Ненормальное программирование *

Знаю, такие заголовки сейчас повсюду и мне казалось, что вайб‑кодинг это инструмент для реальных программистов. Когда я был программистом (уже прошло более 10 лет, как я не писал код) нашим вайб‑кодингом был stackoverflow. Заходишь на него ищешь там нужный тебе кусок кода или просишь помощи у сообщества и вставляешь себе. У меня на github даже была библиотека разных кусков, например как сделать запись в бд, как открыть файл, различные циклы и так далее

И когда впервые услышал о вайб‑кодинге решил, что это некая «автоматизированная библиотека» из которой ИИ‑модель берет код и вставляет его. Но когда я начал погружаться в эту тему, и пока я погружался уже появились полноценные агенты, понял, что он не просто подставляет код а сам пишет, решает проблемы и чинит ошибки.

И тут я решил попробовать вспомнить свое прошлое, только без погружения в современный код, так как я думаю это делать уже бесполезно, слишком много воды утекло с того времени. Провел эксперимент в котором решился полностью довериться агенту и выпустить свой плагин для Obsidian.

Это статья про разновидность языка Си с русским и оригинальным английским синтаксисом, работающими одновременно. «Если» и «if» работают как синонимы. Это не интерпретатор. Это компилятор, который способен собрать себя сам. Это даже не транспилятор русского в английский - оба набора слов работают равноценно. Код можно посмотреть https://кодыч.рф/administrator/rusi.

Кодинг-агенты — отличный инструмент, пока проект помещается в контекстное окно. Но чем дальше в лес, тем толще партизаны: с ростом кодовой базы начинается деградация контекста, потеря архитектурных решений, “саботаж” инструкций и другие неприятности.

В статье я предлагаю простой файловый подход, помогающий сохранить знания о проекте вне контекстного окна, сделать поведение агента более предсказуемым, а разработку контролируемой. Разберём, как организовать постоянную память и управляющий слой проекта, какие принципы действительно работают и где проходят границы такого подхода.

Показатели каждой новой версии LLM моделей стабильно превышают предыдущие, но при этом они не отвечают на вопрос: какой cli агент лучше использовать при разработке. Я решил попробовать сравнить три агента Codex, Claude Code и Kimi на одной реальной задаче в одинаковых стартовых условиях, чтобы посмотреть чем реально отличаются результаты их работы. И результат меня удивил.

«Плывут две юные рыбки, а навстречу им рыбка постарше, кивает и говорит: «Привет, ребятки, ну, как вода?» Рыбешки плывут дальше, а потом одна спрашивает у другой: «Что ещё за «вода»?» Идея этой истории проста: именно самые очевидные и важные стороны окружающей реальности зачастую сложнее всего увидеть. Я прошу вас вспомнить о рыбках и воде и на немного осадить свой скепсис в оценке значимости абсолютно очевидного. Многое из того, в чем мы непроизвольно уверенны, совершенно неверно. Из-за слепой уверенности и недальновидности узник даже не подозревает, что заперт». Дэвид Фостер Уоллес
Ниже историческое исследование (оно же – расследование): Почему мало хороших книг по системному программированию? Примеры покажут, что глубокие знания о компьютерах распространялись вопреки, а не благодаря обстоятельствам.

Промпты, документация и skills сами по себе не передают ИИ‑агенту инженерный опыт. Рассказываю, как мы выстроили работу через декомпозицию, эталонные реализации, few‑shot и постепенное доверие к тестам — без вайбкодинга и автономной генерации тысяч строк кода.

Четыре месяца, 1823 коммита и около 200 000 строк кода: мобильное приложение для изучения английского, почти целиком написанное через LLM-агента. Я формулировал задачи, ревьюил и принимал архитектурные решения, но код руками набирал редко.

