Forwarded from Machinelearning
Через 3 недели после мартовского релиза MiniMax открыла веса флагманской самоэволюционирующей модели на 229 млрд параметров.
За несколько дней после публикации сообщество сделало 32 квантованные сборки и 6 файнтюнов.
Напомним, M2.7 - первая модель MiniMax, которая участвовала в собственной разработке: внутренняя версия более 100 раз автономно правила каркас, анализировала неудачные трассы, прогоняла эксперименты и решала, оставлять изменения или откатывать.
Итог: рост производительности на 30% и триумф на бенчах. Модель уступала по тестам только Opus 4.6 и GPT-5.4.
Заявлена нативная поддержка Agent Teams: конфигурация, где несколько агентов работают с устойчивой ролевой идентичностью и автономным принятием решений.
Для локального деплоя MiniMax советует SGLang, vLLM или Transformers. Модель также доступна через NVIDIA NIM.
Параллельно команда открыла исходники OpenRoom, интерактивного Web GUI с визуальной обратной связью и ролевым взаимодействием, где модель отвечает за персонажей.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Хочешь писать код быстрее в 10 раз?
Вот команды Claude Code, которые реально бустят работу.
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
Вот команды Claude Code, которые реально бустят работу.
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
👍3❤2🔥2💩1
🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»?
Пока ты пишешь промпты - рынок уже ушёл дальше.
Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы:
- принимают решения сами
- ходят в API
- работают с Postgres и Redis
- управляют браузером через Playwright
- доводят задачи до результата без человека
И вот правда, о которой мало говорят:
90% таких систем умирают между ноутбуком и продом.
Работает локально. Ломается в реальности.
Нет архитектуры. Нет устойчивости. Нет деплоя.
AI Agents Engineering - курс со Stepik, который закрывает этот разрыв.
- LangGraph, AutoGen, Computer Use
- архитектура агентов, а не «скрипты на коленке»
- LLMOps, логирование, стабильность
- деплой в Docker и работа в проде
8 модулей, 120+ шагов, всё через практику.
На выходе не «сертификат ради галочки», а:
- рабочий production-агент
- понимание, как строить такие системы с нуля
- навыки, за которые уже платят
Сейчас самое окно входа.
Через полгода это станет базой, а не преимуществом.
Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/
Пока ты пишешь промпты - рынок уже ушёл дальше.
Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы:
- принимают решения сами
- ходят в API
- работают с Postgres и Redis
- управляют браузером через Playwright
- доводят задачи до результата без человека
И вот правда, о которой мало говорят:
90% таких систем умирают между ноутбуком и продом.
Работает локально. Ломается в реальности.
Нет архитектуры. Нет устойчивости. Нет деплоя.
AI Agents Engineering - курс со Stepik, который закрывает этот разрыв.
- LangGraph, AutoGen, Computer Use
- архитектура агентов, а не «скрипты на коленке»
- LLMOps, логирование, стабильность
- деплой в Docker и работа в проде
8 модулей, 120+ шагов, всё через практику.
На выходе не «сертификат ради галочки», а:
- рабочий production-агент
- понимание, как строить такие системы с нуля
- навыки, за которые уже платят
Сейчас самое окно входа.
Через полгода это станет базой, а не преимуществом.
Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/
❤2👍1🔥1😁1
🧩 Визуализация работы агентов с Agent Flow
Agent Flow позволяет в реальном времени наблюдать за работой AI-агентов, таких как Claude Code. С помощью интерактивной визуализации вы сможете видеть, как агенты принимают решения, взаимодействуют и решают задачи, что упрощает отладку и обучение.
🚀 Основные моменты:
- Живое отображение работы агентов в виде графа
- Автоматическое обнаружение активных сессий Claude Code
- Поддержка нескольких сессий одновременно
- Интерактивный интерфейс для анализа действий агентов
- Поддержка JSONL логов для воспроизведения событий
📌 GitHub: https://github.com/patoles/agent-flow
#javascript
Agent Flow позволяет в реальном времени наблюдать за работой AI-агентов, таких как Claude Code. С помощью интерактивной визуализации вы сможете видеть, как агенты принимают решения, взаимодействуют и решают задачи, что упрощает отладку и обучение.
