Разработчик‑вайбкодер попросил ИИ‑агента Claude собрать зеркало проекта. Но вместо выполнения прямого указания на полное копирование рабочего решения нейросеть создала скрипт полной очистки и за полторы минуты удалила 48 218 рабочих файлов из дерева проекта в Windows и уничтожила хранилище объектов Git в репозитории. Восстановить данные полностью не удалось. После выполнения деструктивных действий ИИ-агент написал «Я что-то сломал». Примечательно, что оригинальный пост на Reddit по этому инциденту с 800+ комментариями был удалён с платформы спустя несколько дней после публикации.
Я написал source generator для лексера HydraScript. Он собирал регулярное выражение из описаний токенов. После этого мне оставалось скопировать регулярку и руками вставить её в другой файл.
Даже тест на забытое копирование пришлось завести. Довольно много усилий, чтобы поддерживать одну строку в актуальном состоянии.
Проблема была в том, что результат моего генератора требовался другому генератору — тому, который стоит за атрибутом [GeneratedRegex] в .NET. Хотелось описать токен один раз и поручить остальное сборке. Для этого пришлось разобраться, в каком порядке Roslyn вообще выполняет генераторы.
За длинные выходные удалось исправить старый баг в прошивке ноута, который уводил его в завис на пробуждении. Производитель отнекивался.
... А статью не написать: бОльшую часть работы выполнил Антиграв через Гемини, а пара "ключевых решений" не стоит байтов для написания статьи.
Или всё же есть смысл потратить ещё десяток мульёнов токенов и собрать целостную историю: что смотреть, чем пилить, и что говорить аяйке, если она тупит?
(нет, не "нейрослоп" статью, я такое не выношу сам)
Хочу посвятить эту статью погружению в разные возможности обновления данных в JS и React, раскрыв это на примере своей библиотеки "nexus-state". Поделюсь подробными примерами, мотивацией и расскажу, для чего вообще нужны стейт-менеджеры и как они работают. При написании примеров я постараюсь максимально просто объяснить суть и не буду затрагивать тему типизации.
В ходе моего исследования видеокарт линейки NVIDIA CMP, обхода их ограничений и снятия лимитов, оставалась еще одна проблема - видеокарты не могли нормально обмениваться данными напрямую друг с другом. Для моей задачи это было довольно неприятно, потому что сервер собирался ради запуска больших языковых моделей на нескольких дешевых видеокартах одновременно.
В итоге я полез разбираться, можно ли открыть на CMP 90HX настоящий P2P. И получилось - впервые в мире включить прямой обмен между этими картами, заставить одну CMP реально обращаться к памяти другой и получить нормальную скорость передачи.
Самое забавное, что по дороге мне очень сильно помогли сами инженеры NVIDIA. Не лично, конечно. Они просто забыли в драйвере ровно те внутренние механизмы, которыми сами пользовались при разработке и отладке.
Самая простая ошибка при работе с искусственным интеллектом — начать с генерации идей. Модель охотно предложит десятки связей между биологией, экономикой, производством, логистикой, теорией устойчивости или любой другой областью. Часть этих связей будет интересной, часть — банальной, часть — просто красивой языковой конструкцией. Проблема в том, что до появления идеи исследователь должен понять, какими сущностями он вообще оперирует и какие предметные миры имеет право сравнивать.
Исходя из того что удалось найти, требуется 4 шт A100, вроде бы можно по пробовать на паре, но это требует CPU-offload, а на такие компромиссы, как и квантизации, я идти не готов. GPU я собрался брать в аренду на облаке, название его писать не буду.
Первый подход был к Datasphere на Jupiter notebook и это был провал (на 6000₽). Детали не важны - проехали. Потом попытался запросить VM c 4 A100, поднял квоты через тикеты, - вот это всё. И не помогло. Ну то есть в теории это возможно - поймать 4 A100, но мне не удалось. Ещё заявлен какой-то Gen2 - но на него даже квоту не поднимают.
Вернулся к Datashpere Jobs, потому что для Jupiter-то их (A100) выделяли! Схема такая:
Vulkan на моей GTX 1080 генерирует в полтора раза быстрее CUDA. Qwen вставляет китайские слова в русский текст даже при температуре 0. А маленькая модель однажды отчиталась, что удалила файл, и ничего не удалила. Всё это я узнал, пока делал Ollivo: программу, которая запускает локальные нейросети без Python, CUDA и терминала.
Так уж вышло, что я до сих пор не могу подобрать лучший способ для работы с транзакциями. Поэтому я решил написать эту обзорную статью. Я разберу все известные мне паттерны для работы с транзакциями и постараюсь выбрать лучший.
