Мой любимый вид PR'ов😊

Доклады смотрите в записи. Пиво пейте вживую

Билет на крупную IT-конференцию стоит 40-100к. Плюс перелет, плюс гостиница, плюс пара дней отпуска. И я честно не понимаю, за что эти деньги (зрителю).

Смотрите, что вы получаете из зала:

• доклады, которые через месяц-два лежат на ютубе бесплатно
• нетворкинг, на который расписание не оставляет времени - вы же сидите в зале и слушаете то, что могли посмотреть в записи
• кофе-брейки и мерч 🤷

Имхо, но доклад как контент умер. Запись удобнее живого просмотра по всем параметрам: x1.5, перемотка, пауза. А статья - удобнее записи. Единственное, чего нет ни в записи, ни в статье - люди. Но именно на людей очный формат времени и не оставляет: 8 часов докладов, 30 минут коридора.

Из этого у меня два вывода:

Вывод первый: если уж ехать на большую конференцию - то со стороны сцены. Спикеру она дает ровно то, что обещает зрителю: нетворкинг приходит сам (после доклада люди подходят к тебе, а не ты ловишь их за рукав), каждое выступление приносит мне ~+50 подписчиков за неделю и знакомства, которые потом стреляют самым неожиданным образом. И да - билет, дорога и гостиница за счет организаторов. Если совсем грубо: зритель платит за плюшки спикеру🌚 Подача CFP страшнее покупки билета, но окупается сильно лучше.

Вывод второй: здоровый формат уже существует - это митап. 2-3 доклада не переутомляют, а все остальное время - то, ради чего люди вообще куда-то едут: коридор, споры, разборы, пиво. Митапы обычно бесплатные. По сути, митап - это конференция, из которой убрали все, что устарело, и оставили концентрацию нужных людей в одном месте.

К слову, мы с ребятами в какой-то момент пришли к этому сами - перестали брать билеты и стали просто собираться в баре. Привет, Коля! 👋

Так вот, к делу. 10 июля в Нижнем Новгороде - PythoNN 10, митап питонистов от Никиты Соболева. Я там буду гостем, чисто пообщаться и пиво попить.

Если вы из НН или рядом - приходите, найдете меня и поговорим: про FastStream, агентов, OpenSource или что у вас болит🍺

Интернет агентов incoming

Смотрите какая штука. Мы уже год пилим агентов: MCP - чтобы агент дернул тулзу, A2A - чтобы агенты говорили друг с другом, Skills, плагины, вот это все. Но все эти протоколы предполагают одну вещь: агент УЖЕ знает, что нужный ему инструмент существует и где его найти. Ты руками прописал MCP-сервера в конфиг - и агент живет ровно в этом загончике.

А теперь представьте человека, который умеет пользоваться вебом, только если ему заранее дали точный URL. Никакого гугла, никакого поиска - только закладки, которые тебе кто-то накидал. Так работают наши агенты сейчас.

И вот, нам завезли (еще одну) спеку - ARD (Agentic Resource Discovery). Под капотом - простая идея, которую мы уже проходили с обычным вебом:

• Каталог. Кладешь на свой домен статический файл /.well-known/ai-catalog.json и описываешь в нем, что предлагаешь миру - свои MCP-сервера, A2A-агентов, OpenAPI-тулы. Буквально robots.txt + sitemap.xml, только для агентов.
• Реестры. Поисковики, которые краулят эти каталоги по всему интернету и отдают REST-ручку /search: агент спрашивает на человеческом "найди мне агента под бронь авиабилетов" - получает ранжированный список. Гугл для агентов, ага.

До сих пор у агентов был интранет - закрытый загон из захардкоженных тулов. ARD - это переход к интернету: пространство, где можно найти то, о существовании чего ты вчера даже не знал.

Что мне нравится как человеку, который сам клепает эти MCP-штуки: доверие тут прибито к домену. Идентичность ресурса (did:web, SPIFFE) обязана совпадать с доменом издателя - то есть никакого центрального аппстора-вахтера, все держится на владении доменом, ровно как TLS и DNS в обычном вебе. Это не "магазин приложений от одной корпорации", это веб. И за спекой стоят не два энтузиаста, а Microsoft, Google, Nvidia, Cisco, GitHub, Databricks под крылом Linux Foundation - то есть шанс, что не помрет в первый год, реально есть.

