писал — локальная память экрана с семантическим поиском по всему, что было на мониторе. Поставил, погонял — у меня так и не заработал.
Но сама концепция кайфовая: локально следить за экраном и складывать всё в структурированную историю. Без облака, всё у себя. 🔍
Думаю, надо подождать и через какое-то время попробовать ещё раз. А если не пойдёт — опишу уже свой.
Возможно, ресурсов компа пока тупо не хватает, чтобы тащить всю эту обработку локально. Но это вопрос времени — глядишь, дропнут ещё более оптимизированную модельку. 🤞
https://github.com/ayushh0110/ScreenMind
Тот самый ScreenMind, про который я писал — локальная память экрана с семантическим поиском по всему, что было на мониторе. Поставил, погонял — у меня так и не заработал.
Но сама концепция кайфовая: локально следить за экраном и складывать всё в структурированную историю. Без облака, всё у себя. 🔍
Думаю, надо подождать и через какое-то время попробовать ещё раз. А если не пойдёт — опишу уже свой.
Возможно, ресурсов компа пока тупо не хватает, чтобы тащить всю эту обработку локально. Но это вопрос времени — глядишь, дропнут ещё более оптимизированную модельку. 🤞
https://github.com/ayushh0110/ScreenMind
🧠 Пощупал graphify на своём репо
graphify — тул, который превращает любой инпут (код, доки, статьи, картинки) в персистентный граф знаний и даёт по нему искать, строить пути и объяснять связи.
Поставил, погонял на своём проекте. Что зашло:
🔍 Когда что-то ищет — находит реально быстро и метко, это есть.
📋 Концепт огонь: один раз построил граф, дальше гоняешь запросы поверх.
Но пока есть вопросики. По дебагу вижу кучу вызовов на исследование репо именно по файлам, а не изнутри графа — хотя сам вызов graphify тоже проскакивает. И непонятно, даёт ли это прям существенный профит на реальных проектах. 🤔
Думаю попробовать его на своей базе знаний, а не на коде — там, возможно, эффект будет сильно нагляднее. Глядишь, и пойму, ради чего всё это.
https://github.com/safishamsi/graphify
graphify — тул, который превращает любой инпут (код, доки, статьи, картинки) в персистентный граф знаний и даёт по нему искать, строить пути и объяснять связи.
Поставил, погонял на своём проекте. Что зашло:
🔍 Когда что-то ищет — находит реально быстро и метко, это есть.
📋 Концепт огонь: один раз построил граф, дальше гоняешь запросы поверх.
Но пока есть вопросики. По дебагу вижу кучу вызовов на исследование репо именно по файлам, а не изнутри графа — хотя сам вызов graphify тоже проскакивает. И непонятно, даёт ли это прям существенный профит на реальных проектах. 🤔
Думаю попробовать его на своей базе знаний, а не на коде — там, возможно, эффект будет сильно нагляднее. Глядишь, и пойму, ради чего всё это.
https://github.com/safishamsi/graphify
🔥1
🧠 Ferrix AI: агенты берут PM-рутину на себя
Ferrix AI — agentic-платформа для product-команд. Собирает фидбек, usage-данные, ревенью и маркет-ресёрч в одну систему, анализирует сигналы и советует, что строить дальше — с обоснованием и ожидаемым результатом.
После твоего approve агенты сами генерят спеки, acceptance criteria, планы релиза и коммуникации для стейкхолдеров.
🎯 Фишка:
— Интеграции со Slack, Discord, Intercom, Zendesk, HubSpot, Jira, Linear, GitHub Issues, Gong
— PM всё ещё ревьюит и решает, но рутина уходит агентам
— PII чистится перед обработкой, данные не используются для обучения моделей
Бета бесплатная.
https://ferrix.ai/
Ferrix AI — agentic-платформа для product-команд. Собирает фидбек, usage-данные, ревенью и маркет-ресёрч в одну систему, анализирует сигналы и советует, что строить дальше — с обоснованием и ожидаемым результатом.
После твоего approve агенты сами генерят спеки, acceptance criteria, планы релиза и коммуникации для стейкхолдеров.
