Replit: Безопасное "вайб-кодирование" теперь доступно всем

Команда Replit представила новые функции, делающие написание софта с помощью ИИ не только доступным, но и безопасным. 🚀

Что нового они представили? 🛡

1️⃣ Replit Auth по умолчанию
• Встроенная система аутентификации теперь включена автоматически
• Использует Firebase, reCAPTCHA и другие инструменты защиты
• Больше не нужно интегрировать сторонние сервисы или писать свою систему

2️⃣ Улучшенная история приложений
• Новый интерфейс для просмотра всех версий вашего приложения
• Возможность откатиться к любой предыдущей версии
• Предварительный просмотр старых версий перед откатом
• Возможность вернуть даже состояние базы данных

3️⃣ Сканирование безопасности
• Автоматический поиск уязвимостей в коде перед деплоем
• Интеграция с Semgrep для глубокого анализа (подробности здесь)
• Возможность автоматического исправления найденных проблем

4️⃣ Защита от случайных ошибок
• ИИ теперь физически не может удалить важные файлы проекта
• Автоматическое обнаружение API-ключей в промптах
• Перенаправление секретных данных в безопасное хранилище

Для корпоративных пользователей 🏢

Для тех, кто использует Replit в компаниях, добавили:
• Защищенные URL для разработки
• Роль "зрителя" для сотрудников (50 мест бесплатно)
• Поддержка SCIM для управления доступом
• Расширенные настройки приватности для администраторов

В ближайшие недели обещают разделение баз данных на dev/prod, чтобы разработка не влияла на рабочую версию приложения - очень круто, когда я делал витрину для AI-проектов, меня удивило, что базы общие.

Эти обновления значительно повышают уровень безопасности и удобства при создании приложений с помощью ИИ на платформе Replit.

#replit #dev #ai #security #vibecoding

Инструменты для превращения сложного кода в понятную документацию

Пишу в продолжении вот этого поста.

Каждый разработчик сталкивался с этим: открываешь новый репозиторий, видишь сотни файлов кода и... теряешься. Куда смотреть? С чего начать? Как это всё работает вместе? К счастью, появляются инструменты, которые помогают превратить запутанный код в понятную и даже увлекательную документацию.

Почему это важно?

Исследования показывают, что разработчики тратят до 60% своего времени на чтение и понимание кода, а не на его написание. Кажется, что качественная документация могла бы повысить продуктивность их работы более чем в 2 раза.

Современные инструменты для понимания кодовой базы

1. PocketFlow + AI: Создание интерактивных туториалов

PocketFlow — это минималистичный фреймворк (всего 100 строк кода!), который в сочетании с современными LLM позволяет создавать системы для автоматического анализа кодовых баз.

Как это работает:
• Система скачивает код из репозитория
• Идентифицирует ключевые абстракции и концепции
• Анализирует связи между компонентами
• Определяет логическую последовательность для обучения
• Создаёт подробные главы с объяснениями и примерами
• Компилирует всё в единый туториал с визуализациями

Результат — полноценный учебник, который начинается с общей картины и постепенно погружается в детали.

2. DeepWiki: Документация, с которой можно общаться

DeepWiki превращает любой GitHub-репозиторий в интерактивную документацию, с которой можно вести диалог. Вместо чтения сотен страниц вы просто задаёте вопросы на естественном языке.

Преимущества:
• Мгновенные ответы на конкретные вопросы
• Понимание контекста всего репозитория
• Возможность уточнять и углублять вопросы

3. TalkToGitHub: Чат с репозиторием

TalkToGitHub — ещё один инструмент, позволяющий вести диалог с кодовой базой. Достаточно добавить префикс "talkto" к URL любого публичного репозитория GitHub, и вы сможете задавать вопросы о коде.