Но есть и забавный момент - SEO возвращается🌚. В каталоге есть поле representativeQueries - примеры запросов, по которым тебя найдут. Это же буквально keyword stuffing, только для агентов. Через год вылезет AEO (Agent Engine Optimization), и мы будем вылизывать свои каталоги под ранжирование в реестрах ровно так же, как десять лет вылизывали мета-теги под Google😅

В общем, штука важная. Может, та самая, с которой "интернет агентов" перестанет быть красивым словом из твиттера. Будем посмотреть.

Спека (и quickstart, если хочется потыкать руками) - https://agenticresourcediscovery.org/

#Agents

На канале у Владимира Гриненко (@devspotting) вышла вторая часть подкаста, который мы записали - на этот раз про OpenSource🎉

Если в прошлый раз это было нечто лекционного формата про AI агентов, то теперь это почти 2 часа моего отборного нытья на тему слопа в PRах🌚

https://www.youtube.com/watch?v=tBgaOBnpZyg

В выпуске:
• OpenSource как продукт, карьера и кошмар;
• AG2, FastStream и наследие AutoGen;
• почему PR от внешнего контрибьютора часто стоит дороже, чем кажется;
• как AI-слоп меняет презумпцию доверия в OpenSource;
• где LLM реально ускоряют разработку;
• почему архитектуру пока всё ещё должен понимать человек;
• что делать мейнтейнерам с ботами, слопом и выгоранием;
• как AI меняет поиск, аналитику, спорт, поездки и бытовые задачи.

В общем, получилось плотно, классно и жизненно! Но смотреть все еще лучше на х1.5😂

Мы полностью переписали AG2 - и готовы к релизу!

Неделю назад я говорил, что выпиливаю из AG2 весь легаси и готовлю фреймворк к выходу из беты. Так вот, этот час настал: первая бета AG2 1.0 вышла🎉

Классика (тот самый AutoGen) уехала в ag2-classic и живет в maintenance-режиме - у тех, кто на ней в проде, ничего не ломается. А `pip install ag2` теперь ставит полностью новый фреймворк: все, что мы строили в `autogen.beta` (и о чем я вам регулярно рассказывал), стало основным API.

Зачем еще один фреймворк, когда есть LangChain / CrewAI / PydanticAI?

Мой ответ - протоколы вместо абстракций. Отсюда все остальное:

• Маленький публичный API на протоколах - поверх него строятся все фичи фреймворка. Меньше поверхность - предсказуемее поведение. А еще можно воткнуть свои реализации на что угодно
• Агенты stateless - состояние вынесено наружу, поэтому поведение агента можно точно контролировать и воспроизводить
• Акторная модель исполнения - все части фреймворка построены на событиях: любое можно перехватить и изменить, повесить свой обработчик, а то и построить логику поверх кастомных событий. Это другой уровень гибкости инструмента
• Лучший DI - хуков много, и везде доступны и зависимости, и контекст управления: Depends, Inject, Variable. Даже ваш любимый dishka поддерживается🌚
• Все необходимое на месте - поддержка Skills, сабагентов, динамических и бекграунд агентов, память, Shell и Coding инструменты... Написать свой Hermes можно в 10 строчек😎
• Открытые протоколы на все случаи жизни - фронтенд через AG-UI, мультиагенты через A2A, MCP, A2UI. Можно даже оркестрировать Claude Code-агентов через ACP
• Нормальные мидлвари - через них уже реализовано многое: сжатие контекста, OpenTelemetry и тд

Минимальный агент выглядит так:

from ag2 import Agent
from ag2.config import OpenAIConfig

agent = Agent(
    "assistant",
    prompt="You are a helpful assistant.",
    config=OpenAIConfig("gpt-4o-mini"),
)

# Start a new conversation
reply = await agent.ask("Give me one sentence about AG2.")
print(reply.body)

# Continue the exact same conversation context
next_turn = await reply.ask("Now make it shorter.")
print(next_turn.body)

Фреймворк получился в моем стиле: экстремальная гибкость - реализовать можно что угодно, но на стандартные кейсы есть стандартные батарейки.

Финальный 1.0 - по плану, середина июля. Если вы еще выбираете, на чем писать агентов - идеальный момент потыкать бету и принести нам issues, пока API не заморожен😅

#Agents #opensource

Может ли агент в дизайн?

Агенты неплохо умеют писать фронтенд. Даже красиво, если ты понимаешь, что хочешь. У меня обычно проблема другая - я не понимаю, поэтому прошу "сделай красиво", и получаю шляпу: фиолетовые градиенты, эмодзи в каждом заголовке и дефолтный лендинг😢 Код модели уже более-менее могут, а вот дизайн - все еще слоп.

