Кто‑то буквально сделал лёгкий способ обходить лимит запросов, установленный antigravity, одной командой: Multigravity

Можно запускать несколько профилей Antigravity IDE одновременно, и у каждого свои аккаунты, настройки и расширения.

Больше не нужно постоянно логиниться и выходить. Просто переключайтесь между профилями мгновенно или используйте их все сразу 😨

> Примечание: поддерживаемые ОС — macOS, Windows и Linux.

Установка:

🐧 macOS / Linux
Откройте терминал и вставьте:

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/sujitagarwal/multigravity-cli/main/install.sh)"

🖥 Windows
Откройте PowerShell и вставьте:

irm https://raw.githubusercontent.com/sujitagarwal/multigravity-cli/main/install.ps1 | iex

Готово, Multigravity установлен.

1. Создание профиля
Дайте ему любое имя — ваше, проекта, клиента или любое другое:

multigravity new work
multigravity new personal

Также создается кликабельный запускатор:

- macOS: пакет приложения в ~/Applications
- Windows: ярлык в Старт Меню → Программы
- Linux: десктопный ярлык в ~/.local/share/applications

2. Открытие профиля

multigravity work

Antigravity откроется с изолированными настройками, аккаунтами и расширениями этого профиля.

Можно передавать обычные аргументы Antigravity:

multigravity work --new-window
multigravity work .
multigravity work path/to/file.py

3. Просмотр всех профилей

multigravity list

4. Клонирование профиля
Создайте копию существующего профиля:

multigravity clone work work-copy

Функции для продвинутых пользователей:

» Автодополнение в Shell
Включает таб-комплит для команд и имен профилей:

multigravity completion

Следуйте инструкциям, чтобы добавить настройку в ваш shell-профиль (.zshrc, .bashrc или PowerShell $PROFILE).

» Самообновление

multigravity update

» Диагностика системы

multigravity doctor

» Статистика хранилища

multigravity stats

Другие команды:

Переименовать профиль:

multigravity rename work freelance

Удалить профиль:

multigravity delete personal

> Система спросит подтверждение перед удалением.

Получить справку:

multigravity help

Правила имен профилей:

- Только буквы, цифры и дефисы
- Должно начинаться с буквы или цифры

Правильно: work, client-a, test1
Неправильно: -name, my_profile

100% опенсорс

«Анонс ещё одной порции шлака от Microslop». 🍺

Именно так встретили новый анонс от Microsoft: Copilot Cowork.

По задумке, всё примерно как у Anthropic. Когда вы передаёте задачу Cowork, он превращает ваш запрос в план и выполняет его в ваших приложениях и файлах, опираясь на рабочие данные и действуя в рамках политик безопасности и управления Microsoft 365.

То есть: попросили — он сам разложил задачу на шаги и прошёлся по документам, почте и другим сервисам.

Напоминание: вы можете использовать Codex code review как часть вашей подписки на ChatGPT 🙂

1. Перейдите на http://chatgpt.com/codex
2. Подключите свой GitHub
3. Включите code review
4. Выберите режим: проверять все PR, только ваши или запускать ревью вручную через @codex review this

Чтобы не заспамить вас комментариями, Codex будет отвечать просто, если не найдёт проблем высокого приоритета.

Через AGENTS.md можно настроить, что именно считать high-priority issue.

Andrew Ng объявил о запуске Context Hub: oпенсорс инструмента, который предоставляет вашему кодинг-агенту актуальную API-документацию.

Это решает проблему, когда кодинг-агенты обращаются к устаревшим API и «галлюцинируют» несуществующие параметры. Например, когда попросили Claude Code вызвать OpenAI GPT-5.2, он использовал старый API chat completions вместо более нового responses API, хотя новый уже существует около года. Context Hub решает эту проблему.

Context Hub также спроектирован так, чтобы со временем становиться умнее. Агенты могут аннотировать документацию заметками — если ваш агент находит обходное решение , он может сохранить его и не будет заново «открывать» его в следующей сессии.

"В долгосрочной перспективе мы движемся к тому, чтобы агенты могли делиться тем, чему они научились, друг с другом, чтобы от этого выигрывало всё сообщество." — Andrew Ng

Установка:

npm install -g @aisuite/chub

100% опенсорс 😶

Запускайте Claude Code с использованием локальных LLM бесплатно.

