AgentCloak запускает бесплатное расширение для браузера, которое помогает не передавать личные данные в запросах к ИИ.

По словам разработчика, небольшая ИИ-модель работает локально прямо в браузере, находит такие данные, как имена и номера счетов, и заменяет их на подставные значения перед отправкой запроса. После получения ответа расширение возвращает исходные данные обратно.

Поддерживаются ChatGPT, Claude, Gemini, Grok, DeepSeek и другие модели. Регистрация не требуется.

https://incountry.com/

Рекомендую попробовать Codex вместе с Jev. В связке они ускоряют работу с браузером в 5–10 раз.

Обычно когда Codex сам работает со страницей, ему на каждом шаге приходится читать DOM, рассуждать и вызывать инструмент. Каждый такой цикл добавляет задержку.

Теперь действия вроде нажатий, переходов, переключений и прокрутки можно отдать Jev, а Codex оставить рассуждения, ввод текста и проверку результата по изображению.

Основные преимущества:

> Jev последовательно выполняет действия, а Codex подключается только когда нужно что-то ввести или проверить изображение

> Чем меньше обращений к модели, тем ниже задержка и расход

Как настроить:

1) Подготовить Codex с браузером/CUA, Node.js 22+ и ключом TypeSafe API

2) Установить Skill для Codex: npx skills add wy-coliney/jev-browser-use -g -a codex -y

3) Настроить ключ Jev и запустить новую задачу Codex. Skill будет передавать Jev нажатия, переходы, переключения и прокрутку

4) Когда требуется принять решение или ввести текст, управление возвращается Codex. После этого Jev продолжает выполнение

5) Проверить всё на реальной странице продукта или в автоматизированном тесте

Тем, кто самостоятельно разрабатывает продукты и каждый день прогоняет тесты через браузер, стоит попробовать.

Skill открыт: https://github.com/wy-coliney/jev-browser-use

Jev теперь можно подключить к Codex, Claude Code и другим агентам через открытый проект JevRouter.

Он позволяет использовать Jev без переписывания существующей оркестрации и берёт на себя маршрутизацию между моделями, инструментами и субагентами. Разрешения и подтверждения при этом остаются у основного агента.

В опубликованном авторами тесте Toolathlon на 10 задачах Jev показал 38% точности выбора инструмента на первых пяти шагах против 24% у DeepSeek V4.1 Flash.

Авторы также заявляют примерно 5,5-кратное преимущество по скорости и семикратное снижение стоимости.

Как подключить:

1) Получить ключ Jev. Модель уже доступна через OpenRouter / Vercel

2) Открыть http://jevrouter.co и скопировать инструкцию

3) Добавить ключ и передать инструкцию Codex, Claude Code или другому поддерживаемому агенту

ИИ-агентам по-прежнему нужен контроль на высоком уровне. При этом ручная проверка кода уже становится узким местом, а сами модели стали достаточно сильными, чтобы жёсткие детерминированные системы проверки начали ограничивать их возможности.

Возникает вопрос, как тогда контролировать результат их работы?

Для этого, Боб Мартин, известный как автор "Чистого кода", создал специальный инструмент анализа системы, связанный с агентом. Он показывает структуру проекта в виде диаграммы, похожей на UML, и подсвечивает её метриками CRAP и мутационного тестирования.

Диаграмма интерактивная. Можно выбрать любой элемент и постепенно провалиться от общей архитектуры вплоть до конкретного участка кода.

Если пользователь видит проблемную часть системы, он может сразу поручить связанному агенту внести изменения. Это может быть как перестройка архитектуры, так и локальный рефакторинг. Агент вносит правки, после чего обновлённая структура снова появляется на диаграмме.

Инструмент он сделал под себя, но его можно использовать как шаблон и поручить агенту собрать собственную версию под конкретный проект.

Пока это рабочий прототип, поэтому в ближайшие недели он наверняка сильно изменится. Но к тому моменту вы, скорее всего, уже будете переделывать его под себя.

А улучшения всегда можно забирать обратно из исходника или из форков других разработчиков и интегрировать в свою.

http://github.com/unclebob/uml-viewer

Можно легко расшарить свой localhost кому угодно через бесплатный сервис от Cloudflare.

Достаточно запустить одну команду: cloudflared tunnel --url http://localhost:8000

Удобно для локальных проектов, тестирования вебхуков, демонстрации работы клиентам, быстрых превью и доступа ИИ-агентов к локальным приложениям :)

https://try.cloudflare.com/

Похоже, у Jev появилась открытая локальная альтернатива — Laya.

Laya - локальная открытая модель принятия решений на 421 млн параметров. Она работает со структурированными решениями (быстрые ответы да/нет, оценка или выбор из вариантов).

> работает менее чем с 1 ГБ памяти
> бесплатно доступна на Hugging Face
> запускается на ноутбуке и даже на телефоне

В тесте Laya сравнили с облачным Jev. Обе системы играли в одну и ту же змейку с одинаковым форматом решений в течение 30 секунд.

> Laya — счёт 46, длина 52, 86,5 решений в секунду, P50 около 9 мс
> Jev — счёт 1, длина 7, 3,2 решения в секунду, полный цикл запроса к API 317 мс

На M5 Pro медианное время составило 15,3 мс для локальной Laya и 298,1 мс для облачного Jev. Это почти 20-кратная разница в этом тесте.

Главное отличие здесь в том, что Laya принимает каждое решение локально, тогда как Jev на каждом шаге ждёт ответ от облачного API.

При этом у проекта есть два ограничения, о которых заявляется прямо:

1) контекст всего 512–1024 токена, поэтому некоторые задачи просто не поместятся
2) без дополнительной настройки Laya хуже обобщает, чем Jev

GitHub - https://github.com/NandhaKishorM/laya