Мы все стали немного киборгами в 2025-м 🤖

Год назад я смотрел на свой терминал и не понимал, как люди пишут приложения за вечер. Казалось, какой-то булщит, ну не может такого быть...

А потом для меня случился 2025-й.

Я тоже начал вайбкодить (в большой степени благодаря компании, в которой я работаю до сих пор), завёл этот канал, прочитал кучу книжек про AI, менеджемент, продуктивность и когнитивные причуды. Но это не история про «мои достижения года». Честно? Меня больше вштыривает не то, что я сделал, а то, что стало возможным в принципе.

Что реально изменилось
1. Вайбкодинг перестал быть мемом. Cursor, Claude Code, Copilot, Codex вполне стали рабочими инструментами для многих. Я видел, как ребята без опыта в коде собирали рабочие MVP за выходные. Закрывали техдолг в компаниях, к которому годами боялись притронуться. Год назад это звучало как фантастика, для меня так точно.
2. AI в медицине вышел из стадии «перспективное направление». Борьба с раком, диагностика по снимкам, персонализированные протоколы лечения, «второе медецинское мнение». Всё больше анонсовв про реальные внедрения. Хотя, если честно, до массового применения ещё пахать и пахать.
3. Open-source LLM догнали (почти) проприетарные модели. DeepSeek, Qwen. Китайцы «жарили своими релизами» этот год только так!
4. MCP и агентные фреймворки сделали AI из «умного чат-бота» реальным инструментом, который может дёргать API, работать с файлами, автоматизировать. Не идеально, с кучей костылей, но работает.

Что меня напрягает
Скорость изменений. Серьёзно. Я не успеваю переваривать. Каждую неделю новая модель, новый фреймворк, новый «убийца» чего-то. Иногда хочется просто остановиться и разобраться в том, что уже есть.

И да, вопрос «а что будет с рабочими местами» никуда не делся. Не знаю ответа. Никто не знает.

Но вот что я понял за этот год
Сила не в том, чтобы освоить всё самому. Сила в комьюнити. В open-source контрибуциях. В том, чтобы делиться находками, а не прятать их.

Очень надеюсь, что в 2026-м мы научимся жить с AI как с инструментом, а не как с угрозой или панацеей. Что найдём баланс между «вау, оно само пишет код» и «подожди, а я вообще понимаю, что происходит?».

Ну и традиционно, с наступающим! Всех приподнял и обнял 🎁

А какой AI-инструмент или технология больше всего удивили вас в этом году? Что запомнилось?

PS Автор канала скорее всего уже лежит где-то в горах салата и вкусностей, поэтому выход новых постов и материалов ожидайте ближе к 7-ым числам января 🏖

Чуть не забыл, мне тут предложили устроить опрос по самым всратым прогнозам на 2026, но почему бы и нет? 😂

Вот будет забавно, потом в 2026 вернутся к этому голосованию 🌚

Почему я охладел к n8n (и куда теперь смотрю) 🔄

Последний месяц n8n работает автономно, и я мало что туда вношу из нового. Не потому что плохой инструмент – просто я ушёл с головой в AI-агентов для кодинга. Cursor, Claude Code, Antigravity – и это затягивает.

Что изменилось? Раньше я собирал автоматизации визуально. Теперь я разговариваю с кодом. И знаете, этот переход дался не сразу.

Мой текущий арсенал:
• Кастомные команды – и в Cursor, и в Claude Code. Одна команда вместо десяти повторяющихся действий
• MCP-серверы – подключил документацию, подключил свои API и агент стал реже галлюцинировать

Что это дало на практике:
• Рутина сократилась. Я раньше не замечал, сколько раз повторяю одни и те же команды
• Выровнял пайплайн. Результат работы нейронки теперь в том формате, который мне удобно переваривать

Про n8n. Я его не бросаю, но контента станет меньше. Почему? Потому что я его... понял. Понял возможности, понял ограничения, понял главное – когда использовать визуальную автоматизацию, а когда делегировать коду.

Если планируешь выпускать продукты – n8n не может быть основой. Для стабильности, мониторинга, контроля качества всё равно нужен код. Я писал об этом несколько месяцев назад: n8n хорош для прототипов, но для прода – нет. И это не изменилось.

