Не, ну это гениально :)

Плагин использует веб-камеру и Mediapipe для точного подсчёта повторов упражнений.

Запускает промпт только после завершения повторений, а незавершённые повторения сохраняются в качестве долга для следующей сессии.

Предлагает различные пресеты и триггеры, а также отслеживает статистику.

https://github.com/BotchetDig/workout-gate

#навыки #claudecode #workout
------
@tsingular

📖 The New SDLC with Vibe Coding — свежий whitepaper от Google

Основная мысль: программирование превращается в задачу по корректному формулированию намерения.
Разработчик говорит что нужно сделать, машина решает, - как.

Ключевые идеи:

🔄 Спектр: вайб-кодинг → агентная инженерия. Вайб-кодинг — это «написал промпт, принял что дали, сломалось — скопипастил ошибку обратно».
Агентная инженерия — это спецификации, тесты, гардрейлы, оценка траектории, человеческий надзор.
Разница не в инструментах, а в дисциплине.

🧠 Контекстная инженерия — ключевой навык. Качество кода зависит не от сложности промпта, а от качества контекста: AGENTS.md, файлы правил, память, навыки, RAG.
Статический контекст vs динамический — это инженерный компромисс, который надо версионировать как код.

⚙️ Модель — лишь двигатель. Харнес — вся остальная машина (ближайшее по смыслу слово, - обвязка, если кому не знаком термин).
Промпты, инструменты, песочницы, хуки, оркестрация, наблюдаемость — это и есть харнес.
На Terminal Bench 2.0 команда подняла агента из-за пределов топ-30 в топ-5, поменяв только харнес, без смены модели.

🎭 Дирижёр и оркестратор — две роли разработчика. Дирижёр работает в IDE, контролирует каждую строку. Оркестратор ставит цели, делегирует агентам, проверяет результат.
Режим зависит от задачи, а не от «лестницы автономности».

⚠️ Проблема 80%. Агент пишет 80% кода за минуты, но оставшиеся 20% — граничные случаи, обработка ошибок, интеграция — требуют глубокого контекста.
Ошибки выросли от синтаксических к концептуальным: код «выглядит правильно», но содержит незаметные архитектурные дефекты.

💰 Экономика: низкий CapEx, высокий OpEx у вайб-кодинга. Подписка на ИИ-ассистента стоит копейки, но токены сжигаются в бесконечных «промпт-петлях», а техдолг от неструктурированного кода копится экспоненциально.
Агентная инженерия — высокий CapEx (проектирование спецификаций, тестов, контекста), зато OpEx резко падает.

🏭 Фабричная модель.
Разработчик проектирует не код, а систему, которая производит код.
Как менеджер завода проектирует сборочную линию, а не собирает каждую деталь вручную!!!

Практические рекомендации:
- Заведите AGENTS.md (10 строк: стек, соглашения, жёсткие правила, воркфлоу)
- Пишите тесты и эвалы до генерации кода — это ваш контракт с ИИ
- Различайте прототипирование (вайб-кодинг) и продакшен (агентная инженерия) явно
- Инвестируйте в харнес как в общий актив команды
- ИИ умножает вашу инженерную культуру — и сильные, и слабые стороны

Книга на английском в комментарии

Перевод на русский выложил в ИИзбранном

#ai #vibecoding #sdlc #google #dev
———
@tsingular

Google Cloud представила Open Knowledge Format: “agentic skills”, но для данных и корпоративного контекста

Google Cloud представила Open Knowledge Format (OKF) — открытый формат для хранения знаний для AI-агентов.

Такой вариант смеси wiki памяти от Карпатого и агентских навыков.
Только если в навыках описывается как агенту выполнять задачу, то OKF описывает, что агенту нужно знать о данных, метриках, таблицах, API и процессах.

Проблема, которую они решают: знания в компаниях разбросаны по каталогам, wiki, Google Drive, комментариям в коде и головам старших инженеров.

Поэтому каждый AI-агент заново собирает контекст: что означает метрика, как джойнить таблицы, где актуальный runbook, какие API устарели.

OKF предлагает хранить знания как папку с Markdown-файлами и YAML-метаданными.
Один файл = один концепт: таблица, датасет, метрика, API или runbook.
Связи между ними задаются обычными markdown-ссылками, превращая папку в граф знаний, понятный и людям, и агентам.

Почему это важно:
• знания можно версионировать рядом с кодом
• их можно читать в любом редакторе или на GitHub
• AI-агенты могут использовать один и тот же формат без кастомных интеграций
• формат не привязан к Google Cloud, BigQuery или конкретной LLM
• команды могут постепенно превращать внутреннюю экспертизу в переносимую “живую wiki”

#Google #навыки #OKF
———
@tsingular

#юмор #fail
———
@tsingular

не, ну то всё шутки были, вот нормальное руководство нашел.