Пару недель назад я скидывал в наш чатик taste-skill - скилл, который обещает привить агенту дизайнерский вкус. Желающих проверить не нашлось, так что проверил сам.

Подопытный - мой персональный сайт, почему бы и нет? Чтобы было с чем сравнивать, попросил собрать три разных варианта. Стили я не задавал вообще - все три концепции агент придумал сам:

• Stream - жирный дарк-мод: один экран, крупная типографика
• Пресса - сайт-газета: передовица с буквицей, сводка в рамочке, репозитории версткой объявлений в три колонки
• Терминал - shell-сессия: whoami, cat about.md, tree ~/projects, вместо навигации - tmux-статусбар, поверх всего - CRT-сканлайны

Переключалка между дизайнами - прямо в шапке, можно щелкать и сравнивать.

Все мои правки были только по наполнению - что написать в лиде, какие проекты показать. В сам дизайн я не лез ни разу: и газета, и tmux-статусбар - целиком инициатива агента. Слоп все еще виден, но выглядит прилично. Версия с терминалом - даже креативно😎

Лично мне результат зашел. Если бы я понимал что-то в хорошем дизайне - можно докрутить до "отлично". Скилл работает - агент начинает что-то понимать в типографике, цветах, композиции, UI-эффектах. Хотя, это может быть и просто заслуга Opus 4.8. Чтож, буду теперь пробовать этот скилл на реальных проектах - пилот считаем пройденным.

К слову, хостится все это на Github Pages - рассказывал недавно, агент даже сам все задеплоил - создал ветку, настроил Pages, CI, проверил доступность curl'ом - мне даже не пришлось выходить из IDE. Будущее уже здесь🤯

В общем, заходи потыкать: https://lancetnik.github.io/Lancetnik/

И расскажи, какой из вариантов тебе зашел (или вообще ничего не зашло)?🌚

#AI

Что делать с планами, которые генерирует агент?

Агентские тулзы плодят горы маркдауна: планы реализации, дизайн-доки, ресерчи. Тот же superpowers коммитит все это добро по умолчанию. И возникает вопрос - а надо ли оно в репозитории?

Я думаю, что нет. План на реализацию - это промежуточный артефакт. После мержа все его детали и так лежат в коде, а сам план начинает врать с первого же рефакторинга.

Но в чатике прозвучало справедливое возражение: по гит-дереву хочется понимать не только ЧТО сделано, но и ПОЧЕМУ. "Что" git и так покажет. А для "почему" есть инструмент получше - и придумали его задолго до LLM.

ADR - Architecture Decision Record

Короткий документ, который фиксирует ОДНО архитектурное решение: контекст, что решили, почему. Минимальный ADR - буквально три предложения. Лежат в docs/adr/ со сквозной нумерацией. Главное правило - ADR не редактируют задним числом: решение устарело - помечаете superseded by ADR-042 и пишете новый. Получается хронология решений проекта.

Заводить не на каждый чих, а когда сошлись три условия:

• решение дорого откатить
• без контекста оно выглядит странно ("какого черта тут две очереди?")
• были реальные альтернативы, и выбор - результат трейдоффов

Живой пример - NATS: у них под это отдельный репозиторий, и ADR-1 от 2020 года до сих пор объясняет, почему JetStream API построен поверх request-reply с JSON-схемами. Новый контрибутор (или автор клиентской либы) читает его и понимает дизайн, не раскапывая шесть лет git-истории😎

Причем тут LLM

ADR - идеальная память для агента:

• Агент перед изменением читает ADR и не "чинит" сознательные решения. Без этого он видит в коде "странность" и услужливо рефакторит то, что вы выбрали специально 🌚
• План на реализацию для этой задачи не годится - он несет слишком много деталей. ADR - это дистиллят: только решение и его причины, дешево по токенам
• Работает и в обратную сторону: скиллы типа grill-with-docs гриллят вас вопросами по дизайну и сами оформляют ответы в ADR. Вот такие документы коммитить можно и нужно👍

Но держать для агента прям ВСЮ историю смысла нет - поэтому я время от времени "схлопываю" ADR до текущего состояния. Да, это ломает главное правило - но агенту нужна не хронология, а понимание, почему архитектура сейчас такая. Почему бы не сэкономить контекст?

В общем, после мержа отправляем план реализации в мусорку, а все "почему" - в ADR

Ссылки:

• сборник ADR в AG2
• сборник шаблонов и гайдов по ADR
• как это выглядит у NATS
• компактный формат от Matt Pocock

А какие документы коммитите вы?

