4 августа 2026 года разработчик Антон Ларионов представил открытый проект под названием Prismriver Lyrics 1.0.0. Это инструментарий для поиска текстов песен из различных источников. Решение написано на Python и опубликовано на GitHub под лицензией MIT.
TL;DR
За последний год я собрал вайбкодингом не один десяток лендингов — для программ МФТИ, для своих проектов и на заказ. Разберу четыре самых показательных: Школу Техпреда, конференцию «Точка сборки», курс «ИИ Продакт-менеджмент» (aimipt.ru) и один свой, личный — на нём эффекты раскачаны сильнее всего.
У всех четырёх есть слой «дорогих» визуальных эффектов: интерактивная вода на WebGL-шейдере с освещением, 3D-логотип Физтеха из тысяч частиц-спрайтов, живая 3D-башня из кубов, облако частиц, которое морфит форму по скроллу.
К этому слою я пришёл двумя разными путями. На «Точке сборки» эффекты написаны руками на чистом WebGL — ноль анимационных библиотек. На остальных работает свой движок на Three.js: вынесен отдельными файлами, переиспользуется между сайтами и откатывается на 2D-canvas, если CDN не ответит.
Ниже — оба пути на реальном коде, цепочка инструментов от дизайн-системы до прода и грабли, на которые я наступил.
server a.internal weight=10 max_fails=2; — десять к одному. Ночью бэкенд на пару секунд отвалился, к утру давно жив и из ротации не выведен. А первые полсотни запросов рабочего дня распределяются не 10:1, и среди них есть места, где два запроса подряд уходят на сосед с весом единица.
Ни один лог об этом не скажет, в документации по upstream такого объяснения нет. Есть — в двух строках ngx_http_upstream_round_robin.c.
Разбираем по тегу release-1.31.3, со ссылками файл:строка: smooth weighted round-robin и его восемь копий в исходниках; effective_weight, которого нет в документации, и то, как max_fails втихую им управляет; почему least_conn сравнивает не число соединений; почему ip_hash не работает на unix-сокетах. Плюс sticky и least_time, приехавшие в open source несколько месяцев назад.
Разработчик получает сложную задачу, погружается в детали и через несколько дней знает о ней гораздо больше, но законченного результата всё ещё нет. Он не ленится и не обязательно плохо планирует работу. Иногда задача превращается в проверку профессиональной состоятельности: несовершенный результат становится страшно показывать, просьба о помощи воспринимается как поражение, а давление сверху только усиливает застревание.
Я называю это «синдромом Данилы-мастера»: специалист уже не просто решает задачу, а пытается доказать с её помощью собственное мастерство. Разберём, как перфекционизм связывается с самооценкой, почему очевидные советы о декомпозиции могут не работать и как небольшой законченный шаг возвращает человеку способность двигаться дальше.
В 2018 Google Maps стал показывать рядом с каждым рестораном «Your Match» - процент от 0 до 100% насколько вероятно, что мне тут понравится.
Так как они базировались на прошлых оценках мест, я стал старательно писать ревью на все кафе, где был, чтобы получить максимально точные рекомендации новых. Для меня это работало классно (особенно для матчей больше 90%), намного информативнее среднего рейтинга заведения. Но в 2023 Google фичу тихо убрал.
В недельных лимитах Claude осталось много токенов, которые скоро сгорали. Так что я попробовал вернуть себе фичу своими силами.
Я несколько месяцев измеряю, как ChatGPT, Perplexity, Алиса AQI и GigaChat называют бренды в своих ответах: прогоняю контрольные промпты и смотрю, кого модель упомянула, а кого — нет. За этими прогонами всплыла цифра, которая ломает привычную логику SEO, — и заставила меня поменять то, что я вообще отслеживаю у клиентов. Разбираю по порядку.
Ежедневные заметки
Мой опрос руководителей показал, что один из самых полезных инструментов тимлида — ежедневные заметки. Они позволяют вести список влетающих задач, записывать новую информацию, фиксировать возникающие идеи. Основная цель — выгрузить всё из головы и освободить её для новой информации.