Статья не про то, как здорово, что нейросети пишут код. Она про два места, где эта схема ломается насмерть. Первое — энтропия: локально агент пишет аккуратный код, но через двести коммитов в проекте три способа поднять модалку и четыре файла с константами анимаций. Второе — физическая реальность и невысказанные инварианты: 109 коммитов ушло на одно движение шторки над клавиатурой, а на то, чтобы «забудь» в памяти питомца работало честно, понадобилась отдельная спецификация.

Внутри: конституция проекта в CLAUDE.md, четыре слоя храповиков (включая обёртку над git, которая не даёт обойти хуки), разбор пяти причин, почему анимация рвалась на реальном Android, и слоистая память на pgvector с локальными эмбеддингами.

Телеграм покажет число юзеров бота, если им пользуются больше 10 тысяч человек в месяц.

Я собрал самую большую базу таких ботов.

В статье расскажу о трендах июля 2026 в экосистеме Telegram.

База e-mail адресов в Excel и задача сделать рассылку писем. Сервиса рассылок нет, надстройки ставить нельзя из-за корпоративных ограничений. Как сделать полуавтоматическую рассылку без установки стороннего софта имея только Excel и корпоративный Outlook?

В статье даны все возможные способы рассылок через Excel и описан макрос, который собирает партию из видимых строк, кладёт её в скрытую копию и принципиально ничего не отправляет сам. Его код для копирования и описание всех процессов с которыми я столкнулся, решая данную задачу.

Если у вас есть похожие задачи, вы сможете их решить после прочтения статьи.

У нас тормозило всё: сборка, дев-сервер, svelte-check, LSP. Я пошёл писать свой компилятор Svelte на Rust. Пять с половиной месяцев ковырял руками и бросил. Через год вернулся с ИИ-агентом и доделал за 106 вечеров и $700.

Вторая часть. В первой я собрал конвейер из ИИ-агентов: он сам ведёт задачу от тикета в YouTrack до коммита - разбирает, правит C++ в проекте на три миллиона строк, собирает и доказывает исправление кадром из живого интерфейса.

Здесь - цифры за девять недель работы на боевых задачах. Например, на код у агентов уходит лишь пятая часть машинного времени. Остальные четыре пятых на то, чтобы доказать, что написанное работает.

Тринадцатикратный рост из заголовка тоже разбираю. Но самое интересное оказалось не в нём.

Сегодня у нас действительно оригинальный аппарат.

Он не умел умножать — но умножал. Не имел памяти программ — но выполнял сложные программы. Не вычислял функции — а находил их в диодной матрице. При этом обгонял конкурентов по быстродействию и управлял технологическими процессами.

Кто же этот уникум в мире калькуляторов?

Сегодня у нас LOCI-2 – герой первого эпизода четвёртой части цикла.

В прошлой статье (Непослушный using ) я разобрал, как using вмешивается в поиск имён и почему его поведение часто расходится с тем, что от него ждет программист, и на этом ветку статей про поиск имен (name lookup) можно временно закрыть.

Using'и попортят вам в проектах еще немало крови, но в целом их проблемы известны и легко ловятся, а теперь давайте поговорим обauto и выводе типов в шаблонах, который регулярно удивляет даже опытных программистов на C++, когда речь идёт о распаде типов (type decay) и неявных ловушках при работе с ним. Представьте, что у нас есть несколько переменных, которые выглядят разными: const int&, просто int, const int и int&&.

По наивной интуиции можно подумать, что компилятор должен относиться к ним по‑разному: и где‑то ссылка, где‑то константность, где‑то rvalue, но это будет работать только до тех пор, пока мы не используем auto или шаблон.

Потихоньку дописываю книгу, в целом каркас уже сложился и большая часть материала уже собрана и обработана в черновике, если вам интересно, что получилось, то главы выложены на гитхабе в русском и английском вариантах или тут, если вам больше нравится в виде статей, а то, что ещё дописывается уже больше шлифовка, чем поиск нужной формы. Оглавление и ссылки будут под катом.

От концепт-дизайна велосипедного магазина до релизной web-игры на GitHub Pages — и почему документация оказалась важнее промптов.