#юмор
———
@tsingular

🤖 Автономный ИИ в промышленности: реальные примеры

Автономное принятие решений в промышленности — это уже не футуристическая концепция, а активно развивающаяся реальность. Переход от рекомендательных систем к агентным ИИ является ключевым трендом, который обещает повысить эффективность производств за счёт сокращения простоев и оптимизации ресурсов. Рассмотрим этот процесс на примерах из химической и нефтехимической промышленности — сектора, где цена ошибки особенно высока.

🏭 Sinopec и промышленный ИИ-агент «Фэнхо»

В мае 2026 года китайский нефтехимический гигант Sinopec представил промышленного ИИ-агента «Фэнхо» — первое в отрасли решение, которое превращает искусственный интеллект в полноценного «цифрового сотрудника» по версии компании.

Что умеет «Фэнхо»:

Агент построен на базе собственной большой языковой модели Sinopec «Великая стена» и способен выполнять три ключевые функции:

▪️ Анализ производственных данных и взаимодействие с промышленным ПО. Агент работает с симуляционными и технологическими системами, выполняя инженерные расчёты.

▪️ Глубокое накопление знаний. В систему интегрировано более миллиарда экспертных наблюдений и единиц накопленного опыта, по заявлению компании, что позволяет ей выполнять задачи с уровнем компетенции опытного специалиста.

▪️ Автономное выполнение длительных задач. «Фэнхо» способен самостоятельно декомпозировать многоэтапные промышленные процессы на подзадачи и стабильно выполнять их в течение нескольких часов без вмешательства человека.

Как это выглядит на практике:

Агент развёрнут в четырёх ролях: «Учёный», «Инженер», «Программист» и «Ассистент». Первые две роли — ключевые для производства. Они автономно проводят динамический анализ разработки месторождений и оптимизируют процессы нефтепереработки, дополняя специалистов на трудоёмких инженерных и аналитических задачах. Важно, что это инженерный и аналитический контур, а не контур регулирования технологическим процессом.

🧪 Завод «Ваньхуа»: предиктивный контур, а не автономное управление

Китайский химический концерн Wanhua Chemical совместно с Huawei развернул ИИ на площадке в Яньтае, где эксплуатируется более 30 тысяч единиц оборудования. По данным Huawei, представленным на HUAWEI CONNECT 2025, на базе модели Pangu выстроено несколько контуров.

▪️ Предиктивное обслуживание более 2 тысяч ключевых единиц оборудования с точностью прогноза выше 90 процентов.

▪️ Система диагностики отказов на инференс-модели Pangu, сократившая время ручного обхода и инспекций на 20 процентов.

▪️ Агент проверки текстов стандартных операционных процедур, поднявший эффективность проверки более чем на 50 процентов.

Принципиально, что это контур предиктивной аналитики, диагностики и оптимизации режима, а не контур регулирования. ИИ выявляет аномалии, даёт ранние предупреждения и рекомендации по технологическому режиму, обеспечивая переход от реактивного обслуживания к проактивному. Исполнение и быстрые контуры остаются за штатными системами управления.

📌 Что это значит для отрасли

Оба примера показывают, что автономный ИИ в нефтехимии перешёл из лабораторий на реальные производства. Ключевые выводы:

▪️ ИИ становится «коллегой», а не просто инструментом. Он берёт на себя задачи, требующие глубоких знаний и длительного анализа.

▪️ Экономический эффект от внедрения выражается приростом эффективности и снижением издержек на обслуживание.

▪️ Оба внедрения работают на уровне инженерии, оптимизации и диагностики, на горизонте минут и часов. Контур регулирования и исполнение остаются за детерминированными системами управления.

📚 Источники

https://technode.com/2026/05/26/sinopec-launches-industrial-ai-agent-to-empower-oil-and-chemical-operations/

https://www.sinopec.com/listco/en/news/business_news/20260526/news_20260526_484911985116.shtml

https://e.huawei.com/my/blogs/2025/industries/oil-gas/build-smart-wanhua-chemical

https://e.huawei.com/en/industries/industrial-networking/wanhua-chemical-case

#AI #Industrial

—

🌐 Highload & Mission Critical

Google Genie3 теперь может генерить виртуальное окружение на базе streetview из Google maps.

Доступно подписчикам плана Ultra

GTA можно опять переносить :)

#Google #Genie #AR #VR
------
@tsingular

Чёрное зеркало - трекер прогресса

Кто-то должен был это сделать рано или поздно, поэтому держите.

Разобрал каждую серию сериала Чёрное зеркало, убрал описания сюжета, чтобы особо не спойлерить, вытащил ключевые технологии каждой серии и по каждой нарыл новости, подтверждающие наличие технологии в нашем мире.