Планирую серию постов о том, что открыл для себя в AI-агентах: конкретные техники, проблемы, инструменты, личный опыт.

А вы уже пробовали Cursor или Claude Code? Или пока на визуальных инструментах?

Когда AI тебя не понимает – проблема не в нём 😑

Сел верстать страницу. Говорю нейронке: «Сделай мне эту штуку сверху, ну такую, с картинкой на весь экран и текстом поверх».
Получаю какой-то блок верхнего меню с логотипом.
Ещё раз: «Нет, не меню. Большой блок, на весь экран, с фоновой картинкой».
Получаю баннер. Уже ближе, но не то.

А нужен был Hero Section. Один термин и AI сразу понял бы, что я хочу.

Вот в чём штука: vibe-кодинг работает только когда ты говоришь на одном языке с моделью. Я знал штук 20 терминов: Button, Card, Modal, Dropdown. А их там сотни. Breadcrumbs, Skeleton, Accordion, Stepper, Command Palette... У меня в голове была «выпадашка», а не Combobox.

И это реально тормозит процесс. Ты описываешь компонент своими словами в три итерации, вместо того чтобы сказать одно слово. Сколько же токенов я сжёг из-за подобного 💩

Что я сейчас делаю? Тупо развиваю насмотренность. Залип на ресурсах:
• shadcn/ui – там все базовые компоненты с демками
• 21st.dev – комьюнити-коллекция, можно подсмотреть нестандартные решения
• mobbin.com – крупнейшая библиотека реальных UI/UX-дизайнов из популярных мобильных приложений и веб-сайтов

Открываю, листаю, запоминаю названия. Не пытаюсь выучить всё за вечер, просто каждый день по чуть-чуть + качаю дизайн мышление на уровне подобных блоков.
Мне кажется, что я пока на уровне «собирателя из кубиков». Беру готовый компонент, подгоняю под себя, собираю страницу. Не пишу с нуля, не вникаю в каждый CSS-пропс. Но у меня стал образовываться фундамент знаний, более крепкий (ранее я вообще 0 был в фронте), позволяющий фильтровать и оценивать результат работы AI-агента.

Надеюсь скоро показать то, чем начал заниматься в последние недели)

А вы как решаете проблему «я не знаю, как это называется» при работе с AI? Есть свои способы прокачать терминологию?

Что происходило за месяц: AI-агенты, оптимизации и площадки 🔄

Последний ретро-пост был 13 декабря, самое время рассказать, что происходило почти месяц.

Слезаю с n8n в сторону AI-агентов
Кто читал последние посты – видели новость. Тестирую Antigravity, Cursor, Claude Code (в последнем уже 2 ляма токенов перевалило, начал пользоваться как раз в начале декабря).
Смотрю, что эти инструменты из себя представляют, какие проблемы у них есть.
Достаточно интересный experience. В комбинации с книжками, YouTube и менторами получается неплохой симбиоз.

Но минусы никуда не делись:
• Любят топтаться на одном месте (15 раз пытался сделать эмитацию орбиты и планет)
• Проблема контекста всё та же
• Восприятие у "модели" того, что ты хочешь сотворить — отдельная боль
• Не дешёвое удовольствие

Сервера
Немного оптимизировал свою конфигурацию. Теперь у меня не один сервер, а небольшой кластер из двух 😆
Тема DevOps интересна мне, но страшно каждый раз лезть во внутренности. Особенно, когда планировал заняться одним, но по факту уже сидишь 4-ый час над тем, чтобы правильно прокинуть тунель, настроить фаервол и так далее.

📝 Дзен внезапно ожил
После 3 января Дзен каким-то образом начал показывать мои материалы в ленте. Прям удивлен – не думал, что площадка решит продвигать мой контент.
Подключил Яндекс.Метрику к каналу (и да, всё ещё хочу написать кастомную ноду для n8n под неё). Если площадка заинтересовалась – буду стараться выпускать больше.