4. Cursor AI или любой аналог из сравнения здесь.
Cursor — это редактор кода с встроенным ИИ, который помогает разобраться в существующем коде прямо в процессе работы. Он может объяснять функции, классы и даже целые модули. Можно также воспользоваться Memory Bank

Создание собственного инструмента для анализа кода

Проект AI Codebase Knowledge Builder позволяет создать систему для анализа кодовых баз. Используя подход "агентного кодирования" (agentic coding), разработчик проектирует архитектуру, а ИИ реализует детали.
Ключевые компоненты:
• FetchRepo: Скачивает и фильтрует файлы из репозитория
• IdentifyAbstractions: Находит ключевые концепции в коде
• AnalyzeRelationships: Определяет связи между компонентами
• OrderChapters: Создаёт логическую последовательность обучения
• WriteChapters: Пишет подробные объяснения для каждой концепции
• CombineTutorial: Собирает всё в единый документ с визуализациями

Практические примеры

Эти инструменты уже успешно применяются для создания документации к сложным проектам:
• AutoGen Core: Фреймворк для создания команд ИИ-агентов
• MCP Python SDK: Python SDK для MCP- протокола (коммуникация между ИИ-агентами и их инструментами)
• Browser-use: Библиотека для автоматизации браузера с помощью ИИ
• полный список примеров здесь

Что выбрать для своего проекта?

• Для быстрых вопросов: TalkToGitHub или DeepWiki
• Для глубокого анализа: PocketFlow + AI Codebase Knowledge Builder
• Для работы с кодом в реальном времени: Cursor AI или аналогичный инструмент из обзора

Заключение

Эра непонятного кода и устаревшей документации подходит к концу. Современные инструменты на базе ИИ позволяют превратить любую кодовую базу в понятное и структурированное руководство. Это не только экономит время разработчиков, но и делает процесс изучения кода более увлекательным и продуктивным.
Попробуйте эти инструменты в своём следующем проекте — и вы удивитесь, насколько проще станет понимание даже самого сложного кода! Поделитесь, пожалуйста, своим опытом в комментариях, думаю, что всем будет интересно!

#dev #docs #ai #кодинг #pocketflow #deepwiki

Microsoft представила концепцию "открытого агентного веба" на Build 2025 🚀

Очень много крутых анонсов от Microsoft.

Microsoft представила свое видение "открытого агентного веба" (open agentic web) на конференции Build 2025, выпустив целый ряд новых инструментов и обновлений с поддержкой искусственного интеллекта.

Ключевые анонсы:

• GitHub Copilot эволюционирует из помощника в редакторе кода в полноценного агента, работающего асинхронно. Также Microsoft сделала открытым исходный код Copilot Chat в VS Code 🔧

• Компания выпустила Magentic-UI — исследовательский прототип с открытым исходным кодом для веб-агентов (построенных на базе агентного фреймворка AutoGen), ориентированный на сотрудничество с пользователем и контроль 🕸 (ссылка на github здесь)

• Microsoft добавляет модели Grok 3 и Grok 3 mini от xAI в Azure AI Foundry, что позволит разработчикам выбирать из более чем 1900 моделей 🧠

• Новый открытый проект NLWeb стремится стать аналогом HTML для агентного веба, упрощая добавление разговорного интерфейса на веб-сайты 💬 (ссылка на github тут)

• Copilot расширяется с новыми возможностями настройки, позволяя организациям обучать модели на корпоративных данных (можно зарегистрироваться на соответствующую сессию завтра), а также оркестрировать взаимодействие нескольких агентов для совместного решения бизнес-задач 📊

Почему это важно

Хотя "год AI-агентов" пока не оправдал всех ожиданий в плане практического применения, индустрия движется в правильном направлении. Заметен также сдвиг в сторону открытого исходного кода, что подтверждается многочисленными релизами от технологического гиганта.

Если вдруг пропустили вот ссылка на Keynote от Satya Nadella (CEO Microsoft)
Для тех, у кого мало времени, или кто не любит youtube, подготовил краткий транскрипт и саммари выступления.

P.S. Будет чем заняться на выходных - продукты классные, будем тестировать.

#ai #microsoft #copilot #agents #opensource

Open Agent Platform от LangChain: создавайте умных агентов, а не бэкенд 🤖

Привет, друзья! Сегодня хотел обратить ваше внимание на новую платформу от LangChain, которая обещает избавить нас от написания тонны кода для создания AI-агентов.