В Obsidian для ведения ежедневных заметок пригодятся следующие плагины:
Daily notes — позволяет одной кнопкой или сочетанием клавиш создать ежедневную заметку на сегодня.
Periodic Notes — расширенная версия предыдущего плагина, умеющая помимо ежедневных создавать недельные, месячные, квартальные и годовые заметки.
Calendar — простой календарик для быстрой навигации по ежедевным заметкам.
Ведёте ли вы ежедневник? Бумажный или электронный? Если второй, в какой программе? Чтоб обычно фиксируете в течение дня?
StringBuilder делит текст на чанки по 8000 символов — вчетверо ниже порога кучи больших объектов. Запас такой, что попасть туда невозможно.
Но чанк на 400 КБ в этой куче возможен и получить его можно разными способами.
Как выбрать биржу для алгоритмической торговли: latency, matching engine и реальная ликвидность
Я несколько лет занимаюсь алгоритмической торговлей и за это время прогнал через свои алгоритмы десятки криптобирж.
Я подключал биржи к своим ботам, торговал через API и проверял то, что действительно важно алгоритмическому трейдеру: стаканы, latency, WebSocket, исполнение ордеров, ликвидность, ошибки и поведение рынка в момент реальной сделки.
В результате я протестировал около 40 бирж.
И оказалось, что биржа, которая выглядит отлично на CoinMarketCap, в рекламе обещает миллиарды объема и показывает красивый глубокий стакан, совсем не обязательно является хорошей биржей для алгоритмической торговли.
Иногда всё наоборот.
Владельцы некоторых автомобилей BMW жалуются, что автоконцерн использует встроенные экраны для рекламы фильма «Человек‑паук: Новый день». После запуска авто на экране появляется баннер, после нажатия на него система выводила полноэкранный ролик с музыкой. Пользователи не оценили решение BMW.
Liquid AI выпустила LFM2.5-2.6B — компактную агентную модель, которая умеет планировать действия, вызывать инструменты и выполнять многошаговые задачи полностью на устройстве, без облачного API. Компания позиционирует модель как решение для edge-сценариев: от смартфонов и ноутбуков до локальных рабочих станций, где важны приватность, низкая задержка и умеренное потребление памяти.
Система прошла приёмку, но первая реальная нагрузка разогнала p99, исчерпала пул соединений и увеличила счёт за облако.
Разбираем пять ошибок в нефункциональных требованиях и способы превратить их в измеримые ограничения ещё до выхода в прод.
Семь наблюдений об ИИ-трансформации российского бизнеса
За последние месяцы мы провели две онлайн-конференции про внедрение ИИ в российский бизнес. 3 апреля — «ИИ-Трансформацию», с топами из X5, MWS AI, Skyeng, mymeet.ai и Data Monsters. 29 мая — «Точку сборки», вместе с кафедрой технологического предпринимательства МФТИ: выпускники кафедры, фаундеры, практики вроде Александра Горного и команды AgentArea. Суммарно — больше двадцати спикеров, около 1500 регистраций на обе конференции и средняя оценка эфиров выше 9 из 10 у аудитории.
Меня зовут Жемал Хамидун, я CPO AlpinaGPT, Head of AI Alpina Digital и автор тг-канала «Готовим ИИшницу».
Обычно с таких мероприятий уносят красивые тезисы и хайповые заголовки. Мне интереснее другое — что повторяется у разных спикеров из разных индустрий и в разных форматах. Совпадение у людей, которые друг друга не слышали, — самый честный сигнал, который вообще можно снять с конференции.
Я пересмотрел записи, свёл вопросы аудитории и результаты живых опросов на обеих конференциях. Ниже семь наблюдений, которые прозвучали у нескольких независимых спикеров сразу.
Сразу про жанр, чтобы не было обманутых ожиданий. Это не замер и не исследование. Это обзор того, что говорили практики на двух наших мероприятиях, плюс мой комментарий там, где мне есть что подтвердить или оспорить своим опытом. Записи конференций не публичные, поэтому цифры спикеров — это их цифры со сцены: методику расчёта в докладах почти никто не раскрывал, и дальше я помечаю это отдельно. Внешние исследования, наоборот, все со ссылками — их можно открыть и проверить.
