#fyi
Сколько платформ поддерживает CMP? Вы наверняка ошиблись - добавьте ещё две: IntelliJ и VS Code.
Сколько платформ поддерживает CMP? Вы наверняка ошиблись - добавьте ещё две: IntelliJ и VS Code.
🔥8
Рейтинг языков программирования TIOBE за июнь 2026 года: Rust десятый, за 25 лет проекта C, C++ и Java остаются в топе https://habr.com/p/1056806/
👍2🔥2
#fyi Чат и агент — разные контракты
Чат: ты формулируешь задачу, модель предлагает вариант, ты его читаешь, принимаешь или правишь, следующий шаг — с учётом твоей правки. Ты учишься и учишь модель. Сам предоставляешь контекст. Контроль на каждом шаге. Финальный автор — ты. Через тебя проходит каждая строка кода — по ходу работы ты понимаешь всё, что предлагает модель.
Агент: ты ставишь задачу верхнего уровня, дальше разбиение на подзадачи, инструменты, порядок действий — модель делает всё сама, без пауз на согласование. Ты не контролируешь её, видишь результат постфактум. Финальный автор — модель.
Если работаешь с агентом — не стоит лезть в его код руками. Не факт, что ты знаешь, что делает та или иная часть кода. Патчить руками код, логику которого ты не собирал сам, — верный способ сломать инвариант. Правки стоит делать только через тот же агентский канал: объяснил проблему, попросил переписать.
Если идёшь по пути агентского кода — доверься ему: ты не можешь знать всё, что написала модель. Если же хочешь понимать и контролировать весь код — используй чат: понимание рождается в процессе, а не после. Ревью мерж-реквеста — процесс другого рода: ты читаешь поперёк, проверяешь общий подход и то, не выбивается ли он из проекта. Полную логику из мерж-реквеста часто не восстановить — контекста разработки в нём нет.
Чат: ты формулируешь задачу, модель предлагает вариант, ты его читаешь, принимаешь или правишь, следующий шаг — с учётом твоей правки. Ты учишься и учишь модель. Сам предоставляешь контекст. Контроль на каждом шаге. Финальный автор — ты. Через тебя проходит каждая строка кода — по ходу работы ты понимаешь всё, что предлагает модель.
Агент: ты ставишь задачу верхнего уровня, дальше разбиение на подзадачи, инструменты, порядок действий — модель делает всё сама, без пауз на согласование. Ты не контролируешь её, видишь результат постфактум. Финальный автор — модель.
Если работаешь с агентом — не стоит лезть в его код руками. Не факт, что ты знаешь, что делает та или иная часть кода. Патчить руками код, логику которого ты не собирал сам, — верный способ сломать инвариант. Правки стоит делать только через тот же агентский канал: объяснил проблему, попросил переписать.
Если идёшь по пути агентского кода — доверься ему: ты не можешь знать всё, что написала модель. Если же хочешь понимать и контролировать весь код — используй чат: понимание рождается в процессе, а не после. Ревью мерж-реквеста — процесс другого рода: ты читаешь поперёк, проверяешь общий подход и то, не выбивается ли он из проекта. Полную логику из мерж-реквеста часто не восстановить — контекста разработки в нём нет.
👍9
#fyi А вы знаете что новый чат - это не чистая сессия, как многие думают. Есть аккаунт, и важная информация о вас может всплывать в чатах с чистым контекстом. Это странно, если ты думаешь, что контекст чист, но он не чист. Не удивлюсь, если ии сервисы начнут между собой делиться персонализированной информацией о нас.
🤔6💯4😁1
#article
Compose для IDEs
Разработчики плагинов для IDE обычно стоят перед выбором: писать два нативных плагина под IntelliJ и VS Code, удваивая поддержку, или использовать webview, мирясь с лишним потреблением памяти и чужеродным рантаймом внутри IntelliJ. Я разберу альтернативный подход в демо-проекте Cross Plugin — использование Compose Multiplatform. Пройдём от структуры модулей и конфликтов зависимостей до универсального Bridge-слоя для диалогов, ресурсов и навигации.