Я до этого пробовал https://chai.new/ (по сути bolt.new но для агентов, построенный на базе фреймворка https://langbase.com ) и CrewAI Studio - очень удобно, ничего не нужно устанавливать локально, вся мульти-агентная система "собирается" простым текстовым описанием на русском языке. На выходе вы получаете и схему, и работающий код. В случае с CrewAI есть потенциальная возможность превратить созданную мульти-агентную систему в MCP-сервер при помощи automcp. А в случае с langbase для этой цели проще всего использовать https://mcpify.ai/ которому в принципе пофигу какой код или текстовое описание "превращать" в MCP сервер, чуть ранее писал об этом, классный инструмент, но недостаток в том, что кодовую базу MCP сервера вы уже не контроллируете).

Но Langchain решили сделать платформу где агентные и мульти-агентные системы
создаются без написания кода по аналогии как это происходит сейчас во Flowise (только во Flowise, на мой взгляд, все выглядит симпатичнее, но зато у Langchain система работает на базе Langgraph)

Итак Open Agent Platform (OAP) — это веб-интерфейс для создания и управления LangGraph-агентами без необходимости писать код. Идея супер, особенно если вы уже устали от бесконечных строк на Python.

Что умеет эта платформа? 📋

Заявлено следующее:
• Управление агентами: создание, настройка и общение через браузерный интерфейс
• Интеграция с RAG: поддержка retrieval-augmented generation через LangConnect
• Инструменты MCP: подключение к внешним сервисам через HTTP MCP сервер
• Мульти-агентная оркестрация: один агент может управлять другими
• Аутентификация: встроенная поддержка Supabase (можно заменить своим решением, что по-моему и стоит сделать сразу, т.к. если у вас Pro подписка на Supabase, то даже самый мелкий проект будет стоить +$10 в месяц)

Детали архитектуры здесь

По описанию, OAP выглядит как неплохой инструмент для тех, кто хочет быстро прототипировать агентов без глубокого погружения в LangChain API. Но не ждите чудес — это всё ещё молодая технология со своими ограничениями. А первоначальная настройка и запуск могли бы быть и попроще. Если кто еще пробовал установку по инструкции поделитесь своими впечатлениями в комментариях.

Демонстрацию работы можно посмотреть здесь
Транскрипт демки тут.

#ai #langchain #agents #nocode #developer_tools

Новые возможности для разработки агентов на базе API Anthropic 🤖

Продолжение предыдущего поста на тему новых функций в API, которые усиливают "агентные" возможности новых моделей Anthropic. Функции офигительные и заслуживают отдельного внимания.

Anthropic представила четыре новые функции для своего API, которые расширяют возможности разработчиков по созданию интеллектуальных агентов.
Эти инструменты дополняют недавно выпущенные модели Claude Opus 4 и Sonnet 4.

Что нового? 📋

1️⃣ Инструмент выполнения кода
Теперь Claude может запускать Python-код в изолированной среде для выполнения вычислений и создания визуализаций данных. Это превращает модель из помощника по написанию кода в полноценного аналитика данных.
Здесь весь фокус, как я понимаю, именно в том, что данная функциональность доступна "из коробки" через API интерфейс модели, и нам как разработчикам теперь можно обойтись без дополнительных песочниц типа https://e2b.dev/ для запуска кода в своем приложении - как мы видим, все полезные и часто используемые инструменты со временем "проникают" внутрь LLM'ок.

Основные применения:
• Финансовое моделирование
• Научные вычисления
• Бизнес-аналитика
• Обработка документов
• Статистический анализ

Организации получают 50 бесплатных часов использования ежедневно, после чего стоимость составляет $0,05 за час работы контейнера.

2️⃣ MCP-коннектор
Позволяет подключать Claude к любому удаленному серверу Model Context Protocol (MCP) из списка без необходимости писать клиентский код. API Anthropic автоматически управляет соединениями, обнаружением инструментов и обработкой ошибок.