Постепенная потеря воспоминаний, вещь хотя и пугающая, но это естественный побочный эффект здорового старения мозга. Однако нейродегенеративные заболевания могут вызывать более тяжёлую форму потери памяти, называемую деменцией, при которой пациенты постепенно теряют способность общаться, решать проблемы и ясно мыслить. Некоторые эксперты полагают, что потеря памяти и симптомы таких заболеваний, как болезнь Альцгеймера, могут быть обратимыми.
Исследователи из Швейцарской федеральной политехнической школы в Лозанне (EPFL) сумели частично «перепрограммировать» нейроны и восстановить функцию памяти у мышей с помощью специального коктейля для генной терапии. Их результаты были опубликованы в рецензируемом журнале «Neuron».
В ходе исследования учёные сосредоточились на трёх генах: Oct4, Sox2 и Klf4 (совместно именуемых OSK). Предыдущие исследования показали, что терапии, нацеленные на OSK, могут обратить вспять другие возрастные заболевания, такие как глаукома — заболевание, приводящее к потере зрения. Исследователи из EPFL создали вирусный «переключатель», способный активировать быстрые и контролируемые импульсы OSK. Вместо того чтобы воздействовать на весь мозг, команда целенаправленно воздействовала на энграммные клетки, то есть группы нейронов, хранящие конкретные воспоминания.
После лечения воспоминания мышей, по сути, вернулись к более молодому состоянию. Исследователи обнаружили, что перепрограммированные энграммы демонстрировали молекулярное поведение более молодых клеток. С помощью различных тестов, в том числе «водного лабиринта», команда установила, что терапия OSK восстановила память в нескольких областях мозга.
Тест зелёный, но в продакшене этот сценарий упадёт. Покажу, как один мок прячет бизнес-инварианты, переносит требования в голову разработчика и заставляет тесты молчать об изменениях.
Как превратить задержку в главную функцию продукта
Пока мессенджеры соревнуются в скорости, Roost выбрал обратную механику: сообщения доставляют виртуальные птицы с реальной скоростью. Путь в соседний город занимает часы, на другой континент — дни.
Приложение создал один продакт-менеджер без команды и инвестиций, используя Claude Code. За пять недель проект вырос почти до 300 тысяч пользователей благодаря органическому распространению.
Технически и продуктово здесь важна не симуляция птиц, а смена роли ограничения. Задержка не маскируется и не оптимизируется — она становится интерфейсом, ожиданием и причиной писать более осознанно.
Получился парадокс: ИИ ускорил разработку продукта, который намеренно замедляет коммуникацию.
Подробнее — в моём Telegram-канале «Идеи для ИИ — Андрей Анисимов». Ссылка в профиле.
Я люблю игры, которых нет в Steam: DRM-free игры с GOG и itch.io, визуальные новеллы, фанатские переводы и патчи к ним. На Steam Deck всё это прекрасно запускается, но каждый раз через одну и ту же рутину: скачать, переключиться в режим рабочего стола, распаковать, добавить в Steam как стороннюю игру, выбрать Proton, поискать обложки, вернуться в игровой режим. Переключаться туда ради каждой игры было лень, да и просто геморройно.
Отсюда и выросла идея DeckDrop: один раз зайти в режим рабочего стола, поставить его и больше туда не возвращаться. Дальше всё делается с телефона или компьютера: вставил ссылку, и через пару минут игра уже в библиотеке Steam с нормальным названием и обложками. А скриншоты и длинные записи с дека можно просто скачать на телефон.
Google был двадцать первым поисковиком. Apple была пятнадцатым по счёту производителем смартфонов. Spotify — десятым музыкальным сервисом.
Facebook был десятой социальной сетью. Netflix — седьмым стриминговым видеосервисом. Uber — четвёртым сервисом поездок.
TikTok стал восьмым крупным приложением с короткими видео. Zoom — одиннадцатой платформой для видеоконференций.
Никто из них не был первым.
И, возможно, в этом есть важный урок.
В бизнесе далеко не всегда нужно придумать то, чего до тебя никогда не существовало. Иногда гораздо важнее вовремя заметить идею, которую уже придумал кто-то другой, — и понять, насколько большой она может стать.
Первые игроки делают самую дорогую работу.
Они объясняют рынку, зачем вообще нужен новый продукт. Проверяют десятки гипотез. Тратят деньги на ошибки. Наступают на грабли. Собирают шишки. Показывают всем остальным, что работает, а что нет.
А потом приходит кто-то другой.
Он смотрит на всё это, исправляет очевидные недостатки, делает продукт удобнее, дешевле или понятнее — и забирает рынок.
Поэтому одно из самых ценных качеств предпринимателя — не только умение придумывать новое.
