Вы неправильно поняли метафору. Сравнение идёт не между потенциально опасным инструментом без ии, и инструментом с ии. Сравнение идёт между одним и тем же инструментом, в одном случае оператор умеет им пользоваться и получает нужный ему результат, во втором случае не умеет и наносит себе травмы.
Anthropic - партнёр гугла, а не конкурент. Их модели интегрированы в Vertex AI, в официальных инструкциях к Claude Code есть порядок действий по замене ANTHROPIC_BASE_URL на GCP
Спасибо за хорошую статью. При начале работы со SpecKit есть ещё одна нулевая фаза - specify.constitution - Вы её пропускаете? Для меня это самый сложный этап, поэтому со speckit у меня не получилось подружиться, в отличие от task-master.
Один из существенных минусов Codex (CLI, не расширение) - большие трудности при работе на Windows / powershell. Конечно WSL несколько устраняет проблему, но у тех кто не знает - может вызвать разочарование.
А что касается подхода - отличная вариация Spec Driven Development, моё почтение. Вероятно, Вам понравится Task Master AI MCP, где этот подход ещё и ускоряется
SpecKit - это не замена курсору, а дополнение к нему. SpecKit имеет шаблоны / профиль для Курсора. Он создает кастомных агентов в чат каждый под свою задачу. Создаёт спеки, план, задачи, контроль выполнения.
У курсора есть аналог - расширение SuperCode, но оно стоит отдельных денег и не работает с другими инструментами.
Почему "скорее всего"? Можно получить однозначное "да" или "нет" - проверить любым ии-детектором, он покажет, насколько % в статье текст написан человеком.
Для того, чтобы запустить любую модель в децентрализованной вычислительной сети, некоторые провайдеры просят всего $50, а чтобы использовать популярные большие модели, вроде Deepseek, Kimi, gpt-oss-120b, за сумму порядка $10 дают лимит порядка 50 000 апи-вызовов в месяц, в нагрузку дают openai-compatible endpoint. Совсем не нужно собирать свой дорогостоящий кластер для большинства случаев практического применения.
Сейчас для инференса гигантских моделей можно использовать любую публично доступную децентрализованную bittensor-сеть за совсем небольшие деньги, например одна из них (не буду рекламировать) предлагает инференс к таким моделям по подписке за $0.00002 за один апи-вызов, без тарификации за токены. Я сомневаюсь, что AWS может предложить инференс за сопоставимые деньги.
Практического применения у этой статьи очень мало для большинства читателей. Никто не написал ещё на хабре о том, как доступно запустить модель на сотню миллиардов параметров (или даже триллион) в одной из сетей на базе BitTensor и заставить её работать как CLI агент, хотя вероятно кто-то организовал по этому вопросу платные курсы:)
Олды хабра убивают нейродвиж. Минусуя все статьи связанные с эксплуатацией нейросетей. Как итог, хабр по количеству информации о новинках технологий и практическому опыту их использования отстаёт от других популярных платформ, не буду рекламировать. Мало кто захочет написать здесь об успехах и практическом применении нейросетей, зная, что многие читатели триггерятся на комбинацию из двух букв. Но это очень напоминает саботаж работников мануфактуры, которых вот-вот заменит паровая машина.
Сначала говорили "он ничего не добьётся", затем "вы просто ставите им слишком простую задачу", следом "ну на прод такой код точно не пустят", после (вы находитесь здесь) "без работы не останемся, нужно будет исправлять вайбкодинг", что дальше? "ну не сейчас, так через год"? Или, вероятно "пузырь лопнет" и "электричества не хватит"
Пока не могу понять, зачем платить Cursor по подписке в формате pay as you go, если можно купить напрямую api ключи и задействовать модели в vs code? Чего такого есть в курсоре, чего нет в оригинале? Индексации нормальной в курсоре нет, token input жрёт столько же, сколько без индексации
Уникальная новая модель? В vscode можно подключить любую модель и пользоваться ей без подписки на copilot
Треды для агентов? В vscode уже есть это
Plan mode? Это всего лишь один из вариантов custom model, который представляет собой md файл с инструкцией для планирования
Ваш специалист отдела продаж со знанием итальянского нашёл нового потенциального клиента. Есть запись их звонка в google meet, из которого нужно выписать конспект, разложить по полочкам технические детали, чтобы технический специалист без знания итальянского смог составить грамотную оценку проекта.
