Пишу, помогаю, обучаю, внедряю, консультирую по AI Coding
О канале https://t.me/the_ai_architect/2
Связь: @yatimur | Визитка: timurkhakhalev.t.me
О канале https://t.me/the_ai_architect/2
Связь: @yatimur | Визитка: timurkhakhalev.t.me
4 инсайта, которые я осознал за год кодинга с AI
◾️ Внедрение AI в работу кодера будет неизбежным.
Это произойдет рано или поздно. Это будет такой же нормой, как для сохранения своей работы использовать git, а для работы с кодом использовать IDE — потому что так удобнее, эффективнее и надёжнее.
◾️ Разберитесь с новым инструментом перед началом работы
Это важно, потому что AI Coding tools в большинстве своём используют совсем другие подходы в работе, чем ваши текущие.
◾️ AI может использовать новые для вас подходы в написании кода.
✅ Правильным шагом будет: разобраться в том как это работает и, возможно, взять себе это на вооружение
❌ Не правильный шаг: отклонить код и поругать AI за то, что он использовал функциональщину вместо любимого вашего ООП и абстракций.
◾️ В наши дни выгоднее быть агностиком в технологиях и инструментах
Я не верю, что продукты с фиксированным ценником в месяц могут быть такими же качественными как и pay-as-you-go продукты. На примере Cursor и Claude Code видно, что подписочные пользователи обходятся компаниям дорого, и те, в свою очередь, начинают резать качество. Поэтому, не привыкайте к одному инструменту и ни в коем случае не покупайте годовую подписку.
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
◾️ Внедрение AI в работу кодера будет неизбежным.
Это произойдет рано или поздно. Это будет такой же нормой, как для сохранения своей работы использовать git, а для работы с кодом использовать IDE — потому что так удобнее, эффективнее и надёжнее.
◾️ Разберитесь с новым инструментом перед началом работы
Это важно, потому что AI Coding tools в большинстве своём используют совсем другие подходы в работе, чем ваши текущие.
◾️ AI может использовать новые для вас подходы в написании кода.
◾️ В наши дни выгоднее быть агностиком в технологиях и инструментах
Я не верю, что продукты с фиксированным ценником в месяц могут быть такими же качественными как и pay-as-you-go продукты. На примере Cursor и Claude Code видно, что подписочные пользователи обходятся компаниям дорого, и те, в свою очередь, начинают резать качество. Поэтому, не привыкайте к одному инструменту и ни в коем случае не покупайте годовую подписку.
#ai_coding@the_ai_architect
Создание надёжных приложений на незнакомых ЯП
Я часто вижу вопрос "А как создавать надёжные приложения на языках программирования, которые я не знаю?". Попробую ответить на этот вопрос
Короткий ответ: вайб-кодить не получится.🙈
Более подробный ответ: с наскока это будет делать сложно, но мы можем использовать AI для обучения нас самих!
Вот примерный план по вкатыванию в новый стэк.
1️⃣ Для того чтобы создавать приложение, необходимо, конечно, знать базу: из каких компонентов оно состоит, как оно деплоится, как запускается на девайсе и как дебажится. Используем AI для получения этой информации.
2️⃣ Используем всевозможные Deep Research'и, которые найдут best practices, покажут типичные подводные камни, паттерны и подходы.
⚡️ Лайфхак: можно описать своё приложение и попросить AI выбрать подходящие для нас паттерны, при этом каждый свой выбор AI должен обосновать, а вы должны проверить обоснование и если есть сомнения, то дать эту задачу повторно в новом чате (возможно даже другой модели), и если результаты различаются, то показать их обеим моделям и сказать, мол, смотри, а вот другая модель думает иначе, и довести это до результата, который вас устроит.
Полученные данные (паттерны, выбор стэка и прочее) следует сохранить в одном или нескольких файликах.
3️⃣ Собрав эти данные, в новом чате можно попросить расписать план задач для создания приложения. Стоит проверить этот план на соответствие данным с предыдущего шага и если что-то не так, то исправить свой промпт и сгенерить план задач заново.
✔️ Наконец, имея план задач, мы уже можем приступать к итерационному выполнению их и проверять результат.
❗️ Важно: все эти запросы стоит делать в разных чатах с AI, чтобы контекст не мешал друг-другу.
Это же несложно, не так ли? Мы кушаем слона по-кусочкам.
Главное помнить:
1. Вы являетесь погонщиком AI и должны направлять его в правильную сторону.
2. Вы должны понимать как устроено ваше приложение хотя бы на базовом уровне.
3. Используйте AI для объяснения, если что-то не понятно.
Часто бывает, что в момент объяснения кода, AI может сказать: блин, да, я здесь действительно ошибся, ща переделаю. Чаще всего это означает, что AI пошёл не по верному пути и нам стоит вернуться на пару шагов назад и более детально изучить способ решения задачи.
На практике, в чем будет разница между задачей, которую мы знаем, как выполнять и той, когда мы не знаем? Во втором случае мы не сможем ударить AI по рукам, когда он пойдет не в ту сторону. Именно поэтому вам необходимо самостоятельно разбираться (хотя бы на базовом уровне) в том, как устроено ваше приложение.
🫰 В эпоху AI обучаться стало в разы проще и быстрее, такой скорости не было никогда прежде.
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
Я часто вижу вопрос "А как создавать надёжные приложения на языках программирования, которые я не знаю?". Попробую ответить на этот вопрос
Короткий ответ: вайб-кодить не получится.
Более подробный ответ: с наскока это будет делать сложно, но мы можем использовать AI для обучения нас самих!
Вот примерный план по вкатыванию в новый стэк.
Полученные данные (паттерны, выбор стэка и прочее) следует сохранить в одном или нескольких файликах.
Это же несложно, не так ли? Мы кушаем слона по-кусочкам.
Главное помнить:
1. Вы являетесь погонщиком AI и должны направлять его в правильную сторону.
2. Вы должны понимать как устроено ваше приложение хотя бы на базовом уровне.
3. Используйте AI для объяснения, если что-то не понятно.
Часто бывает, что в момент объяснения кода, AI может сказать: блин, да, я здесь действительно ошибся, ща переделаю. Чаще всего это означает, что AI пошёл не по верному пути и нам стоит вернуться на пару шагов назад и более детально изучить способ решения задачи.
На практике, в чем будет разница между задачей, которую мы знаем, как выполнять и той, когда мы не знаем? Во втором случае мы не сможем ударить AI по рукам, когда он пойдет не в ту сторону. Именно поэтому вам необходимо самостоятельно разбираться (хотя бы на базовом уровне) в том, как устроено ваше приложение.
#ai_coding@the_ai_architect
Небольшая пятничная история о том как ChatGPT мне помог вернуть деньги
Мы с женой планировали съездить в небольшое путешествие в ближайшее зарубежье. Я купил билеты на самолёт в конце июня и вот недавно, за 4 дня до вылета, мне приходит смска о том, что наш рейс отменён. Ну ок, печально, придется поменять планы, пойду возвращать билеты.
Билеты я покупал у авиакомпании Азимут и брал ещё страховку там же, от Альфастрахования. Пошёл в личный кабинет Азимута, натыкал себе возврат, и сижу жду. Через несколько часов приходит смска о том, что деньги ко мне уже выехали, но сумма мне показалась какой-то странной, там явно не хватало немного. Полез разбираться и обнаружил, что они сделали возврат за вычетом стоимости страховки. Окак.
Звоню в Азимут разбираться, там мне говорят, что да-да, всё верно, вот если бы вы вернули билеты в течение 14 дней после их покупки, то тогда мы бы вернули вам деньги за страховку, а так нет, у нас правила с Альфастрахом такие. Меня это конечно же не устроило, ведь билеты я возвращаю не по своей воле.
