Мое любимое слово последней недели - дистилляция
Если раньше вам понравилась какая-то идея/фича из: продукта, фреймворка, библиотеки. То ее долго и сложно/долго было внедрять в проект, поэтому она никогда и не появлялась. Сейчас, ты можешь взять проект A и проект B иперевайбить дистиллировать данный функционал.
Простой пример использования:
1) У вас есть свой проект: Пасьянс паук, micro-SaaS, AI-агент… И есть интересующий вас проект (слив claude code, autoreserch, self-improving логика)
2) Отдаете N-проектов в агента, просите выделить полезный функционал и имплементировать
= профит
Теперь пример из реальной жизни:
Andrej Karpathy выложил autoresearch. Агент модифицирует тренировочный скрипт (самоулучшается), гоняет 5-минутные эксперименты, коммитит улучшения, откатывает неудачи. За ночь: 89 экспериментов, 15 улучшений, 0 крашей.
CEO Shopify сам взял autoresearch и дистиллировал его в оптимизацию Liquid 20-летнего Ruby-шаблонизатора Shopify🚬
Барьер между "о, прикольная идея" и "работает в проде" схлопнулся до одного промпта.
Все движется от "not invented here” к эпохе "distilled from everywhere”. Лучшие инженеры 2026 - это не те, кто пишут больше кода, а те, кто быстрее находят и переносят правильные идеи.
Если раньше вам понравилась какая-то идея/фича из: продукта, фреймворка, библиотеки. То ее долго и сложно/долго было внедрять в проект, поэтому она никогда и не появлялась. Сейчас, ты можешь взять проект A и проект B и
Простой пример использования:
1) У вас есть свой проект: Пасьянс паук, micro-SaaS, AI-агент… И есть интересующий вас проект (слив claude code, autoreserch, self-improving логика)
2) Отдаете N-проектов в агента, просите выделить полезный функционал и имплементировать
= профит
Теперь пример из реальной жизни:
Andrej Karpathy выложил autoresearch. Агент модифицирует тренировочный скрипт (самоулучшается), гоняет 5-минутные эксперименты, коммитит улучшения, откатывает неудачи. За ночь: 89 экспериментов, 15 улучшений, 0 крашей.
CEO Shopify сам взял autoresearch и дистиллировал его в оптимизацию Liquid 20-летнего Ruby-шаблонизатора Shopify
Барьер между "о, прикольная идея" и "работает в проде" схлопнулся до одного промпта.
Все движется от "not invented here” к эпохе "distilled from everywhere”. Лучшие инженеры 2026 - это не те, кто пишут больше кода, а те, кто быстрее находят и переносят правильные идеи.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
This media is not supported in your browser
VIEW IN TELEGRAM
Наткнулся на интересного бота. Он ищет дома за $500K–$1.2M без бассейна, рендерит бассейн прямо на их задний двор, печатает открытку с before/after и отправляет хозяину по почте.
Как это работает для строителей бассейнов (средний чек $50K+):
— Сканирует спутниковые снимки, находит дома с пустыми дворами
— Фильтрует по размеру участка, освещённости, свежей смене владельца
— Вытаскивает контакт хозяина из публичных реестров
— Рендерит бассейн прямо в реальный двор
— Считает стоимость строительства + прирост стоимости дома по конкретному зипкоду
— Генерирует видео двора с новым бассейном
— Печатает открытку с before/after и QR-кодом
— Отправляет почтой + догоняет ретаргетингом
*находим участки без теплицы, рендерим теплицу с помидорами, все, пошел делать…📈
Как это работает для строителей бассейнов (средний чек $50K+):
— Сканирует спутниковые снимки, находит дома с пустыми дворами
— Фильтрует по размеру участка, освещённости, свежей смене владельца
— Вытаскивает контакт хозяина из публичных реестров
— Рендерит бассейн прямо в реальный двор
— Считает стоимость строительства + прирост стоимости дома по конкретному зипкоду
— Генерирует видео двора с новым бассейном
— Печатает открытку с before/after и QR-кодом
— Отправляет почтой + догоняет ретаргетингом
*находим участки без теплицы, рендерим теплицу с помидорами, все, пошел делать…
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔2😁1
Недавно наткнулся PR: Rewrite Bun in Rust на 1M LoC 🤔
Сразу стало интересно, как был реализован harness вокруг всего этого.
скорее всего, это было не так
Поэтому, сделал реверс инжинириг по коммитам и системным файлам.
Цифры: 6,755 коммитов за 6 дней = ~47 коммитов в час 24/7 = минимум 30+ агентов параллельно (клодик так посчитал).