🚀 Основные моменты:
- Живое отображение работы агентов в виде графа
- Автоматическое обнаружение активных сессий Claude Code
- Поддержка нескольких сессий одновременно
- Интерактивный интерфейс для анализа действий агентов
- Поддержка JSONL логов для воспроизведения событий
📌 GitHub: https://github.com/patoles/agent-flow
#javascript
❤2👍1👎1
⭐️ Репозиторий всего с одним файлом для Claude Code набрал 36 000 звезд за 48 часов и в нем ни строчки кода!
В репозитории лежит только CLAUDE.md. Никаких фреймворков, никакой магии. 65 строк текста, которые перепрошивают поведение агента.
Это скилл, собранный по принципам Андрей Карпаты . Не про «как кодить», а про «как думать перед кодом».
Суть почти дерзко простая: сначала думай, потом пиши если не понял - спрашивай режь сложность до минимума не трогай лишнего держи фокус на задаче
И внезапно это работает сильнее, чем новые модели и жирные промпты.
Люди подключают файл - и агент перестаёт городить мусор. PR становятся чистыми, диффы короткими, исчезает самодеятельность. Он начинает вести себя как вменяемый разработчик, а не генератор случайных решений.
Фактически это чит-код: не менять модель, а поменять её мышление.
И да, похоже всё, к чему прикасается имя Карпаты, снова превращается в золото.
github.com/forrestchang/andrej-karpathy-skills
В репозитории лежит только CLAUDE.md. Никаких фреймворков, никакой магии. 65 строк текста, которые перепрошивают поведение агента.
Это скилл, собранный по принципам Андрей Карпаты . Не про «как кодить», а про «как думать перед кодом».
Суть почти дерзко простая: сначала думай, потом пиши если не понял - спрашивай режь сложность до минимума не трогай лишнего держи фокус на задаче
И внезапно это работает сильнее, чем новые модели и жирные промпты.
Люди подключают файл - и агент перестаёт городить мусор. PR становятся чистыми, диффы короткими, исчезает самодеятельность. Он начинает вести себя как вменяемый разработчик, а не генератор случайных решений.
Фактически это чит-код: не менять модель, а поменять её мышление.
И да, похоже всё, к чему прикасается имя Карпаты, снова превращается в золото.
github.com/forrestchang/andrej-karpathy-skills
❤6😁3👍1
🛡️ Контроль телеметрии AI API с CC Gateway
CC Gateway — это обратный прокси, который управляет телеметрией вашего устройства при работе с Claude Code. Он нормализует идентичность устройства и скрывает важные метрики, обеспечивая безопасность и контроль над данными.
🚀Основные моменты:
- Полная замена идентичности: устройство, email и метаданные.
- Замена 40+ параметров окружения для защиты конфиденциальности.
- Удаление заголовков, содержащих уникальные идентификаторы сессий.
- Нормализация метрик процессов для предотвращения утечек данных.
- Простая настройка клиентов без необходимости в OAuth.
📌 GitHub: https://github.com/motiful/cc-gateway
#javascript
CC Gateway — это обратный прокси, который управляет телеметрией вашего устройства при работе с Claude Code. Он нормализует идентичность устройства и скрывает важные метрики, обеспечивая безопасность и контроль над данными.
🚀Основные моменты:
- Полная замена идентичности: устройство, email и метаданные.
- Замена 40+ параметров окружения для защиты конфиденциальности.
- Удаление заголовков, содержащих уникальные идентификаторы сессий.
- Нормализация метрик процессов для предотвращения утечек данных.
- Простая настройка клиентов без необходимости в OAuth.
📌 GitHub: https://github.com/motiful/cc-gateway
#javascript
GitHub
GitHub - motiful/cc-gateway: AI API identity gateway — reverse proxy that normalizes device fingerprints and telemetry for privacy…
AI API identity gateway — reverse proxy that normalizes device fingerprints and telemetry for privacy-preserving API proxying - motiful/cc-gateway
👍2🔥2❤1
Mac mini M4 стал главным хабом для AI-агентов
Если вы всё ещё думаете, где держать своих автономных агентов, присмотритесь к Mac mini. В 2026 году это железо стало неофициальным стандартом для круглосуточного хостинга LLM и агентских пайплайнов, а M4 расхватывают быстрее, чем Apple успевает завозить на склады.
