Теперь я знаю еще больше. Я знаю, как там после 40ка. 🎂😅
🎉29😁2
vibe-tests 0.0.1
Тестовый фреймворк для MCP-серверов на Rust. AI-модели решают какие инструменты вызывать по свободному запросу в тесте.
🧠 Agentic-тестирование: LLM вызывает MCP тулы на основе естественного языка
📊 Полный tracing: каждый запрос, tool call, ответ — в структурированном логе
📋 JSON-отчёт: model_response, tool_response, duration_ms, error codes
🐳 Docker изоляция: compose up/down, temp директории, cleanup процессов
🔬 Мульти-модель: один сервер против нескольких LLM одновременно
🔧 Настраиваемый жизненный цикл событий тестирования
📦 Гибкая общая конфигурация для всех тестов MCP
🔗 https://crates.io/crates/vibe-tests
Тестовый фреймворк для MCP-серверов на Rust. AI-модели решают какие инструменты вызывать по свободному запросу в тесте.
🧠 Agentic-тестирование: LLM вызывает MCP тулы на основе естественного языка
📊 Полный tracing: каждый запрос, tool call, ответ — в структурированном логе
📋 JSON-отчёт: model_response, tool_response, duration_ms, error codes
🐳 Docker изоляция: compose up/down, temp директории, cleanup процессов
🔬 Мульти-модель: один сервер против нескольких LLM одновременно
🔧 Настраиваемый жизненный цикл событий тестирования
📦 Гибкая общая конфигурация для всех тестов MCP
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍1
🔥 Vibe Analyzer v0.0.2
Стал быстрее, лучше, удобнее. Разобрал монолит на модульную экосистему — парсинг, файловые операции и тестовый фреймворк стали отдельными крейтами:
📦 vibe-ast — AST-парсинг для 14 языков
📦 vibe-fs — инкрементальное сканирование с BLAKE3
📦 vibe-tests — E2E-тестирование MCP-серверов с реальными LLM
📊 Кодовая база:
👉 -97 файлов (-33%)
👉 -6,854 строк кода (-34%)
👉 -1.67 MB размера проекта (-69%)
🖥 CLI прокачан:
👉
👉
👉 6 форматов экспорта
🔍 Поиск точнее:
👉 Синонимы тегов на 3 языках
👉 wildcard для imports, match_phrase_prefix для variables
👉 search_documentation находит всё с первого раза
⚡ Конфиг v0.0.2:
👉 Новые секции: scan, analyze, export
Основной фокус в обновлении был направлен на оптимизацию кодовой базы для дальнейшего развития.
🔗 https://crates.io/crates/vibe-analyzer
Стал быстрее, лучше, удобнее. Разобрал монолит на модульную экосистему — парсинг, файловые операции и тестовый фреймворк стали отдельными крейтами:
📦 vibe-ast — AST-парсинг для 14 языков
📦 vibe-fs — инкрементальное сканирование с BLAKE3
📦 vibe-tests — E2E-тестирование MCP-серверов с реальными LLM
📊 Кодовая база:
👉 -97 файлов (-33%)
👉 -6,854 строк кода (-34%)
👉 -1.67 MB размера проекта (-69%)
🖥 CLI прокачан:
👉
--config для кастомного конфига👉
-p/--path для прямого сканирования👉 6 форматов экспорта
🔍 Поиск точнее:
👉 Синонимы тегов на 3 языках
👉 wildcard для imports, match_phrase_prefix для variables
👉 search_documentation находит всё с первого раза
⚡ Конфиг v0.0.2:
👉 Новые секции: scan, analyze, export
Основной фокус в обновлении был направлен на оптимизацию кодовой базы для дальнейшего развития.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
#fyi
Знаете что я тут понял? Не правильно говорить «LLM заменят разработчиков», правильно будет «LLM заменят тупых разработчиков». Кто думает что «LLM заменят разработчиков» могут смело продолжать так говорить, пока их еще не заменили.