Площадки в целом боль:
📝 Pikabu: минусят и молчат в комментариях. Не понимаю, что не так. Я всегда готов к критике.
📝 DTF: обожаю аудиторию (без иронии). В 20-30% комментов реально полезная критика, что стоит улучшить. Остальные 70% из разряда "ИИ-ведьм надо жечь на кострах". Хотя если бы я написал про то, как ИИ мне базу на 15000 строк грохнул и развалил стартап... так сразу лайки и признание. Типа "Вот, мы тебе говорили, что твой ИИ-говно".
📝 VC: пока непонятно, вроде читают, но особо отклика тоже не вижу.
📝 Хабр: да сыкотно мне туда идти, не хочется обосраться( Думаю сейчас над каким-нибудь мега-техническим лонгом, где будет много полезностей. У меня где-то просто в голове однажды щёлкнуло, что если что-то постишь на хабре, об этом потом будет помнить всё русское IT-комьюнити 🫤

Как-то так прошёл месяц.
А у вас были забавные косяки с серверами или площадками в новом году? Делитесь в комментах!

Я подсел на AI как на игровые автоматы 🎰

Прежде чем начну серию постов про опыт в AI-агентах для работы с кодом, я бы хотел поделиться с вами важной штукой. Про одну ловушку, в которую вляпается абсолютно любой, кто начнет использовать этот чудо-инструмент ежедневно.

Каждый промпт в Cursor – это как рычаг слота. Иногда код идеален (джекпот!), иногда нужно допилить пару строк (почти выигрыш), иногда AI выдаёт полную чушь (мимо). Но ты никогда не знаешь заранее, что получишь. И именно эта непредсказуемость держит в игре.

Я много читаю про когнитивные искажения, психологию выбора, механики геймдизайна – то, как продукты влияют на людей. И вайб-coding попадает прямо в эту категорию. Быстрый результат за минимальные усилия... мозг радуется, дофамин выделяется. А когда это происходит регулярно, традиционное программирование начинает казаться медленным и скучным.

Сам уже в этой петле 😂
Пробую делать детоксы от AI на пару дней, пишу код руками, решаю задачки на LeetCode. Помогает временно, но потом снова втягивает. Пытаюсь детектить моменты, когда я не программирую, а просто гоняюсь за дофамином. Пока не уверен, что это работает, но что-то подсказывает – тема глубже, чем кажется.

В лонге я разобрал всё подробно: что происходит с мозгом (нейробиология дофаминовых петель), почему это работает как казино (исследования arXiv и METR 2025), какие есть подводные камни (архитектурные костыли, финансовая зависимость от токенов) и как контролировать дофаминовые циклы.

🔗 Читать полный лонгрид →
VC • Pikabu • Дзен

А вы замечали у себя признаки зависимости от AI-ассистентов?
Не можете уснуть после долгой сессии с Cursor? Тратите сотни долларов на токены, гоняясь за идеальным промптом? Обычное программирование кажется слишком медленным?
Делитесь в комментах – интересно узнать, как вы с этим справляетесь. Или может, считаете, что это вообще не проблема?

Как я перестал редактировать каждую фразу и начал просто говорить 🎤

Два месяца назад я написал про то, что технология Voice to Text для меня чужда и я её стесняюсь. Теперь же у меня >50% текста создается через неё.

Мой стек за 2 месяца:
• Wispr Flow – для быстрых набросков на Mac. Вчера, например, за 15 минут надиктовал 1800 слов для будущего материала. Понимает русский + английский вперемешку, есть кастомный словарь (научил писать SLO, MMR, n8n). Лимит 2000 слов/неделю улетает за 4-5 дней, потом просто медленее работает. Но для тех кто впервые +1 месяц према (моя рефка, но вроде как только через неё дают именно месяц, если просто регистрация, то только 2 недели).
• Spokenly – когда нужна гибкость. Прикрутил через OpenRouter быструю Gemma, которая после диктовки вычищает "эм", "ну", "типо" и повторы. Использую движок распозования речи через API Soniox для русского или локальный Parakeet для оффлайна.
• Android + Telegram – просто диктую голосовые в "Избранное", потом копирую текст на ноутбук. Зато работает везде. Даже на парковке.

Что изменилось:
• Скорость: черновики за 40-60 минут вместо 3-4 часов.
• Меньше перфекционизма: не зацикливаюсь на формулировках, просто выдаю поток мыслей. Чаще дохожу до финала.
• Мобильность: за два месяца накопилось 20+ черновиков, которые просто ждут доработки.