Причина простая. Тихая работа, низкое энергопотребление, производительность уровня десктопа и полноценная macOS. Агент получает доступ к Apple Notes, iMessage, Shortcuts и всей системной автоматизации, которой нет ни в одном Linux-сервере. Базовый M4 на 16 ГБ тянет агент вместе с моделью на 13B параметров, а M4 Pro с 48 ГБ открывает дверь к 30B+ локально.
Три проекта держат эту волну. OpenClaw это опенсорсный агент, который цепляется к Slack, Telegram, WhatsApp и Discord, управляет файлами, запускает shell-команды и автоматизирует браузер. Hermes от Nous Research идёт по пути самообучения и живёт на GitHub. Perplexity Personal Computer вышел в апреле 2026, работает только на Mac и крутит задачи через 20+ фронтир-моделей, сами Perplexity рекомендуют именно Mac mini для always-on сценариев.
Mac mini прекрасно работает headless. Ни монитора, ни клавиатуры, ни мыши. Коробка лежит где-то в шкафу, а вы подключаетесь по сети. Но перед тем как убрать её с глаз, настройте пару вещей. FileVault требует пароль на этапе загрузки до поднятия сети, поэтому либо отключайте шифрование диска, либо настраивайте авторазблокировку через fdesetup. Дальше включайте автологин и запрещайте Mac уходить в сон под крышкой sleep, иначе агент просто уснёт посреди задачи.
Для подключения снаружи есть два пути. Astropad Workbench ставится одним кликом на оба устройства и работает через глобальную релей-сеть без проброса портов и статических IP. DIY-вариант это Tailscale плюс Screen Sharing и SSH. Tailscale собирает все ваши устройства в одну виртуальную сеть на базе WireGuard, дальше вы ssh-итесь по магическому DNS и получаете те же ощущения, будто сидите дома.
Физические dummy-заглушки на HDMI теперь не нужны, macOS давно научилась держать виртуальный дисплей под разрешение клиента. Для CLI-сценариев хватит SSH с tmux, но если агенту нужно видеть браузер и графику, без VNC не обойтись.
Mac mini M4 это самый компактный и тихий способ развернуть личный AI-сервер с полноценной macOS-экосистемой. Если вы уже строите пайплайны на OpenClaw, Hermes или Perplexity, имеет смысл вынести это на отдельную коробку и забыть про неё на пару лет.
https://vc.ru/ai/2875015-mac-mini-m4-kak-idealnyj-hab-dlja-ai-agentov
Если вы всё ещё думаете, где держать своих автономных агентов, присмотритесь к Mac mini. В 2026 году это железо стало неофициальным стандартом для круглосуточного хостинга LLM и агентских пайплайнов, а M4 расхватывают быстрее, чем Apple успевает завозить на склады.
Причина простая. Тихая работа, низкое энергопотребление, производительность уровня десктопа и полноценная macOS. Агент получает доступ к Apple Notes, iMessage, Shortcuts и всей системной автоматизации, которой нет ни в одном Linux-сервере. Базовый M4 на 16 ГБ тянет агент вместе с моделью на 13B параметров, а M4 Pro с 48 ГБ открывает дверь к 30B+ локально.
Три проекта держат эту волну. OpenClaw это опенсорсный агент, который цепляется к Slack, Telegram, WhatsApp и Discord, управляет файлами, запускает shell-команды и автоматизирует браузер. Hermes от Nous Research идёт по пути самообучения и живёт на GitHub. Perplexity Personal Computer вышел в апреле 2026, работает только на Mac и крутит задачи через 20+ фронтир-моделей, сами Perplexity рекомендуют именно Mac mini для always-on сценариев.
Mac mini прекрасно работает headless. Ни монитора, ни клавиатуры, ни мыши. Коробка лежит где-то в шкафу, а вы подключаетесь по сети. Но перед тем как убрать её с глаз, настройте пару вещей. FileVault требует пароль на этапе загрузки до поднятия сети, поэтому либо отключайте шифрование диска, либо настраивайте авторазблокировку через fdesetup. Дальше включайте автологин и запрещайте Mac уходить в сон под крышкой sleep, иначе агент просто уснёт посреди задачи.
Для подключения снаружи есть два пути. Astropad Workbench ставится одним кликом на оба устройства и работает через глобальную релей-сеть без проброса портов и статических IP. DIY-вариант это Tailscale плюс Screen Sharing и SSH. Tailscale собирает все ваши устройства в одну виртуальную сеть на базе WireGuard, дальше вы ssh-итесь по магическому DNS и получаете те же ощущения, будто сидите дома.
