Работая в айтишечке
1.46K subscribers
422 photos
6 videos
84 links
Канал о том, как эффективно работать в IT: простые объяснения технических вещей, лайфхаки, лучшие практики и полезные инструменты для повседневных задач.

Автор: @Shevtsoff
Download Telegram
☕️ LLM Wiki от Карпаты

Андрей Карпаты (ex-Tesla AI, ex-OpenAI) опубликовал паттерн, который кажется очевидным — но почему-то так никто не делал. И все паблики прорвало - пишут, что это бомба! ))

Обычно как: загружаешь документы в ChatGPT, NotebookLM или любой RAG — модель каждый раз заново ищет куски, склеивает ответ и забывает. Завтра всё по новой. Ничего не накапливается.

Идея Карпапты простая: пусть LLM не ищет по документам, а строит из них вики. Добавил новый источник → агент прочитал, написал саммари, обновил связанные страницы, пометил противоречия. Один документ может затронуть 10-15 страниц.

В такой системе выделяется три слоя:
— Сырые источники (неизменяемые) - raw
— Вики (markdown, который LLM пишет и обновляет)
— Схема (правила для агента — как вести вики)

Почему работает
Люди бросают вики, потому что их обслуживание — боль. Обновить ссылки, актуализировать саммари, пометить что устарело — никто не хочет этим заниматься. А LLM не устаёт.
Человек направляет и думает. LLM ведёт всю рутину.

Как сделать у себя
Нужна папка с markdown + любой агент (Claude Code, Qwen Code, Codex) + файл с правилами. Никакой инфраструктуры.

Я просто взял и попросил агента
Давай попробуем применить предложенные в данном документе концепции к нашему проекту
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f


Работает, черт возьми! Рекомендую)

👀 Смотрите также
Andrej Karpathy Just 10x’d Everyone’s Claude Code
Karpathy Just Replaced RAG With Obsidian + Claude Code

#ai #llm #wiki
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥18👍53🥴3
☕️ Claude Usage Tracker — следи за лимитами прямо из меню бара

Нашёл суперклассную тулу. Если вы активно пользуетесь Claude, знаете эту боль: лимит кончился, а ты даже не заметил. Claude Usage Tracker решает эту проблему — нативное macOS-приложение, которое висит в меню баре и показывает в реальном времени, сколько у вас осталось.

Что умеет:
— Трекинг 5-часовой сессии, недельных лимитов и отдельно Opus
— Мультипрофили — если у вас несколько аккаунтов, видите все сразу в меню баре
— Интеграция с Claude Code — подхватывает креды автоматически
— Цветовая индикация: зелёный → оранжевый → красный по мере расхода
— Уведомления на 75%, 90%, 95% использования
— Статуслайн прямо в терминале для тех, кто работает через CLI

Приложение написано на Swift/SwiftUI, подписано Apple-сертификатом, весит ~4 МБ. Всё хранится локально, никакой телеметрии.
Установка через Homebrew одной командой:
brew install --cask hamed-elfayome/claude-usage/claude-usage-tracker

Или скачать .zip с GitHub.

#tools #ai #claude
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥116👍5
☕️ Как управлять контекстом AI-агентов

Сейчас в Авито мы делаем супер-пупер-мега AI-first аналитическую платформу, активно внедряем агентский воркфлоу во все инструменты. И я в последние недели закопался в тему того «как сделать AI-агентов полезными, как передавать в них контекст». Посмотрел, как эту задачу решают лидеры — Hex, Databricks Genie, Snowflake Cortex Analyst, Notion AI, Dust, плюс системы памяти Graphiti/Zep, Mem0, Letta. Почитал, попытался разложить по полочкам.

В 6 карточках разложил слои и приёмы — там всё коротко (👀 см. карточки ↑).

Проблема одна. Голый LLM про вашу компанию ничего не знает. Он не в курсе, что у вас за DWH, какие метрики считаются, что решил лид вчера в Slack, как устроен деплой. Практика такая: без доменного контекста агенты выдают около 25%(если не больше) откровенно неверных ответов — и это не про качество модели, а про нехватку специфики.

