Использую gpt 5.4 в основном, так как с ним уже научился "правильно" взаимодействовать. Не сказал бы что opus тупее или умнее, мне кажется к нему просто нужен свой подход
Немного схожая история случилась супругой в инсте. В её центре аккаунтов привязаны личные, рабочие и детские аккаунты. Автоматическая система что-то там заподозрила на детском аккаунте, где даже активности не было около месяца, заблокировала детский аккаунт и прицепом все личные и рабочие аккаунты.
Основная цель снизить расход токенов и контекстного окна для всяких Claude, Gpt и так далее. Что бы они не занимались сканированием и чтением сырых данных, а передавали эадачи в локальный инструмент, а на выходе получали сжатую и точную информацию для разработки
Я пока ещё в процессе, подтягиваюсь точность. У меня смысл такой, emb модель индексирует репозиторий, поверх неё работает qwen coder instruct раскладывая всё по полочкам, что бы с этими данными можно было работать предметно (запросил какую-то сущность и к примеру её api слой, и мгновенно получил точную выборку) , а python валидирует, пока что результаты качества 0.75 — 0.8. Когда добью до 0.95 хотя бы, буду уже оптимизировать.
Как мне объясняли не любой впн подходит, по той причине, что ipшники того или иного впн могут быть так сказать в черном списке у гугла. Я не вникал, но вспомнилась такая информация.
Я может чего-то не понимаю, а в чем отличие от того же lm studio, в который можно добавлять тулзы и мцп при необходимости? Хочешь кодинг агента, включил lm server подкинул в ide через расширение и гоняй его там сколько влезет. В чем фишка, объясните пожалуйста?
Как раз последнее время пытаюсь сделать как в сказке (точность и скорость), тестирую на локальной модели text-embedding-qodo-embed-1-1.5b. Может подскажете локальные варианты получше (для кодовой базы), если есть?
Создаёте файл типа my-work-journal.md к примеру после каждого действия (исполнения промпта) пусть пишет туда короткую выжимку чего поменял с timestamp к примеру, и второй файл например my-work-backlog.md перед тем как начать новую сессию пусть пишет туда на чем остановились и что планируете делать дальше (кратко или подробно, тут уже по ситуации). Ну и собственно должен быть хотя бы основной файл с ТЗ или что у вас там есть (то над чем работаете). В новой сессии пихаете ему файл ТЗ, просите прочитать конец журнала изменений (можно в журнал писать только последние изменения, если вам не нужна вся история попыток, удач/не удач и так далее) и backlog что бы не рассказывать чего вы там собирались делать. Это примитивный вариант, но работает, когда у вас объёмная работа, которая не помещается в одно контекстное окно. Лучше конечно изначально большую задачу пилить на селкие составляющие
Claude пользовался через cursor - не могу оценивать корректно, но в целом не плохо.
Gemini 3.1 через antigravity - пробовал разные задачи, мне не понравился, часто ошибается, делает лишнее или не доделывает, не смотря на точные спеки и строгие правила.
Последнее время использую GPT 5.3 codex и 5.4 - дают вменяемый результат, но не без присмотра все равно.
До режима "дал задание и пошёл спокойно пить кофе" всем ещё далеко, все равно нужно делать ревью, ручные тесты и тому подобное.
Эксперементирую с локальными моделями, использую Cline для агентного режима, и вот там как раз таки не хватает diff менеджера как в cursor. Вообще cursor только этим меня и привлекал, что можно ревьюить точечно. Тоже думал самому сварганить, но лень и не компетентность не дали мне этого сделать)
Что-то нету поля для ввода промокода
Использую gpt 5.4 в основном, так как с ним уже научился "правильно" взаимодействовать. Не сказал бы что opus тупее или умнее, мне кажется к нему просто нужен свой подход
Поддерживаю
Немного схожая история случилась супругой в инсте. В её центре аккаунтов привязаны личные, рабочие и детские аккаунты. Автоматическая система что-то там заподозрила на детском аккаунте, где даже активности не было около месяца, заблокировала детский аккаунт и прицепом все личные и рабочие аккаунты.