Физические dummy-заглушки на HDMI теперь не нужны, macOS давно научилась держать виртуальный дисплей под разрешение клиента. Для CLI-сценариев хватит SSH с tmux, но если агенту нужно видеть браузер и графику, без VNC не обойтись.
Mac mini M4 это самый компактный и тихий способ развернуть личный AI-сервер с полноценной macOS-экосистемой. Если вы уже строите пайплайны на OpenClaw, Hermes или Perplexity, имеет смысл вынести это на отдельную коробку и забыть про неё на пару лет.
https://vc.ru/ai/2875015-mac-mini-m4-kak-idealnyj-hab-dlja-ai-agentov
🤣5👍4🔥2🥰1
ИИ уже не внедряют - им уже пользуется половина рынка
Свежий отчёт Gallup: около 50% работающих американцев используют ИИ в работе. Это первый раз, когда показатель достиг такого уровня.
Для сравнения, в 2023 таких было всего 21%. Рост более чем в два раза за пару лет.
Регулярное использование всё ещё ниже. Около 13% используют ИИ каждый день, и примерно 28% хотя бы раз в неделю.
То есть рынок уже «подключился», но ещё не перестроился.
https://www.gallup.com/workplace/704225/rising-adoption-spurs-workforce-changes.aspx
Свежий отчёт Gallup: около 50% работающих американцев используют ИИ в работе. Это первый раз, когда показатель достиг такого уровня.
Для сравнения, в 2023 таких было всего 21%. Рост более чем в два раза за пару лет.
Регулярное использование всё ещё ниже. Около 13% используют ИИ каждый день, и примерно 28% хотя бы раз в неделю.
То есть рынок уже «подключился», но ещё не перестроился.
https://www.gallup.com/workplace/704225/rising-adoption-spurs-workforce-changes.aspx
❤3🤔1
Как мы автоматизировали Code Review с помощью LLM ⚡️
В Авито большой поток пул-реквестов. Разработчики регулярно отвлекаются на ревью чужого кода, отчего быстрее устают. К тому же у каждого ревьюера своё представление о том, как делать правильно.
Мы автоматизировали часть проверок с помощью LLM, чтобы освободить разработчиков от этой задачи. Модель анализирует код и находит максимум потенциальных ошибок, но благодаря валидации оставляет комментарии только по делу. Разработчики получают полезную обратную связь и могут сосредоточиться на основной работе.
О том, как устроена система, почему выбрали селфхостинг и какие метрики отслеживаем, рассказывает Марк Каширский, DS-инженер команды LLM Авито.
Прочитать подробности на Хабре
В Авито большой поток пул-реквестов. Разработчики регулярно отвлекаются на ревью чужого кода, отчего быстрее устают. К тому же у каждого ревьюера своё представление о том, как делать правильно.
Мы автоматизировали часть проверок с помощью LLM, чтобы освободить разработчиков от этой задачи. Модель анализирует код и находит максимум потенциальных ошибок, но благодаря валидации оставляет комментарии только по делу. Разработчики получают полезную обратную связь и могут сосредоточиться на основной работе.
О том, как устроена система, почему выбрали селфхостинг и какие метрики отслеживаем, рассказывает Марк Каширский, DS-инженер команды LLM Авито.
Прочитать подробности на Хабре
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1🔥1
Представьте: через три месяца вы открываете чужой Rust-код и читаете его как книгу.
Arc<Mutex<T>> не вызывает панику. impl Future не пугает. Вы точно знаете, почему компилятор ругается и как это починить за 10 секунд.
Это не фантазия. Это результат 50 уроков, в которых каждая концепция объясняется через код и закрепляется практикой.
Ownership, traits, generics, async, unsafe - всё, что казалось магией, станет рабочим инструментом.А бонусом - портфолио проектов: от CLI-утилит до REST API и WebAssembly.
Вы и так знаете, что Rust - ваш следующий язык. Этот курс просто сделает это реальностью.
Сегодня - 55% процентов от цены, торопись: https://stepik.org/a/269250/
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1👍1😁1
This media is not supported in your browser
VIEW IN TELEGRAM
Claude Code: один промпт вместо ручного перебора скиллов.
Японский разработчик Nico показал приём, который экономит часы работы.
Проблема: skills в Claude Code стало слишком много - сотни официальных и тысячи пользовательских.