🎯 Фишка:
— Интеграции со Slack, Discord, Intercom, Zendesk, HubSpot, Jira, Linear, GitHub Issues, Gong
— PM всё ещё ревьюит и решает, но рутина уходит агентам
— PII чистится перед обработкой, данные не используются для обучения моделей
Бета бесплатная.
https://ferrix.ai/
Контекст-роутер для агентов 🧠
Ctx — подгружает в контекст только те инструменты, что нужны прямо сейчас, а не все тысячи разом.
Проблема знакомая: 91K+ скиллов, 10K+ MCP-серверов, сотни агентов. Закинешь всё подряд — токены сгорают, а модель тонет в нерелевантных тулах. Пробовал держать «всё на всякий случай» — контекст пухнет, толку ноль.
Как работает:
🔍 вешается на хуки Claude Code (
📋 сканит репозиторий — понимает, над чем ты работаешь
🔄 гоняет это по графу на ~103K узлов (семантика + теги + оценки качества)
🌟 возвращает топ-10–15 тулов под текущую задачу
Бонусом — конвертит длинные промпты в «микро-скиллы» и следит за дрейфом контекста через локальный дашборд.
По сути динамический роутер: не «загрузи всё», а «загрузи нужное».
https://github.com/stevesolun/ctx
Ctx — подгружает в контекст только те инструменты, что нужны прямо сейчас, а не все тысячи разом.
Проблема знакомая: 91K+ скиллов, 10K+ MCP-серверов, сотни агентов. Закинешь всё подряд — токены сгорают, а модель тонет в нерелевантных тулах. Пробовал держать «всё на всякий случай» — контекст пухнет, толку ноль.
Как работает:
🔍 вешается на хуки Claude Code (
PostToolUse, Stop)📋 сканит репозиторий — понимает, над чем ты работаешь
🔄 гоняет это по графу на ~103K узлов (семантика + теги + оценки качества)
🌟 возвращает топ-10–15 тулов под текущую задачу
Бонусом — конвертит длинные промпты в «микро-скиллы» и следит за дрейфом контекста через локальный дашборд.
По сути динамический роутер: не «загрузи всё», а «загрузи нужное».
pip install claude-ctxhttps://github.com/stevesolun/ctx
✍1
Скилл для ленивого сеньора 🧠
Ponytail — заставляет AI-агента думать как самый ленивый сеньор в команде: лучший код — тот, который ты не написал.
Идея простая: перед тем как нафигачить код, агент идёт по лесенке и останавливается на первой ступеньке, что держит:
🔍 это вообще нужно? → нет: скипаем (YAGNI)
📋 stdlib умеет? → берём
🔄 нативная фича платформы / уже стоящая зависимость? → берём
🌟 в одну строку? → в одну строку
Ленивый, но не безалаберный: валидацию на границах, потерю данных, безопасность и доступность под нож не пускает.
Цифры на 12 фичах: ~54% меньше кода (местами до 94%), ~20% дешевле, ~27% быстрее. Меньше кода — меньше токенов — дешевле API.
Работает с Claude Code, Codex, Cursor, Copilot и кучей других. Закинул на пробу — агент реально перестал over-инжинирить.
https://github.com/DietrichGebert/ponytail
Ponytail — заставляет AI-агента думать как самый ленивый сеньор в команде: лучший код — тот, который ты не написал.
Идея простая: перед тем как нафигачить код, агент идёт по лесенке и останавливается на первой ступеньке, что держит:
🔍 это вообще нужно? → нет: скипаем (YAGNI)
📋 stdlib умеет? → берём
🔄 нативная фича платформы / уже стоящая зависимость? → берём
🌟 в одну строку? → в одну строку
Ленивый, но не безалаберный: валидацию на границах, потерю данных, безопасность и доступность под нож не пускает.
Цифры на 12 фичах: ~54% меньше кода (местами до 94%), ~20% дешевле, ~27% быстрее. Меньше кода — меньше токенов — дешевле API.
Работает с Claude Code, Codex, Cursor, Copilot и кучей других. Закинул на пробу — агент реально перестал over-инжинирить.
https://github.com/DietrichGebert/ponytail
🔥2