Это умение рано заметить новое, придуманное другими.
Не тогда, когда о тренде уже пишут все СМИ. Не тогда, когда конкуренты массово начали его копировать. И не тогда, когда стало очевидно, что здесь есть деньги.
А немного раньше.
Когда идея уже доказала, что может работать, но большинство всё ещё считает её слишком маленькой, странной или незначительной.
Не обязательно быть первым.
Гораздо важнее вовремя понять, что из появившегося нового действительно станет большим.
Рабочая карта: от исследовательской оптики и слабых связей до специализированных методов, проверки и работающего компонента.
В первой статье этой серии "От университета до искусственного интеллекта: как ускорялся генератор изобретений" мы смотрели, как человечество постепенно усиливало генератор нового: университеты, печать, научные общества, лаборатории, вычислительные сети и, наконец, искусственный интеллект. Во второй вопрос практичнее: что происходит, когда значительная часть этой мощности оказывается в распоряжении одного исследователя или маленькой группы?
После сравнения разных подходов к изобретательству, научному поиску и разработке продуктов вывод оказался довольно приземлённым. Одиночному исследователю не нужна одна «лучшая методология». Ему нужны три способности: собрать правильную предметную картину задачи, подключить сильный профильный метод в нужный момент и вернуть его результат обратно в общую картину, не потеряв смысл, доказательства и ограничения.
Сначала нужно понять, какими предметными мирами смотреть на задачу. Только потом — какой метод применять.
1. Одиночный исследователь — не маленький НИИ
У одиночного исследователя нет десятков лабораторий, отделов и специалистов. Но его маршрут дешевле перестраивается: можно быстро зайти в соседнюю дисциплину, проверить странную связь, закрыть тупиковую ветвь и вернуться обратно. Большое исследование по более чем 65 миллионам статей, патентов и программных продуктов показало, что малые и большие команды действительно чаще занимают разные ниши: небольшие коллективы чаще связаны с работами, открывающими новые направления, крупные — с развитием существующих линий [1]. Это не означает превосходства одиночки. Это означает другой режим поиска.
Всем привет! При широком распространении REST подхода для клиент-серверного взаимодействия всегда существовали и существуют альтернативные решения, иногда незаслуженно обделенные вниманием. Об одном из них речь пойдет в сегодняшней статье. В ней будут даны некоторые теоретические основы, необходимые для работы и создан небольшой проект, который можно использовать для перехода на gRPC.
Компания Boeing выявила программный сбой в системе самолёта 737 MAX, который может привести к отказу функции автоматической навигации. Это вызывает опасения по поводу безопасности полётов на этапе посадки.
Нет, ну что вы так кричите? Разбудили пол-портала. Нейросетка подсказала, Что сообщество отстало? Что куда ни взмах руки — А пишут коды дураки!
И вот снится мне давеча: Я как кодер-программист, У вайб-кодеров такое Нынче значит — нигилист.
Ну так вот, решил покушать И пошел, куда хватало, Почитать про то, как кодят, Как сообщество отстало.
Подхожу на кассу смело, А за нею — программист! Он вайб-кодер. Видно, модный… И совсем не нигилист… (
Он и так и сяк старался Мне заказ собрать «с собою». Я молчу. Я понимаю: Он в «Гуглах» одной ногою, Ну иль в «Эппле» — не поймёшь ведь Сразу с ходу этих асов.
Он отдал заказ. И модно Крикнул в зал: «Свободна касса-а-а-э-э-э!..»
Моя первая должность в трудовой называлась «инженер-программист». Недавно я понял, что вторую половину этого названия уже можно зачеркивать.
Мне понадобилась простая экранная лупа для Mac: положить рамку на кусок экрана и рассмотреть пиксели в отдельном окне. Готового инструмента под мой сценарий я не нашел. Swift и AppKit я толком не знаю, под macOS никогда не писал. Раньше на этом бы все и закончилось.
В этот раз через три дня у меня было нативное приложение: 10+ тысяч строк, сотни тестов, подпись, DMG, open source, ревью в App Store. Понятно, что код писал Claude Code.
Но интереснее другое. Когда я спросил себя, что эти три дня делал я, ответ оказался неожиданным. Я почти не программировал, а работы было полно.
В статье — о том, почему программист превращается в инженера-продакта, зачем дизайнеру рисовать кнопку, если можно сразу сделать настоящую, что будет с Figma и почему софт впервые становится по-настоящему персональным. Функция с одним пользователем, мной, теперь окупается.
Пользователь применил модель искусственного интеллекта без ограничений безопасности, чтобы взломать программу Internet Download Manager и не платить 10 евро в год за лицензию для каждого компьютера.