Вы загружаете эту запись звонка в notebooklm и можете получить несколько вариантов отчёта по этому звонку и чат, который отвечает на вопросы только по содержанию этого звонка. И моя любимая вещь - генерация mind map
Второй пример использования - ваш(а) очень занятой (ая) коллега передаёт вам знания по проекту (knowledge transfer) с множеством технических деталей, которые за один звонок трудно запомнить. Вы созваниваетесь в google meet, записываете ваш разговор, запись разговора отправляете в notebooklm и получаете виртуальный аналог коллеги, который ответит на все ваши вопросы по существу проведенного звонка, и вам больше не нужно отвлекать коллегу переспрашиваниями.
У Вас выбор между работой, которая стала сложнее, и отсутствием работы. Требования клиентов быть в 10 раз более эффективными возникают не на пустом месте. За классические подходы с тысячами часов на разработку хотят платить всё меньше клиентов. Вы конечно можете сказать "ничего, посмотрим как они запоют когда им понадобится исправлять сгенерированный код", но вероятно, к этому времени компания, которая этого ждёт, вылетит из рынка.
Вы неправильно поняли метафору. Сравнение идёт не между потенциально опасным инструментом без ии, и инструментом с ии. Сравнение идёт между одним и тем же инструментом, в одном случае оператор умеет им пользоваться и получает нужный ему результат, во втором случае не умеет и наносит себе травмы.
Anthropic - партнёр гугла, а не конкурент. Их модели интегрированы в Vertex AI, в официальных инструкциях к Claude Code есть порядок действий по замене ANTHROPIC_BASE_URL на GCP
Отличная отправная точка в мир файн-тюнинга. Интересно перенаправить пайплайн на другую сеть bittensor в качестве провайдера вычислительных ресурсов
Спасибо за хорошую статью. При начале работы со SpecKit есть ещё одна нулевая фаза - specify.constitution - Вы её пропускаете? Для меня это самый сложный этап, поэтому со speckit у меня не получилось подружиться, в отличие от task-master.
Принцип работы LLM: Garbage in - Garbage out
Один из существенных минусов Codex (CLI, не расширение) - большие трудности при работе на Windows / powershell. Конечно WSL несколько устраняет проблему, но у тех кто не знает - может вызвать разочарование.
А что касается подхода - отличная вариация Spec Driven Development, моё почтение. Вероятно, Вам понравится Task Master AI MCP, где этот подход ещё и ускоряется
Помните про принцип "garbage in - garbage out ". Если не получается с одного промпта - добавьте модели правило задавать уточняющие вопросы.
SpecKit - это не замена курсору, а дополнение к нему. SpecKit имеет шаблоны / профиль для Курсора. Он создает кастомных агентов в чат каждый под свою задачу. Создаёт спеки, план, задачи, контроль выполнения.
У курсора есть аналог - расширение SuperCode, но оно стоит отдельных денег и не работает с другими инструментами.
Почему "скорее всего"? Можно получить однозначное "да" или "нет" - проверить любым ии-детектором, он покажет, насколько % в статье текст написан человеком.
Для того, чтобы запустить любую модель в децентрализованной вычислительной сети, некоторые провайдеры просят всего $50, а чтобы использовать популярные большие модели, вроде Deepseek, Kimi, gpt-oss-120b, за сумму порядка $10 дают лимит порядка 50 000 апи-вызовов в месяц, в нагрузку дают openai-compatible endpoint. Совсем не нужно собирать свой дорогостоящий кластер для большинства случаев практического применения.
