Если до сих пор сомневаешься, и не воспользовался шаблоном промта для создания превью, вот вторая генерация на второе видео по данному промту. Забирай и тестируй.
Если это было полезно — накидайте реакций на пост с промтом ↗️
#AI_Генерация
Если это было полезно — накидайте реакций на пост с промтом ↗️
#AI_Генерация
ИИ-агенты OpenAI сбежали из песочницы, взломали Hugging Face и координировались через тайный канал связи
Это произошло в июле 2026 года.
OpenAI признала, что её модели GPT-5.6 Sol и более мощный неопубликованный исследовательский прототип совершили «беспрецедентный киберинцидент»: самостоятельно выбрались из изолированной среды тестирования, вышли в интернет и взломали продакшен-инфраструктуру Hugging Face.
Цель агентов была не в атаке как таковой — они пытались сжульничать на тесте, украв ответы для бенчмарка ExploitGym вместо того, чтобы решать задачи самостоятельно.
#Разработка_Агенты #Технологии_Безопасность
Это произошло в июле 2026 года.
OpenAI признала, что её модели GPT-5.6 Sol и более мощный неопубликованный исследовательский прототип совершили «беспрецедентный киберинцидент»: самостоятельно выбрались из изолированной среды тестирования, вышли в интернет и взломали продакшен-инфраструктуру Hugging Face.
Цель агентов была не в атаке как таковой — они пытались сжульничать на тесте, украв ответы для бенчмарка ExploitGym вместо того, чтобы решать задачи самостоятельно.
#Разработка_Агенты #Технологии_Безопасность
Не пишите каждый промпт с нуля. Meta-Prompting с XML работает лучше, чем ручная настройка
Если задача повторяется, языковой модели можно поручить не только её выполнение, но и подготовку инструкции для следующего запроса. Такой подход называют метапромптингом: пользователь описывает цель, ограничения и формат результата, а LLM превращает их в системный промпт для себя или другой модели.
ПРИМЕР ПРОМТА 👇
<role>
Ты проектируешь системные инструкции для языковых моделей.
</role>
<context>
Нужен многоразовый системный промпт для генерации SQL-миграций.
Целевая СУБД, её версия, текущая схема и описание изменений
будут передаваться как переменные.
</context>
<task>
Создай системный промпт, который будет направлять модель
при подготовке безопасной и воспроизводимой SQL-миграции.
</task>
<rules>
1. Учти диалект и версию СУБД.
2. Запрети модели придумывать отсутствующие таблицы и поля.
3. Если критически важных данных не хватает, потребуй уточнение.
4. Добавь проверку миграции на соответствие исходной схеме.
5. Целевая модель должна возвращать только SQL-код:
без Markdown, комментариев вне кода и дополнительных пояснений.
</rules>
<output_format>
Верни только готовый системный промпт.
Не объясняй, как он был составлен.
</output_format>
Метод удобен для повторяющихся задач: генерации кода и документации, извлечения данных, классификации обращений, подготовки отчётов и создания шаблонного контента. Особенно заметна польза там, где один и тот же промпт должен работать с разными входными данными. Но фраза «идеальный промпт за пять секунд» вводит в заблуждение. Генератор действительно ускоряет подготовку первого варианта, однако не гарантирует качество. Anthropic отдельно предупреждает, что автоматически созданные промпты не всегда дают идеальный результат и обычно требуют редактирования. Смысл метапромптинга не в том, чтобы полностью отказаться от работы над инструкциями. Он переносит усилия с подбора отдельных слов на более важные вещи: постановку задачи, определение ограничений и проверку результата.
p/s. Гайды в формате PDF от самих разработчиков будут высланы ниже — накидайте реакций, если нужно русифицировать ⬇️
#AI_Промпты
Если задача повторяется, языковой модели можно поручить не только её выполнение, но и подготовку инструкции для следующего запроса. Такой подход называют метапромптингом: пользователь описывает цель, ограничения и формат результата, а LLM превращает их в системный промпт для себя или другой модели.
ПРИМЕР ПРОМТА 👇
<role>
Ты проектируешь системные инструкции для языковых моделей.
</role>
<context>
Нужен многоразовый системный промпт для генерации SQL-миграций.
Целевая СУБД, её версия, текущая схема и описание изменений
будут передаваться как переменные.
</context>
<task>
Создай системный промпт, который будет направлять модель
при подготовке безопасной и воспроизводимой SQL-миграции.
</task>
<rules>
1. Учти диалект и версию СУБД.
2. Запрети модели придумывать отсутствующие таблицы и поля.
3. Если критически важных данных не хватает, потребуй уточнение.
4. Добавь проверку миграции на соответствие исходной схеме.
5. Целевая модель должна возвращать только SQL-код:
без Markdown, комментариев вне кода и дополнительных пояснений.