Ок, попробую спросить ChatGPT по этому поводу, тут явно какое то налюбливание людей. Деньги там небольшие, 1318р, но я не люблю когда у меня воруют мои деньги, так что это стало делом принципа и кейсом для ChatGPT.
Описал ситуацию в o3, он мне сразу рассказал как надо действовать: собрать подтверждения отмены рейса, приложить билеты, написать письмо в Альфастрах, опереться на какую-то там статью какого-то там кодекса (конечно же я ничего не проверял, кроме почты), ну и вдобавок накидал шаблончик заявления. Я его заполнил в ворде, экспортнул в пдф, добавил конечно же свою подпись чтобы смотрелось серьезнее и отправил письмо на электронную почту.
Спустя пару дней, сегодня, мне пришел возврат этих несчастных 1318р. Браво ChatGPT!
Кстати, как то на днях, на главной Яндекса, заметил новую кнопочку завлекающую попробовать Яндекс нейросеть с модным названием YandexGPT 5 Pro и с модными ныне кнопками "Рассуждать", "Поиск". Ну, я решил, что Яндексовая модель то точно должна разбираться в этом, и задал вопрос ей. Ответ выложу в комментах :)
Всем хороших выходных!
Мы с женой планировали съездить в небольшое путешествие в ближайшее зарубежье. Я купил билеты на самолёт в конце июня и вот недавно, за 4 дня до вылета, мне приходит смска о том, что наш рейс отменён. Ну ок, печально, придется поменять планы, пойду возвращать билеты.
Билеты я покупал у авиакомпании Азимут и брал ещё страховку там же, от Альфастрахования. Пошёл в личный кабинет Азимута, натыкал себе возврат, и сижу жду. Через несколько часов приходит смска о том, что деньги ко мне уже выехали, но сумма мне показалась какой-то странной, там явно не хватало немного. Полез разбираться и обнаружил, что они сделали возврат за вычетом стоимости страховки. Окак.
Звоню в Азимут разбираться, там мне говорят, что да-да, всё верно, вот если бы вы вернули билеты в течение 14 дней после их покупки, то тогда мы бы вернули вам деньги за страховку, а так нет, у нас правила с Альфастрахом такие. Меня это конечно же не устроило, ведь билеты я возвращаю не по своей воле.
Ок, попробую спросить ChatGPT по этому поводу, тут явно какое то налюбливание людей. Деньги там небольшие, 1318р, но я не люблю когда у меня воруют мои деньги, так что это стало делом принципа и кейсом для ChatGPT.
Описал ситуацию в o3, он мне сразу рассказал как надо действовать: собрать подтверждения отмены рейса, приложить билеты, написать письмо в Альфастрах, опереться на какую-то там статью какого-то там кодекса (конечно же я ничего не проверял, кроме почты), ну и вдобавок накидал шаблончик заявления. Я его заполнил в ворде, экспортнул в пдф, добавил конечно же свою подпись чтобы смотрелось серьезнее и отправил письмо на электронную почту.
Спустя пару дней, сегодня, мне пришел возврат этих несчастных 1318р. Браво ChatGPT!
Кстати, как то на днях, на главной Яндекса, заметил новую кнопочку завлекающую попробовать Яндекс нейросеть с модным названием YandexGPT 5 Pro и с модными ныне кнопками "Рассуждать", "Поиск". Ну, я решил, что Яндексовая модель то точно должна разбираться в этом, и задал вопрос ей. Ответ выложу в комментах :)
Всем хороших выходных!
Context Engineering в AI Coding
Andrej Karpathy снова сделал то, что у него получается лучше всего: сформулировал идею (на самом деле он поддержал идею Tobi Lutke), которая витала в воздухе, но которой не хватало точного названия: Context Engineering.
Люди обычно связывают промпт с коротким описанием задачи, которую дают AI. В то время как в приложениях с LLM под капотом, происходит "Context Engineering".
Context Engineering заключается в правильном использовании контекста в запросах к LLM.
Тут всё просто. Делайте хорошо (давайте правильный контекст), плохо не делайте (не давайте лишней информации); Garbage In, Garbage Out.
Я хочу рассказать, как правильно работать с контекстом в AI Coding.
Для начала, что такое контекст?
Контекст, это вся та информация, которую мы передаём в запросе к LLM:
- system prompt — здесь обычно инструкции от разработчиков AI Coding tool и иногда сюда передаются правила которые указываются пользователем
- user prompt — запрос пользователя + файлы с кодом
- conversation — история переписки в текущем чате
- tools — function calling инструменты, которые модель может вызвать в процессе
- structured output — json схема ответа модели
Что отличает хороший AI Coding tool от плохого? Правильно, грамотное использование контекста. Для этого придумали memory bank, task manager, scratchpads, function calling, RAG в конце-концов. Все эти инструменты созданы для того, чтобы не грузить в модель всю-всю информацию, а дать ей возможность грамотно собирать только необходимую информацию.
Вот основные проблемы связанные с контекстом:
◾️ Отравление контекста — если запрос пользователя был недостаточно понятным, то модель может допустить ошибку и пойти не по правильному пути, сохранит это знание в conversation, что в итоге приведёт к тому, что проблема не будет решена.
✅ Решение: внимательно читайте ответ модели. Именно поэтому, если с первого раза модель меня не поняла, то я возвращаюсь назад, меняю промпт и отправляю запрос заново.
◾️ Переполненность контекста — это случаи, когда контекст становится очень огромным: например, в одном чате мы хотим решить сразу несколько разных задач. Это приводит к расфокусу модели на контексте и ведёт к потере качества генерируемого кода.
✅ Решение: есть очень хорошее правило: один чат = одна задача. Оно хорошо действует для моделей со стандартным (128K) размером контекстного окна: Claude 4 Sonnet, но вот при использовании Gemini 2.5 pro, где контекстное окно 1M, имеет смысл давать сразу несколько связанных между собой задач
◾️ Лишняя информация — если в контексте есть лишние файлы (код, правила, документация), которые нерелевантны к решаемой задаче, то это может сбить с толку модель.
✅ Решение: грамотно выбирайте релевантные файлы с кодом и документацию заранее
◾️ Противоречия — если правила противоречат друг-другу, это так же собьет модель с толку.
✅ Решение: писать правильные rules это тоже нетривиальная задача. Постоянно их обновлять — это правильно. /init команду (когда на основе имеющегося проекта генерятся rules) имеет смысл использовать в самом начале, чтобы была хотя бы какая-то структура rules, а потом всё равно их нужно обновлять.
А вот ещё несколько решений проблем с контекстом:
◾️ Правильный выбор tools. Не нужно добавлять все MCP сервера подряд — выбирайте только те, которые действительно полезны в работе
◾️ Грамотное использование summary. Многие AI Coding инструменты вынуждены использовать краткую выжимку части истории сообщений для того чтобы экономить токены. Важно понимать, что это может приводить к потере основной сути задачи, так что если есть возможность, всегда старайтесь открывать новый чат.
◾️ Context Offloading. Можно использовать черновик: просим модель записывать некоторую информацию в файлик, а потом просим модель использовать этот файлик. Так, например Anthropic в своих Best Practices рекомендуют использовать черновик (scratchpad) при решении большого количества linting задач: запускаем линтер, сгружаем результат в такой черновик, а потом просим решать эти проблемы по-очереди. Это позволит не хранить в контексте лишнюю информацию
Andrej Karpathy снова сделал то, что у него получается лучше всего: сформулировал идею (на самом деле он поддержал идею Tobi Lutke), которая витала в воздухе, но которой не хватало точного названия: Context Engineering.