▶️ Rutube
🔗 Publication
🔗 Boosty
🔗 GitCode
Compose для IDEs
Разработчики плагинов для IDE обычно стоят перед выбором: писать два нативных плагина под IntelliJ и VS Code, удваивая поддержку, или использовать webview, мирясь с лишним потреблением памяти и чужеродным рантаймом внутри IntelliJ. Я разберу альтернативный подход в демо-проекте Cross Plugin — использование Compose Multiplatform. Пройдём от структуры модулей и конфликтов зависимостей до универсального Bridge-слоя для диалогов, ресурсов и навигации.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9
Forwarded from Банкста
This media is not supported in your browser
VIEW IN TELEGRAM
Нейросеть Яндекса — китайская модель Qwen, сообщил Герман Греф. @banksta
UPD: "Утверждение не соответствует действительности. "Яндекс" продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений", - прокомментировали в "Яндексе".
UPD: "Утверждение не соответствует действительности. "Яндекс" продолжает развивать собственные фундаментальные модели, сохраняет полный цикл разработки и не зависит от внешних решений", - прокомментировали в "Яндексе".
🤔7
Отвлекся немного на архитектуру плагинов, вопрос закрыт. Продолжаю развивать vibe-action, занялся интеграцией с IDEs.
🔥5
Тема готова — IDEA и VS Code, светлая и тёмная, переключение на лету.
🔥7
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9
#fyi Просто наблюдение: для большинства блогеров автономные агенты — это единственный и идеальный способ взаимодействия с ИИ.
😁5
Kimi K3: как мощная модель в роли «основной» ухудшила результат и подняла цену в 8 раз
Провёл тест-драйв Kimi K3. Гипотеза простая: раз модель мощнее DeepSeek Pro, значит, справится качественнее. Взял задачу (написать кросс-платформенный синглтон с вежливой остановкой предыдущих экземпляров и автоочисткой мёртвых pid'ов) и сел работать, сессия на 4 часа.
Первая попытка — Kimi как основная. 4 часа кодинга, ответы медленные, дорогие. Я, сам того не замечая, стал экономить на запросах. Модели больше доверял, реже перепроверял — вроде бы умная же. Итог: почти 35 юаней и код, который пришлось потом переписывать с нуля. Не потому что Kimi глупая — а потому что я выпал из роли контролёра и перестал дожимать каждую итерацию.
Второй подход — по схеме, где DeepSeek Pro делает основную работу: быстрые, дёшевые итерации, я постоянно правлю, уточняю, держу контекст. Kimi подключается только в конце как эксперт-ревьюер. Итог: 4.5 юаня и готовый production-код, который не стыдно показать.
Мощная модель — не универсальный солдат, работать с ней как с основной не практично. Её место — финальное ревью, точечная экспертиза, а не роль основной рабочей лошадки. Контроль и дешёвые быстрые правки оказались важнее «интеллекта» модели. Теперь Kimi K3 у меня только на доводке отлаженного кода — и там она действительно хороша.
Провёл тест-драйв Kimi K3. Гипотеза простая: раз модель мощнее DeepSeek Pro, значит, справится качественнее. Взял задачу (написать кросс-платформенный синглтон с вежливой остановкой предыдущих экземпляров и автоочисткой мёртвых pid'ов) и сел работать, сессия на 4 часа.
Первая попытка — Kimi как основная. 4 часа кодинга, ответы медленные, дорогие. Я, сам того не замечая, стал экономить на запросах. Модели больше доверял, реже перепроверял — вроде бы умная же. Итог: почти 35 юаней и код, который пришлось потом переписывать с нуля. Не потому что Kimi глупая — а потому что я выпал из роли контролёра и перестал дожимать каждую итерацию.
Второй подход — по схеме, где DeepSeek Pro делает основную работу: быстрые, дёшевые итерации, я постоянно правлю, уточняю, держу контекст. Kimi подключается только в конце как эксперт-ревьюер. Итог: 4.5 юаня и готовый production-код, который не стыдно показать.
Мощная модель — не универсальный солдат, работать с ней как с основной не практично. Её место — финальное ревью, точечная экспертиза, а не роль основной рабочей лошадки. Контроль и дешёвые быстрые правки оказались важнее «интеллекта» модели. Теперь Kimi K3 у меня только на доводке отлаженного кода — и там она действительно хороша.
🔥5👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Один клик: CMP > KMP > Bridge > Plugin > Shell > Rust > LLM и обратно.
🔥3👍2