Сейчас для инференса гигантских моделей можно использовать любую публично доступную децентрализованную bittensor-сеть за совсем небольшие деньги, например одна из них (не буду рекламировать) предлагает инференс к таким моделям по подписке за $0.00002 за один апи-вызов, без тарификации за токены. Я сомневаюсь, что AWS может предложить инференс за сопоставимые деньги.
LLM не учатся мгновенно. Насколько актуальны знания той или иной нейросети, можно узнать вопросом про knowledge cutoff
Сколько актуальных статей про spec-driven development? Ноль статей. Продолжайте превращать когда-то лучший по инновациям сайт в заповедник.
А что насчёт gRPC?
Практического применения у этой статьи очень мало для большинства читателей. Никто не написал ещё на хабре о том, как доступно запустить модель на сотню миллиардов параметров (или даже триллион) в одной из сетей на базе BitTensor и заставить её работать как CLI агент, хотя вероятно кто-то организовал по этому вопросу платные курсы:)
Олды хабра убивают нейродвиж. Минусуя все статьи связанные с эксплуатацией нейросетей. Как итог, хабр по количеству информации о новинках технологий и практическому опыту их использования отстаёт от других популярных платформ, не буду рекламировать. Мало кто захочет написать здесь об успехах и практическом применении нейросетей, зная, что многие читатели триггерятся на комбинацию из двух букв. Но это очень напоминает саботаж работников мануфактуры, которых вот-вот заменит паровая машина.
Сначала говорили "он ничего не добьётся", затем "вы просто ставите им слишком простую задачу", следом "ну на прод такой код точно не пустят", после (вы находитесь здесь) "без работы не останемся, нужно будет исправлять вайбкодинг", что дальше? "ну не сейчас, так через год"? Или, вероятно "пузырь лопнет" и "электричества не хватит"
Пока не могу понять, зачем платить Cursor по подписке в формате pay as you go, если можно купить напрямую api ключи и задействовать модели в vs code? Чего такого есть в курсоре, чего нет в оригинале? Индексации нормальной в курсоре нет, token input жрёт столько же, сколько без индексации
Уникальная новая модель? В vscode можно подключить любую модель и пользоваться ей без подписки на copilot
Треды для агентов? В vscode уже есть это
Plan mode? Это всего лишь один из вариантов custom model, который представляет собой md файл с инструкцией для планирования
Ваш специалист отдела продаж со знанием итальянского нашёл нового потенциального клиента. Есть запись их звонка в google meet, из которого нужно выписать конспект, разложить по полочкам технические детали, чтобы технический специалист без знания итальянского смог составить грамотную оценку проекта.
Вы загружаете эту запись звонка в notebooklm и можете получить несколько вариантов отчёта по этому звонку и чат, который отвечает на вопросы только по содержанию этого звонка. И моя любимая вещь - генерация mind map
Второй пример использования - ваш(а) очень занятой (ая) коллега передаёт вам знания по проекту (knowledge transfer) с множеством технических деталей, которые за один звонок трудно запомнить. Вы созваниваетесь в google meet, записываете ваш разговор, запись разговора отправляете в notebooklm и получаете виртуальный аналог коллеги, который ответит на все ваши вопросы по существу проведенного звонка, и вам больше не нужно отвлекать коллегу переспрашиваниями.
"
Интернетnotebooklm они тут ставят,интернетnotebooklm! Он нам и даром не нужонинтернетnotebooklm ваш"У Вас выбор между работой, которая стала сложнее, и отсутствием работы. Требования клиентов быть в 10 раз более эффективными возникают не на пустом месте. За классические подходы с тысячами часов на разработку хотят платить всё меньше клиентов. Вы конечно можете сказать "ничего, посмотрим как они запоют когда им понадобится исправлять сгенерированный код", но вероятно, к этому времени компания, которая этого ждёт, вылетит из рынка.