Ручной перебор не масштабируется.
Решение: не ищите скилл сами - заставьте модель сделать это за вас. Опишите задачу предметно (цель, стек, ограничения) и попросите:
• Отранжировать доступные skills по релевантности
• Обосновать выбор
• Предложить порядок их комбинирования
Японский разработчик Nico показал приём, который экономит часы работы.
Проблема: skills в Claude Code стало слишком много - сотни официальных и тысячи пользовательских.
Ручной перебор не масштабируется.
Решение: не ищите скилл сами - заставьте модель сделать это за вас. Опишите задачу предметно (цель, стек, ограничения) и попросите:
• Отранжировать доступные skills по релевантности
• Обосновать выбор
• Предложить порядок их комбинирования
👍8❤4🔥2
Forwarded from Искусственный интеллект. Высокие технологии
Павел Дуров выкатил первый русскоязычный ИИ-трек про «Живой Интернет» - тема напрямую про обход блокировок и это не прикол!
Основатель телеграм заявляяет, что дальше будет выпускать шансон под псевдонимом «Дурикович».
Похоже, нас ждёт тур 🔈
Дуров сошел с ума?)
https://t.me/durov_russia/67
Основатель телеграм заявляяет, что дальше будет выпускать шансон под псевдонимом «Дурикович».
Похоже, нас ждёт тур 🔈
Дуров сошел с ума?)
https://t.me/durov_russia/67
😁5❤3🔥1
Большие данные — это не только про хранение и обработку, но и про инфраструктуру и команды, которые за этим стоят. YTsaurus уже три года развивается как опенсорс-платформа, и за это время её заметно расширили в сторону более полного покрытия задач — от хранения до ML, обо всем рассказали на митапе.
Что изменилось за последний год:
ML и GPU: добавили поддержку GPU в k8s, доработали планировщик и сделали API для распределённого чтения и записи датасетов.
Система хранения: появились row-level security, constraints.
Эксплуатация: развиваются инструменты мониторинга и сервисы для администрирования.
Разработку платформы возглавляет Максим Бабенко, который руководит направлением инфраструктуры хранения и доступа к данным в Яндексе и участвует в образовательных программах, его команда сочетает инженерный и академический опыт.
Что изменилось за последний год:
ML и GPU: добавили поддержку GPU в k8s, доработали планировщик и сделали API для распределённого чтения и записи датасетов.
Система хранения: появились row-level security, constraints.
Эксплуатация: развиваются инструменты мониторинга и сервисы для администрирования.
Разработку платформы возглавляет Максим Бабенко, который руководит направлением инфраструктуры хранения и доступа к данным в Яндексе и участвует в образовательных программах, его команда сочетает инженерный и академический опыт.
ytsaurus.tech
YTsaurus Блог
YTsaurus — платформа с открытым исходным кодом, способная хранить и обрабатывать большие данные для десятков тысяч пользователей одновременно. Выполняйте задачи по Batch-обработке, Ad hoc аналитике, OLTP, машинному обучению, построению хранилищ данных и ETL!
❤1⚡1👍1
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
xAI открыла API-доступ к голосовому агенту grok-voice-think-fast-1.0, который позиционируется для клиентского сервиса и телемаркетинга.
В бенчмарке τ-Voice Bench на дуплексный режим с шумом, акцентами и перебиваниями, модель набрала 67,3%, оставив позади gpt-realtime-1.5 (35,3%), gemini-3.1-flash-live-preview-thinking-high(43,8%).
Архитектура поддерживает фоновый инференс без задержки ответа на 25+ языках, включая русский. Модель разработана совместно со Starlink, провайдер уже использует её в клиентской поддержке.
Протестировать новую модель можно в xAI Playground.
x.ai
ChatGPT for Clinicians - версия ассистента на базе GPT-5.4, адаптированная под клинические задачи. Сервис бесплатно доступен верифицированным медработникам в США. На внутренних тестах от практикующих врачей клиническая модель обошла по точности базовый GPT-5.4, сторонние решения и самих врачей.
Модель должна снять с врачей административную рутину: разбор профильной литературы, направления, инструкции пациентам, отчёты со ссылками на рецензируемые источники. Чаты не используются для обучения следующих моделей, поддержка HIPAA доступна опционально.
