Нове відео на каналі ☕️☕️☕️

Jev, Jev, Jev — здається, останній тиждень тільки й розмов про нову модель від TypeSafe AI 😁

Але чи справді це «вбивця LLM», чи знову хтось обіцяє революцію?

У відео розберемо, що таке Jev і які проблеми він вирішує. Покажу невеликий приклад із чатботом, порівняємо вартість із LLM і спробуємо з’ясувати, чи справді це революція.

📎 - https://www.youtube.com/watch?v=Q-1Gf4E5olo

Шляхом демократичних виборів визначили тему наступного відео — Transactional Outbox 🔥🤌

До понеділка буде готово. Тому переносьте свої інтерв’ю на вівторок, раптом знадобиться 😁

Сьогодні хочу написати про один з небагатьох AI skills, який я б реально радив мати кожному розробнику — Grill Me

Його задача проста: не дати вам одразу генерувати код.

Ви даєте агенту задачу, а він починає зай*бувати вас питаннями: уточнює вимоги, знаходить слабкі місця, приховані припущення та рішення.

Особливо корисно, коли вам потрібно реалізувати фічу end-to-end і перед тим як починати імплементацію, можна добряче прогрумити її з AI.

Але, звичайно, це не чарівна пігулка. Якщо ви самі не розумієте, яким має бути кінцевий результат і як працює частина проєкту, де ви хочете робити зміни, то навіть правильні питання від AI мало що змінять.😁

📎 - https://www.aihero.dev/skills-grill-me

Добрий ранок ☕️

Як і обіцяв, відео про Transactional Outbox. Постарався зробити максимально коротко і без без води

Тому робіть кохве і дивіться про цей патерн 😁

📎 - https://www.youtube.com/watch?v=pd7IGAZWcJg

Автор дружнього каналу створив ololo — хакатони для тебе і твого AI.

Агент розв’язує задачу на твоїй машині, а незалежні AI судді перевіряють код і пояснюють, що не зійшлося та чому.

Якщо хочете перевірити, чого варта ваша співпраця з агентом на практиці — приєднуйтесь 👇

📎 https://t.me/mathrandomcommunity/993

Був не дуже активний останні дні — переключився в зовсім інший контекст: Safety Training з парапланеризму 🪂

І щойно повернувся — OpenAI представила Dots: always-on агентів на базі GPT-6 Astra.

Кожен Dot отримує власний cloud computer + browser, може працювати з підключеними сервісами через plugins і паралельно виконувати кілька довготривалих задач.

На словах виглядає дуже потужно (як завжди 😁). Але питань поки більше, ніж відповідей.

Кляті капіталісти залишили Dots тільки для Pro, тому доведеться докупити ще один AI інструмент, щоб нормально потестити, порівняти й зняти відео.

З плюсів — Pro також дає доступ до Codex, тож буде чудова нагода зробити Claude vs Codex.

📎 - https://openai.com/index/introducing-dots/

Нове відео на каналі 🔥🔥🔥

Не встиг світ оговтатися після виходу Jev, як 29 вересня OpenAI зарелізила Dots — автономних AI-агентів для довготривалих задач.

У відео розповів, що це за звір, які проблеми вирішує, і відповів на головне запитання: чи справді це революція 😁

📎 - https://www.youtube.com/watch?v=LYh18W2OToY

Зараз глибоко копаю в Harness Engineering і маю дуже багато інфи, якою час від часу буду ділитись 😁

Ловіть один з крутих ресурсів для початківців (і не тільки).

Всередині: instructions, tools, state, feedback, verification, agent loops, graph engineering + розбори того, як побудовані harness в Claude Code, Codex, DeepSeek та Pi.

Є практичні проєкти, шаблони і навіть українська локалізація 🇺🇦👹

📎 - https://github.com/walkinglabs/learn-harness-engineering

Дуже багато відповіли, що Promise виконає обчислення в окремому потоці 🚬

Треба робити відео про Promise і в цілому про асинхронність в Node.js 📹🤌

Ще одне практичне застосування Jev - jevgrep 🤯☕️

Це інструмент для пошуку потрібного коду в репозиторії за допомогою Jev.

Ідея доволі проста

Замість того, щоб змушувати Claude/Codex витрачати токени на пошук потрібних файлів, ця брудна робота лягає на дешевий Jev.

Це якраз те, що я казав в відео про Jev. Не обовʼязково використовувати LLM для кожного кроку і частину простих рішень можна віддати маленькій спеціалізованій моделі.

🔗 - https://github.com/dzhng/jevgrep