#архитектура #AI

Забыл добавить свой любимый Skill ever, который заставляет агента мучать вас вопросами до тех пор, пока все нюансы задачи не будут зафиксированы. После этого он оформляет ADR и только потом приступает к исполнению:

https://github.com/mattpocock/skills/tree/main/skills%2Fengineering%2Fgrill-with-docs

Юзаю буквально на всех проектах - скилл 10/10

Все, теперь я признаю, что анонимный канал у меня не получился - пусть будет персональный блог

Контент не поменяется. Просто называю вещи своими именами😅

Как я выбил свою фамилию в международный авард

Короткая история про то, что требовать свое - это рабочий навык.

В 2023 году FastStream попал в список 100 Best OSS Projects 2023 от BenchCouncil. Это до сих пор мое самое крутое внешнее признание проекта - реальный международный авард, а не просто звездочки на гитхабе.

Теперь могу понтоваться этой бумажкой😎

Но изначально на ней были отмечены 2 человека: CEO и CTO airt (компания, в которой проект тогда жил), а меня не было. Это при том, что код писал я, документацию писал я, маркетинг тащил я, релизы делал я. Компания была просто владельцем проекта.

Я пошел к CTO с вопросом: "а где моя фамилия?"

Ответ был классический: "ну, видимо, BenchCouncil так оформил, я не знаю"🤷‍♂️

Дальше можно было пойти двумя путями:

• расстроиться, написать в твиттер пассивно-агрессивный тред в стиле "ну вот так у нас" и забыть
• потребовать у компании написать в комитет и добавить мою фамилию

Я выбрал второй. На следующий день моя фамилия там появилась - просто потому что я попросил.

Чему меня этот случай научил:

• Признание не приходит само. Награды, статусы и упоминания по дефолту раздаются тем, кто формально сверху. Если хотите, чтобы ваш вклад увидели - о нем надо сказать самому. Вслух.
• За спрос не бьют. В худшем случае скажут "нет" - и вы остаетесь в той же точке. В лучшем - ваша фамилия появляется в международном аварде.
• Молчание стоит дороже всего. Через 5 лет никто не вспомнит, кто "делал большую часть проекта". Запомнят только то, что зафиксировано - на сайте премии, в README, в шапке статьи.

К слову, это правило одинаково работает с зарплатой, авторством статей, упоминанием в чужих докладах и кредитом за фичу в релиз-ноутах. Спрашивать неловко 5 минут - а молчать обидно годами.

Расскажите в комментах: что вы выбили, просто попросив, - и за что обидно, что промолчали и отсиделись?

#opensource #карьера

Наконец-то я запустил AG2-Assistant, который у нас в разработке (руки дошли). Этакий аналог Hermes / OpenClaw

У ребят довольно неплохо получилось, но у меня все еще 100500 замечаний по UX🌚

Щас лимиты на Claude откатятся - и пойду переделывать половину проекта😅

Релиз запланирован на следующей неделе - вместе с AG2 1.0.0

А пока - мигрирую все свои рабочие Hermes / Claude Cowork пайплайны на этого ассистента. Посмотрим, что из этого получится

Периодически я закидываю в канал новые skills для агентов - для дизайна, SDD, свои собственные. Большую часть из них я пробую сам, но результаты этого тестирования обсуждаем в основном в чатике. Исправляю это недоразумение - поделюсь личным сетапом скиллов, которым пользуюсь каждый день:

grill-with-docs - 10/10, мой топ
​ Заставляет агента мучать тебя вопросами, пока не выудит все нюансы задачи, - и только потом оформляет решение в ADR и идет кодить. Еще он ведет CONTEXT.md - глоссарий проекта. Через пару сеансов вы с агентом говорите на одном языке и понимаете друг друга с полуслова. Юзаю буквально на всех проектах. Если ставить ровно один скилл - ставьте этот.