Что делают все "лидеры" одинаково:
— Контекст подаётся слоями: компания → проект → пользователь. У всех минимум три уровня. У агентов для разработки слой проекта хранится в git, у остальных — в базе данных
— Ядро знаний — всегда при агенте, объёмные документы — только когда нужны. Никто не заливает всё в промпт целиком
— Единый словарь метрик — обязателен. Snowflake Cortex, ThoughtSpot, Tableau Pulse — все строят такой слой. Без него модель придумывает SQL из головы
— Нужные правила подтягиваются автоматически — по теме вопроса, по типу файла, по связям. Cursor, Claude Code, Continue — все делают так, чтобы не загружать всё вручную
— Контекст курируют, а не пишут раз и навсегда. Проверенные эталоны, оценки 👍👎, автоматическое запоминание. Это живая база знаний
— Формулы побеждают прозу. Genie прямо говорит: готовый SQL-сниппет лучше текстового правила, которое можно понять по-разному
— Агент уважает права доступа. Glean, Dust, Notion AI не отдадут документ, к которому у вас нет доступа. В крупных компаниях без этого никак

Как начать у себя
— Опишите слои от компании до текущего диалога. Под каждый — где лежит правда и кто за неё отвечает
— Правила функции и продукта — markdown-файлы в git. По образцу CLAUDE.md или Cursor rules. Никаких баз данных на старте
— Метрики домена — словарь в YAML плюс гайды, которые подтягиваются по описанию
— Историю изменений храните только там, где реально нужно «было/стало» — например, как менялся расчёт метрики. Для остального хватит истории коммитов
— Сразу закладывайте кураторов и голосование. Без этого база устареет за месяц

Ключевое. Шесть слоёв — необходимый минимум для платформы на уровне всей компании. Меньше — потеряете либо разницу между функциями (HR и аналитика — это разные миры), либо разницу между продуктами (у каждого свои правила), либо домен данных (где живут метрики). Начинать поэтапно: первый результат за 4 недели, полная платформа — два квартала с одной командой.

#ai #agents #llm #vibecoding
13🔥9👍5
☕️ 5 Технологий для вайбкодинга

Поймал себя на мысли, что большая часть канала - это посты, где простыми словами нетехнарям рассказываются технические вещи. Получается такой своего рода альманах вайбкодера))

Что ж, продолжим эту серию постов на тему «что нужно знать, чтобы вайбкодить».

Сегодня про самый практичный выбор — набор инструментов, в котором модели уверенно пишут код, а вы — уверенно его читаете.

Идея простая: чем популярнее технология, тем больше качественного кода по ней лежит в интернете, тем лучше модель её выучила. И наоборот — как только уходите в экзотику, начинаются выдумки про несуществующие возможности, устаревший синтаксис и «так было в старой версии».

Вот лучший рабочий набор: Next.js, TypeScript, Tailwind, Prisma и Postgres. Пятёрка, которая закрывает весь проект — и то, что видит пользователь в браузере, и серверную часть с базой данных.

Коротко:
— Next.js — фреймворк для веб-приложений. В одном проекте уживаются страницы, которые рендерятся в браузере, и серверная логика, которая отвечает на запросы. Модели знают его наизусть, включая свежие версии с серверными компонентами
— TypeScript — это JavaScript с системой типов. Вы заранее описываете, какие данные где используются, и если модель придумала несуществующее поле или передала число вместо строки — компилятор ругается ещё до запуска. Буквально страховка от выдумок нейросети
— Tailwind — css-библиотека готовых классов для оформления. Вместо отдельных файлов стилей вы пишете прямо в разметке: bg-slate-900, text-center, px-4. Модель такие конструкции составляет стабильно и не воюет с каскадами CSS
— Prisma — это ORM (Object-Relational Mapping, ORM), посредник между кодом и базой данных. Вы описываете таблицы и связи в одном файле schema.prisma, а Prisma генерирует типизированные методы для запросов. Модели работают с ней увереннее, чем с сырым SQL — структура даёт им опору
— Postgres — реляционная база данных с открытым кодом, дефолт индустрии. Поднимается за пару минут на Neon или Supabase, там же бесплатный тариф и готовая строка подключения