Но...
Точность не 100% – если говоришь быстро, приходится вручную править куски. Облачные движки только онлайн, на 2 недели у меня отвалился Wispr, сидел чисто на Spokenly.
Первые недели чувствовал себя идиотом, разговаривая с ноутбуком.
Но профит перевешивает. Теперь как-то пофиг, что думают другие.

А вы пробовали голосовую диктовку? Или всё-таки верны клавиатуре? Делитесь в комментах у кого какой подход сработал.

Декомпозиция задач с AI-агентом: сделать самому или положиться на него? 🚫

Сколько раз я давал Cursor'у задачу со списком: "Сделай градиент, потом адаптив, потом анимацию, потом ховер"? Десятки. И через раз получал кашу.

AI начинал бодро, но к третьему пункту уже терял контекст (либо вообще пропускал). Забивал на качество. Пытался впихнуть всё сразу, лишь бы "галочку поставить". Я вот до сих пор не понимаю, зачем ему это нужно(

Я долго грешил на модели. Мол, может Gemini и Claude глючат. Но проблема была не в них, а в том, как я формулировал задачи.

Что не работает:
Режим планирования у AI-ассистентов (тот самый, где он сам разбивает задачу на шаги). Выглядит красиво, но не всегда точен контекст и размывает общую картину. К концу плана модель уже не помнит, зачем всё это затевалось. Сужу по своим наблюдениям.

Что работает лучше:
Своя спецификация. Написанная руками. MD-файл, где ты сам декомпозируешь задачу на куски, которые тебе понятны.
Дальше – итерации. Берёшь один блок. Прорабатываешь. Получаешь результат. Переходишь к следующему.
Не "сделай A, B, C, D", а "сделай A". Потом отдельно "сделай B".
Кстати, если запустить AI планирование уже на основе вашей спецификации, и дать ему указание, что после каждой выполненной задачи обращаться к этому файлу за синхронизацией, качество улучшается. Но начинает ещё больше уходит токенов (я вообще склоняюсь к тому, что за качество в долгосрочной перспективе придётся платить именно токенами и тут ничего не поделать).

Минус есть: около половины чатов будут повторением контекста. Ну и токенов уходит больше – это факт. Зато результат предсказуемый.
Хотя, если честно, не уверен, что это универсальный рецепт. На мелких задачах такой подход избыточен. Но когда делаешь что-то сложнее "поправь цвет кнопки" – спецификация реально спасает.

Потратил пару вечеров на эксперимент с Claude Code. Результат спорный 🤔

Предыдущий пост был про декомпозицию. Решил расширить материал на эту тему и на практике показать суть:

"Больше контекста = лучше результат" vs "Минимум информации – AI сам разберется".

Взял одну задачу, обычный лендинг на Next.js – и сделал его тремя способами:
1. Максимум контекста – 1300 строк спецификации (пришлось обратиться к Perplexity, чтобы он там от души накидал всего), MCP-сервер, два AI-агента
2. Базовый подход – ~100 строк спецификации, базовый Claude Code
3. Минимализм – только tech stack и пара предложений

Какой подход выиграл? Ну вот тут и начинается спорное.
• Быстрый (11 минут для AI-агента) оказался самым медленным для человека – 3+ часов на доработки. Шаблонный дизайн, слабая валидация, плоская архитектура.
• Детальный (27 минут) дал 8/10 – модульная структура, централизация данных, готовность к production. Но доработки тоже были – цвета в темной теме выжженные, некоторые анимации слишком активные.
• Базовый (14 минут) визуально зашел больше всех, но устаревшие библиотеки и данные размазаны по компонентам.

И вот тут я сел и подумал: а какой вообще критерий победы?

Для MVP – минимализм окей. Для pet-проекта или рефакторинг – базовый подход. Для production с планами роста – детализация (нормальная, качественная).

Короче, универсального ответа нет. Да, и факт рандома никто не отменял, возможно просто как говорится "рольнуло"...
Но! Хоть какая-то декомпозиция – всё же решает!

🔗 Лонгрид с полным разбором:
VC • Pikabu • Дзен

Там 10+ минут чтения, но зато с видео-примерами, сравнением структур и чуть подробными выводами про то, где какой подход работает.