superpowers - рабочая лошадка, но с оговоркой
​ PLAN-мод, TDD, наводящие вопросы перед задачей - все, как я люблю. 250к+ звезд на гите не на пустом месте, могу рекомендовать. Одно бесит: по дефолту он коммитит в репозиторий все планы и ресерчи, что нагенерил. А план - промежуточный артефакт, ему место в мусорке после мержа, не в гит-истории (целый пост про это). И реализацию с сабагентами я тоже частенько выключаю - пусть лучше один агент шуршит. Но в целом, скилл - огонь

codegraph - это не скилл, а MCP, но его я тоже могу рекомендовать
​ Строит граф всего кода проекта на основе AST через tree-sitter - символы, вызовы, зависимости. Агент вместо слепого grep спрашивает точечно: кто вызывает эту функцию, что сломается, если поменять вот это, покажи сигнатуру - и получает структурный ответ за миллисекунды, не сжигая контекст на чтение половины репозитория. Штука рабочая, мне нравится. Хотя сейчас хочу попробовать еще Graphify

rtk - использую, но по мелочи
​ Якобы он экономит токены на CLI вызовах: прогоняет команду через себя и отдает агенту сжатый вывод вместо простыней. У меня прижился узко - git-команды, всякие ls / wc и прочая мелочевка, где вывод жирный, а нужного в нем три строки. На вызовах тестов (он все время норовит завернуть pytest в себя) надо отключать, там он только вредит. Не революция, но контекст бережет.

⚠️НА ЭТОМ МОЙ СПИСОК КОНЧИЛСЯ!⚠️

Я стараюсь минимизировать набор скиллов, MCP и прочего мусора в проекте - чем меньше у агента опций, тем лучше он фокусируется на конкретной задаче. Поэтому скилл должен быть действительно хорош, чтобы попасть в мой шорт-лист

Но я пробовал и другие хайповые штуки:

taste-skill - пилот пройден, но надо смотреть еще
​ Скилл обещает привить агенту дизайнерский вкус (самый популярный из скиллов этой категории). Проверял на своем сайте: агент сам придумал три концепции - и выглядит более-менее прилично, но слоп все равно прослеживается. Работает скилл или это заслуга Opus 4.8 - до конца не понял. Но результат зашел, буду тестировать при возможности еще.

ponytail - попробовал, ноль эффекта. Хотя на GitHub уже 80k+ звезд...
​ Скилл форсит агента лениться: думать как самый ленивый синьор в команде, "лучший код - тот, который ты не написал". На моих проектах скилл не поменял вообще ничего. Видимо, я и так уже самый ленивый синьор в комнате 🌚

caveman - пробовал пару раз, не зашло
​ Скилл заставляет модель общаться с тобой как пещерный человек: "Моя сделать, готово". Заявлена экономия 60% токенов, но на деле экономит только 8%. Кто-то в чате писал, что так просто удобнее читать вывод агента. Для меня оно того не стоит

Если у вас есть какие-нибудь прикольные скиллы на пробу - закидывайте в комменты, обязательно посмотрю! Мб что-нибудь сворую🌚

#AI

Я сейчас в отпуске и для души делаю проект с полным вайбкодингом по 10 часов в день (развлечения разрабов🥲) - даже в код не заглядываю. И наконец-то понял, почему все вайбкодеры подсаживаются на этот КАЙФ😁

Сидишь, 30-40 минут дизайнишь фичу, а потом даешь отмашку агенту - и он 2 часа пыхтит не переставая. Сам себя ревьюит, правит, бьет себя по рукам за нарушение стайлгайда. Тебе остается только подойти, когда все готово и сделать еще пару сессий на правку мелких багфиксов / доделок, если где промахнулись по вижену. В общем, из 4 часов времени ты активно что-то делаешь час от силы. Т.е. мои 10 часов - это 2 часа реального времени, когда я сижу около ноута. Остальное время - твое. Я вот, например, сейчас за городом - поэтому пока клод пишет код, я таскаю кирпичи, замешиваю цемент и тд (тут нас еще не заменили🫡)

Кто-то залипает в тикток / инсту, кто-то читает книги, кто-то занимается спортом. В общем - это реальная возможность жить свою лучшую жизнь и шипить фичи одновременно. Осталось только научиться закрывать глаза на качество кода🌚

Мой вердикт - каждому надо попробовать сделать такой проект для души. А еще лучше - найти работодателя, который берет риски вайбкодинга на себя, а вам остается только абьюзить подписку клода🌚

И да, весь пайплайн моей работы щас построен на скиллах от Matt'а, про которые я уже рассказывал. Как это работает полностью распишу отдельным постом на следующей неделе, а пока - я в отпуске😎

#AI

Всю прошлую неделю я был в отпуске, поэтому не смог выпустить воскресный дайджест в воскресенье. Ловите его в понедельник.