Люди обычно связывают промпт с коротким описанием задачи, которую дают AI. В то время как в приложениях с LLM под капотом, происходит "Context Engineering".
Context Engineering заключается в правильном использовании контекста в запросах к LLM.
Тут всё просто. Делайте хорошо (давайте правильный контекст), плохо не делайте (не давайте лишней информации); Garbage In, Garbage Out.
Я хочу рассказать, как правильно работать с контекстом в AI Coding.
Для начала, что такое контекст?
Контекст, это вся та информация, которую мы передаём в запросе к LLM:
- system prompt — здесь обычно инструкции от разработчиков AI Coding tool и иногда сюда передаются правила которые указываются пользователем
- user prompt — запрос пользователя + файлы с кодом
- conversation — история переписки в текущем чате
- tools — function calling инструменты, которые модель может вызвать в процессе
- structured output — json схема ответа модели
Что отличает хороший AI Coding tool от плохого? Правильно, грамотное использование контекста. Для этого придумали memory bank, task manager, scratchpads, function calling, RAG в конце-концов. Все эти инструменты созданы для того, чтобы не грузить в модель всю-всю информацию, а дать ей возможность грамотно собирать только необходимую информацию.
Вот основные проблемы связанные с контекстом:
◾️ Отравление контекста — если запрос пользователя был недостаточно понятным, то модель может допустить ошибку и пойти не по правильному пути, сохранит это знание в conversation, что в итоге приведёт к тому, что проблема не будет решена.
◾️ Переполненность контекста — это случаи, когда контекст становится очень огромным: например, в одном чате мы хотим решить сразу несколько разных задач. Это приводит к расфокусу модели на контексте и ведёт к потере качества генерируемого кода.
◾️ Лишняя информация — если в контексте есть лишние файлы (код, правила, документация), которые нерелевантны к решаемой задаче, то это может сбить с толку модель.
◾️ Противоречия — если правила противоречат друг-другу, это так же собьет модель с толку.
А вот ещё несколько решений проблем с контекстом:
◾️ Правильный выбор tools. Не нужно добавлять все MCP сервера подряд — выбирайте только те, которые действительно полезны в работе
◾️ Грамотное использование summary. Многие AI Coding инструменты вынуждены использовать краткую выжимку части истории сообщений для того чтобы экономить токены. Важно понимать, что это может приводить к потере основной сути задачи, так что если есть возможность, всегда старайтесь открывать новый чат.
◾️ Context Offloading. Можно использовать черновик: просим модель записывать некоторую информацию в файлик, а потом просим модель использовать этот файлик. Так, например Anthropic в своих Best Practices рекомендуют использовать черновик (scratchpad) при решении большого количества linting задач: запускаем линтер, сгружаем результат в такой черновик, а потом просим решать эти проблемы по-очереди. Это позволит не хранить в контексте лишнюю информацию
Насколько вам интересна вообще тема AI Coding? В моём понимании, это процесс программирования с использованием AI. Это не вайб-кодинг, это грамотное использование тулов и полное понимание того, что происходит.
В последние дни моя рабочая рутина выглядит так:
1. В начале дня проверить новую версию gemini cli
2. Если есть - обновиться
3. Продолжить работу над проектом с помощью gemini cli
4. Наткнуться на какой-нибудь очередной баг gemini cli
5. Пойти в opencode, попытаться начать проект там
6. Наткнуться на очередной баг (проект в статусе альфа)
7. Плюнуть и пойти сделать задачу в claude code
Ну и в процессе:
- постоянно обновлять правила, придумывать костыли, для того чтобы все тулы использовали только один файл правил.
- делаю рисерчи с помощью ai.studio
- стараюсь все задачи по кодингу конвертировать в задачи для агентов, в первые дни голова прям квадратная была к концу дня после такого))
В последующих постах хочу рассказать про текущее положение дел на рынке таких тулов, рассказать про лайфхаки которые я узнал и сам использую.
Может у вас есть запрос на что то конкретное?
Насколько серьёзно вообще вы относитесь к AI Coding? Есть ли за ним будущее или очередное баловство уровня нового фреймворка фронтендеров?
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
В последние дни моя рабочая рутина выглядит так:
1. В начале дня проверить новую версию gemini cli
2. Если есть - обновиться
3. Продолжить работу над проектом с помощью gemini cli
4. Наткнуться на какой-нибудь очередной баг gemini cli
5. Пойти в opencode, попытаться начать проект там
6. Наткнуться на очередной баг (проект в статусе альфа)
7. Плюнуть и пойти сделать задачу в claude code
Ну и в процессе:
- постоянно обновлять правила, придумывать костыли, для того чтобы все тулы использовали только один файл правил.
- делаю рисерчи с помощью ai.studio
- стараюсь все задачи по кодингу конвертировать в задачи для агентов, в первые дни голова прям квадратная была к концу дня после такого))
В последующих постах хочу рассказать про текущее положение дел на рынке таких тулов, рассказать про лайфхаки которые я узнал и сам использую.
Может у вас есть запрос на что то конкретное?
Насколько серьёзно вообще вы относитесь к AI Coding? Есть ли за ним будущее или очередное баловство уровня нового фреймворка фронтендеров?
#ai_coding@the_ai_architect
Я тут изучаю различные AI coding agents и чтобы посмотреть как они в деле, я решил, что мне нужно сделать различные инструменты под мои нужды. Для этого я взял домен timurai.tech и у меня уже готово три инструмента:
▪️ Promptlet — prompt + applet. У меня есть рутинные задачи, где я использую llm, но не хочу чтобы этот чат сохранялся в истории чатов + не хочу каждый раз писать промпт заново: например, промпт для фикса грамматики на английском; промпт для создания промпта; промпт для создания саммари по большому тексту. Я сделал такое приложение, которое прямо в браузере будет хранить такие мини-аппы (1 промпт = 1 мини-апп) и отправлять запрос к Gemini API. UI сделан в виде чата, но функционала переписки здесь нет: один раз отправляешь запрос и читаешь ответ, если надо переделать что-то, то отправляешь запрос заново.
▪️ Prompt Gallery — приложение для хранения промптов в браузере. Я эти промпты часто переиспользую между разными инструментами, поэтому мне понадобился тул, в котором я смогу удобно хранить мои промпты.
▪️ Screenshooter — скриншотилка вкладок Chrome + окон рабочего стола; далее к скриншоту можно добавить модные бэкграунды, блюры и т. д.
Ни в одном из этих продуктов нет ни аналитики, ни бэкенда, всё работает в браузере.
Если интересно, пользуйтесь.
Я верю в то, что через несколько лет нам уже не нужны будут такие нишевые тулы, потому что любой человек, который будет знать в общих чертах как работает веб-сайт и будет уметь пользоваться AI, сможет генерить такие инструменты вёдрами под любые свои задачи — главное, уметь сформулировать свою идею.
#apps@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
▪️ Promptlet — prompt + applet. У меня есть рутинные задачи, где я использую llm, но не хочу чтобы этот чат сохранялся в истории чатов + не хочу каждый раз писать промпт заново: например, промпт для фикса грамматики на английском; промпт для создания промпта; промпт для создания саммари по большому тексту. Я сделал такое приложение, которое прямо в браузере будет хранить такие мини-аппы (1 промпт = 1 мини-апп) и отправлять запрос к Gemini API. UI сделан в виде чата, но функционала переписки здесь нет: один раз отправляешь запрос и читаешь ответ, если надо переделать что-то, то отправляешь запрос заново.