Вместе с релизом OpenAI открыла набор данных HealthBench Professional для оценки ИИ в здравоохранении.
openai.com
Microsoft открыла общий доступ к агентным функциям Copilot в Word, Excel и PowerPoint. Раньше ассистент жил в боковой панели и отвечал на вопросы - теперь он действует в приложениях и сам меняет содержимое файлов.
Обновленный Copilot может переформатировать и переписать текст, собрать сводную таблицу или применить формулу в Excel, сверстать презентацию по корпоративному шаблону. Все правки агента можно просмотреть, скорректировать или откатить до применения.
Функция уже работает по умолчанию на подписках Microsoft 365 Copilot, Premium, Personal и Family.
microsoft.com
Обновление принесло крупные изменения - модель больше не собирает объект за один проход: сначала формирует общую структуру, затем на её основе прорабатывает грани, стенки и сложную топологию.
За текстурирование отвечает PBR-модель с архитектурой MoE. VLM анализирует физические свойства поверхностей на исходном изображении, поэтому материалы адекватно реагируют на смену освещения в сцене.
В системе появилась декомпозиция: Seed3D 2.0 разделяет объект на функциональные и подвижные элементы и выгружает их с кинематическими связями в формате URDF. Ассеты экспортируются напрямую в игровые движки и физические симуляторы. Доступ открыт на платформе ByteDance.
bytedance.com
Бывший сотрудник OpenAI, проработавший у Сэма Альтмана 7 лет, открыл исследовательскую лабораторию Core Automation. Заявленная цель - автоматизировать процесс разработки ИИ.
Команда будет работать над новыми алгоритмами обучения за пределами RL и над архитектурами, которые масштабируются лучше трансформеров. Планируется, что небольшая группа инженеров плюс автономные ИИ-агенты закроют объём, который сегодня тянут крупные корпорации.
Core Automation встаёт в один ряд с Safe Superintelligence Ильи Суцкевера и Thinking Machines Lab Миры Мурати, стартапами выходцев из OpenAI, которые ищут архитектурную альтернативу подходу "больше параметров, больше железа".
Jerry Tworek в сети Х
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2🤔1
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ 12 крутых вещей, которые умеет Claude
Большинство до сих пор общается с Claude как с обычным чат-ботом. В итоге использует примерно 10% того, что он реально умеет.
Вот остальные 90%.
1. Сайты без кода через Claude Code
Подключаете GitHub, описываете обычным языком, что нужно собрать, и выкатываете в прод. Лендинги, дашборды, внутренние тулзы - это уже не демо, а рабочий сценарий.
2. Доступ к вашему компьютеру
Claude может кликать, открывать сайты и работать на Mac, пока вас нет рядом. Управлять процессом можно с телефона через Dispatch.
3. Skills через /commands
Один раз описываете сценарий, дальше команда вроде /linkedin или /brief запускает его в один клик. Skills можно расшаривать всей команде.
4. Слайды с ресёрчем из одного промпта
Claude изучает тему, собирает структурированный бриф и превращает его в презентацию через Gamma. Без ручной копипасты между вкладками.
5. Расписание
Регулярные задачи запускаются автоматически. Например, сводка по конкурентам каждый понедельник в 7 утра. Настройка занимает пару минут.
6. Excel-файлы из текста
Описываете, какая таблица нужна, и получаете финансовую модель, дашборд или аналитику. Без ручного написания формул.
7. Connectors
Claude можно подключить к Slack, Gmail, Google Drive, Notion и десяткам других сервисов. Он не просто пересказывает данные, а работает внутри ваших инструментов.
8. Cowork как AI-сотрудник
Указываете рабочую папку, дальше Claude сам читает файлы, задаёт уточняющие вопросы и выдаёт готовые документы, отчёты и черновики.
9. Projects с памятью
Cowork Projects помнят прошлые сессии. Пишете «продолжи отчёт с прошлой недели», и контекст подтягивается без повторного объяснения.
10. Плагины под роль
Есть готовые наборы для Sales, Marketing, Legal, Finance и Data. Каждый даёт специализированные workflow, команды и шаблоны под конкретную работу.
11. AskUserQuestion
Claude сам задаёт нужные уточняющие вопросы в виде кликабельной формы. Не нужно писать километровый промпт и пытаться заранее предусмотреть всё.
12. Claude Design
Лендинги, pitch decks, прототипы приложений, экспорт в Canva, PDF или сразу в Claude Code на доработку.