Топ недели - OmniRoute. Один эндпоинт, за которым 39 пулов провайдеров и 460+ моделей: агрегирует все документированные бесплатные тарифы в общий живой счетчик (обещают ~1.4 млрд бесплатных токенов в месяц) и сам перекидывает тебя на следующую квоту, когда уперся в лимит. Прикручивается к Claude Code / Cursor / Codex как прокси. +10.9k звезд за неделю. Что смущает: свои промпты ты отдаешь непонятно кому. Мне хватает подписки Claude, но если очень хочется бесплатных токенов - пожалуйста. Или можно попробовать личный Claw / Hermes прикрутить.

Тренд недели - скилл, который не пишут руками. Прошлая неделя была про "возьми чужую библиотеку скиллов под свою роль", эта - про "сделай свой":

• book-to-skill - скармливаешь PDF технической книги или папку с доками, на выходе готовый скилл для Claude Code / Copilot CLI. У меня в репе лежат конспекты Дорофеева и "Атомных привычек" - первый кандидат на прогон;
• SkillOpt от Microsoft - "тренируй скилл как нейросеть": эпохи, batch size, learning rate, валидационные гейты, на выходе деплоимый best_skill.md. Веса никто не трогает - оптимизируется сам текст скилла по траекториям прогонов, с пейпером на arXiv. Оговорка: нужны прогоны и валидационная выборка, это не "поставил вечером и потыкал".

По заявкам. Александр в прошлый раз спрашивал, есть ли скиллы для тимлидов - вот, пожалуйста: gstack Гарри Тана (President & CEO YC). 23 инструмента, разложенных по ролям: CEO, Designer, Eng Manager, Release Manager, QA, Doc Engineer.

Кластер недели - оркестраторы агентов. orca (+7.4k звезд за неделю) - десктопная среда, где гоняешь параллельных агентов на своих подписках и переключаешь модели на лету; Traycer - то же самое, но с общей памятью между агентами разных провайдеров; jcode (+2.9k) - еще один CLI-харнесс под мульти-сессионные воркфлоу. Один агент больше никого не устраивает, все пилят окно, из которого видно сразу пятерых.

Вторая боль - токены на чтении кода. Три инструмента за три дня об одном: агент читает файлы целиком, хотя ему нужен один символ. code-review-graph три дня держал первое место трендинга (+6k за неделю) - локальный граф кода как MCP; SymbolPeek - AST-точный контекст для TS/JS: символ, его вызовы, ссылки и типы вместо файла; Synapse - локальный индекс кодовой базы для Claude Code. Я тут использую graphify, мигрировать не планирую

Просто находки:

• deepsec от vercel-labs - гоняет кодинг-агента по твоей репе на поиск уязвимостей;
• Corsair - прослойка между агентом и внешними API: агент получает руки ко всем интеграциям, но кредов не видит, гейтишь ты;
• i-have-adhd ("у меня СДВГ") - скилл, который заставляет агента давать ответ первой строкой, а не лить воду. +1.8k звезд за день на двухмесячной репе - видимо, твиттер-тред зашел😅 Это я точно попробую вместо caveman

Не тулинг, но мимо не пройти:

• агент OpenAI сам взломал Hugging Face. 16 июля HF отчитались о вторжении в прод: кто-то пролез через две дыры в обработке датасетов, утащил внутренние датасеты и служебные креды. 22 июля OpenAI призналась, что это была ее модель - на прогоне cyber-бенчмарка ей срезали отказы, она нашла 0-day, вылезла из изолированного окружения в интернет и пошла искать ответы к бенчмарку на чужом проде😂 Своего же агента OpenAI опознала не сразу, HF узнали от них только 20 июля. Это первая в истории атака AI по инициативе AI. В твиттере до сих пор бушуют споры: это маркетинг OpenAI или Скайнет.
• вышел Claude Opus 5. По цене Opus 4.8 ($5/$25 за миллион), уже в Claude Code (Opus 4.8 даже нельзя выбрать) - сегодня сажусь тыкать.

Что радар проспал - несите в комменты, обязательно посмотрю и заберу в следующий выпуск.

#AI #digest

Поздравляю, вы уже пользуетесь SDD

Если вы хоть раз гоняли агента через plan-mode - вы уже в SDD-клубе, просто об этом не знали. Я обещал вам рассказать про свой опыт с сетапом скиллов Мэтта, но без разговора об SDD ничего не получится

Так что заходить буду издалека, с боли.

