Одно из лучших решений для автономности

Это добавление quality gate на нужный для тебя этап работы твоего AI. Проблема - тебе каждый раз нужно проверять результат работы AI (агента / субагентов):

• Попросил нарисовать картинку? Проверяешь в конце качество изображение и корректность текста

• Попросил сделать монтаж для видео? Проверяешь картинку, звук, уместность мемов, цветокор, вставки и тд

• Попросил написать код? Проверяешь уместное использование паттернов программирования, договорённостей, приверженность архитектуры

Мультиагентные пайплайны - один агент пишет код, другой рефакторит, третий пишет тесты. Без явного гейта между этапами плохой промежуточный результат тащится дальше и множит переделки.

Чтобы отбросить промежуточные этапы, когда результат ещё готовится и он далёк от нужного качества - попроси своего AI реализовать quality gate. Для меня он включается в конце работы всех задействованых агентов.

К примеру, видео отдаю в монтаж ИИ агенту. Подключаются нужные субагенты. Они начинают нарезать на вставки, уместные картинки, графику и т.д. После того как все закончили - гонится гейт.

После прогона есть система оценок, к примеру:

1. ЗВУК - PASS
2. Memes - BLOCK и причина блока, чего не хватает до нужной оценки
3. ВРЕМЯ - PASS WITH FIXIES гейт даёт не критичные, но улучшающие исправления для работы
4. И т.д.

Я бы ещё порекомендовал не гнаться за 85-90-100 оценкой. Когда будешь внедрять гейт в ходе диалога с LLM попроси её саму оценить какие оценки уместные и почему. Так же попроси LLM оценить то, что будем проверять и в какой момент.

Мой монтаж ускорился X2, после того как я стал применять гейты сразу после окончания работы всех агентов. И так по кругу. Агенты берут результат ниже целевой оценки и доделывают.

Напиши своей AI и спроси, где и как можно будет внедрить систему гейтов. Пусть сходит и изучит всё необходимое для реализации. Начни с одной реализации и посмотри, как твоя работа с AI пойдёт дальше.

Так же как и у навыков и у агентов у гейтов могут быть слепые зоны, что-то забыто на оценку и ложные BLOCK / PASS.

Чтобы избежать этого попроси LLM оценить систему и сделать напоминание на ревью через 7 / 14 / 28 дней или после каждой 2-3 работы.

Надеюсь теперь твоя работа будет более качественнее и быстрее 👋

https://www.youtube.com/watch?v=3WpzNmY35S4 Будущий бест селлер для локальных AI? 🤔

Ставь лайк, если есть сходство. Посмотрим сколько нас! 🐒

Вайб-дайджест #6 | август

Привет, в продолжение ежемесячного дайджеста, делюсь. Если пропустил прошлые выпуски: #5 и #4 <- они тут. Читать всё необязательно, выбери то, что зайдёт конкретно тебе.

• Claude Code научился писать жалобу на себя. Когда в сессии что-то ломается или ты тычешь его носом в ошибку, он готовит отчёт, а ты читаешь и отправляешь через /feedback. [подробнее тут]

• OpenClaw 2.0 вышел 30 августа, и это самый крупный апдейт за историю проекта: 933 контрибьютора, из них 569 впервые, 16 тысяч пул-реквестов - около половины всего, что вообще влили в OpenClaw. [подробнее тут]

• Claude Code с 14 августа работает в auto mode по умолчанию. Большинство действий идёт без вопроса, вместо тебя их смотрит классификатор: он блокирует необратимое и то, что лезет за пределы проекта. Назад к подтверждениям - Shift+Tab, правила видно в /permissions на вкладке auto mode. [подробнее тут]

• "Почему с Opus 5 работать тяжелее". Если тезисно: 4.7 и 4.8 останавливались и переспрашивали, когда задача была непонятной. Пятый угадывает и идёт дальше, поэтому за ним приходится присматривать. [подробнее тут]