</rules>
<output_format>
Верни только готовый системный промпт.
Не объясняй, как он был составлен.
</output_format>
Метод удобен для повторяющихся задач: генерации кода и документации, извлечения данных, классификации обращений, подготовки отчётов и создания шаблонного контента. Особенно заметна польза там, где один и тот же промпт должен работать с разными входными данными. Но фраза «идеальный промпт за пять секунд» вводит в заблуждение. Генератор действительно ускоряет подготовку первого варианта, однако не гарантирует качество. Anthropic отдельно предупреждает, что автоматически созданные промпты не всегда дают идеальный результат и обычно требуют редактирования. Смысл метапромптинга не в том, чтобы полностью отказаться от работы над инструкциями. Он переносит усилия с подбора отдельных слов на более важные вещи: постановку задачи, определение ограничений и проверку результата.
p/s. Гайды в формате PDF от самих разработчиков будут высланы ниже — накидайте реакций, если нужно русифицировать ⬇️
#AI_Промпты
❤2
❤1
LOOP ENGINEERING — DEBUG & RECOVERY MASTER PROMPT
Промт, который реально помог мне зациклить бесплатный чат DeepSeek, найти реальную проблему в файле, получить сводку/анализ нерабочего (повторяющегося кода), исправить на рабочий +/- 15 мин работы внутри чата и приложение было полностью настроено исходя из моих устных пожеланий.
Промт прикрепляю ниже 👇
#Разработка_Агенты #AI_Промпты
Промт, который реально помог мне зациклить бесплатный чат DeepSeek, найти реальную проблему в файле, получить сводку/анализ нерабочего (повторяющегося кода), исправить на рабочий +/- 15 мин работы внутри чата и приложение было полностью настроено исходя из моих устных пожеланий.
Промт прикрепляю ниже 👇
#Разработка_Агенты #AI_Промпты
Media is too big
VIEW IN TELEGRAM
Действительно ли работает моя программа по очистке Windows?
Да, программа работает, при чём очень шикарно. Раньше я просматривал очень много видео гайдов по освобождению диска/памяти на диске, и ни раз не находил подходящего видео или они встречались мне разные и каждый раз алгоритм менялся. С эпохой нейросетей я смог собрать себе такую программу, которая чистит только те файлы/папки, которые должны чиститься регулярно. Видос по работе прикрепляю в данном посте. Программа полностью бесплатная с открытым кодом на GitHub: https://t.me/dev_aitech_ru/126
#Разработка_Инструменты
Да, программа работает, при чём очень шикарно. Раньше я просматривал очень много видео гайдов по освобождению диска/памяти на диске, и ни раз не находил подходящего видео или они встречались мне разные и каждый раз алгоритм менялся. С эпохой нейросетей я смог собрать себе такую программу, которая чистит только те файлы/папки, которые должны чиститься регулярно. Видос по работе прикрепляю в данном посте. Программа полностью бесплатная с открытым кодом на GitHub: https://t.me/dev_aitech_ru/126
#Разработка_Инструменты
Roo Code закрыт с 15 мая 2026. Новая ставка — Qwen3-Coder 30B в Ollama против облака
Один из самых популярных open-source coding-агентов последних двух лет официально мёртв. Репозиторий Roo Code был архивирован и переведён в режим read-only 15 мая 2026 года, финальным релизом стала версия v3.54.0, а платные сервисы Roo Code Cloud и Router отключены с возвратом неиспользованных балансов. Для тысяч разработчиков, собиравших локальный AI-кодинг по гайдам «VS Code → Roo Code → Ollama → Qwen2.5-Coder», это значит одно: пора пересобирать стек.
Классический аргумент за облачные сервисы вроде Cursor или Claude Code — они используют более мощные проприетарные модели, которые получают постоянные обновления и используют продвинутые механизмы рассуждения. Локальные модели открыты, но требуют больше технической подготовки для настройки, дебага и тюнинга.
Qwen3-Coder показывает значительную производительность среди открытых моделей в агентском кодировании, агентском использовании браузера и других фундаментальных задачах программирования. Модель обладает возможностями длинного контекста с нативной поддержкой 256K токенов, расширяемой до 1M токенов через Yarn, оптимизированной для понимания на уровне репозитория.
Один из самых популярных open-source coding-агентов последних двух лет официально мёртв. Репозиторий Roo Code был архивирован и переведён в режим read-only 15 мая 2026 года, финальным релизом стала версия v3.54.0, а платные сервисы Roo Code Cloud и Router отключены с возвратом неиспользованных балансов. Для тысяч разработчиков, собиравших локальный AI-кодинг по гайдам «VS Code → Roo Code → Ollama → Qwen2.5-Coder», это значит одно: пора пересобирать стек.