Когда Claude получает запрос с настроенными MCP-серверами, он:
• Подключается к указанным серверам
• Получает доступные инструменты
• Анализирует, какой инструмент вызвать и какие аргументы передать
• Выполняет вызовы инструментов до достижения результата
• Управляет аутентификацией и обработкой ошибок
• Возвращает ответ с интегрированными данными

3️⃣ Files API
Упрощает хранение и доступ к документам при работе с Claude. Вместо загрузки файлов в каждом запросе, разработчики могут загрузить документы один раз и многократно ссылаться на них в разных беседах.

Files API интегрируется с инструментом выполнения кода, позволяя Claude напрямую обрабатывать загруженные файлы и создавать графики как часть ответа.

4️⃣ Расширенное кэширование запросов
Разработчики теперь могут выбирать между стандартным 5-минутным временем жизни (TTL) для кэширования запросов или расширенным 1-часовым TTL за дополнительную плату. Это 12-кратное улучшение может снизить расходы для длительных рабочих процессов агентов.

С расширенным кэшированием затраты могут быть снижены до 90%, а задержки — до 85% для длинных запросов.

Практическое применение 💡

Представьте AI-агента для управления проектами, который может:
• Подключаться к Asana через MCP-коннектор для работы с задачами
• Загружать отчеты через Files API
• Анализировать прогресс с помощью инструмента выполнения кода
• Поддерживать полный контекст на протяжении всего взаимодействия
и все это "из коробки" через API самой модели!

Все эти функции уже доступны в публичной бета-версии API Anthropic и дополняют существующие возможности, такие как веб-поиск и цитирование.

Видео-запись демонстрации A Day with Claude можно посмотреть здесь
Также вы можете отдельно прочитать транскрипт и саммари демонстрации.

#ai #anthropic #claude #api #development

Важен ли дизайн ПО в эпоху ИИ-кодинга? 🤔

Недавно прослушал интересный видео-подкаст с Джоном Остерхаутом, профессором компьютерных наук Стэнфордского университета и автором книги "Философия дизайна программного обеспечения". Он поделился мыслями о значимости дизайна ПО в эру искусственного интеллекта.

Ключевые выводы:

1️⃣ Влияние ИИ на разработку: ИИ улучшит генерацию низкоуровневого кода, но не заменит высокоуровневый дизайн. По мере того как ИИ будет брать на себя больше задач кодирования, разработчики будут больше фокусироваться именно на дизайне.

2️⃣ Управление сложностью: Хороший дизайн ПО заключается в разбиении сложных систем на меньшие, управляемые блоки. Декомпозиция играет решающую роль.

3️⃣ Устранение и управление сложностью: Существуют два основных подхода — устранение сложности через хороший дизайн и сокрытие сложности через модуляризацию.

Часть про управление сложностью очень созвучна тому, что написано в 2х крутейших монографиях по сетевым технологиям: Navigating Network Complexity и Computer Networking Problems and Solutions

4️⃣ "Тактические торнадо": Разработчики, которые ставят скорость выше качества, часто оставляют после себя беспорядочный код и технический долг, который приходится разгребать другим.

5️⃣ Глубокие и поверхностные модули: Глубокие модули упрощают пользовательский опыт, скрывая внутреннюю сложность и предоставляя рычаг против сложности системы.

6️⃣ Проектируйте дважды: Не останавливайтесь на первом решении. Обдумывание альтернатив часто приводит к лучшим дизайнерским решениям при минимальных временных затратах. Все в духе русской пословицы "семь раз отмерь - один раз отрежь".

В эпоху ИИ-программирования роль дизайнеров ПО будет становиться всё важнее. Интервью напоминает, что отличным инженерам-программистам нужны не только сильные технические навыки, но и превосходное дизайн-мышление, способность к абстракции, эмпатия и постоянное стремление к обучению и рефлексии.