Архитектура пайплайна:
— Фаза 0. Дорогой анализ вынесли в отдельный шаг, до запуска агентов-переводчиков. Прогнали LLM по всей кодбазе и для каждого указателя записали, кто им владеет — результат лёг в файл LIFETIMES.tsv. Параллельно руками подготовили Zig-сторону, чтобы перевод стал механическим. Зачем: убрать самую частую ошибку перевода — "локально вроде верно, но владение неправильное". Агент в фазе A не думает, а читает готовый ответ.
— Фаза A — перевод. 30+ агентов, по одному на .zig файл. Компилироваться не обязан. В код вставляются маркеры // TODO(port):, // PERF(port):, каждый файл кончается трейлером confidence: high/medium/low.
— Фаза B — компиляция. Cargo workspace из ~200 creates поднимается crate-by-crate. Параллельно 3 спец-агента: code-dedup грепит дубли, bench-until-green грепит PERF(port) и фиксит, ci-auto-fix-NNN — по ветке на каждое падение CI, реагирует автоматически.
Как 30 агентов оркестрированы: просто через git🤨 . Нет общего шедулера. Каждый агент видит только свой .zig + PORTING.md + LIFETIMES.tsv. Координация через артефакты в репо: маркер // PERF(port): в коде. Связь между поколениями агентов идёт через коммиты (привет муравьиный алгоритм).
Контур валидации: Rust borrow checker = бесплатный supervisor (Zig такого не давал — отсюда вся затея). Test suite = machine-checkable цель. CI падает → ci-auto-fix-NNN спавнится → чинит → цикл без человека. Ревью двухконтурное: CodeRabbit + Claude bot, разные модели = разные слепые зоны.
Инсайты:
— Pre-computed analysis. Что дорого считать внутри каждого агента — посчитай один раз отдельным пайплайном (можно дешёвой моделью), сохрани в файл, агенты только читают. У Bun это владение указателями по всем файлам. Принцип универсален для любого cross-file контекста: dependency graph, схема БД, permissions matrix, контракты API между сервисами.
— Оркестрация через артефакты, не через рантайм. Маркеры в коде, трейлеры, имена веток = каналы связи. Дёшево, наблюдаемо, версионируется само.
— Узкий агент бьёт универсального. code-dedup умеет только грепить дубли. Меньше scope → меньше галлюцинаций.
— Старый код рядом как референс. .zig лежат с .rs не для сборки — чтобы агент при отладке сверял логику.
— Фиксация архитектуры срезает 90% галлюцинаций. "Same architecture, no async Rust" — нет творческих развилок → нет творческих ошибок.
Пайплайн собран не из модели, а из артефактов. Модель — исполнитель, у которого обвязка не даёт сделать не то.
Жёсткое осознание: 1M LoC переписал по сути один человек + рой агентов. Сработал не просто “вайб”, а хорошо выстроенный инженерный подход😡
Сразу стало интересно, как был реализован harness вокруг всего этого.
скорее всего, это было не так
/goal Rewrite Bun in Rust make no mistakesПоэтому, сделал реверс инжинириг по коммитам и системным файлам.
Цифры: 6,755 коммитов за 6 дней = ~47 коммитов в час 24/7 = минимум 30+ агентов параллельно (клодик так посчитал).
Архитектура пайплайна:
— Фаза 0. Дорогой анализ вынесли в отдельный шаг, до запуска агентов-переводчиков. Прогнали LLM по всей кодбазе и для каждого указателя записали, кто им владеет — результат лёг в файл LIFETIMES.tsv. Параллельно руками подготовили Zig-сторону, чтобы перевод стал механическим. Зачем: убрать самую частую ошибку перевода — "локально вроде верно, но владение неправильное". Агент в фазе A не думает, а читает готовый ответ.
— Фаза A — перевод. 30+ агентов, по одному на .zig файл. Компилироваться не обязан. В код вставляются маркеры // TODO(port):, // PERF(port):, каждый файл кончается трейлером confidence: high/medium/low.
— Фаза B — компиляция. Cargo workspace из ~200 creates поднимается crate-by-crate. Параллельно 3 спец-агента: code-dedup грепит дубли, bench-until-green грепит PERF(port) и фиксит, ci-auto-fix-NNN — по ветке на каждое падение CI, реагирует автоматически.