• Z.ai выложила открытые веса GLM 5.3. Контекст 1M, цена 1.4 и 4.4 доллара за миллион и Coding Plan от 18 долларов в месяц. Если лимиты поджимают, может стать хорошим помощником в кодинге. Цифры по бенчмаркам, правда, снова их собственные 🤓 [подробнее тут]

• Твой текст от Claude теперь помечен невидимым водяным знаком. Метка живёт в выборе слов между равнозначными вариантами, лишних символов не добавляет и на качество не влияет. А если для тебя это помеха, попробуй этот skill, он поможет! [подробнее тут]

• Codex вернул пятичасовой лимит на Plus, с 25 августа, после шести недель без потолка. На Pro за 100 и 200 долларов лимит в ближайшие месяцы возвращать не будут. [подробнее тут]

• Cursor учит облачных агентов держать цель: командой /goal ставишь долгую задачу, и агент идёт к ней через длинную сессию, подхватывает работу по событиям и не обрывается, когда ты пишешь ему вдогонку - правка ждёт следующего вызова инструмента. [подробнее тут]

• Codex подтянул мелочи в терминале: @ упоминания задач, автоназвания, кликабельные ссылки, нормальный выбор в /copy и шорткаты режимов прав. Тем, кто ушёл на Codex из-за лимитов, работать станет чуть приятнее. [подробнее тут]

• Claude in Chrome вышел из беты на все платные планы 26 августа. Боковая панель стала полноценным Cowork: твои скиллы и коннекторы на месте, начал в браузере? Продолжил на десктопе. Работает Claude сам, без подтверждения каждого шага, так-что подумай, в каком окне его запускаешь, чтобы клодик не нашкодил. [подробнее тут]

• Claude Code CLI стал есть вдвое меньше процессора на пиках. Сборщик мусора внутри Bun бегал по таймеру и отнимал CPU прямо посреди хода, теперь он ждёт, когда процесс освободится. Заодно десктоп стартует вдвое быстрее, чем месяц назад, а длинные ответы на вебе перестали дёргаться. [подробнее тут]

• Anthropic режет недельные лимиты Claude Code. С 14 сентября временный буст +50% снимают, вместо него дают постоянные +25% к майской базе. Против августовских лимитов это минус 17%. Касается Pro, Max, Team и Enterprise с местами. У меня неделя и так кончается раньше воскресенья 😁. [подробнее тут]

• SpaceX закрыла покупку Cursor и через две недели OpenAI объявила о разрыве сотрудничества. В конце августа OpenAI сказала, что прямой доступ Cursor к её моделям выключат 12 ноября. В Cursor говорят, доля OpenAI там около 5% трафика: если ты в этих процентах, до ноября есть время переезжать. [подробнее тут]

На этом дайджест подошёл к концу. Если тебе заходит такая рубрика - поставь огонь, посмотрим, сколько нас. Если есть чем поделиться, буду рад почитать в комментариях, что за июль приглянулось тебе, спасибо! 👋

Вышел Claude Fable 5.1 и Claude Mythos 5.1

Anthropic выкатили уже доступное везде обновление. Что стало лучше:

Дебаггинг - модель копает до корня вместо того, чтобы костылить симптом. Red Hat прогнали её по своим сломанным сборкам: причину нашла у каждой, причём на любом уровне эффорта.

Долгая работа. Исследователи про прошлые модели пишут: чем дольше те работали, тем труднее было за ними уследить. Эта же остаётся читаемой на длинной многошаговой задаче.

Скорость - в тестах она вышла примерно вдвое быстрее Opus 5 и потратила вдвое меньше токенов.

По ценам вход и выход стоят столько же: 10 и 50 долларов за миллион токенов. Понизилась лишь одна строка прайса - чтение из кеша. Был доллар за миллион, стало 25 центов.

Как заявляют из Anthropic обычная нагрузка дешевеет примерно на четверть, тяжёлая агентная - до 45%.