Но а чуть ниже вас ждёт ещё опрос: Детальные промпты или минимализм?

AI и конфиденциальность: серая зона 🔓

История из реальности. Знакомая пришла в новую клинику с PDF-кой своей медицинской историей. Там собраны предыдущие анализы, результаты исследований, особенности её организма и так далее. По сути полезная штука, особенно когда хочешь получить второе-мнение от разных врачей... Так вот, врач смотрит, задаёт вопросы ей, она отвечает, и тут она замечает, что у него открыта вкладка с Gemini, там загружена PDF, уже несколько скролов чатов. Она спрашивает, что типа врач делает, а он такой, ну у вас PDF на 30 страниц, а приём 30 минут, вы же сами хотите второе мнение успеть получить. Я сам это только часа два читать буду.

По итогу скандала не было (смысл?), врач вроде был дельный, и его рекомендации не показались ей каким-то «иными» (это был уже третий врач, т.к. ситуация там не однозначная). Да и Reddit пестрит историями, когда ИИ в вопросе мед. части оказывается умнее некоторых «индивидов» (но как по мне: чаще всего это просто везение). В любом случае, я рад, что ИИ сейчас ограничивают специально по медицинским советам. Все-таки хочется верить, что люди, которые потратили уйму лет в медицинской карьере, действительно хотят тебе помочь.

Я к чему всё это написал 🐱

Мы массово используем инструменты, которые технически нарушают большинство корпоративных договоров. И большинство делают вид, что это нормально. А возможно, просто не замечают это.

Всё вертится вокруг следующего:
• Модель может обучиться на ваших данных (если не отключили в настройках)
• Формально ничего не передавали людям напрямую

Серая зона размером с футбольное поле.

И я пока нашёл три вещи, которые могут помочь:

1. Редакция перед загрузкой
Убираю имена, email, номера. Не просто [REDACTED], а токены типа PERSON_001 – так можно восстановить связи потом. Я всё ещё рад, что в n8n подобное есть из коробки.

2. Правильные модели
• ChatGPT Free/Gemini – могут обучаться на данных (настройки есть, но напрямую пользователю при первом знакомстве об этом не говорят)
• Azure OpenAI / Claude API / Paid-модели – также есть настройки, но из-за событий последнего года есть так называемый аудит-лог. Это когда в течение месяца происходит анализ ваших переписок на предмет нарушений законов, психических проблем и так далее.
• Локальные (Ollama, PrivateGPT) / внутри контура – если реально конфиденциально

3. Письменные гарантии
Спросить у провайдера: используются ли данные для тренировки их моделей? Есть ли third-party мониторинг (SOC 2 или иные подобные отчёты)? Как удаляются логи?
Например, OpenRouter. У них есть список провайдеров с политикой ZDR (Zero Retention Endpoints), в настройках можно выбрать только их и отключить всех остальных, кто хочет полакомиться вашими данными.

Короче, если работаете с чувствительными данными – дефолтный Free-ChatGPT противопоказан.
• Для публичного/личного контента – ок.
• Для клиентских данных – нет.
• Для рабочих процессов – здравый подход и обязательно корпоративная учётка.

Ну и не забываем про те же VoiceToText, анализаторы PDF-ок, обработчики записей встреч и так далее.

Вопрос: сталкивались с такой ситуацией? Как решали? Или забили и загрузили в ChatGPT на авось?

Доверять AI или нет? Неправильный вопрос 🤔

Проблема не в том, что AI иногда ошибается. Проблема в том, что мы задаём изначально неправильный вопрос: "Можно ли доверять AI?"

Как мне кажется, правильный вопрос: "Когда и как можно доверять AI?"
Вы не научитесь доверять AI, прочитав 10 гайдов. Это как учиться плавать по книжкам.

Через 100-300 часов практики у вас развивается что-то похожее на интуицию. Вы начинаете чувствовать:
• Где AI надёжен, а где может соврать
• Какие задачи требуют проверки, а какие можно доверить
• На каких типах данных модель галлюцинирует чаще

Это знание не декларативное ("я знаю правила"), а процедурное ("я чувствую подвох").

