Практикуешь вайб-кодинг?

Так как по законам необъятности бытия у всего должен быть термин, то и у кодинга с использованием ИИ он появился.

Вайб-кодинг — это не про знание синтаксиса. Это про доверие Вселенной и чат-ботам.
Метод программирования, основанный на использовании магии ИИ и вере в то, что “оно наверное работает”.

Ты не пишешь код — ты описываешь вайб задачи,
а GPT такой: «Понял тебя, бро» — и выдает 300 строк, половина из которых реально работает. Можно сказать, что копипаст перешел на новый уровень.

Отладка? Нет, проще перегенерить по ошибкам.

Тесты? Они не нужны, ИИ сам всё проверит, он же умный.

Документация? Если ты сам не понял, то и нет в ней смысла, тем более когда можно спросить у нейросети.

Вайб-кодинг — это про новый уровень кодинга. У тебя появляется уверенность, скорость и ты всегда красавчик, так как если есть ошибка, то ошибся этот глупый ИИ.

Очень крутой материал посвященный прогнозу развития ИИ.

Позже напишу более детальный обзор. Если кратко, то к 2030-2035 годам нас может захватить AGI (это плохой вариант развития событий), но есть и хороший))

Но хороший тоже не прям хороший, так как трансформации будут значительными.

Записался на AI фестиваль от Microsoft. Сегодня последний день когда можно зарегистрироваться. Все бесплатно) Так полагаю, что формат каких-то лекций от индусов будет))) Почти ютубчик. Регистрируемся как казахи уж.

https://register.aiskillsfest.microsoft.com/

Появился опен-сорсный протокол взаимодействия между агентами.

A2A - протокол.

Двигает его Google и еще много крупных компаний, так что думаю такое приживется и можно смело изучать)

У всего должно быть название.

Теперь я знаю как называется промпт для составления промптов))

Метапромпт — это промпт (запрос), предназначенный не напрямую для генерации контента, а для управления логикой, структурой или стилем других промптов. То есть, это промпт о промптах.

Примеры:

1. Сформулируй промпт, который поможет мне получить список идей для блога об искусственном интеллекте.

2. Когда я задаю вопросы, отвечай как преподаватель университета с примерами и разъяснениями терминов.

3. Создавай каждый ответ по следующей структуре: Определение – Пример – Как использовать – Советы.

Кстати, Google выпустил мануал по промпт инженерингу на 68 страниц – в нем все существующие стратегии составления промптов:

https://www.kaggle.com/whitepaper-prompt-engineering

Полезное чтиво на досуге)

Короче, признаюсь.

Я всерьез решил сделать агентную разработку (вместо команды разработки - ИИ агенты). Пока на бот-проекте, который делаю последний месяц.

Очень интересно что из этого получится.

Пока концептуально так:

1. Таски будут браться на GitHub-issues

2. В рамках базы знаний - просто файлик в корне проекте, со структурой БД и документацией, которую подготовлю заранее на GPT. Костыльный аналог памяти по проекту.

3. Сам агент - какой-нибудь Claude/Cursor(тот же Claude)/Grok.

4. Ревью кода - возможно GPT-4o.

5. Дальше автоматизированный деплой на тестовый стенд и проверка результата. (Может даже написание автотестов и их прогон)

6. Конечно, под это все какой-то оркестратор, так как на более крупном проекте без него не получится.


(кстати, на Kaggle конкурс на миллион долларов за что-то подобное)

Новый способ мошенничества так понимаю?)

Опенсорный код-агент от OpenAI вышел сегодня)

Codex Cli - ИИ-агент для кодинга который работает локально на ПК, то есть оффлайн. Работает на o4-mini так понимаю.

Завтра буду тестить)

Кстати, Амазон тут выложил свой курс по ИИ в открытый доступ. Еще и дипломчик выдают)

https://explore.skillbuilder.aws/learn/courses/18443/aws-skill-builder-learner-guide

• Основы разработки промтов. Узнаете, как работают популярные и самые эффективные промты, чтобы применять в ИИ-сервисах — ссылка.