Детальный транскрипт видео-подкаста здесь
Саммари транскрипта выложил тут

#software_design #ai_coding #programming_philosophy #code_complexity #software_engineering

ByteDance открыл исходный код FlowGram: инструмента для оркестрации рабочих процессов, который используется в Coze!

Компания ByteDance, известная как создатель TikTok, недавно сделала важный шаг для сообщества разработчиков — открыла исходный код своего инструмента FlowGram 🔄

Что такое FlowGram?

FlowGram — это движок для построения процессов на основе узлов, который позволяет разработчикам быстро создавать рабочие процессы с:

• фиксированными макетами
• произвольными соединениями между компонентами

Ключевые особенности

Инструмент предоставляет набор лучших практик для взаимодействия, что делает его особенно полезным для:

1️⃣ Визуализации рабочих процессов
2️⃣ Создания четких входных и выходных параметров
3️⃣ Упрощения сложных последовательностей действий

Если вы интересуетесь инструментами оркестрации или работаете с Coze, стоит обратить внимание на этот проект.
Кажется, что теперь сделать свое no-code решение стало еще проще :)

• Исходный код доступен на GitHub: https://github.com/bytedance/flowgram.ai
• Подробная документация со схемами архитектуры от deepwiki здесь

#workflow #bytedance #opensource #development #ai

DeepWiki MCP: новый инструмент для работы с документацией GitHub 📚

В дополнениии к GitMCP и Сontext7 Cognition Labs выпустила DeepWiki MCP — бесплатный сервер для интеграции с AI-кодерами вроде Cursor. Инструмент позволяет получать информацию из документации GitHub-репозиториев прямо в процессе написания кода.

Основные возможности:

• ask_question — задать вопрос о любом GitHub-репозитории и получить ответ на основе документации
• read_wiki_contents — получить детальную документацию из репозитория
• read_wiki_structure — просмотреть структуру и разделы документации

Технические особенности:

🔹 Полностью бесплатный и открытый
🔹 Не требует регистрации или аутентификации
🔹 Поддерживает протоколы SSE и Streamable HTTP
🔹 Совместим с любыми MCP-клиентами

Настройка в Cursor:

1️⃣ Для конкретного проекта: создать файл .cursor/mcp.json в папке проекта (жаль нет возможности создавать список проектных mcp-серверов в UI)
2️⃣ Для глобального использования: создать файл ~/.cursor/mcp.json в домашней директории (или в UI)

Базовый URL сервера: https://mcp.deepwiki.com/

Пример настройки:

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": [
        "-y",
        "@upstash/context7-mcp@latest"
      ]
    },
    "deepwiki": {
      "url": "https://mcp.deepwiki.com/mcp"
    }
  }
}

Пример использования на скриншоте.

Инструмент может быть полезен разработчикам, которые часто работают с документацией и хотят сократить время на поиск информации.

#mcp #cursor #github #documentation #ai

Stagewise: инструмент для точной настройки UI с помощью ИИ 🎯

Stagewise — это браузерная панель инструментов, которая соединяет веб-интерфейс с ИИ-агентами в редакторах кода. Основная идея: выбираете элементы на странице, оставляете комментарий и позволяете ИИ внести нужные изменения.

Как это работает:
🔸 Устанавливаете расширение в VS Code/Cursor
🔸 Добавляете компонент в веб-приложение
🔸 Выбираете элементы прямо в браузере
🔸 Описываете желаемые изменения
🔸 ИИ получает контекст и вносит правки в код

Основные возможности:
🔸 Работает с React, Next.js, Vue
🔸 Передает DOM-элементы, скриншоты и метаданные
🔸 Поддерживает выбор нескольких элементов
🔸 Настраивается через конфигурационный файл

Поддерживаемые ИИ-агенты:
1️⃣ Cursor ✅
2️⃣ Windsurf ✅
3️⃣ GitHub Copilot 🚧 (в разработке)
4️⃣ Остальные пока не поддерживаются

Архитектура системы:
🔸 Браузерная панель инструментов
🔸 Расширение для VS Code
🔸 Типобезопасная RPC-система для связи
🔸 MCP-сервер для интеграции с ИИ

Инструмент решает проблему точной настройки UI, когда ИИ делает 80% работы правильно, но остальные 20% требуют детальных правок. Вместо описания изменений текстом, предоствляя скриншот, вы просто показываете конкретные элементы. Такая функциональность обычно встроена во все AI веб-кодеры (lovable, bolt.new, replit и т.д.), а stagewise дает возможность получить ее в IDE-кодерах на своем ПК или mac'e.