Классический аргумент за облачные сервисы вроде Cursor или Claude Code — они используют более мощные проприетарные модели, которые получают постоянные обновления и используют продвинутые механизмы рассуждения. Локальные модели открыты, но требуют больше технической подготовки для настройки, дебага и тюнинга.
Qwen3-Coder показывает значительную производительность среди открытых моделей в агентском кодировании, агентском использовании браузера и других фундаментальных задачах программирования. Модель обладает возможностями длинного контекста с нативной поддержкой 256K токенов, расширяемой до 1M токенов через Yarn, оптимизированной для понимания на уровне репозитория.
🐱 TikTok MEGA Parser Pro — мощный парсер для TikTok аккаунтов с котиками (парсит до 30 видео)!
Жду Ваших предложений в сообщения канала, по улучшению/дополнению данного проекта💬 ⤵️
Что умеет: Подписчики, подписки, друзья | Анализ всех видео (лайки, комментарии, репосты, просмотры, сохранения) | Engagement Rate (показатель вовлечённости) | Топ-5 видео по лайкам| Топ-10 хештегов | Аналитика по дням недели | Построение графиков (динамика, топ-5) | Экспорт в CSV
Особенности: Работает через Playwright (обход антибот-защиты) | Скроллит страницу до 200 раз для полного сбора данных | Сохраняет результаты в JSON-файл | Не требует авторизации | Работает только с публичными аккаунтами
Жду Ваших предложений в сообщения канала, по улучшению/дополнению данного проекта
Please open Telegram to view this post
VIEW IN TELEGRAM
Локальный AI-кодинг стал реальностью: OpenAI выпустила модели, которые работают на вашем ПК
Разработчики больше не обязаны «светить» код в облаке. Собрать полноценного AI-агента для написания кода теперь можно прямо на своей машине.
Ещё в августе 2025 года OpenAI представила модели
gpt-oss-20b
и
gpt-oss-120b. Это первые open-weight модели компании со времён GPT-2 (лицензия Apache 2.0 — коммерческое использование разрешено). Главная фишка младшей версии — она запускается на железе с
16 ГБ памяти
(MXFP4 квантование).
Модель теперь можно подключить к
Codex CLI
(терминальный агент OpenAI) через
Ollama. Это значит, что связка «написание кода — рефакторинг — тесты» работает
полностью офлайн. Ваш код не уходит на сторонние серверы. Работает на обычных ноутбуках и рабочих станциях.
⬇️ Гайд: "Локальный AI-кодер за 10 минут" прикрепляю ниже ⤵️
#AI_Локально #Разработка_Инструменты
Разработчики больше не обязаны «светить» код в облаке. Собрать полноценного AI-агента для написания кода теперь можно прямо на своей машине.
Ещё в августе 2025 года OpenAI представила модели
gpt-oss-20b
и
gpt-oss-120b. Это первые open-weight модели компании со времён GPT-2 (лицензия Apache 2.0 — коммерческое использование разрешено). Главная фишка младшей версии — она запускается на железе с
16 ГБ памяти
(MXFP4 квантование).
Модель теперь можно подключить к
Codex CLI
(терминальный агент OpenAI) через
Ollama. Это значит, что связка «написание кода — рефакторинг — тесты» работает
полностью офлайн. Ваш код не уходит на сторонние серверы. Работает на обычных ноутбуках и рабочих станциях.
⬇️ Гайд: "Локальный AI-кодер за 10 минут" прикрепляю ниже ⤵️
#AI_Локально #Разработка_Инструменты
Конец «дрейфу лиц»: AI учится сохранять одного персонажа в видео
Главная проблема AI-видео теперь не качество отдельного кадра, а стабильность персонажа. При смене ракурса модель может изменить лицо, причёску или одежду. Разработчики начинают решать это уже на уровне архитектуры.
Seedance 2.0 — использует character sheet как якорь, чтобы сохранять лицо, одежду и текстуры персонажа на протяжении клипа.
Kling 3.0 — применяет Subject Binding: система фиксирует структуру лица, одежду и даже голосовой профиль через Elements 3.0. Можно использовать до 4 изображений или 8-секундных референсных клипов.
Veo 3.1 — работает с reference images: до 3 опорных изображений и последующее Extend Video для продолжения ролика с сохранением идентичности.
Для ComfyUI без обучения собственной модели популярный стек:
IP-Adapter FaceID → лицо | ControlNet → поза и тело | ADetailer → детали | А максимальной стабильности можно добиваться через обучение собственного LoRA.
AI-видео постепенно переходит от генерации отдельных красивых кадров к полноценному production pipeline, где контролируются персонаж, движение, поза, камера и композиция. Проблема consistency ещё не решена полностью, но теперь её пытаются решать не бесконечной перегенерацией, а специальными механизмами сохранения идентичности.
Главная проблема AI-видео теперь не качество отдельного кадра, а стабильность персонажа. При смене ракурса модель может изменить лицо, причёску или одежду. Разработчики начинают решать это уже на уровне архитектуры.