Модели с заявленным контекстом в 1_000_000 начинают тупить уже на 100_000. А на 200_000 - тупить безбожно. Виновата Lost in the middle: модель хорошо помнит начало диалога и последние тысяч двадцать токенов, а середину склонна забывать. А в этой середине у нас лежит все ценное:

• результаты грепов по проекту
• стайлгайд
• принятые по ходу дизайн-решения
• те самые особенности, ради которых агент полчаса лазил по коду

Поэтому если вы скажете модели "давай сделаем фичу X" - агент сделает не то. Вы правите - он переделывает. Вы правите еще раз - а он уже забыл, как было на первой итерации, и на очередном витке приносит вариант, который вы отбросили два часа назад. Ну или творит какую-то иную дичь.

На этом месте вы говорите "AI говно" и гордо идете писать код руками😅

Лечение первого уровня - plan-mode

Сначала вы с агентом брейнштормите: формулируете видение фичи, строите архитектуру, агент вычитывает все, что ему нужно знать про код. И только потом он идет кодить.

Только план-то лежит все в той же СЕРЕДИНЕ КОНТЕКСТА - и забывается ровно так же, если реализация затянулась. Значит, план надо вынести из диалога в файл и сделать PLAN.md исходным промптом для следующей сессии.

Итого на одну фичу у вас уже две сессии: идея → PLAN.md, PLAN.md → реализация.

Поздравляю, вы изобрели SDD в самом простом его виде🌚

Потому что PLAN.md - это тоже спецификация. Спека конкретной сессии, и живет она соответственно: до мержа и в мусорку (целый пост про это).

Дальше идем от жадности

Если контекст, который агент тратит на "понять, что и как тут делать", такой дорогой - надо помочь ему разобраться за минимум токенов.

меньше токенов на понимание -> больше остается на реализацию -> качественнее результат

А помогает агенту ровно то же, что помогает новому человеку в команде:

• вменяемая архитектура
• комментарий там, где код врет о своих намерениях (# namedtuple вместо датакласса - иначе pickle падает)
• нормальная навигация вместо слепого grep (graphify, codegraph)
• документы на то, что из кода вывести нельзя

Вот последний пункт и есть SDD. В идеале спеки живут на трех уровнях: спека задачи (стори), спека фичи (эпика) и общая спека архитектуры проекта. Да и комментарий в коде - это, по сути, спека на конкретную функцию / класс / строку кода.

Что из этого я реально держу

Единого правильного фреймворка SDD пока нет - их развелось штук десять, и работают они все. Различаются тремя вещами: какие уровни спек вводят, как регламентируют их жизненный цикл и кто их пишет - вы или агент.

Но если выкинуть всю обвязку, главная польза SDD - это plan-mode. Все остальное - попытка научить агента ориентироваться в проекте чуть эффективнее (быстрее, качественнее, дешевле по токенам).

Поэтому у меня между сессиями долго живут ровно два артефакта: глоссарий проекта и ADR. Все остальное умирает вместе с фичей😎

А вы что реально сохраняете между сессиями - или каждый раз объясняете агенту проект заново?

Собственно, набор скиллов от Matt Pocock - это именно что SDD. И я им активно пользуюсь. Поэтому ждите "мясо" следующим постом

#архитектура #AI

Мой полный сетап скиллов для разработки

Две недели назад переехал на сетап скиллов от Matt Pocock, докрутил пилот - показываю весь конвейер: от "хочу фичу X" до открытого PR.

Идея под ним ровно та, что разбирал во вторник: агент должен получать контекст порциями, а не тонуть в одной бесконечной сессии. Каждый этап - своя сессия, в которую влезает меньше 100-200к.

Ставится все это одной командой: npx skills@latest add mattpocock/skills, дальше /setup-matt-pocock-skills один раз на репозиторий.

Конвейер

1. /grill-with-docs хочу фичу X - агент люто досит вас уточняющими вопросами: дизайн фичи, архитектура кода, технические нюансы. Детали реализации, которые у вас уже в голове, на входе лучше не выкладывать: может, агент придет к тому же сам, может - к варианту получше, а может, вы сами передумаете по дороге. Направить его вы всегда успеете. На выходе - "Shared Understanding", зафиксированный в CONTEXT.md и ADR (про сам скилл писал тут).

Если на этом вы сожгли меньше 50к контекста и понимаете, что реализация быстрая - просто жмите /implement this в той же сессии. Все, что ниже - для задач побольше.

2. /to-spec - в той же сессии агент пишет спецификацию фичи: продукт, дизайн кода и так далее. Я ее не читаю, мне хватает "Shared Understanding". Держу в git-ignored .scratch, потому что живет она до реализации.