Я знаю уже несколько людей из ближнего окружения, которые стали использовать новые технологии повседневно (художники, разработчики, писатели, учителя) и у них получился приблизительно следующий роадмап:

Неделя 1-4: «Эйфория и розовые очки»
Всё работает! AI пишет код, анализирует, объясняет. Кажется, что нашёл идеального коллегу. Доверие – максимальное.

Месяц 2-3: Первое разочарование
Первая серьёзная ошибка меняет всё. Выдуманный факт, нерабочий код, анализ мимо цели. Хочется всё бросить.
Где-то 30% из моего окружения перестали пользоваться AI, кто-то обжёгся, кому-то попросту не подошло.
На этом периоде развивается критическое мышление: начинаешь понимать, почему это произошло и как обнаружить подобное в будущем.

Месяц 4-6: Практическая интуиция
После нескольких десятков ошибок и исправлений появляется что-то вроде чутья. Читаешь ответ AI и сразу видишь, где может быть косяк.
Это обусловленное доверие – понимание границ.

Ключевая ошибка, которую я замечал у многих: если модель отвечает уверенно, значит, она права.
Нет. AI может быть максимально уверен и при этом полностью неправ. Это особенность архитектуры – модель генерирует статистически вероятный текст, а не "думает" в человеческом смысле.
Особенно когда вопрос про то, что не было ей ранее «скормлено». Хотя это сейчас легко исправляется путём MCP-тулзов.

Пара советов, которые позволяют упростить процесс:
• Ведите лог ошибок – записывайте, где AI косячил и почему (категорически важно научиться проводить быстрый факт-чекинг)
• Проверяйте критичные ответы – особенно факты, даты, цифры через другие модели GPT-5, Claude, Gemini 3. Они ошибаются по-разному, и если каждая написала что-то своё и ответы не сошлись – значит вы попали в «серую» зону знаний и стоит попробовать объединить их через тот же 💻 llm-council.

Доверять AI или нет – выбор сугубо личный. Я бы советовал всё же попробовать его использовать, набейте свои шишки, выработайте интуицию. Потом примите итоговое решение.

Настоящее доверие появляется не раньше 100 часов практики (сужу по себе). Процент ошибок и проблем из-за ИИ за этот период времени снизился кратно.

А у вас был момент, когда AI вас подставил? Как это изменило ваш подход к работе с моделями?

Как генерировать игровые ассеты через AI (если ты инди-разработчик) 🎮

Я давно интересуюсь GameDev-индустрией и тут случайно выяснил, что парочка нормальных паков иконок либо стоят дорого, либо их сложно купить из РФ.

Попробовал нагенерить через AI. Получилось, но с костылями.

Инди-разработка игр – это как фулстек, только жёстче. Надо быть одновременно программистом, геймдизайнером, художником и продуктологом. T-shape мега-сложный, а бюджета нет. Поэтому решил помочь своим опытом, который, как оказалось, может быть полезен и в этой сфере.

🔗 Лонг уже доступен на:
VC • Pikabu • Дзен

Надеюсь, этот материал поможет другим начинающим инди-разработчикам сэкономить время и деньги.

А вы пробовали генерировать ассеты через AI (вообще среди нас есть ребята из GameDev)?
Делитесь опытом в комментах 👇

Режим: "мне всё равно, делай что хочешь" 🎰

Мой файл .claude/settings.json в pet-проекте перевалил за 100 строк пермишенов. Сто. Строк. И это только один проект.

Каждые 3-5 минут Claude спрашивает разрешение. Открыл Slack проверить сообщение – возвращаешься, а он опять ждёт подтверждения. Хотел параллельно что-то делать – забудь. Сидишь и жмёшь Accept как обезьянка.
Хотя в начале проекта вообще был ад, я каждые несколько секунд отвлекался на запрос разрешения...

Когда задача рутинная – фикс линтер-ошибок по всему проекту, миграция между версиями, глобальный рефакторинг – это превращается в пытку.

Есть выход: YOLO режим

claude --dangerously-skip-permissions

Название говорит само за себя. Claude перестаёт спрашивать вообще что-либо и работает до победного. Хоть 15 минут подряд без единого вопроса, хоть 12 часов.