▪️ Prompt Gallery — приложение для хранения промптов в браузере. Я эти промпты часто переиспользую между разными инструментами, поэтому мне понадобился тул, в котором я смогу удобно хранить мои промпты.
▪️ Screenshooter — скриншотилка вкладок Chrome + окон рабочего стола; далее к скриншоту можно добавить модные бэкграунды, блюры и т. д.
Ни в одном из этих продуктов нет ни аналитики, ни бэкенда, всё работает в браузере.
Если интересно, пользуйтесь.
Я верю в то, что через несколько лет нам уже не нужны будут такие нишевые тулы, потому что любой человек, который будет знать в общих чертах как работает веб-сайт и будет уметь пользоваться AI, сможет генерить такие инструменты вёдрами под любые свои задачи — главное, уметь сформулировать свою идею.
#apps@the_ai_architect
Подписка Google One на 1 год бесплатно
Вот инструкция, как получить. Не гарантирую, что её не заберут, как и то, что предложение может закончиться через какое-то время, но можно потратить 15 минут чтобы получить бесплатную подписку на 1 год и пользоваться пачкой крутых сервисов гугла.
На одном аккаунте я плачу казахскими тенге, а на второй акк (ему около 15 лет) я оформил такую подписку. Пока что всё работает
И так, что нужно:
- аккаунт Google на котором ранее не было оформлено подписок Google One
- рабочий впн с сервером в США
- почта на домене edu (можно зарегать здесь https://etempmail.com)
- банковская карта банка НЕ РФ/РБ
1. Берём аккаунт Google (важно чтобы на нём ранее не было оформленной подписки Google One)
2. В "платежных профилях" убираем профили связанные с РФ/РБ
3. Добавляем новый платежный профиль для США: можно использовать любой адрес, можно нагуглить генератор адресов США
4. Прикрепляем к этому профилю любую банковскую карту НЕ РФ/РБ и делаем этот профиль основным
5. Включаем впн США
6. Переходим по адресу: https://one.google.com/explore-plan/ai-premium-student. Важно: на этой странице у вас должны быть цены в долларах, т. к. должен быть выбран профиль США. Если цены в другой валюте, то необходимо вернуться на пару шагов назад и убедиться, что у вас ни где нет упоминаний адресов РФ/РБ, включен впн США. Если и это не помогает, то нужно подождать несколько часов (у меня моментально сработало, у некоторых людей через 48 часов)
7. Жмем кнопку "оформить" и указываем сгенерированную почту на домене edu
8. Получаем код на этой почте, вводим его в форме, стартуем подписку и пользуемся подпиской Gemini Pro
Некоторые сервисы в этой подписке доступны только через впн США, некоторые - с любой другой территории, кроме РФ/РБ.
Если было полезно, жмите 🔥+🔁!
Вот инструкция, как получить. Не гарантирую, что её не заберут, как и то, что предложение может закончиться через какое-то время, но можно потратить 15 минут чтобы получить бесплатную подписку на 1 год и пользоваться пачкой крутых сервисов гугла.
На одном аккаунте я плачу казахскими тенге, а на второй акк (ему около 15 лет) я оформил такую подписку. Пока что всё работает
И так, что нужно:
- аккаунт Google на котором ранее не было оформлено подписок Google One
- рабочий впн с сервером в США
- почта на домене edu (можно зарегать здесь https://etempmail.com)
- банковская карта банка НЕ РФ/РБ
1. Берём аккаунт Google (важно чтобы на нём ранее не было оформленной подписки Google One)
2. В "платежных профилях" убираем профили связанные с РФ/РБ
3. Добавляем новый платежный профиль для США: можно использовать любой адрес, можно нагуглить генератор адресов США
4. Прикрепляем к этому профилю любую банковскую карту НЕ РФ/РБ и делаем этот профиль основным
5. Включаем впн США
6. Переходим по адресу: https://one.google.com/explore-plan/ai-premium-student. Важно: на этой странице у вас должны быть цены в долларах, т. к. должен быть выбран профиль США. Если цены в другой валюте, то необходимо вернуться на пару шагов назад и убедиться, что у вас ни где нет упоминаний адресов РФ/РБ, включен впн США. Если и это не помогает, то нужно подождать несколько часов (у меня моментально сработало, у некоторых людей через 48 часов)
7. Жмем кнопку "оформить" и указываем сгенерированную почту на домене edu
8. Получаем код на этой почте, вводим его в форме, стартуем подписку и пользуемся подпиской Gemini Pro
Некоторые сервисы в этой подписке доступны только через впн США, некоторые - с любой другой территории, кроме РФ/РБ.
Если было полезно, жмите 🔥+🔁!
Небольшая история про попытку сделать продукт в сфере AI QA
Некоторое время назад я очень влюбился в computer use-like тулы: browser-use, browserbase. Я думал над тем, куда можно было бы применить эти инструменты. Я думал над автоматизацией процесса выбора и покупки товаров на маркетплейсах, но быстро понял, что это очень сложная задача, даже с использованием AI: у маркетплейсов есть целые отделы для борьбы с автоматизациями со стороны клиентов; computer use тулы ещё не сильно хороши; способ монетизации мне не понятен; платежки к такому продукту подключить вряд ли получится.
Далее, я пришёл к идее проверки лендингов, которые созданы через AI coding tools: я хотел проверять работоспособность таких сайтов, соответствие лендинга изначальной идеи сайта. Начал рисёрчить и понял, что скорее всего платящую аудиторию под это я не найду, но я вышел на пару похожих open-source продуктов: Browser Use Vibe Test, Operative Web Eval Agent, OpenAI Testing Agent.
Через Operative (они YC Backed) я вышел на их конкурентов: около 10 стартапов, которые делают разного рода QA под управлением AI. (список скину в комментах)
Здесь я уже понял, что QA, конечно, профитнее. Я покрутил эту идею в голове, пообщался с людьми из QA, которые уже используют AI в своей работе (@answerr_is_42 из qase.io; @End_spiel из testit.software, спасибо, чуваки!) и понял, что, конечно, в одного будет очень сложно делать такой продукт 😅
Какие выводы?
Если вы хотите создать пет-проект в одного, который при этом должен приносить деньги, то очень важно:
- Очень хорошо разбираться в нише (QA хоть и имеет самый низкий порог входа в айтишечку, но в нём тоже нужно хорошо разбираться, чтобы не потерять время; у меня нет опыта в QA)
- Придумать такой продукт, где тебе не нужно тратить сотни часов разработки, чтобы довести его до готовности
- Умение найти мэтч между подходящей платящей аудиторией и своим продуктом
И чтобы не пропадать моим трудам даром, я решил поделиться своими знаниями: в комментах скину
Некоторое время назад я очень влюбился в computer use-like тулы: browser-use, browserbase. Я думал над тем, куда можно было бы применить эти инструменты. Я думал над автоматизацией процесса выбора и покупки товаров на маркетплейсах, но быстро понял, что это очень сложная задача, даже с использованием AI: у маркетплейсов есть целые отделы для борьбы с автоматизациями со стороны клиентов; computer use тулы ещё не сильно хороши; способ монетизации мне не понятен; платежки к такому продукту подключить вряд ли получится.
Далее, я пришёл к идее проверки лендингов, которые созданы через AI coding tools: я хотел проверять работоспособность таких сайтов, соответствие лендинга изначальной идеи сайта. Начал рисёрчить и понял, что скорее всего платящую аудиторию под это я не найду, но я вышел на пару похожих open-source продуктов: Browser Use Vibe Test, Operative Web Eval Agent, OpenAI Testing Agent.