Знаете что я тут понял? Не правильно говорить «LLM заменят разработчиков», правильно будет «LLM заменят тупых разработчиков». Кто думает что «LLM заменят разработчиков» могут смело продолжать так говорить, пока их еще не заменили.
😁6🤣1
Vibe Analyzer — не просто MCP с RAG-опцией. Это база для будущей экосистемы проектов. Сейчас уже есть три крейта, которые можно использовать для MCP-разработки на Rust. Аналогов подобных крейтов нет. Но дальше — больше.
Что сейчас умеет проект: создавать отчёты в 6 форматах по проектам или базе знаний в Markdown. Отчёт может быть просто выборкой важных деталей или с обогащением — обработкой моделями в кластере этих данных.
Почему важна кластеризация обогащения? Это открывает возможность масштабироваться горизонтально — вам не нужна одна мощная видеокарта. Любой ПК потенциально часть кластера, который ускоряет процесс обогащения.
Что даёт обогащение? Сейчас это дополнительные поисковые теги или описание файла для более релевантного поиска через MCP. Но возможности намного шире.
Обогащения могут быть разными, а это открывает широкие возможности для отчётов по проектам или базам знаний. Получение данных для отчётов — одна из задач, которой я планирую заняться.
Пайплайн может быть следующим: тул, который получает необходимые данные → Vibe Analyzer — центр обработки данных → тул, который строит отчёт в нужном формате.
Идеальный способ создания резюме. Для этого даже не нужен будет соискатель — HR сможет сам понять, стоит ли хантить разработчика =)
Что сейчас умеет проект: создавать отчёты в 6 форматах по проектам или базе знаний в Markdown. Отчёт может быть просто выборкой важных деталей или с обогащением — обработкой моделями в кластере этих данных.
Почему важна кластеризация обогащения? Это открывает возможность масштабироваться горизонтально — вам не нужна одна мощная видеокарта. Любой ПК потенциально часть кластера, который ускоряет процесс обогащения.
Что даёт обогащение? Сейчас это дополнительные поисковые теги или описание файла для более релевантного поиска через MCP. Но возможности намного шире.
Обогащения могут быть разными, а это открывает широкие возможности для отчётов по проектам или базам знаний. Получение данных для отчётов — одна из задач, которой я планирую заняться.
Пайплайн может быть следующим: тул, который получает необходимые данные → Vibe Analyzer — центр обработки данных → тул, который строит отчёт в нужном формате.
Идеальный способ создания резюме. Для этого даже не нужен будет соискатель — HR сможет сам понять, стоит ли хантить разработчика =)
🔥3👍2
#article
Agentic RAG на Rust
Как построить Agentic RAG на Rust. Контекст, MCP, OpenSearch, LLM — и что со всем этим делать. Архитектура, тестирование на реальных моделях, защита от галлюцинаций и три крейта в открытом доступе.
🔗 Publication
Agentic RAG на Rust
Как построить Agentic RAG на Rust. Контекст, MCP, OpenSearch, LLM — и что со всем этим делать. Архитектура, тестирование на реальных моделях, защита от галлюцинаций и три крейта в открытом доступе.
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥7
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
vibe-ast v0.0.8
🆕 Body extraction — парсер теперь извлекает тело функций, классов, структур, енумов, интерфейсов и Markdown-секций. Поддержаны все 13 языков + Markdown: ArkTS, Bash, Batch, C#, Dart, Go, Java, JavaScript, Kotlin, Python, Rust, Swift, TypeScript.
🏷️ Tags overhaul — переработана генерация поисковых тегов для всех языков. Добавлены недостающие синонимы EN, RU, ZH (иероглифы), унифицирован порядок.
🔗 https://crates.io/crates/vibe-ast
🆕 Body extraction — парсер теперь извлекает тело функций, классов, структур, енумов, интерфейсов и Markdown-секций. Поддержаны все 13 языков + Markdown: ArkTS, Bash, Batch, C#, Dart, Go, Java, JavaScript, Kotlin, Python, Rust, Swift, TypeScript.