• Языковые модели на AWS. Научитесь подготавливать, создавать и обучать модели машинного обучения с помощью SageMaker — ссылка.

• Машинное обучение без кодинга. Вас научат генерить модели для табличных данных и данных временных рядов, а главное — без глубоких знаний в машинном обучении. Ссылка.

• Основы машинного обучения для бизнеса. Изучите лучшие кейсы, как бизнесы и IT-стартапы интегрировали ИИ в свои процессы — ссылка.

• Генерация прог с помощью Amazon Bedrock. Кодеры и разработчики смогут создавать приложения с генеративным ИИ через «местную» программу — ссылка.

• Терминология и процесс машинного обучения. Курс охватывает базу, детально описывая каждый этап и термины в процессе машинного обучения — ссылка.

• Настройка LLM через Amazon SageMaker JumpStart. В курсе узнаете о настройке и оценке LLM, разработке подсказок, RAG и тонкой настройке — ссылка.

• Основы аналитики на AWS. Изучите понятия, вроде «типы аналитики», «5 V больших данных» и «проблемы обработки объёмов данных» — ссылка.

Конечно, все это с целью продвижения их сервиса Bedrock и SageMaker) первый позволяет запускать опен-сорсные модели на их железе в изолированном контуре, второй для ML, DS и просто хранения данных)

Placeholder для поклонников Кремниевой долины)))

Это сервис dagster.io. Еще не успел поюзать, но поговаривают, что это более умная и user-friendly версия Apache Airflow. Так что кто работает с данными - пробуйте)

Пока все ждут доступа к Manus, вышла Suna от Kortex AI.

Это агент, который может взаимодействовать с приложениями как пользователь. Таблички заполнять, поискать информацию в интернете и тд.

Интересно конечно)

Кстати, опен-сорсная) Можно локально развернуть и платить только за api OpenAi/Claude.

Кстати, все же видели новости о том, что o3 и o4 начали вставлять в текст невидимые пробелы(спецсимволы).

Так вот, это была ошибка обучения и ее уже пофиксили.

Копипастите теперь со спокойной душой)

Освобождение от ответственности для ИИ.

DeepSeek тут добавил уточнение к каждому ответу, чтобы не дай бог люди не воспринимали его как истину 😁

По всей видимости, растет число тех, кто занимается самолечением с помощью ИИ. Мы вот, например, так диагностировали лишай у кота 😂 И это неизбежно. Вместо походов к доктору, проще поболтать с ИИшкой, скинуть ему фоточки, описать симптомы и все.

Так что пополняем список тревожных профессий: программист, юрист, терапевт.

Модель ролей в AI Department.

Что-то подобное я и у себя на мирошке строил, поэтому картинка понравилась.

По сути департамент делится на две составляющие:

Research(ML/DE/DS) - чтобы собрать данные, разработать или дообучить модель.

Integration(MLOps, Prompt, BA) - чтобы интегрировать в процессы, развернуть на серверах, подкрутить, снять аналитику.

Интересно, фонда опять упадет от DeepSeek?

Тут были слиты характеристики R2 и они, скажем так, впечатляют)

1.2 триллиона параметров, из которых 78 миллиардов активны (гибридная MoE-структура).
- Стоимость в разы ниже GPT-4o: $0.07 за 1M входных токенов, $0.27 за 1M выходных (на 97.3% дешевле, чем у OpenAI).
- Огромный объём данных: обучение на 5.2 петабайтах информации.
- 92.4% точности на COCO (один из лучших показателей для ИИ).
- 82% утилизация Huawei Ascend 910B (привет акциям NVIDIA).

Если окажется правдой - интересно будет посмотреть на рыночек))

Пока вы пили чай, в Португалии и Испании произошел блэкаут.

Просто осознайте этот факт. Там отключили свет. Полностью. Во всей стране.