WilliamSong/qwen3-embedding-0.6b
Эту модель я использую сейчас
Спасибо за информацию, сделаю сравнительные тесты
Собственно, поэтому и спрашиваю о "лучшей" emb модели, что бы исключить вариант не точности по её причине и сконцентрироваться на тюннинге валидатора
Основная цель снизить расход токенов и контекстного окна для всяких Claude, Gpt и так далее. Что бы они не занимались сканированием и чтением сырых данных, а передавали эадачи в локальный инструмент, а на выходе получали сжатую и точную информацию для разработки
Я пока ещё в процессе, подтягиваюсь точность. У меня смысл такой, emb модель индексирует репозиторий, поверх неё работает qwen coder instruct раскладывая всё по полочкам, что бы с этими данными можно было работать предметно (запросил какую-то сущность и к примеру её api слой, и мгновенно получил точную выборку) , а python валидирует, пока что результаты качества 0.75 — 0.8. Когда добью до 0.95 хотя бы, буду уже оптимизировать.
Как мне объясняли не любой впн подходит, по той причине, что ipшники того или иного впн могут быть так сказать в черном списке у гугла. Я не вникал, но вспомнилась такая информация.
Эммм, бенчмарк какой-то не показательный
Я может чего-то не понимаю, а в чем отличие от того же lm studio, в который можно добавлять тулзы и мцп при необходимости? Хочешь кодинг агента, включил lm server подкинул в ide через расширение и гоняй его там сколько влезет. В чем фишка, объясните пожалуйста?
Как раз последнее время пытаюсь сделать как в сказке (точность и скорость), тестирую на локальной модели text-embedding-qodo-embed-1-1.5b. Может подскажете локальные варианты получше (для кодовой базы), если есть?
А, ну и что бы весь этот входной контекст меньше ел токенов, просите писать его на английском
Если самый простой вариант:
Создаёте файл типа my-work-journal.md к примеру после каждого действия (исполнения промпта) пусть пишет туда короткую выжимку чего поменял с timestamp к примеру, и второй файл например my-work-backlog.md перед тем как начать новую сессию пусть пишет туда на чем остановились и что планируете делать дальше (кратко или подробно, тут уже по ситуации). Ну и собственно должен быть хотя бы основной файл с ТЗ или что у вас там есть (то над чем работаете). В новой сессии пихаете ему файл ТЗ, просите прочитать конец журнала изменений (можно в журнал писать только последние изменения, если вам не нужна вся история попыток, удач/не удач и так далее) и backlog что бы не рассказывать чего вы там собирались делать. Это примитивный вариант, но работает, когда у вас объёмная работа, которая не помещается в одно контекстное окно. Лучше конечно изначально большую задачу пилить на селкие составляющие
Сам нанимает себе команду? И как проходит отбор? С таким системный промтом мне подходит, а вот если вот тут такие правила прописать, то ок?
Подобные заголовки видел ещё лет 5 назад. Из года в год одно и тоже
Claude пользовался через cursor - не могу оценивать корректно, но в целом не плохо.
Gemini 3.1 через antigravity - пробовал разные задачи, мне не понравился, часто ошибается, делает лишнее или не доделывает, не смотря на точные спеки и строгие правила.
Последнее время использую GPT 5.3 codex и 5.4 - дают вменяемый результат, но не без присмотра все равно.
До режима "дал задание и пошёл спокойно пить кофе" всем ещё далеко, все равно нужно делать ревью, ручные тесты и тому подобное.
Так и знал, что будет реклама
Эксперементирую с локальными моделями, использую Cline для агентного режима, и вот там как раз таки не хватает diff менеджера как в cursor. Вообще cursor только этим меня и привлекал, что можно ревьюить точечно. Тоже думал самому сварганить, но лень и не компетентность не дали мне этого сделать)
Спасибо, попробую ваш продукт