Как 30 агентов оркестрированы: просто через git
Контур валидации: Rust borrow checker = бесплатный supervisor (Zig такого не давал — отсюда вся затея). Test suite = machine-checkable цель. CI падает → ci-auto-fix-NNN спавнится → чинит → цикл без человека. Ревью двухконтурное: CodeRabbit + Claude bot, разные модели = разные слепые зоны.
Инсайты:
— Pre-computed analysis. Что дорого считать внутри каждого агента — посчитай один раз отдельным пайплайном (можно дешёвой моделью), сохрани в файл, агенты только читают. У Bun это владение указателями по всем файлам. Принцип универсален для любого cross-file контекста: dependency graph, схема БД, permissions matrix, контракты API между сервисами.
— Оркестрация через артефакты, не через рантайм. Маркеры в коде, трейлеры, имена веток = каналы связи. Дёшево, наблюдаемо, версионируется само.
— Узкий агент бьёт универсального. code-dedup умеет только грепить дубли. Меньше scope → меньше галлюцинаций.
— Старый код рядом как референс. .zig лежат с .rs не для сборки — чтобы агент при отладке сверял логику.
— Фиксация архитектуры срезает 90% галлюцинаций. "Same architecture, no async Rust" — нет творческих развилок → нет творческих ошибок.
Пайплайн собран не из модели, а из артефактов. Модель — исполнитель, у которого обвязка не даёт сделать не то.
Жёсткое осознание: 1M LoC переписал по сути один человек + рой агентов. Сработал не просто “вайб”, а хорошо выстроенный инженерный подход
Please open Telegram to view this post
VIEW IN TELEGRAM
🆒4🥴2🤪1
context is all you need
Как 30 агентов оркестрированы: просто через git 🤨 . Нет общего шедулера. Каждый агент видит только свой .zig + PORTING.md + LIFETIMES.tsv. Координация через артефакты в репо: маркер // PERF(port): в коде. Связь между поколениями агентов идёт через коммиты (привет муравьиный алгоритм).
Контур валидации: Rust borrow checker = бесплатный supervisor (Zig такого не давал — отсюда вся затея). Test suite = machine-checkable цель. CI падает → ci-auto-fix-NNN спавнится → чинит → цикл без человека. Ревью двухконтурное: CodeRabbit + Claude bot, разные модели = разные слепые зоны.
Контур валидации: Rust borrow checker = бесплатный supervisor (Zig такого не давал — отсюда вся затея). Test suite = machine-checkable цель. CI падает → ci-auto-fix-NNN спавнится → чинит → цикл без человека. Ревью двухконтурное: CodeRabbit + Claude bot, разные модели = разные слепые зоны.
изменения скорее всего делались через https://github.com/jj-vcs/jj, тк если бы они пользовались классическим git-ом, то в какой-то момент они бы попали в классический MERGE HELL, откуда бы не выбрались, либо лишь спустя много итераций и кучи сожженых токенов
GitHub
GitHub - jj-vcs/jj: A Git-compatible VCS that is both simple and powerful
A Git-compatible VCS that is both simple and powerful - jj-vcs/jj
🤔3👍2
Все еще лучший промт для запуска процесса обсуждения и поиска альтернатив на инженерные решения во всех пайплайнах, пользуюсь им уже несколько месяцев
p.s. это если что не мой промт, а Гарри Тана
Before writing any code, review the plan thoroughly.
Do NOT start implementation until the review is complete and I approve the direction.
For every issue or recommendation:
- Explain the concrete tradeoffs
- Give an opinionated recommendation
- Ask for my input before proceeding
Engineering principles to follow:
- Prefer DRY — aggressively flag duplication
- Well-tested code is mandatory (better too many tests than too few)
- Code should be “engineered enough” — not fragile or hacky, but not over-engineered
- Optimize for correctness and edge cases over speed of implementation
- Prefer explicit solutions over clever ones
---
## 1. Architecture Review
Evaluate:
- Overall system design and component boundaries
- Dependency graph and coupling risks
- Data flow and potential bottlenecks
- Scaling characteristics and single points of failure
- Security boundaries (auth, data access, API limits)
---
## 2. Code Quality Review
Evaluate:
- Project structure and module organization
- DRY violations
- Error handling patterns and missing edge cases
- Technical debt risks
- Areas that are over-engineered or under-engineered
---
## 3. Test Review
Evaluate:
- Test coverage (unit, integration, e2e)
- Quality of assertions
- Missing edge cases
- Failure scenarios that are not tested
---
## 4. Performance Review
Evaluate:
- N+1 queries or inefficient I/O
- Memory usage risks
- CPU hotspots or heavy code paths
- Caching opportunities
- Latency and scalability concerns
---
## For each issue found:
Provide:
1. Clear description of the problem
2. Why it matters
3. 2–3 options (including “do nothing” if reasonable)
4. For each option:
- Effort
- Risk
- Impact
- Maintenance cost
5. Your recommended option and why
Then ask for approval before moving forward.