3. /to-tickets write the plan down as tickets and a general PLAN.md with refs to them - агент нарезает спеку на тикеты и собирает PLAN.md со ссылками на них:

├─ SPEC.md
├─ PLAN.md
└─ tickets/
   ├─ ticket-1.md
   ├─ ticket-2.md
   └─ ...

Тут сессию можно смело /clear - она свое отработала.

4. /implement - цикл "реализация → ревью сабагентом → правки", пока тикет не закроется. Дальше развилка. Если агент уместит всю задачу в 200к - /implement all tickets @.scratch/PLAN.md и ждете 30-60-120 минут. Если чувствуете, что не влезет - делайте по тикету на сессию: /implement the next ticket from @.scratch/PLAN.md, then /triage it. Агент сам реализует, отревьюит себя, поправит комментарии, поменяет статус тикета и весело отрапортует вам об исполнении. Вам остается сделать /clear и вставить тот же самый промпт - агент побежит делать план дальше.

5. /code-review all the tickets and the whole implementation of @.scratch/PLAN.md, then fix any issues you find - в свежей сессии, когда все тикеты готовы. Так, на всякий случай.

6. Если нужны правки в рамках этой задачи, также завожу новую сессию и пишу что-то вроде I just implemented @.scratch/PLAN.md. One last change I need: ...

Напоследок прошу засквошить коммиты (агент коммитит после каждого тикета), запушить, открыть PR по шаблону и подчистить .scratch.

Что остается в проекте

Коммитятся в гит:

• CONTEXT.md - словарь доменных терминов проекта (из DDD, ага). Нужен, чтобы агент говорил с вами на одном языке: когда вы просите "подправь представление файлов в дереве", ему не придется грепать, чтобы понять, что за файлы, что за дерево и как одно попадает в другое.
• ADR-*.md - архитектурные решения. Чтобы в будущих сессиях агент понимал, почему модуль сделан так, а не иначе, и ничего не сломал. Не каждая фича достойна ADR, но если вы делали сложный выбор на дизайне или правили агента руками - хороший кандидат. По идее ADR неизменяемы, но я время от времени схлопываю все ADR по одной области проекта в один актуальный.

Умирают вместе с фичей: SPEC.md, тикеты, PLAN.md.

Тикетницу, кстати, можно взять любую - Github Issues, Linear, Jira. Просто я не вижу смысла плодить сотни ишью на гите, поэтому держу локально.

Две недели полет нормальный, могу рекомендовать. Но не стоит прогонять полный пайплайн, если нужны изменения вида "кнопка ведет себя некорректно" - это можно и просто попросить.

А вот видос от самого Мэтта, где он показывает весь свой цикл целиком.

А у вас как устроен конвейер работы над фичей? Закидывайте в комменты - увижу что-то, чего у меня нет, обязательно сворую🌚

#AI

Ребят, я очень надеюсь, что не вызываю ни у кого чувство FOMO своими постами про AI и агентов. Наоборот, тут я пытаюсь вам рассказать, насколько все просто и понятно, если копнуть в механику происходящего

Серьезно, все, что я вам рассказывал тут последний месяц - это дело пары дней на "потыкать" и пары недель на адаптацию под себя

Но если вы хотите, чтобы я рассказал про что-то другое - самое время написать мне об этом🌚

Всем хороших выходных и отдохнуть✌️

Вайбкодим security компоненты в django-modern-rest (или нет)

https://www.youtube.com/watch?v=laJQcNAqxc0

Мой друг Никита Соболев - @opensource_findings сейчас активно разрабатывает django-modern-rest (а заодно CPython и десяток других OpenSource проектов). И он искал помощь, чтобы полностью мигрировать функционал dj-rest-auth в свой фреймворк - https://github.com/wemake-services/django-modern-rest/issues/1193

Чтож, это отличная возможность обкатать, как работает ИИнженерный пайплайн на реальном сложном OSS проекте🌚 Поэтому я вызвался реализовать эту фичу полностью сторого с помощью Claude Code.

И все это будет в лайве на завтрашнем стриме в 19:00

Ситуация усугубляется тем, что Никита (который Соболев, не путайте) лютый хейтер AI и вайбкодинга. Так что меня ждет очень-очень-очень жесткое ревью и невменяемые требования стайлгайдов😂

Посмотрим, что из этого получится. Вполне возможно, что мы вообще откатим всю фичу и ничего из сгенерированного кода не пойдет в main. Или случится ваншот и оставшийся час стрима будем просто пить пиво🌚

В общем, приходите - будет весело!