Главная мысль простая: Claude давно перестал быть чат-окном с текстом. Это связка из агента, инструментов, расписаний, памяти и доступа к вашим сервисам.
Вопрос уже не в том, что он умеет. Вопрос в том, какие из этих 12 возможностей вы реально подключили.
https://www.youtube.com/shorts/ZH2PMM5SoZU
Большинство до сих пор общается с Claude как с обычным чат-ботом. В итоге использует примерно 10% того, что он реально умеет.
Вот остальные 90%.
1. Сайты без кода через Claude Code
Подключаете GitHub, описываете обычным языком, что нужно собрать, и выкатываете в прод. Лендинги, дашборды, внутренние тулзы - это уже не демо, а рабочий сценарий.
2. Доступ к вашему компьютеру
Claude может кликать, открывать сайты и работать на Mac, пока вас нет рядом. Управлять процессом можно с телефона через Dispatch.
3. Skills через /commands
Один раз описываете сценарий, дальше команда вроде /linkedin или /brief запускает его в один клик. Skills можно расшаривать всей команде.
4. Слайды с ресёрчем из одного промпта
Claude изучает тему, собирает структурированный бриф и превращает его в презентацию через Gamma. Без ручной копипасты между вкладками.
5. Расписание
Регулярные задачи запускаются автоматически. Например, сводка по конкурентам каждый понедельник в 7 утра. Настройка занимает пару минут.
6. Excel-файлы из текста
Описываете, какая таблица нужна, и получаете финансовую модель, дашборд или аналитику. Без ручного написания формул.
7. Connectors
Claude можно подключить к Slack, Gmail, Google Drive, Notion и десяткам других сервисов. Он не просто пересказывает данные, а работает внутри ваших инструментов.
8. Cowork как AI-сотрудник
Указываете рабочую папку, дальше Claude сам читает файлы, задаёт уточняющие вопросы и выдаёт готовые документы, отчёты и черновики.
9. Projects с памятью
Cowork Projects помнят прошлые сессии. Пишете «продолжи отчёт с прошлой недели», и контекст подтягивается без повторного объяснения.
10. Плагины под роль
Есть готовые наборы для Sales, Marketing, Legal, Finance и Data. Каждый даёт специализированные workflow, команды и шаблоны под конкретную работу.
11. AskUserQuestion
Claude сам задаёт нужные уточняющие вопросы в виде кликабельной формы. Не нужно писать километровый промпт и пытаться заранее предусмотреть всё.
12. Claude Design
Лендинги, pitch decks, прототипы приложений, экспорт в Canva, PDF или сразу в Claude Code на доработку.
Главная мысль простая: Claude давно перестал быть чат-окном с текстом. Это связка из агента, инструментов, расписаний, памяти и доступа к вашим сервисам.
Вопрос уже не в том, что он умеет. Вопрос в том, какие из этих 12 возможностей вы реально подключили.
https://www.youtube.com/shorts/ZH2PMM5SoZU
🔥4👍2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Если файл написан плохо, Claude начинает гадать: какой стек, какие команды запускать, где лежат компоненты, какой стиль кода использовать и что вообще можно менять.
Нормальный CLAUDE.md держится на трёх уровнях.
Глобальный - ваши правила для всех проектов: стиль, предпочтения, запреты.
Проектный - правила конкретного репозитория: стек, команды сборки, тесты, архитектура, соглашения команды.
Папочный - локальный контекст для отдельных модулей: API, компоненты, utils, backend, frontend.
Главный принцип простой: чем ближе CLAUDE.md к файлу, тем важнее его правила. Если есть конфликт, побеждает последний уровень.
Хороший CLAUDE.md отвечает на три вопроса.
Что это за проект: название, цель, стек, структура, зависимости.
Зачем всё устроено именно так: архитектурные решения, стиль кода, naming, анти-паттерны.
Как с этим работать: команды build, test, lint, формат коммитов, деплой, CI/CD.
И самое важное - не пиши абстракции типа «пиши чистый код». Это бесполезно.
Пиши конкретно: «используй camelCase для переменных, PascalCase для компонентов, перед коммитом запускай npm test, не трогай server components без причины».
CLAUDE.md должен быть коротким, живым и практичным. Не больше 500 строк, обновлять раз в месяц, ссылки на package.json и tsconfig вместо копипаста.