изучать тут:
https://www.tsingular.ru/blackmirror/

Предложения по доработке приветствуются

#blackmirror #сайт #dev
———
@tsingular

Midjourney строит сеть спа салонов с ультразвуковыми медицинскими сканерами, которые заменяют МРТ и работают в сотни раз быстрее

📋 Компания, которая научила мир генерировать изображения по текстовому описанию, теперь хочет генерировать трёхмерные карты человеческого тела.

Звучит как фантастика:
Вы заходите в неглубокий бассейн с золотистым светом, медленно погружаетесь в воду, а кольцо из полумиллиона микроскопических квадратов — каждый размером с песчинку, каждый одновременно динамик и микрофон — окружает вас и испускает ультразвуковые волны, которые проходят сквозь ткани разной плотности, меняют форму и возвращаются обратно. Через минуту у вас трёхмерная карта тела с разрешением до долей миллиметра, почти в сто раз быстрее МРТ.

💡 Пятьсот тысяч элементов кольца излучают и принимают сигнал миллионы раз в секунду, создавая терабайты данных ежесекундно: если перевести этот поток в HD-видео, на каждую секунду сканирования пришлось бы 500 часов просмотра.
Тысячи компьютеров обрабатывают волновые искажения и восстанавливают по ним объёмную картину внутренних структур.
Первые реконструированные срезы уже опубликованы, и качество напоминает МРТ, только полученное без часа неподвижного лежания в гудящей трубе, да еще и с риском притяжения металлов.

Спа-формат здесь — ключевая часть замысла: Midjourney хочет, чтобы сканирование стало побочным эффектом приятного визита с горячими купелями, саунами и бассейнами золотого света, открытого круглосуточно.

Первый спа откроется в Сан-Франциско в конце 2027 года, а к 2031 году компания рассчитывает развернуть 50 000 сканеров по всему миру с пропускной способностью в миллиард сканирований в месяц.

💼 Дорожная карта: ближайший год — доработка алгоритмов и железа плюс исследовательский спа для массового сбора данных, конец 2027 — первый публичный спа, 2028 — масштабирование на новые города и Gen3-сканер с собственным кремнием, обещающий качественный скачок «как день и ночь».

Регуляторный путь начинается с карт состава тела, затем данные испытаний уйдут в FDA для расширения диагностики. Midjourney оценивает потенциальный эффект в предотвращение 30% всех смертей и 50% расходов на здравоохранение — цифры спекулятивные, но подход к мониторингу здоровья через регулярные, дешёвые и безболезненные сканирования действительно не имеет аналогов.

При этом у Midjourney нет инвесторов: это лаборатория на средства сообщества, обычных пользователей, которые платят за подписку на генератор изображений и тем самым финансируют медицинский проект.

📎 Анонс на сайте Midjourney · Галерея сканов · Галерея спа · Форма участия

#Midjourney #MedTech #HealthAI
------
@tsingular

Xiaomi зарелизила MiMo Code — агента, который не теряет нить на 200+ шагах и обходит Claude Code на длинных задачах

📋 Xiaomi выкатила MiMo Code, - открытого терминального агента для программирования на базе OpenCode, заточенного под длинные сессии.
На одной модели MiMo-V2.5-Pro он показывает 62% на SWE-bench Pro против 57% у Claude Code и 73% на Terminal Bench 2 против 68%, - разрыв в пять пунктов, обеспечивается архитектурой агента, а не моделью.

💡 Три ключевых механизма: Max Mode генерирует пять параллельных решений за шаг и выбирает лучшее (прирост 10–20% на бенчмарках), независимая верификация завершения не даёт агенту остановиться раньше времени, а Dynamic Workflow заменяет промпты на JavaScript-скрипты для детерминированной оркестрации десятков субагентов (в чём то похоже на openrouter fusion).
Память на SQLite FTS5 с авто-снапшотами и реконструкцией контекста: при возобновлении сессии агент не переучивает проект заново, а восстанавливает состояние из последней контрольной точки.

💼 Релиз v0.1.1, 9 600 звёзд, MIT. Бесплатный канал MiMo Auto, любой LLM-провайдер, миграция из Claude Code в один шаг.
По опросу 576 разработчиков, MiMo Code обходит Claude Code именно на задачах длиннее 200 шагов — там, где обычные агенты сыпятся.

📎 GitHub · Блог про длинные задачи · Документация · VentureBeat

#MiMo #Xiaomi #OpenCode #OpenSource
------
@tsingular

забавно, как эта сказка отражает ситуацию с Fable

промелькнул призрак сингулярности и пропал.
теперь довольствуемся воспоминаниями об AGI

https://www.tsingular.ru/creativity/skazka-singulyarnosti/

хотя, вот, говорят GPT 5.6 вышла, вот вот всем раскатают, - может вернется ощущение "бога в кармане" :)

#сказка #Fable
———
@tsingular

Поколение, которое копипастило код со StackOverflow, издевается над поколением, которое копипастит код от LLM

#юмор
------
@tsingular