Чего избегать, если хочется жизни без мучений:

— Редкие фреймворки и свежие беты — модель либо их не знает, либо путает версии API
— Самописный CSS без дизайн-системы — модель будет ломать отступы в каждом втором изменении
— Нереляционные базы (MongoDB и такие) просто потому что «схема гибче». Если у вас данные со связями — пользователи, их заказы, позиции в заказе — берите Postgres, не плодите сущности
— Внутренние инструменты и «удобные обёртки» своей команды — для модели это чёрный ящик, она будет гадать и выдумывать API

С чего начать (попросите агента сделать всё за вас😉):
— Поставьте Node.js — это среда, в которой всё запускается. Создайте проект одной командой: npx create-next-app@latest с флагами TypeScript и Tailwind
— Заведите Postgres на Neon или Supabase — бесплатный тариф, строка подключения готова через минуту
— Подключите Prisma, опишите модели в schema.prisma, запустите миграцию — таблицы создадутся сами
— Выложите проект в интернет через Vercel: подключаете GitHub, пушите в main, обновление на сайте едет само

Листайте карточки — там всё то же самое, только коротко и по полочкам.

#vibecoding #dev #tips
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
14🔥6👍3
☕️ Два фреймворка, которые превращают Claude Code в нормальный рабочий процесс

Если пробовали писать через Claude Code что-то посерьёзнее ToDo-приложения (на самом деле эти два инструмента годятся не только для кодинга) — скорее всего ловили знакомую боль: первые полчаса всё летит, Claude пишет чисто, держит контекст, отвечает по делу. А потом начинается «я буду кратким», пропущенные тесты и забытые требования. У этого даже название есть — context rot, деградация качества по мере заполнения контекстного окна.

Сообщество за последний год выкатило пачку фреймворков, которые эту проблему решают. Два самых интересных и вирусных — Superpowers и GSD v1. Оба оркестрируют Claude Code поверх обычного использования. Оба превращают хаотичный вайбкодинг в структурированный процесс с планированием, ревью и контролем качества. Но делают это очень по-разному.

Superpowers (от Jesse Vincent, он же obra) — набор из ~14 composable skills, которые триггерятся автоматически по контексту. Вы не учите команды. Просто описываете задачу, а под капотом последовательно отрабатывает цепочка: brainstorming через уточняющие вопросы, изолированный git-worktree на каждую задачу, план в атомарных кусочках по 2–5 минут, свежий субагент на каждую задачу, обязательный Red-Green-Refactor TDD, двухэтапное code review, аккуратное завершение ветки.

GSD v1 (Get Shit Done от Lex Christopherson / TÂCHES) — противоположная философия. Явные команды, явные фазы, явный контроль. Вы сами жмёте /gsd-new-project, /gsd-discuss-phase, /gsd-plan-phase, /gsd-execute-phase, /gsd-verify-work, /gsd-ship. И главное: между фазами каждый субагент получает свежий контекст на 200k токенов. Это и есть главное лекарство от context rot. Ваш основной чат остаётся на 30–40% загрузки, пока агенты в параллельных волнах делают тяжёлую работу.

Как применять на практике
Небольшие задачи, активная итеративная работа, эксперименты — удобнее Superpowers. Skills сами включаются, процессного оверхеда почти нет, вы просто кодите/вайбменеджите.

Долгий проект, где важно прослеживать связь от требований до коммитов, где контекст должен жить неделями — GSD v1. Его явные фазы и жёсткая атомарность не дают модели «потечь».

Смешанный сценарий — ставьте оба. GSD держит спеки и контекст, Superpowers исполняет шаги. Сообщество уже активно практикует такую связку, конфликтов обычно нет.

С чего начать
— Superpowers: /plugin install superpowers@claude-plugins-official прямо в Claude Code
— GSD: npx get-shit-done-cc в корне проекта

Листайте карточки ↑ — там всё коротко, по блокам: что это, чем отличаются, в каких сценариях применять.

👀 Ссылки
github.com/obra/superpowers
github.com/gsd-build/get-shit-done

#claude #agents #vibecoding #tools
10👍3🔥1