Кстати, 16 сентября мы проводим вторую конференцию «ИИ-Трансформация» — программу как раз собираем. Регистрация бесплатная, через нашего чат-бота: зарегистрироваться. В том же боте лежат записи первой конференции и полные саммари всех семи трендов, о которых я расскажу дальше — можно посмотреть уже сейчас, чтобы не читать материал вслепую.
Ваши скиллы возможно написаны под модель, которой уже нет
Anthropic удалила больше 80% системного промпта из Claude Code, и качество на их тестах не упало. Пересказывать статью не буду, интереснее, что из этого следует, если вы сами пишете агентов и скиллы.
1. Половина ваших правил — заплатки на провалы прошлых версий. «Не начинай с общих фраз», «не используй конструкцию X» — вы это добавляли, потому что модель так делала. Перестала делать, и правило работает вхолостую, а иногда против вас: запрет отнимает у сильной модели право решать по ситуации. Что сделать: пройти по скиллам и рядом с каждым правилом поставить дату и ошибку, из-за которой оно появилось. Где ошибку не вспомнить или ей больше полугода — кандидат на удаление.
2. Резать вслепую нельзя, а мерить нечем. У Anthropic были свои прогоны: удалили кусок промпта, прогнали набор задач, сравнили результат. Поэтому они и могли уверенно сказать «сняли 80%, качество то же». У нас так не выходит. Меняем скилл, смотрим на два поста и решаем, что стало лучше. А на третьем оказывается, что модель перестала расставлять ссылки, просто в первых двух ссылок и не было.
3. Конфликтуют не правила, а источники правил. Редстандарт, скилл канала, CLAUDE.md, бриф — четыре места, где написано про тон. Модель разгребает противоречие вместо работы. Решение не в сокращении, а в иерархии: тон и позиция живут только в скилле канала, фактура и грабли — только в CLAUDE.md, задача выпуска — только в брифе. Правило встретилось дважды — одно вхождение удаляется, а не уточняется.
4. Эталонные тексты в скиллах, скорее всего, вредят. Приложил три идеальных поста — получил четвёртый такой же по каркасу. Меняем образцы на структуру: рубрикатор, обязательные элементы, признаки плохого лида. Образец оставляем там, где нужен формат — вёрстка, разметка, шаблон ответа.
5. Архитектура скиллов важнее их содержания. Один SKILL.md на девятьсот строк грузится целиком: пишете пост в телеграм — модель попутно читает правила для лендингов. Лишнее разбавляет нужное, а трогать такой файл страшно, поэтому его проще дополнить, чем разобрать. Разложите по уровням: верхний решает, что за задача и куда идти дальше; профиль канала держит тон и рубрикатор только для себя; редкие рубрики подгружаются по надобности. Тогда правки перестают быть страшными: меняете один канал и точно знаете, что остальные не задели.
Что переносится на другие модели
Не переносится цифра. 80% — результат конкретной связки: их обвязка, их модели, их тесты на коде. Для GPT, Gemini или локальных моделей такого замера у вас нет.
Переносится наполовину принцип «меньше правил — лучше». Это функция силы модели, а не тренд индустрии: чем модель слабее, тем нужнее ей явные правила и примеры. Если вы гоняете тяжёлое на топовой, а рутину на дешёвой, один облегчённый скилл на всех не сработает. Либо два профиля инструкций, либо пишете под самую слабую в связке и теряете на сильной.
Не переносятся архитектурные приёмы. Прогрессивное раскрытие, отложенная загрузка инструментов, автопамять — это свойства обвязки, а не модели. В чужом фреймворке эквивалента может не быть, и тогда «вынесите редкое в отдельный скилл» превращается в «вынесите в файл, который никто не подгрузит».