🏷️ Tags overhaul — переработана генерация поисковых тегов для всех языков. Добавлены недостающие синонимы EN, RU, ZH (иероглифы), унифицирован порядок.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤1👍1
Forwarded from Банкста
This media is not supported in your browser
VIEW IN TELEGRAM
В Китае выпустили первого пилотируемого меха-трансформера за $650 тыс. Полноценный гражданский робот весит около 500 кг, может трансформироваться и управляться пилотом. Компания-разработчик просит покупателей использовать меха в «дружелюбных» целях. @banksta
🔥8👍2😴1
🔥 Vibe Analyzer v0.0.4
Новый релиз. 4 режима LLM-обогащения и программный статический анализ для всех 14 языков. Оптимизация и быстрый режим индексации.
🎮 LLM Enrichment — 4 режима:
👉 Meta — описание файла + поисковые теги
👉 Debt — техдолг: маркеры, дубли, магические числа
👉 Errors — баги и опечатки (в коде и Markdown)
👉 Advice — рефакторинг, нейминг, упрощение
🔍 Статический анализ:
👉 21 маркер техдолга — TODO, FIXME, HACK, XXX, @todo...
👉 Warnings для каждого языка — unwrap/panic (Rust), bare except (Python), console.log (JS/TS)...
⬇️ Экспорт:
👉 Фильтрация по типам: -t code,markdown,text,binary
👉 Тонкая настройка через export.include: markers, warnings, body
🔗 https://crates.io/crates/vibe-analyzer
Новый релиз. 4 режима LLM-обогащения и программный статический анализ для всех 14 языков. Оптимизация и быстрый режим индексации.
👉 Meta — описание файла + поисковые теги
👉 Debt — техдолг: маркеры, дубли, магические числа
👉 Errors — баги и опечатки (в коде и Markdown)
👉 Advice — рефакторинг, нейминг, упрощение
👉 21 маркер техдолга — TODO, FIXME, HACK, XXX, @todo...
👉 Warnings для каждого языка — unwrap/panic (Rust), bare except (Python), console.log (JS/TS)...
👉 Фильтрация по типам: -t code,markdown,text,binary
👉 Тонкая настройка через export.include: markers, warnings, body
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2
vibe-cluster v0.0.2
Библиотека для LLM-кластеров на Rust. Один API — Ollama, DeepSeek, Qwen.
🖥️ Multi-provider — локальные и облачные модели в кластере
🔁 Automatic retry — повтор запросов при сетевых сбоях
📊 PromptResult — модель, хост, ответ на каждый промпт
🎯 Prompt matching — ключи для связи ответов с запросами
🖥️ Smart scheduling — автоматическая сортировка моделей
🔗 https://crates.io/crates/vibe-cluster
Библиотека для LLM-кластеров на Rust. Один API — Ollama, DeepSeek, Qwen.
🖥️ Multi-provider — локальные и облачные модели в кластере
🔁 Automatic retry — повтор запросов при сетевых сбоях
📊 PromptResult — модель, хост, ответ на каждый промпт
🎯 Prompt matching — ключи для связи ответов с запросами
🖥️ Smart scheduling — автоматическая сортировка моделей
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👍1
🔥 Vibe Analyzer v0.0.5
LLM-кластер, Ollama и API DeepSeek/Qwen, serve stop/status и другие улучшения.
🖥️ LLM Cluster:
👉 Multi-provider — Ollama, DeepSeek, Qwen в одном конфиге
👉 Load balancing — авто-распределение между узлами
👉 Parallel workers — настраиваемые воркеры на каждый узел
🌐 Новые провайдеры:
👉 DeepSeek — облачное API
👉 Qwen — облачное API
🛠️ CLI:
👉 serve stop — остановка MCP серверов
👉 serve status — список запущенных с PID и uptime
👉 обогащение файла — передача файла или директории
🔗 https://crates.io/crates/vibe-analyzer
LLM-кластер, Ollama и API DeepSeek/Qwen, serve stop/status и другие улучшения.