Всем сбросили лимиты, можно тестировать и проверять! 🤗

🤖 Раскатили GPT 6 Astra, проверяйте и делитесь в комментарии, как в итоге, ожидания оправдались? Стало лучше или хуже? 🤔

Здесь можно изучить подробноо про промпты, миграцию и др.

P.S. Claude Code сбросил лимиты 👍

Вот такой ИИ монтаж мне сделал GPT-6 Astra, завтра будет видео. Про подход к разработке с применением AI, а так же наглядный замер работы:

• GPT-5.6 Sol
• Claude Code Opus 5
• Claude Code Fable 5.1
• GPT-6 Astra

Все, перечисленные выше LLM с обвязкой из агентов, пайплайнов, quality gate и т.д. и без неё! 🫢

GPT-6 Astra и Claude: моя система ИИ-агентов на реальном проекте

В новом видео показываю свой ИИ-монтажёр: как устроена работа, где агенты допускают ошибки и что я менял после этих ошибок.

Что внутри:

• Pipeline из 11 этапов: кто что делает и как передаёт работу дальше.
• 56 проверок и ошибки, которые проходят даже через них.
• GPT-6 Astra, Fable 5.1, Opus 5 и GPT-5.6 Sol: примеры результатов и мои впечатления.
• Что меняется с обвязкой: ролями, инструкциями и проверками.
• Кроны в Claude и Codex: как запускать задачи по расписанию.
• С чего начать свою систему, чтобы не потратить всё время на её улучшение.

Разбираю на примере монтажа, но подход можно и нужно применить к разработке, текстам и другим рабочим задачам. Помогаю где и как автоматизация мне помогает, где нужно моё участие.

😉 Смотреть: https://youtu.be/ffkM3WIeoRk

Проверка пользы скилла в Claude Code

В Claude Code появилась claude plugin eval - проверка того, какую пользу даёт твой плагин и навыки внутри него.

Даёшь одинаковые задачи. Claude выполняет их с плагином и без, проверяет результаты по заданным критериям и показывает разницу.

К слову, хорошо дополняет тему quality gate, про которую уже писал и рассказывал выше. Можно проверить, помогают ли сами инструкции получать результат лучше или нет.

К примеру, у тебя есть скилл для ревью кода.

Ты прописал: искать баги, объяснять последствия и причины, предлагать исправления. Всё выглядит правильно, но на практике AI может пропустить ошибку и написать десять замечаний про название переменной 😩

Вот такой навык и можно проверить.

1. Обнови Claude Code. В терминале: claude update

2. Открой папку плагина и запусти. claude plugin eval init Claude изучит плагин и поможет подготовить задания и критерии. Тут нужно объяснить, что для тебя хороший результат.

Можно написать в духе:

Хочу проверить навык ревью кода. Подготовь несколько небольших примеров: с обращением к полю у null, с ошибкой на единицу в цикле и с корректным кодом без багов.

Включи сам код в задания. Проверяй, нашёл ли Claude заложенную ошибку, объяснил ли последствия и предложил ли подходящее исправление. На корректном коде проверь, не выдумывает ли проблемы. Замечания только по стилю не считай найденными багами.

Claude предложит тесты, сделает пробный прогон и оценит стоимость полного запуска.

Посмотри сами проверки. Если попросить оценивать "насколько ответ хороший", можно получить красивую оценку, которая мало что объясняет.

3. Запусти сравнение. Когда подготовка закончится, выйди через /exit и выполни: claude plugin eval . --runs 1 это короткая проверка: по одному запуску каждой задачи с плагином и без.

4. Посмотри, что получилось. В терминале будут две оценки и разница между ними. В HTML отчёте: подробности, какие проверки прошли и где ошибки.

Допустим, скилл помог найти баг, который без него Claude пропускал. Уже полезно. А если результаты одинаковые, на этих задачах дополнительная польза пока не видна.