И главное
Спор о длине промптов маскирует настоящую проблему: у нас нет способа отличить улучшение от ухудшения. Пока его нет, любое решение — резать или не резать — принимается на ощущениях. Вопрос не в том, сколько правил у вас в скиллах, а в том, знаете ли вы, какие из них хоть на что-то влияют. А это уже content ops. 😎
Компания Cursor выложила в опенсорс Mixture-of-Kittens (MoK) — "мегаядро" для обучения MoE-моделей на стойках Nvidia GB300 NVL72. Вся пересылка данных между 72 видеокартами и все вычисления MoE-слоя в нем выполняются одним гигантским GPU-ядром. По замерам самой компании, MoK работает до 2.37 раза быстрее лучших публичных решений, а в продакшене поднял сквозную скорость обучения на 41%: с 761 до 1070 токенов в секунду на видеокарту. На этом ядре Cursor уже обучает свою модель Composer на десятках тысяч GPU.
Microsoft подтвердила разработку Copilot Super App — единого приложения, которое объединит основные ИИ-сервисы компании в одном интерфейсе. Новый продукт будет запущен до конца этого года и охватит как потребительские, так и корпоративные сценарии использования.
Решение должно стать центральным хабом для всей своей ИИ-экосистемы, а не очередной версией Copilot. В приложение войдут чат-интерфейсы Copilot, инструменты для разработки на базе GitHub Copilot, система совместной работы Copilot Cowork и агентная платформа Autopilot. Ранее информация о таком проекте появлялась в виде инсайдов, однако теперь компания подтвердила ее официально.
Бренд CMF, принадлежащий компании Nothing, представил Clip Pro — свои первые беспроводные наушники в формате клипс. Они крепятся к ушной раковине и направляют звук в слуховой канал, не перекрывая его. Благодаря этому пользователь одновременно слышит музыку и звуки вокруг.
Любая гипотеза жива ровно до тех пор, пока о ней не спросят языковую модель в правильном настроении. Звучит как шутка. Но за последние недели эта шутка перестала быть шуткой трижды — и каждый раз по-разному эффектно.
1) Сначала чувак из Anthropic между таймами финала ЧМ опроверг гипотезу, которой было 87 лет — прямо в X. 2) Потом модель OpenAI закрыла проблему Эрдёша про расстояния на плоскости, 80 лет никто не мог. 3) А следом — доказательство полувековой гипотезы о двойном покрытии циклами в графах, добытое за час силами 64 параллельных субагентов. Если это совпадение, то очень организованное.
Короче, собираю всё в один текст — с разбором что вообще происходило, как выглядели твиты и доказательства, и почему у истории тревожный постскриптум - ту самую модель OpenAI, которая размотала Эрдёша, позже пришлось приостанавливать, потому что она слишком настойчиво вылезала из песочницы.
Далеко не новость, что поддержка популярного расширения прекратилась. Но кто мешает расширению Roo поддерживать самому себя. Решил это проверить и поправить заодно проблему с ripgrep. Проблем никаких почти не возникло, реализовал и починил все, что требовалось.
Починить ripgrep никаких проблем не составило.
Далее, добавил нового встроенного Агента 🎨 Image generator и настройки для подключения к sd api v1 и новый встроенный tool.
В старом tool не устроило использование только OpenRouter.
Последний раз я тут писал в 2010 году )). С тех пор многое изменилось и вся моя тогдашняя писанина теперь в чердаке. И заново ее публиковать не вижу смысла.
Если вы системный аналитик, то знакомы с ситуацией, когда приходит бизнес с очередной хотелкой. Начинаете задавать вопросы, получаете ответы, потом еще, и еще. Через несколько встреч у вас набор разных заметок, записок, писем, страниц в Confluence. Если используете современный подходи и используете Чат-бот - то и несколько чатов. А когда одновременно несколько проектов, то все это превращается в мешанину.
И вот, под девизом "Хватит это терпеть" с помощью ИИ-агента в IDE родилось приложение DocGen, или AI-ассистент системного аналитика.
Расскажу, как я сделал своего ассистента, с какими проблемами столкнулся и что получилось.