Seedance 2.0 — использует character sheet как якорь, чтобы сохранять лицо, одежду и текстуры персонажа на протяжении клипа.
Kling 3.0 — применяет Subject Binding: система фиксирует структуру лица, одежду и даже голосовой профиль через Elements 3.0. Можно использовать до 4 изображений или 8-секундных референсных клипов.
Veo 3.1 — работает с reference images: до 3 опорных изображений и последующее Extend Video для продолжения ролика с сохранением идентичности.
Для ComfyUI без обучения собственной модели популярный стек:
IP-Adapter FaceID → лицо | ControlNet → поза и тело | ADetailer → детали | А максимальной стабильности можно добиваться через обучение собственного LoRA.
AI-видео постепенно переходит от генерации отдельных красивых кадров к полноценному production pipeline, где контролируются персонаж, движение, поза, камера и композиция. Проблема consistency ещё не решена полностью, но теперь её пытаются решать не бесконечной перегенерацией, а специальными механизмами сохранения идентичности.
⬇️ "Практическое руководство по борьбе с «дрейфом лица» в ComfyUI" прикрепляю ниже⤵️
Please open Telegram to view this post
VIEW IN TELEGRAM
Насколько мне известно с OpenCode убрали модели DeepSeek v4 из бесплатного пользования. Прямо сейчас, достаточное количество моделей + DeepSeek последних версий доступен бесплатно на Cline (простая установка через -npm). Так, что заходим, успеваем протестить или закрыть свои проекты.
#AI_Доступ #Разработка_Инструменты
#AI_Доступ #Разработка_Инструменты
GLM-5.3-Flash или бесплатная GLM-5.2?
26 августа Z.ai выпустила GLM-5.3-Flash — первую нативно мультимодальную модель пятого семейства. 320 млрд параметров (18 активных), контекст 1 048 576 токенов, гибридный sparse + linear attention — поэтому длинный контекст дешёвый.
Цены на OpenRouter (сейчас −50%): вход — $0,075 за 1M токенов | выход — $0,25 за 1M токенов
GLM 5.2 (free) бесплатна, но её endpoint ограничен 256K токенов. Обычная платная 5.2 держит тот же миллион. Подключите free-версию с большим проектом — ¾ контекста обрежется молча.
GLM 5.3 Flash: $0,075 / $0,25 за 1M |Кодинг, агенты, мультимодальность / GLM 5.2 (free): $0 | 256K | Тесты, обучение, базовые задачи
Бенчмарки (заявленные Z.ai, независимых нет): Terminal-Bench 2.1 — 84,3 vs 81,0; DeepSWE v1.1 — 63,4 vs 46,2.
Подключение за 2 минуты: Регистрация на openrouter.ai / Для 5.3 Flash — пополнить баланс на $1–5 (для 5.2 free не нужно) | Keys → Create key → скопировать API-ключ / Вставить ключ в клиент (Cherry Studio, Cline, Roo Code, Open Code и т.п.) как провайдера OpenRouter / Выбрать модель и проверить лимит контекста в настройках чата
Ссылки: OpenRouter — GLM 5.3 Flash | OpenRouter — GLM 5.2 free
26 августа Z.ai выпустила GLM-5.3-Flash — первую нативно мультимодальную модель пятого семейства. 320 млрд параметров (18 активных), контекст 1 048 576 токенов, гибридный sparse + linear attention — поэтому длинный контекст дешёвый.
Цены на OpenRouter (сейчас −50%): вход — $0,075 за 1M токенов | выход — $0,25 за 1M токенов
GLM 5.2 (free) бесплатна, но её endpoint ограничен 256K токенов. Обычная платная 5.2 держит тот же миллион. Подключите free-версию с большим проектом — ¾ контекста обрежется молча.
GLM 5.3 Flash: $0,075 / $0,25 за 1M |Кодинг, агенты, мультимодальность / GLM 5.2 (free): $0 | 256K | Тесты, обучение, базовые задачи
Бенчмарки (заявленные Z.ai, независимых нет): Terminal-Bench 2.1 — 84,3 vs 81,0; DeepSWE v1.1 — 63,4 vs 46,2.
Подключение за 2 минуты: Регистрация на openrouter.ai / Для 5.3 Flash — пополнить баланс на $1–5 (для 5.2 free не нужно) | Keys → Create key → скопировать API-ключ / Вставить ключ в клиент (Cherry Studio, Cline, Roo Code, Open Code и т.п.) как провайдера OpenRouter / Выбрать модель и проверить лимит контекста в настройках чата
Ссылки: OpenRouter — GLM 5.3 Flash | OpenRouter — GLM 5.2 free
Скидка временная — если открываете позже, сверяйте цену на странице модели.
❤3