---
## Workflow Rules
- Do NOT assume priorities or timelines
- After each section (Architecture → Code → Tests → Performance), pause and ask for feedback
- Do NOT implement anything until I confirm
---
## Start Mode
Before starting, ask:
**Is this a BIG change or a SMALL change?**
BIG change:
- Review all sections step-by-step
- Highlight the top 3–4 issues per section
SMALL change:
- Ask one focused question per section
- Keep the review concise
---
## Output Style
- Structured and concise
- Opinionated recommendations (not neutral summaries)
- Focus on real risks and tradeoffs
- Think and act like a Staff/Senior Engineer reviewing a production system
p.s. это если что не мой промт, а Гарри Тана
👍3✍2🤔1
code contributed per person с Mythos увеличилось в 3.2 раза, относительно Opus 4.5
Это ai coding adoption или реальный импакт модели🗣
Это ai coding adoption или реальный импакт модели
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯1
ai builds itself. человек постепенно выводится из лупа — система начинает улучшать сама себя.
• anthropic, апрель 2026: claude-агенты сами прогнали research по ai safety от гипотез до итераций. люди за неделю закрыли 23% гэпа — агенты 97% (800 часов, ~$18k компьюта). человек только выбрал задачу.
• sakana ai: открыли целую rsi-lab под рекурсивное самоулучшение. их darwin godel machine сам переписывает свой код и x2 к swe-перформансу, а the ai scientist уже в nature.
имхо луп замыкается прямо сейчас, роль человека схлопывается до direction-setting
• anthropic, апрель 2026: claude-агенты сами прогнали research по ai safety от гипотез до итераций. люди за неделю закрыли 23% гэпа — агенты 97% (800 часов, ~$18k компьюта). человек только выбрал задачу.
• sakana ai: открыли целую rsi-lab под рекурсивное самоулучшение. их darwin godel machine сам переписывает свой код и x2 к swe-перформансу, а the ai scientist уже в nature.
имхо луп замыкается прямо сейчас, роль человека схлопывается до direction-setting
✍1
Теперь немодно промптить агентов.
Модно проектировать harness’ы, которые промтят агентов за тебя 🎰
Модно проектировать harness’ы, которые промтят агентов за тебя 🎰
✍1🔥1
Положняк по харнесу и агентам за последние 2 недели ⚡️
1. https://x.com/omarsar0/status/2087605040240582991
2. https://x.com/omarsar0/status/2087574841893474556
3. https://x.com/dair_ai/status/2087264294782279808
4. https://x.com/omarsar0/status/2087962456572498142
5. https://arxiv.org/abs/2608.11242
6. https://arxiv.org/abs/2608.06871 (CEDAR is a potential hidden gem)
7. https://x.com/maksym_andr/status/2088962930079388095
8. https://x.com/rohanpaul_ai/status/2089081790254465241
9. https://x.com/zhuokaiz/status/2088801833800130625
10. https://x.com/thesupermanmx/status/2088977298989129826
11. https://x.com/monokern/status/2087241401649996149
1. https://x.com/omarsar0/status/2087605040240582991
2. https://x.com/omarsar0/status/2087574841893474556
3. https://x.com/dair_ai/status/2087264294782279808
4. https://x.com/omarsar0/status/2087962456572498142
5. https://arxiv.org/abs/2608.11242
6. https://arxiv.org/abs/2608.06871 (CEDAR is a potential hidden gem)
7. https://x.com/maksym_andr/status/2088962930079388095
8. https://x.com/rohanpaul_ai/status/2089081790254465241
9. https://x.com/zhuokaiz/status/2088801833800130625
10. https://x.com/thesupermanmx/status/2088977298989129826
11. https://x.com/monokern/status/2087241401649996149
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1😁1
деслопимся 📝
https://x.com/juampitech/status/2090834948332655011
https://github.com/dmmulroy/anti-slop
дистилим -> получаем slop 2.0
https://x.com/juampitech/status/2090834948332655011
https://github.com/dmmulroy/anti-slop
дистилим -> получаем slop 2.0
Please open Telegram to view this post
VIEW IN TELEGRAM
😁1🤔1
Felony Bench
count(AI agents inadvertently compromise or affect third-party entities)
count(AI agents inadvertently compromise or affect third-party entities)