🖥️ LLM Cluster:
👉 Multi-provider — Ollama, DeepSeek, Qwen в одном конфиге
👉 Load balancing — авто-распределение между узлами
👉 Parallel workers — настраиваемые воркеры на каждый узел
🌐 Новые провайдеры:
👉 DeepSeek — облачное API
👉 Qwen — облачное API
🛠️ CLI:
👉 serve stop — остановка MCP серверов
👉 serve status — список запущенных с PID и uptime
👉 обогащение файла — передача файла или директории
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2👍1
#fyi Ты вайб-кодер или все еще инженер?
LLM всё больше проникает в разработку. Каждый использует LLM в меру своей развращённости.
Когда-то давным-давно, до LLM, люди писали на языках, фреймворках, CMS, занимались зерокодингом. Думаю, ничего, собственно, глобально не меняется. Как и раньше, кто-то использует LLM как язык, кто-то — как фреймворк, кто-то — как CMS. Но есть и любители зерокодинга. Каждый использует LLM так, как ему по душе.
Компании, продающие своих LLM, настаивают на использовании их как «всё сделает за тебя». Ну, это не ново — давно зерокодеры заняли эту нишу. Но это неправильно. Модели не способны выдавать качественный код выше уровня квалифицированного специалиста. С оговоркой: не всегда специалист может понять, что сделала модель. Но важно, что специалист увидит косяки, чего не сможет сделать модель в своём коде — поэтому иногда их стравливают между собой.
LLM — это инструмент, такой же, как и всё остальное: как компилятор, как IDE, как фреймворк. Ничего кардинально нового не произошло. Да, теперь тебе не нужно писать двадцать одинаковых функций — LLM это может сделать. Комментарии в коде? Даже модель на 14b делает их лучше тебя. Но важно понимать: LLM — это инструмент, и чем больше ты используешь его возможности, тем лучше. Только это не значит, что ты должен запоминать все хоткеи своей IDE/LLM. Важнее найти свой вариант применения.
Итак, кто ты: просто кодер или инженер, который может проложить свой путь к разработке, а не использовать то, что тебе предлагают конторы, которые хотят, чтобы ты зерокодил на их ресурсах за свои деньги?
LLM всё больше проникает в разработку. Каждый использует LLM в меру своей развращённости.
Когда-то давным-давно, до LLM, люди писали на языках, фреймворках, CMS, занимались зерокодингом. Думаю, ничего, собственно, глобально не меняется. Как и раньше, кто-то использует LLM как язык, кто-то — как фреймворк, кто-то — как CMS. Но есть и любители зерокодинга. Каждый использует LLM так, как ему по душе.
Компании, продающие своих LLM, настаивают на использовании их как «всё сделает за тебя». Ну, это не ново — давно зерокодеры заняли эту нишу. Но это неправильно. Модели не способны выдавать качественный код выше уровня квалифицированного специалиста. С оговоркой: не всегда специалист может понять, что сделала модель. Но важно, что специалист увидит косяки, чего не сможет сделать модель в своём коде — поэтому иногда их стравливают между собой.
LLM — это инструмент, такой же, как и всё остальное: как компилятор, как IDE, как фреймворк. Ничего кардинально нового не произошло. Да, теперь тебе не нужно писать двадцать одинаковых функций — LLM это может сделать. Комментарии в коде? Даже модель на 14b делает их лучше тебя. Но важно понимать: LLM — это инструмент, и чем больше ты используешь его возможности, тем лучше. Только это не значит, что ты должен запоминать все хоткеи своей IDE/LLM. Важнее найти свой вариант применения.
Итак, кто ты: просто кодер или инженер, который может проложить свой путь к разработке, а не использовать то, что тебе предлагают конторы, которые хотят, чтобы ты зерокодил на их ресурсах за свои деньги?
🔥3😁1