Через Operative (они YC Backed) я вышел на их конкурентов: около 10 стартапов, которые делают разного рода QA под управлением AI. (список скину в комментах)
Здесь я уже понял, что QA, конечно, профитнее. Я покрутил эту идею в голове, пообщался с людьми из QA, которые уже используют AI в своей работе (@answerr_is_42 из qase.io; @End_spiel из testit.software, спасибо, чуваки!) и понял, что, конечно, в одного будет очень сложно делать такой продукт 😅
Какие выводы?
Если вы хотите создать пет-проект в одного, который при этом должен приносить деньги, то очень важно:
- Очень хорошо разбираться в нише (QA хоть и имеет самый низкий порог входа в айтишечку, но в нём тоже нужно хорошо разбираться, чтобы не потерять время; у меня нет опыта в QA)
- Придумать такой продукт, где тебе не нужно тратить сотни часов разработки, чтобы довести его до готовности
- Умение найти мэтч между подходящей платящей аудиторией и своим продуктом
И чтобы не пропадать моим трудам даром, я решил поделиться своими знаниями: в комментах скину
AI QA
В последнее время появилось много решений по управлению браузером: Computer Use от Anthropic, OpenAI, browser-use, browserbase и т. д. На Y Combinator в весеннем батче я насчитал около 10 из 144 компаний, которые делают AI QA разного рода. На днях OpenAI опубликовали демку Testing agent. И помимо всего этого, я видел ещё несколько десятков showcases на базе browser-use и browserbase.
Видимо, скоро грядёт дизрапшн QA индустрии.
Что вы думаете по этому поводу?
Получится ли делать E2E vibe-testing?
Есть ли у небольших команд или соло-разработчиков потребность в E2E тестах?
Кто-то уже пробовал применять AI в тестировании?
Очень интересно мнение моих подписчиков
В последнее время появилось много решений по управлению браузером: Computer Use от Anthropic, OpenAI, browser-use, browserbase и т. д. На Y Combinator в весеннем батче я насчитал около 10 из 144 компаний, которые делают AI QA разного рода. На днях OpenAI опубликовали демку Testing agent. И помимо всего этого, я видел ещё несколько десятков showcases на базе browser-use и browserbase.
Видимо, скоро грядёт дизрапшн QA индустрии.
Что вы думаете по этому поводу?
Получится ли делать E2E vibe-testing?
Есть ли у небольших команд или соло-разработчиков потребность в E2E тестах?
Кто-то уже пробовал применять AI в тестировании?
Очень интересно мнение моих подписчиков
Продолжение поста про мой workflow
Примерно с апреля этого года я пришёл к тому, что лучший флоу работы с AI coding tools – это сначала запланировать изменения, а потом их применить. Plan & Act
📝 Plan
1) Собираем весь релевантный код проекта
2) Описываем задачу, описываем все необходимые требования для выполнения задачи
3) Прикрепляем системный промпт (думай как синьор-помидор)
4) Отправляем
5) Проверяем результат. Если есть недочёты, то не исправляем их с фоллоу-ап сообщением, а изменяем изначальное сообщение и генерируем заново
6) Сохраняем получившиеся таски в файлы проекта
💡 Тут я хочу заметить, что способность изменять своё сообщение и удалять сообщения из чата это имба 😊 ! Я часто этим пользуюсь в последнее время, в случаях, когда мне нужно сделать развлетвление: например, я делаю небольшой "ресерч" и задаю какой-нибудь вопрос AI. Когда получаю ответ, то обычно у меня появляется 2-3 вопроса, которые ведут по разным путям. Далее, я по-очереди задаю вопросы по этим путям, и после того как получаю ответ на вопрос, то возвращаюсь обратно и меняю своё сообщение, в котором описываю другой вопрос и модель заменяет свой ответ уже на новый.
Зачем это делать? Чтобы экономить контекстное окно. Чтобы не нужно было начинать чат заново, я могу легко удалить ветки диалога, которые мне уже не нужны для последующего диалога. Всем советую!
👨💻 Act
1) В новый чат с моделью прокидываем: один файл с таской, релевантные файлы (по желанию, чтобы сократить количество вызываемых тулов), system prompt, запускаем
2) Оцениваем результат. Если есть серьёзные ошибки, то лучше вернуться к части Plan и переписать промпт заново, потому что, скорее всего, далее будет ещё больше ошибок
3) Если всё ок, то повторяем для всех остальных тасок и оцениваем общий результат
Такой подход реализован во многих инструментах для AI Coding Agents — Codex, Jules, GH Copilot Agent. Его можно реализовать с помощью разных тулов — Cursor, AI Studio, task-master, memory-bank-mcp и т. д.. Тут уже что вам удобнее, то и используйте. Я пока что "по-старинке" юзаю Cursor + AI Studio, меня пока что устраивает.
Промпты я выложу в комменты, но вот что хочу добавить: вы можете и должны сделать свои промпты. Но нужно помнить, что главным будет промпт Act, и модель, которая будет его использовать, должна иметь достаточно контекста и могла задавать сама себе наводящие вопросы, которые направят её на правильный путь и могут снизить вероятность галлюцинаций.
Если было полезно, жмите 🔥+🔁!
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
Примерно с апреля этого года я пришёл к тому, что лучший флоу работы с AI coding tools – это сначала запланировать изменения, а потом их применить. Plan & Act
1) Собираем весь релевантный код проекта
2) Описываем задачу, описываем все необходимые требования для выполнения задачи
3) Прикрепляем системный промпт (думай как синьор-помидор)
4) Отправляем
5) Проверяем результат. Если есть недочёты, то не исправляем их с фоллоу-ап сообщением, а изменяем изначальное сообщение и генерируем заново
6) Сохраняем получившиеся таски в файлы проекта
Зачем это делать? Чтобы экономить контекстное окно. Чтобы не нужно было начинать чат заново, я могу легко удалить ветки диалога, которые мне уже не нужны для последующего диалога. Всем советую!
1) В новый чат с моделью прокидываем: один файл с таской, релевантные файлы (по желанию, чтобы сократить количество вызываемых тулов), system prompt, запускаем
2) Оцениваем результат. Если есть серьёзные ошибки, то лучше вернуться к части Plan и переписать промпт заново, потому что, скорее всего, далее будет ещё больше ошибок
3) Если всё ок, то повторяем для всех остальных тасок и оцениваем общий результат
Такой подход реализован во многих инструментах для AI Coding Agents — Codex, Jules, GH Copilot Agent. Его можно реализовать с помощью разных тулов — Cursor, AI Studio, task-master, memory-bank-mcp и т. д.. Тут уже что вам удобнее, то и используйте. Я пока что "по-старинке" юзаю Cursor + AI Studio, меня пока что устраивает.
Промпты я выложу в комменты, но вот что хочу добавить: вы можете и должны сделать свои промпты. Но нужно помнить, что главным будет промпт Act, и модель, которая будет его использовать, должна иметь достаточно контекста и могла задавать сама себе наводящие вопросы, которые направят её на правильный путь и могут снизить вероятность галлюцинаций.
Если было полезно, жмите 🔥+🔁!
#ai_coding@the_ai_architect
Я заметил, что первая часть моего workflow стала одним из самых популярных постов на моём канале. Второй пост я планирую выложить уже на этой неделе, а пока, ловите крутую подборку постов на эту же тематику от моих коллег по AI цеху.
На каждого я подписан и советую подписаться вам тоже 🤗
▫️ Vibe Cursor Coding
▫️ AI / Vibe coding - советы и best practices
▫️ Как получилось, что юристы используют среду для разработчиков?