Проект с открытым исходным кодом, активно развивается.
Монорепозиторий включает компоненты для разных фреймворков и систему сборки на базе pnpm и Turborepo.
Deepwiki документация со схемами по нему здесь.

#ai #frontend #cursor #ui #development

GitHub представил Copilot Spaces — новый инструмент для управления знаниями команды 🚀

Команды разработчиков часто сталкиваются с проблемой разрозненной информации: код разбросан по репозиториям, документация спрятана в файлах, а лучшие практики существуют только в головах опытных коллег. Это замедляет работу и усложняет сотрудничество.

GitHub выпустил Copilot Spaces — инструмент, который организует всю информацию в единые "пространства", устраняя разрыв между кодом и контекстом 📚

Как это работает

Copilot Spaces позволяет создавать тематические пространства, включающие:
• Репозитории с кодом
• API документацию
• Рабочие процессы
• Командные соглашения

Каждое пространство может иметь собственные команды для настройки поведения Copilot под конкретные задачи.

Ключевые особенности

🔗 Глубокая интеграция с GitHub — добавляйте код и документы прямо из репозиториев без копирования
⚡️ Автоматическое обновление — при изменении репозитория пространство обновляется автоматически
🎯 Контекстные ответы — Copilot дает рекомендации на основе актуального состояния проекта

Как создать пространство

1️⃣ Перейдите на github.com/copilot/spaces 2️⃣ Нажмите "Create space" 3️⃣ Укажите название и владельца (личный аккаунт или организация) 4️⃣ Добавьте описание (опционально) 5️⃣ Нажмите "Create"

Типы контента в Spaces 📝

1️⃣ Инструкции — описание того, на чем должен фокусироваться Copilot 2️⃣ Ссылки — код из GitHub репозиториев и текстовый контент

Сценарии применения 💡

• Онбординг — быстрое введение новых разработчиков в курс дела
• Системные знания — документирование сложных процессов (аутентификация, CI/CD)
• Стандарты кода — руководства по стилю и чек-листы для ревью
• Разработка фич — организация контекста для конкретных задач

💡 Для получения пользы от Spaces не нужна формальная документация — можно использовать заметки, резюме встреч или простые списки.

Функция находится в публичном превью и доступна всем пользователям с лицензией Copilot 🔧

Источники:
• Анонс
• Документация

#github #copilot #development #knowledge #teamwork

DeepSeek-R1-0528: новая модель с открытым исходным кодом 🤖

Компания DeepSeek выпустила обновленную версию своей модели R1-0528, которая теперь доступна с открытым исходным кодом на платформе HuggingFace.

Основные характеристики модели:

• Выполняет глубокий анализ и генерацию текста
• Обладает естественным стилем рассуждений
• Поддерживает длительную обработку задач
• Может работать над одной задачей до 30-60 минут
• Основана на DeepSeek-V3-0324 с 660B параметрами

Результаты тестирования 📊

На бенчмарке LiveCodeBench новая модель показала результаты:

1️⃣ Сопоставимые с o3-mini (High) и o4-mini (Medium) 2️⃣ Превосходящие Gemini 2.5 Pro 3️⃣ Значительное улучшение способностей к программированию

Модель представляет собой заметный шаг вперед для open-source решений в области ИИ. Веса модели уже доступны для загрузки, хотя описание на HuggingFace пока не обновлено.
Модель уже можно использовать в AI-кодерах Roo Code/Cline, например, через https://www.requesty.ai/ (на openrouter пока нет)

🔗 Ссылка: https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main

#deepseek #opensource #ai #llm #reasoning