Claude Code позволяет заменить свой backend через одну переменную окружения. Укажите ANTHROPIC_BASE_URL на локальный сервер llama.cpp, и все запросы будут направляться к той модели, которую вы запускаете локально.

Команда Unsloth подготовила пошаговое руководство, где показано, как запускать Claude Code с использованием Qwen3.5.

В нём рассматривается всё: от загрузки модели до настройки сервера и запуска Claude Code.

Суть в том, чтобы поднять модель на порту 8001 через llama-server, а затем задать две переменные окружения: ANTHROPIC_BASE_URL и фиктивный ANTHROPIC_API_KEY. На этом всё. Claude Code будет считать, что взаимодействует с API Anthropic. 😄

Alibaba открыла исходный код GUI-агента, который работает прямо внутри веб-страницы и управляет ею с помощью естественного языка.

Он называется Page Agent, и это не расширение браузера.

Это чистый JavaScript - без Python, без Puppeteer, без headless-браузера и без скриншотов.

Просто один <script>-тег, и ваше веб-приложение начинает понимать естественный язык. ‼️

Вот что он на самом деле умеет:

→ Встраивается одним <script>-тегом или через npm install
→ Управляет любым веб-интерфейсом с помощью команд на обычном английском
→ Текстовые манипуляции с DOM — без OCR и без vision-моделей
→ Можно подключить любую свою LLM (GPT, Claude, Qwen — любую)
→ Поставляется со встроенным UI и поддержкой human-in-the-loop
→ Превращает 20 кликов в ERP/CRM-интерфейсе в одно предложение
→ Опциональное Chrome-расширение для агентных задач в нескольких вкладках
→ Работает с любыми веб-приложениями: SaaS, админ-панели, внутренние инструменты

Это вполне может стать полноценным слоем AI-copilot для внутренних инструментов и SaaS-приложений. Но чудес тут нет. Инструмент пока ещё сырой.

Форкните его, протестируйте и обязательно оставьте контроль за человеком.

1.6K звёзд. 100% Open Source. 😊

Можно нам хотя бы один день спокойствия? 🥁

Разработчик поделился практическим подходом к созданию Agent Skills, который, по его словам, даёт более лучшие результаты примерно в 90% случаев. 🍭

Ключевой принцип это harness optimization - строгую регламентацию того, что агент может делать. Идея проста: лучше работает даже посредственный агент внутри строгой системы ограничений, чем более мощный агент в плохо структурированном окружении.

По его словам, речь идёт не о prompt-инженерии, а о дизайне системы взаимодействия с агентом.

В своём подходе он выделяет несколько основных элементов:

1. Metadata
Name, description, triggers. LLM хорошо распознают такие секции и их не нужно усложнять. Они должны быть функциональными и по делу.

2. Skill Purpose
Один короткий абзац. По сути — pitch. Нужно лишь, чтобы агент понял основную идею. Детали идут дальше.

3. Instructions
Каждый шаг — с чёткими и точными инструкциями. Если нужно выполнить скрипт, он указывает точный путь:
Execute: ~/Documents/script/run.py

Его личное правило: если Skill требует больше 3 шагов — разбиваем её на более мелкие Skills.
Больше ограничений → лучше результат
(он специализирует агента на узких задачах).

4. Non-Negotiable Acceptance Criteria
Самая важная секция. Здесь ты определяешь, что НЕ обсуждается.
Агент не выдаёт результат, если не выполнены все критерии.

Многие используют “Rules” или “Objectives”.
Но он предпочитает “Non-Negotiable”, потому что, это как бы не подлежит обсуждению

А слово “Rules” звучит мягче, оно оставляет агенту пространство решать, что соблюдать, а что игнорировать.

5. Output
Точный формат ответа. Без строгого формата невозможно стабильно связывать Skills в цепочки.

Главный принцип метода - атомарные и узкоспециализированные задачи. Каждый Skill должен выполнять только одну функцию, а итоговое решение получается за счёт комбинации нескольких таких Skill-oв .

Если вы пишете Skills и агент выдаёт нестабильные результаты, скорее всего harness слишком слабый.