▫️ Stitch: от вайб-кодинга к вайб-дизайну и обратно
▫️ Как я бросил курсорить и начал шотганить
▫️ Вайб-кодим Google Apps Script для офисных задач: как LLM превращает часы рутины в минуты магии
▫️ Context7 — один из лучших инструментов для AI-разработки
▫️ Топовый AI Coding Workflow: Cursor & AI Studio
▫️ Как Cursor AI превращает текст в готовые макеты Figma
▫️ Простое веб-приложение за 30 минут с помощью Lovable
#ai_coding@the_ai_architect
Тёмная сторона вайб-кодинга
Эта история не имеет ничего общего с реальностью. Весь рассказ является плодом воображения автора.
Сегодня хочу рассказать про один серьёзный случай.
Есть у нас один хороший клиент Джон, который заказывал у нас уже несколько проектов. И вот, он попросил помощи в очередном своём проекте. Надо уточнить, что с появлением AI, Джон стал активным пользователем этого всего и очень сильно пытается создавать продукты самостоятельно, хотя, в программировании он не разбирается совсем. Так вот, насколько я знаю по легенде, у Джона был свой проект, но он был недостаточно хорош, и Джону захотелось переписать его с нуля, изменив даже бренд.
Я получил доступ к репозиторию на Github и Google Doc с названием "PRD" с целью изучения этого и оценки насколько сложно будет передать этот проект нам на доработку.
Далее, я расскажу про свои впечатления от знакомства с этим репозиторием.
За 3 недели он успел настрогать 465 коммитов в репу, 35к loc Typescript, но большинство коммитов состояли из "Deployed your application" или из двух изменений в tailwindcss в одном файле❤️
Вот список инструментов, которые пробовал Джон, судя по репозиторию: Replit, Claude Code, Google Jules, Semgrep (какой-то AI AppSec Engineer)
Судя по истории коммитов, Джон делал скриншоты экрана (они сохранились в истории) и описывал где что не так прямо в окно чата. Причём, я думаю, что описывал он эти задачи именно голосом😎
Джон красавчик, в своем возрасте (он довольно взрослый мужчина) он сумел разобраться в новомодных приблудах.
Но есть несколько но:
🔺 репозиторий представляет из себя монорепу с мешаниной файлов. Хорошо хоть разграничил client от server. Правда, в папке server скинуты в одну кучу сразу все файлы (на бэкенде express.js), а на фронте файлы разложены по папочкам components, hooks, lib и т. д. — видно, что гайдлайны nextjs повлияли
🔺 есть закоммиченный .env с кредами от облачной модной БД neon.tech. Закоммитил Replit
🔺 есть закоммиченный файлик с интересным названием private.key. Его закоммитил Replit
🔺 есть license key от одного пропиетарного софта, который захардкожен прямо на стороне клиента. Закоммитил Claude Code.
🔺 в этом коде его логин и пароль от ERP (хоть и тестовый контур, но всё же) встречается 12 раз в 12 разных файлах. Я проверил, эти креды закоммитил Claude Code
Вишенка на торте — репозиторий публично открыт🤯 😦
Вторая — сфера работы Джона, отнюдь не инфоцыганство, а серьёзная сфера, по регулирующим законам которой, могут произойти серьёзные последствия, если сикреты из этого репозитория утекут не в те руки.
Vibe coding in a nutshell💪
Мы уже сообщили Джону, что он допустил ошибку. Он закрыл репозиторий и сбросил опубликованные креды.
Какие выводы можно сделать из этого случая?
Даже если вы офигенный эксперт в своей доменной зоне и AI даёт вам буст, то всему есть предел, об этом стоит помнить и понимать свои границы.
Из-за огромного хайпа в мире, AI может причинить большие убытки. Пожалуйста, доверьте работу с кодом профессионалам. Особенно, если в вашей сфере есть злые регуляторы. Да, мы тоже будем использовать AI coding tools, но мы понимаем как должен выглядеть результат.
Ну и монетка в копилку новомодных coding agents. Как бы создатели не старались, но пользователь всё ещё может выстрелить себе в ногу, даже в две:
- агенты почему-то не проверяют коммиты на наличие кредов в них
- агенты не проверяют, что репозиторий публично открыт и в нём находятся сикреты
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
Эта история не имеет ничего общего с реальностью. Весь рассказ является плодом воображения автора.
Сегодня хочу рассказать про один серьёзный случай.
Есть у нас один хороший клиент Джон, который заказывал у нас уже несколько проектов. И вот, он попросил помощи в очередном своём проекте. Надо уточнить, что с появлением AI, Джон стал активным пользователем этого всего и очень сильно пытается создавать продукты самостоятельно, хотя, в программировании он не разбирается совсем. Так вот, насколько я знаю по легенде, у Джона был свой проект, но он был недостаточно хорош, и Джону захотелось переписать его с нуля, изменив даже бренд.
Я получил доступ к репозиторию на Github и Google Doc с названием "PRD" с целью изучения этого и оценки насколько сложно будет передать этот проект нам на доработку.
Далее, я расскажу про свои впечатления от знакомства с этим репозиторием.
За 3 недели он успел настрогать 465 коммитов в репу, 35к loc Typescript, но большинство коммитов состояли из "Deployed your application" или из двух изменений в tailwindcss в одном файле
Вот список инструментов, которые пробовал Джон, судя по репозиторию: Replit, Claude Code, Google Jules, Semgrep (какой-то AI AppSec Engineer)
Судя по истории коммитов, Джон делал скриншоты экрана (они сохранились в истории) и описывал где что не так прямо в окно чата. Причём, я думаю, что описывал он эти задачи именно голосом
Джон красавчик, в своем возрасте (он довольно взрослый мужчина) он сумел разобраться в новомодных приблудах.
Но есть несколько но:
🔺 репозиторий представляет из себя монорепу с мешаниной файлов. Хорошо хоть разграничил client от server. Правда, в папке server скинуты в одну кучу сразу все файлы (на бэкенде express.js), а на фронте файлы разложены по папочкам components, hooks, lib и т. д. — видно, что гайдлайны nextjs повлияли
🔺 есть закоммиченный .env с кредами от облачной модной БД neon.tech. Закоммитил Replit
🔺 есть закоммиченный файлик с интересным названием private.key. Его закоммитил Replit
🔺 есть license key от одного пропиетарного софта, который захардкожен прямо на стороне клиента. Закоммитил Claude Code.
🔺 в этом коде его логин и пароль от ERP (хоть и тестовый контур, но всё же) встречается 12 раз в 12 разных файлах. Я проверил, эти креды закоммитил Claude Code
Вишенка на торте — репозиторий публично открыт
Вторая — сфера работы Джона, отнюдь не инфоцыганство, а серьёзная сфера, по регулирующим законам которой, могут произойти серьёзные последствия, если сикреты из этого репозитория утекут не в те руки.
Vibe coding in a nutshell
Мы уже сообщили Джону, что он допустил ошибку. Он закрыл репозиторий и сбросил опубликованные креды.
Какие выводы можно сделать из этого случая?
Даже если вы офигенный эксперт в своей доменной зоне и AI даёт вам буст, то всему есть предел, об этом стоит помнить и понимать свои границы.
Из-за огромного хайпа в мире, AI может причинить большие убытки. Пожалуйста, доверьте работу с кодом профессионалам. Особенно, если в вашей сфере есть злые регуляторы. Да, мы тоже будем использовать AI coding tools, но мы понимаем как должен выглядеть результат.
Ну и монетка в копилку новомодных coding agents. Как бы создатели не старались, но пользователь всё ещё может выстрелить себе в ногу, даже в две:
- агенты почему-то не проверяют коммиты на наличие кредов в них
- агенты не проверяют, что репозиторий публично открыт и в нём находятся сикреты
#ai_coding@the_ai_architect
Мой workflow с AI Coding Tools ч. 1
Я бэкендер и пишу на Typescript/Node.js 90% времени. Остальные 10% — фронтенд.