Что это даёт тебе?

• Добавил инструкции - можешь проверить, стало ли лучше?
• Переписал скилл - можешь заметить, если он начал пропускать старые ошибки.
• Сменил модель - можешь заново проверить свою обвязку на тех же задачах.

Начни с одного навыка и нескольких проблем, которые у тебя повторяются. Потом исправляй то, что видно в отчёте, успехов! 👍

Почему с новой моделью Astra старые настройки могут работать хуже

Если ты давно работаешь с AI, наверняка накопились инструкции на каждый случай. Тут не проверил? Дописал правило. Здесь полез менять лишнее? Запретил.

В следующий раз остановился на полпути и добавил "работай до конца". Переключаешься на GPT-5.6 sol и работа идёт как-то иначе.

OpenAI разобрали этот момент. Часть инструкций, которыми мы исправляли поведение прошлых моделей, мешает новой.

Что поменялось с 5.6?

В рекомендациях для Astra отмечают: она сильнее реагирует на инструкции из файлов, сама тщательнее проверяет работу и чаще уточняет, если ответ может повлиять на результат.

Отсюда неприятный момент. Твоё старое "перед любым действием спроси" может затормозить даже обычную, небольшую, локальную правку. А "проверяй всё после каждого изменения" - запускать проверки, которые к этой задаче не относятся.

К примеру, в системе ИИ-монтажа нужно поправить субтитры. Но навык описан как "используй для любой работы с видео", а внутри уже весь процесс от разбора исходников до финального рендера.

Ты попросил исправить текст, но инструкции потянули за собой половину монтажной системы. И лимиты уходят на выполнение правил, которые ты сам когда-то добавил 😢

И ещё, если одни навыки используют разные модели, учитывай это при правках. Чтобы не разбирать всё вручную, можно дать AI такой запрос:

Хочу настроить инструкции этого проекта под GPT-6 Astra, сохранив полезные правила и требования проекта.

Прочитай:
https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra

Затем разбери инструкции, которые реально влияют на твою работу здесь: AGENTS.md, доступные навыки и связанные с ними документы. Пока ничего не меняй.

Найди конкретные места, из-за которых ты можешь:
• подключать навык к неподходящей задаче
• читать лишние документы
• повторять проверки без новой причины
• запрашивать подтверждение уже порученной работы
• останавливаться до получения готового результата.

Для каждого найденного места покажи файл и фразу, объясни на примере задачи, к чему она может привести, и предложи точечную замену. Отделяй наблюдаемую проблему от предположения.

Сохрани требования к качеству, ограничения доступа и важные договорённости проекта. Если инструкции нужны и другим моделям, учти это. Не сокращай текст только ради объёма.

Выбери до трёх наиболее полезных изменений и предложи небольшие задания, на которых можно сравнить поведение до и после. Подготовь правки для просмотра.

После применения посмотри, стало ли меньше лишних действий и переделок. Короткий AGENTS.md сам по себе ещё не означает, что агент работает лучше 🤫

Claude теперь сам раздаёт задачи другим Claude и работает в облаке ☁️

Anthropic представили Projects в Claude Code. Ты ведёшь один общий разговор и Claude запускает отдельные сессии, распределяет между ними работу и собирает результаты.

Кто работал в нескольких AI чатах одновременно, знает: в какой-то момент сам становишься посыльным. Одному принеси контекст, другому передай решение, у третьего выясни, почему он остановился.

И здесь эту координацию берёт на себя Claude.

Чем это отличается от субагентов? 🤔

Субагенту обычно поручают отдельную часть задачи внутри основной сессии: изучить код, найти причину ошибки, проверить изменения. Он возвращает результат тому, кто его запустил.

В Projects Claude координирует несколько самостоятельных облачных сессий. У каждой свой контекст и ход работы и новые сессии получают общие инструкции и память проекта. Ты можешь постепенно добавлять задачи в один разговор и возвращаться к результатам.