Два года назад у меня практически не было опыта программирования. Когда‑то в школе мы немного изучали Pascal, но после этого я не написал ни одного скрипта. Я впервые открыл PyCharm, по ходу работы узнал, что такое API, SSH, виртуальная машина, системная служба и облачные задачи. При этом за несколько месяцев я создал систему, которая собирает новости из турецких источников, переводит и сокращает их, помогает администратору отбирать материалы, готовит полноценные публикации и размещает их в Telegram по расписанию.

Сегодня бот продолжает работать. Он обрабатывает около ста новостей в день, а эксплуатация всей системы при моём масштабе обходится примерно в три доллара в месяц. В этой статье я хочу рассказать не только, что получилось, но и о самом процессе: где ChatGPT действительно помогал, где уверенно вёл меня в неправильном направлении, почему через полгода пришлось менять архитектуру и чему этот проект научил меня о вайбкодинге.

Слотовая марковская модель из ~200 строк Python воспроизводит статистику манускрипта Войнича с точностью до сотой бита. Разбор четырёх экспериментов: как я нашёл «признак смысла» в тексте, а потом сам же его опроверг контрольным тестом — и почему без внешнего ключа манускрипт не расшифрует никакая статистика. Код и данные открыты.

Делюсь личным опытом создания проекта с нуля на вайбкоде.

Красивый сайт со сверхбыстрой загрузкой и функционалом, которого не найти на ресурсах без авторизации. И всё это — с нуля за полчаса описания банальных пожеланий на русском языке и менее 10 рублей затрат на одном из самых дешёвых ИИ-сервисов. Это реально новый мир.

Описываю в деталях по шагам. В том числе — как ИИ банально «тупит» и не может решить указанную задачу, и как это преодолеть. Промпты — в статье.

Всем здрайвствуйте я Titled и я создал форк llama.cpp где реализовал все свои жаветные мечты сейчас расскажу что это было и почему я написал такооой длиный заголовок.

Разберем как я это реализовал и почему это может вам помочь !

Я заметил, что стал копипастером задач в ИИ-агента и обратно, а из программиста превратился в GUI-тестера. Не самая моя любимая работа.

Сначала наваял простой скрипт на Python: сделать скриншот, ткнуть мышью в координаты. В итоге тихим сапом это выросло в круглосуточный конвейер, который ведёт задачу от тикета в YouTrack и общения с пользователем до доказательства в живом 2D/3D-интерфейсе и коммита. И ещё писатель документации со скриншотами в придачу.

Рассказываю, как оно росло, какие были грабли и сколько строк в итоге занял наследник того самого «простейшего скрипта».

Вы когда‑нибудь задумывались, что команда может каждый день не добавлять что‑то в продукт, а удалять? Звучит странно. Мы привыкли, что со временем продукты обрастают функциями, настройками и новыми слоями интерфейса. Почему же здесь всё становится тоньше?

На Startup School 2026 от Y Combinator Диана Ху поговорила с Борисом Черни, создателем Claude Code. Я посмотрел беседу целиком и понял: команда Claude Code действительно постоянно что‑то вырезает. Промпты, инструменты, код. Потом смотрит, справится ли модель сама.

Разговор сразу начался с плотной порции новостей. Накануне Anthropic выпустила Opus 5. Модель набрала около 30% на ARC‑AGI-3, бенчмарке на абстрактное мышление. До этого результаты лучших моделей измерялись несколькими процентами, иногда доходили до десяти с небольшим.

По словам Бориса, дело не в одном внезапном прорыве. Сложилось сразу много способностей. Одни тренировали намеренно, другие стали сюрпризом даже для самой команды.

После разговора у меня осталось ощущение, что привычная инженерная интуиция, которую мы десятилетиями применяли к разработке программ, проектированию систем и управлению командами, постепенно перестаёт работать. Ниже я собрал моменты, которые зацепили меня сильнее всего, и добавил свои выводы.