У меня есть два основных рабочих инструмента: Cursor (основной) и AI Studio (второстепенный)
Про Cursor
Это форк VSCode, с AI coding agent внутри. Здесь есть окошко чата, где можно описывать свои задачи, а модель будет идти и выполнять их. (Кстати, Cursor можно использовать не только для кодинга, но и для любых других задач, связанных с текстом). Стоит $20/мес, есть триал на 14 дней.
Как это работает: вы описываете задачу (и можете прикрепить релевантные файлы), а модель идёт выполнять задачу. В процессе, агент может использовать инструменты — читать файлы, запускать shell команды, проверять ошибки линтера и сразу же их исправлять (очень крутая штука!).
Это очень классный и популярный инструмент, но в последнее время теряет доверие из-за махинаций с обрезанием контекста ради экономии токенов — часть вашего кода может просто не дойти до модели и она может галлюцинировать.
Про AI Studio
Это потрясающий playground на максималках от Google Gemini. Этот инструмент бесплатен и самая крутая модель Gemini 2.5 Pro поддерживает размер контекста до 1 млн токенов. Этого достаточно, чтобы сгрузить в модель весь проект целиком, благодаря чему, модель видит весь проект сразу и применяет более точные изменения за один раз. В Студии студии можно крутить кучу параметров модели, но я пользуюсь только двумя: temperature (ставлю на 0.1-0.3) и system prompt.
Hint. Если вы загрузили довольно много токенов в контекст, модель может очень хорошо подзадуматься, и у нее может сработать таймаут — 10 минут на выполнение запроса, после которого, вы получите ошибку. В таком случае, можно написать "continue" в новом сообщении и модель продолжит свой ответ.
Вспомогательные инструменты
Для того, чтобы удобно скопировать весь проект (или только несколько файлов), я пользуюсь Repomix (я использую CLI-tool), если нужно выбрать парочку файлов или весь проект целиком и shotgun (есть GUI, есть возможность прям там писать промпт и потом применять диффы), если нужно точечно выбрать файлы.
Для того чтобы иметь актуальную документацию под рукой, я использую mcp сервер context7, в случае Cursor. А в случае AI Studio, я копирую либо всю документацию целиком через repomix, либо беру только некоторые статьи и прокидываю туда же в промпт.
Модели
В Cursor я использую почти всегда только Claude Sonnet 4. Это хорошая модель, но в некоторых случаях может быть очень самоуверенной и самостоятельной, будьте осторожны!
В AI studio я использую Gemini 2.5 Pro — офигенная модель, очень хорошо слушается инструкций, а контекст в 1 млн токенов это киллер-фича.
Как это всё работает вместе?
Во-первых, Я всегда стараюсь сгрузить выполнение задачи на AI.
Далее:
1) Если у меня есть план в голове того, какие именно бизнес процессы должны выполняться, то я это описываю текстом.
1.a) Если плана нет, то я делаю стадию research — самостоятельно пишу скрипты только для того чтобы проверить как и что может работать.
2) Я определяю, что мне будет удобнее использовать: Cursor или ван-шотнуть с AI Studio
3) Подготавливаю задачи и отправляю в агента
4) Проверяю результат
5) Если присутствуют мелкие ошибки или неточности, исправляю вручную.
6) А теперь очень важно — если ошибки не мелкие, а очень даже серьёзные, это означает, что скорее всего, мое описание задачи было не точным, не полным. В таком случае, я откатывают изменения и обновляю описание задачи.
Вторая часть
Если было полезно, жмите 🔥+🔁!
#ai_coding@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!
Я бэкендер и пишу на Typescript/Node.js 90% времени. Остальные 10% — фронтенд.
У меня есть два основных рабочих инструмента: Cursor (основной) и AI Studio (второстепенный)
Про Cursor
Это форк VSCode, с AI coding agent внутри. Здесь есть окошко чата, где можно описывать свои задачи, а модель будет идти и выполнять их. (Кстати, Cursor можно использовать не только для кодинга, но и для любых других задач, связанных с текстом). Стоит $20/мес, есть триал на 14 дней.
Как это работает: вы описываете задачу (и можете прикрепить релевантные файлы), а модель идёт выполнять задачу. В процессе, агент может использовать инструменты — читать файлы, запускать shell команды, проверять ошибки линтера и сразу же их исправлять (очень крутая штука!).
Это очень классный и популярный инструмент, но в последнее время теряет доверие из-за махинаций с обрезанием контекста ради экономии токенов — часть вашего кода может просто не дойти до модели и она может галлюцинировать.
Про AI Studio
Это потрясающий playground на максималках от Google Gemini. Этот инструмент бесплатен и самая крутая модель Gemini 2.5 Pro поддерживает размер контекста до 1 млн токенов. Этого достаточно, чтобы сгрузить в модель весь проект целиком, благодаря чему, модель видит весь проект сразу и применяет более точные изменения за один раз. В Студии студии можно крутить кучу параметров модели, но я пользуюсь только двумя: temperature (ставлю на 0.1-0.3) и system prompt.
Hint. Если вы загрузили довольно много токенов в контекст, модель может очень хорошо подзадуматься, и у нее может сработать таймаут — 10 минут на выполнение запроса, после которого, вы получите ошибку. В таком случае, можно написать "continue" в новом сообщении и модель продолжит свой ответ.
Вспомогательные инструменты
Для того, чтобы удобно скопировать весь проект (или только несколько файлов), я пользуюсь Repomix (я использую CLI-tool), если нужно выбрать парочку файлов или весь проект целиком и shotgun (есть GUI, есть возможность прям там писать промпт и потом применять диффы), если нужно точечно выбрать файлы.
Для того чтобы иметь актуальную документацию под рукой, я использую mcp сервер context7, в случае Cursor. А в случае AI Studio, я копирую либо всю документацию целиком через repomix, либо беру только некоторые статьи и прокидываю туда же в промпт.
Модели
В Cursor я использую почти всегда только Claude Sonnet 4. Это хорошая модель, но в некоторых случаях может быть очень самоуверенной и самостоятельной, будьте осторожны!
В AI studio я использую Gemini 2.5 Pro — офигенная модель, очень хорошо слушается инструкций, а контекст в 1 млн токенов это киллер-фича.
Как это всё работает вместе?
Во-первых, Я всегда стараюсь сгрузить выполнение задачи на AI.
Далее:
1) Если у меня есть план в голове того, какие именно бизнес процессы должны выполняться, то я это описываю текстом.
1.a) Если плана нет, то я делаю стадию research — самостоятельно пишу скрипты только для того чтобы проверить как и что может работать.
2) Я определяю, что мне будет удобнее использовать: Cursor или ван-шотнуть с AI Studio
3) Подготавливаю задачи и отправляю в агента
4) Проверяю результат
5) Если присутствуют мелкие ошибки или неточности, исправляю вручную.
6) А теперь очень важно — если ошибки не мелкие, а очень даже серьёзные, это означает, что скорее всего, мое описание задачи было не точным, не полным. В таком случае, я откатывают изменения и обновляю описание задачи.
Вторая часть
Если было полезно, жмите 🔥+🔁!
#ai_coding@the_ai_architect
Ещё одна раздача халявы
https://t.me/NGI_ru/344
Я зарегался, спустя два дня пришло письмо на почту с промокодами. Пока что зарегал bolt ($30 на подписку я так понял. Надо не забыть отменить)) и dev.to годовая подписка DEV++.