Потому что AI-агенту не нужен красивый документ. Ему нужен рабочий контекст, который не даёт ломать проект.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤4🔥3
Промпт из 35 слов рвёт длинные простыни: метод, который разработчики и инженеры приняли с первого запуска
Большие промпты на пятьсот и тысячу слов перестали работать ещё в прошлом сезоне моделей, но в чатах и в LinkedIn до сих пор гуляют простыни на полстраницы с инструкциями в духе «не используй жаргон», «не звучи как ИИ», «не пиши пассивом». Автор оригинального треда Ruben Hassid показал короткий и контринтуитивный приём, который на практике даёт результат стабильнее, чем любые многословные памятки.
Идея простая. Если вы хотите, чтобы модель не писала как ИИ, перестаньте перечислять запреты внутри запроса. Вместо этого подложите модели отдельный файл со всеми типичными паттернами «ИИ-стиля» и попросите проверять текст по этому файлу.
Сам промпт у автора звучит примерно так: «Я хочу ЗАДАЧА с критерием успеха КРИТЕРИЙ. Сначала прочитай мой файл anti-AI writing style. В нём собраны все известные паттерны ИИ-письма, которых я хочу избежать. Применяй их как правила ко всему, что пишешь для меня». Тридцать пять слов, никакой воды.
Что важно для разработчиков и инженеров: выносите стилевые и доменные правила в отдельные .md, которые модель подтягивает в начале сессии. Контекст-инжиниринг побеждает многословный промпт-инжиниринг.
Источники:
Пост в X
Статья
Гайд
Большие промпты на пятьсот и тысячу слов перестали работать ещё в прошлом сезоне моделей, но в чатах и в LinkedIn до сих пор гуляют простыни на полстраницы с инструкциями в духе «не используй жаргон», «не звучи как ИИ», «не пиши пассивом». Автор оригинального треда Ruben Hassid показал короткий и контринтуитивный приём, который на практике даёт результат стабильнее, чем любые многословные памятки.
Идея простая. Если вы хотите, чтобы модель не писала как ИИ, перестаньте перечислять запреты внутри запроса. Вместо этого подложите модели отдельный файл со всеми типичными паттернами «ИИ-стиля» и попросите проверять текст по этому файлу.
Сам промпт у автора звучит примерно так: «Я хочу ЗАДАЧА с критерием успеха КРИТЕРИЙ. Сначала прочитай мой файл anti-AI writing style. В нём собраны все известные паттерны ИИ-письма, которых я хочу избежать. Применяй их как правила ко всему, что пишешь для меня». Тридцать пять слов, никакой воды.
Что важно для разработчиков и инженеров: выносите стилевые и доменные правила в отдельные .md, которые модель подтягивает в начале сессии. Контекст-инжиниринг побеждает многословный промпт-инжиниринг.
Источники:
Пост в X
Статья
Гайд
❤1👍1
Большинство просто дергают API
Мало кто понимает, что происходит внутри
Если хочешь перейти из «пользователя» в «инженера» — вот база
1. Deep Learning
https://deeplearningbook.org
Библия нейросетей - backprop, архитектуры, вся база
2. Artificial Intelligence: A Modern Approach
https://aima.cs.berkeley.edu
Фундаментальный взгляд на AI как систему
3. Speech and Language Processing
https://web.stanford.edu/~jurafsky/slp3/
NLP, трансформеры и язык - максимально глубоко
4. Machine Learning: A Probabilistic Perspective
https://probml.github.io/pml-book/
Вероятности, статистика и основа ML
5. Understanding Deep Learning
https://udlbook.github.io/udlbook/
Современное объяснение DL с хорошей интуицией
6. Designing Machine Learning Systems
https://oreilly.com/library/view/designing-machine-learning/9781098107956/
Как довести модели до продакшена
7. Generative Deep Learning
https://github.com/3p5ilon/ML-books/blob/main/generative-deep-learning-teaching-machines-to-paint-write-compose-and-play.pdf
Практика генеративных моделей и трансформеров
8. Natural Language Processing with Transformers
https://dokumen.pub/natural-language-processing-with-transformers-revised-edition-1098136799-9781098136796-9781098103248.html
Как строить NLP-системы на трансформерах
9. Machine Learning Engineering
https://mlebook.com
Инженерия ML и продакшен
10. The Hundred-Page Machine Learning Book
https://themlbook.com
Суперконцентрированная база без лишнего
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3🔥1