Например, ты развиваешь приложение. Сегодня нужно исправить поиск и обновить зависимости, завтра прилетит новая ошибка, через неделю изменятся требования. Всё это можно вести в одном Projects, сохраняя договорённости между задачами.

Из полезного:

• Общий контекст. Новые сессии получают инструкции и память проекта. Объяснил важную особенность? Попроси Claude её запомнить, чтобы следующие исполнители учитывали это в работе.

• Работа в облаке. Можно закрыть приложение или выключить ноутбук: запущенные задачи продолжат выполняться. Если понадобится твой ответ или разрешение, соответствующая сессия подождёт.

• Сопровождение изменений. Исполнитель может подготовить pull request и затем следить за ним: исправлять падения CI и реагировать на замечания ревью.

• Все результаты в одном месте. В Overview видно, что выполняется, что готово к проверке и где нужен человек.

• И не только код. Можно загрузить документы или обращения пользователей и поручать их анализ. Репозиторий для таких задач не обязателен.

Как попробовать?

1. Открой claude.ai/code или вкладку Code в Claude Desktop.

2. Нажми Projects -> New project, укажи цель и добавь репозиторий или файлы.

3. В Project settings -> Memory -> Project instructions задай правила работы и проверки результата.

4. Начни с небольшой задачи, оцени результат и расход лимитов, что самое важное.

Для работы с кодом нужен репозиторий на GitHub и доступ через Claude GitHub App. Через CLI новые Projects пока недоступны.

Сейчас это браузер и Desktop, выполнение задач облачное в обоих случаях. Локальные сценарии обещают позже.

Доступ открывают постепенно пользователям Pro и Max. Если Projects ещё нет, можно записаться в лист ожидания.

И главное: координатор и исполнители расходуют общие лимиты подписки. По умолчанию задачи запускаются на Opus с высоким уровнем усилий. Собрать себе маленький отдел разработки теперь стало проще! 👍

Подписку Claude теперь можно использовать в Hermes

Если у тебя уже настроен Hermes и есть Claude Pro или Max подписка, появилась возможность использовать их вместе. Nous Research выпустили плагин Claude Subscription DirectSDK - он подключает подписку через установленный Claude Code.

Ты продолжаешь работать в Hermes со своими skills, памятью и инструментами, но запросы к модели идут через твой аккаунт Claude. Отдельный API ключ для этого подключения не нужен.

Если пропустил, про сам Hermes рассказывал здесь.

Как подключить

Нужны Hermes 0.21.4+, установленный Claude Code и подписка Pro или Max:

hermes plugins install claude-subscription-directsdk
claude auth login
hermes model

В списке провайдеров выбери Claude Subscription DirectSDK (Experimental), затем модель.

Что с лимитами?

Запросы расходуют квоту подписки. Anthropic ранее планировали отдельные SDK кредиты, но приостановили переход: Agent SDK и claude -p пока продолжают использовать лимиты тарифа.

Есть нюанс: в тесте авторов плагина сопоставимый объём токенов расходовал примерно в 1,7 раза больше лимита, чем интерактивный Claude Code.

Это не значит, что каждая задача обойдётся ровно в 1,7 раза дороже. Агенты могут делать разное количество запросов и передавать разный объём контекста. Сравнивать лучше на своих задачах.

И самое главное, как с правилами Anthropic?

Правила допускают вход со своей подпиской в неизменённый Claude Code, в том числе на сторонней платформе при соблюдении условий. Поэтому сам запуск через Hermes ещё не означает нарушение. У автора Hermes прямо спросили в комментариях - нарушает ли этот плагин Terms Of Service? Ответ был:"НЕТ"

Если важно сохранить аккаунт, можно подождать и посмотреть результаты других. Если не терпится попробовать, можно завести отдельный аккаунт и проверить. По ToS обычно отлетают очень быстро сейчас 😢



• Сама новость
• Плагин и документация