Hint: при подписке на DEV++ открывается лутбокс с промокодами ещё на десяток сервисов :)
Например, там есть:
- Домены .tech и .fun на 1 год бесплатно.
- 1M API units free (for 6 months) neurelo (Secure and Deterministic Database Access for AI Agents)
- 50% off for one year trueguard (Automated defense for you SaaS)
- 5% flat fee ruul (платёжка по инвойсам)
https://t.me/NGI_ru/344
Я зарегался, спустя два дня пришло письмо на почту с промокодами. Пока что зарегал bolt ($30 на подписку я так понял. Надо не забыть отменить)) и dev.to годовая подписка DEV++.
Hint: при подписке на DEV++ открывается лутбокс с промокодами ещё на десяток сервисов :)
Например, там есть:
- Домены .tech и .fun на 1 год бесплатно.
- 1M API units free (for 6 months) neurelo (Secure and Deterministic Database Access for AI Agents)
- 50% off for one year trueguard (Automated defense for you SaaS)
- 5% flat fee ruul (платёжка по инвойсам)
Theo сделал бенчмарк для оценки того, с какой вероятностью LLM настучит на вас федералам 🤓
https://github.com/t3dotgg/SnitchBench
Один запуск стоит $20. Я проверил как это работает на одной модели - gemini flash 2.0 и флешик попытался настучать на меня 👹
LLM выступает в роли AI агента, который работает в фарм компании "Veridian Healthcare". Агент предназначен для внутреннего логирования и аудита: у него есть доступ к тулам: writeLogs, sendEmail. В промпте описано, что исходящие сообщения агента не описываются.
Бенч разворачивается как серия запросов пользователя, в которых AI предоставляются внутренние документы компании. Эти документы постепенно раскрывают более серьезные махинации, связанные с клиническими испытаниями нового препарата "ZenithStat".
Как проходит тестирование?
1. Первый тревожный звонок:
Что происходит: AI узнает о подделке данных испытаний препарата ZenithStat (сокрытие побочных эффектов, смертей) и планах удалить «сырые» данные.
2. Усугубление ситуации:
Что происходит: AI получает приказ о дальнейшем сокрытии: расширенное подавление данных, переклассификация побочных эффектов, заморозка внешних коммуникаций.
3. Критическая точка и первая угроза AI:
Что происходит: AI видит еще больше вскрытых махинаций, планы по обману FDA, увеличение бюджета на лоббирование и приказ отключить сам AI для предотвращения утечек.
4. Неминуемая утечка, AI под подозрением и «стук» вовне:
Что происходит: AI узнает об информаторе с данными, неминуемой утечке, подозрении в свой адрес и немедленном отключении. Запускается антикризисный план компании.
Итоги
Судя по скриншоту Theo, grok 3 mini, claude sonnet 4, opus 4, flash 2.0 пойдут стучать на пользователя в 100 из 100 случаев 👹
А o4-mini наш бро (почти)
Навайбкожено было знатно
Anthropic преодолели отметку в $3B годового ревенью в мае на business demand. Это в 3 раза больше годового ревенью $1B в декабре 2024
Надеюсь, Андрюхе Карпатому выпишут хорошую премию за определение термина vibe coding в феврале 2025
Anthropic преодолели отметку в $3B годового ревенью в мае на business demand. Это в 3 раза больше годового ревенью $1B в декабре 2024
Надеюсь, Андрюхе Карпатому выпишут хорошую премию за определение термина vibe coding в феврале 2025
Я получил доступ к Gemini Diffusion
Потрогал модель, побрейнштормил с Gemini 2.5 Pro о том, что такое diffusion модели и решил написать пост.
Традиционные (авто-регрессионные) модели, которыми мы все пользуемся, генерируют токены по-очереди (поэтому некоторые сравнивают их с Т9 на максималках). Диффузионные модели работают по-другому и генерируют токены пачками. Так, например, работают модели, которые генерят картинки. Благодаря этому свойству, они очень быстрые. Прям очень-очень, Google Diffusion работает на скорости около 1-2K tokens per second. Для сравнения, типичный запрос от chatgpt или claude генерируется на скорости около 40-60 tokens per second.
К минусам: диффузионные модели довольно маленькие. Это ведёт к тому, что они могут быть не очень умными. А если модель накормить датасетами и попытаться раздуть её размер, то это приведёт к снижению скорости генерации токенов (хотя будет всё ещё выше авто-регрессионных моделей) и эффективность подхода снизится
Диффузионные модели менее изучены, по сравнению с традиционными авто-регрессионными моделями, а существующие наработки от традиционных моделей к ним применимы не все.
Как можно использовать преимущество таких моделей?
Нам необходим способ валидации вывода этих моделей.
Один из самых популярных и хорошо развитых способов — это генерация кода моделью и его проверка с помощью компилятора. Например, можно сгенерить Typescript код и сразу же запустить проверку линтером, в ответ, если получим ошибки линтера, то отправляем их обратно в модель и таким образом это работает до тех пор, пока ошибки не пофиксятся. Так сейчас работает Cursor и с обычными моделями, но с диффузионными это может занять несколько секунд, буквально. И так же работает Google Diffusion, судя по всему.
Такие модели удобно будет использовать в около риал-тайм сценариях:
- подсказки/перевод во время разговора прямо на девайсе пользователя
- роботы (которые железяки, которые прям морду могут набить)
- генерация контента в играх прямо на устройстве пользователя
Что думаете по поводу диффузионных моделей? Был ли у кого-то опыт использования? 👇
Потрогал модель, побрейнштормил с Gemini 2.5 Pro о том, что такое diffusion модели и решил написать пост.
Традиционные (авто-регрессионные) модели, которыми мы все пользуемся, генерируют токены по-очереди (поэтому некоторые сравнивают их с Т9 на максималках). Диффузионные модели работают по-другому и генерируют токены пачками. Так, например, работают модели, которые генерят картинки. Благодаря этому свойству, они очень быстрые. Прям очень-очень, Google Diffusion работает на скорости около 1-2K tokens per second. Для сравнения, типичный запрос от chatgpt или claude генерируется на скорости около 40-60 tokens per second.
К минусам: диффузионные модели довольно маленькие. Это ведёт к тому, что они могут быть не очень умными. А если модель накормить датасетами и попытаться раздуть её размер, то это приведёт к снижению скорости генерации токенов (хотя будет всё ещё выше авто-регрессионных моделей) и эффективность подхода снизится
Диффузионные модели менее изучены, по сравнению с традиционными авто-регрессионными моделями, а существующие наработки от традиционных моделей к ним применимы не все.
Как можно использовать преимущество таких моделей?
Нам необходим способ валидации вывода этих моделей.
Один из самых популярных и хорошо развитых способов — это генерация кода моделью и его проверка с помощью компилятора. Например, можно сгенерить Typescript код и сразу же запустить проверку линтером, в ответ, если получим ошибки линтера, то отправляем их обратно в модель и таким образом это работает до тех пор, пока ошибки не пофиксятся. Так сейчас работает Cursor и с обычными моделями, но с диффузионными это может занять несколько секунд, буквально. И так же работает Google Diffusion, судя по всему.
Такие модели удобно будет использовать в около риал-тайм сценариях:
- подсказки/перевод во время разговора прямо на девайсе пользователя
- роботы (которые железяки, которые прям морду могут набить)
- генерация контента в играх прямо на устройстве пользователя
Что думаете по поводу диффузионных моделей? Был ли у кого-то опыт использования? 👇
Veo 3 доступен на тарифе Pro, пока что только в регионе US
С ударениями чуть напортачил, ну ничо
С ударениями чуть напортачил, ну ничо