Когда это спасает:
• Фиксинг lint/format по всему проекту
• Миграции между версиями библиотек
• Генерация boilerplate кода
• Любая рутина, где вы и так всё одобрите

Но есть нюанс (конечно же)

Режим не зря называется dangerously 🐱

Claude может:
• Удалить файлы без спроса
• Рефакторить то, о чём вы не просили
• Зациклиться на одной ошибке
• Отправить куда-то вдаль ваши env файлы

Минимальная страховка – работать в git-репозитории и делать коммит перед запуском. Меня спасает постоянно.

Если хотите реально безопасно – есть способ через контейнеры. Про это будет отдельный лонг на выходных – как запустить Claude Code в изолированной среде, где он при всём желании ничего важного не сломает.

А вы уже пробовали YOLO режим? Или пермишены всё ещё терпите?

Как я перестал бояться давать Claude Code доступ к терминалу 🌚

Долго закрывал глаза на очевидное: Claude Code имеет полный доступ к моему терминалу. Может запускать любые bash-команды. Читать ~/.ssh. Все переменные окружения с токенами.

Галлюцинации тоже растут вместе с проектом. На днях он пытался запустить несуществующую команду – безобидно. Но мысль осталась: а что если следующая галлюцинация будет с rm -rf или curl с моими секретами?

И таким макаром я вышел на: Dev Containers.

Это не просто Docker. Это изолированная песочница, где AI может ломать что угодно – а хост-система в безопасности. Cursor и VS Code подключаются к контейнеру прозрачно, работаешь как обычно.

Что даёт:
• Сброс всех Linux capabilities (`--cap-drop=ALL`)
• Запрет на повышение привилегий
• Только явно пробрасываемые секреты, а не весь ~/.config
• Пересоздание контейнера за минуту, если что-то пошло не так

🔗 Написал лонг с конфигами, граблями которые собрал, и списком того, чего этот подход НЕ решает:
VC • Pikabu • Дзен

Короче, если работаете с AI-агентами на проектах с реальными секретами – рекомендую глянуть.

AI сделает всё. Но что именно делать – решаешь ты 🆗

Недавно наблюдал, как знакомый дизайнер жаловался: «Нейросети отбирают работу». При этом он сам не мог внятно объяснить, чем его макеты отличаются от тысяч других. В целом вместо «дизайнера» можно любую другую профессию поставить, кроме слесаря. Слесарей не заменят.

AI – это усилитель. Мощный, быстрый, неутомимый. Но усилитель чего? Если у тебя нет своего видения – ты усиливаешь ноль. Получаешь «среднее по больнице».

Что вообще такое «своё видение»:
• Понимание контекста. Не просто «сделай логотип», а почему именно такой для именно этой аудитории
• Вкус. Способность отличить «технически правильно» от «блин, это прям хорошо»
• Умение задавать правильные вопросы. AI отвечает на то, что спросили. Качество вопроса = качество результата
• Насмотренность. Годы референсов, опыта в голове, которые формируют интуицию

Почему без этого – проблемы
Если твоя работа сводится к «дайте ТЗ – я выполню» – клиент скоро пойдёт напрямую к ChatGPT. Не потому что ты плохой специалист. А потому что ты стал передаточным звеном между заказчиком и инструментом.

Ценность сместилась. Раньше: «умею фотошоп» было навыком. Сейчас: «понимаю, какой визуал нужен и почему» – вот это навык.

Парадокс 🐱
AI выдаёт усреднённый результат. Он обучен на миллионах примеров и генерирует что-то посередине. А твой уникальный стиль, подход, опыт конкретных граблей – это невоспроизводимо. Это и есть конкурентное преимущество.

Хотя, если честно, развивать «своё видение» – это не про один курс или книжку. Это постоянная работа: анализировать чужие работы, формулировать почему это хорошо или плохо, экспериментировать. Понимать принципы, а не копировать решения.

Короче:
В мире, где AI делает за 5 минут то, на что раньше уходили дни, побеждает не самый быстрый исполнитель. Побеждает тот, кто знает, что именно нужно сделать и почему.

Своё видение – это новая грамотность. Не факт, что я сам её полностью освоил, но точно понимаю, куда копать.

А как у вас с этим? Чувствуете, что AI усиливает ваши идеи – или генерирует что-то «среднее»? А может он вообще утаскивает вас на ступеньку ниже?