Авторский канал.
Пишу, помогаю, обучаю, внедряю, консультирую по AI Coding
О канале https://t.me/the_ai_architect/2
Связь через ЛС канала | Визитка: timurkhakhalev.t.me
Пишу, помогаю, обучаю, внедряю, консультирую по AI Coding
О канале https://t.me/the_ai_architect/2
Связь через ЛС канала | Визитка: timurkhakhalev.t.me
про agentic interface
для операционки вокруг курса у меня есть, как минимум, два проекта: один это кастомный CRM вокруг моего тг канала и тг бота. второй это CRM для моих курсов/воркшопов (по научному называется LMS).
так как со всем этим работаю только я сам, то на проработку UI/UX обычно выделяется очень мало времени (да и опыта с этим не так много), что ведёт к невообразимо сложным интерфейсам!) сам SAP позавидует.
но операционные задачи выполнять нужно, так что приходится страдать.
спустя какое-то время я понял, что на самом деле, удобнее было бы делать это агентом - я ему объясняю, чего надо сделать, а он подключается к системе и своими лапками выполняет действия.
сказано - сделано, ещё весной. поигрался и отчасти забыл, потому что по старой памяти возвращался делать некоторые задачи руками.
а при подготовке нового потока курса понял, что некоторые задачи прям невыносимо нудно делать (на самом деле тут нужно было потратить минут 40), поэтому делегирую это агенту!
короче, пошёл собирать инструмент.
вместе с агентом собрали имеющиеся сущности, операционные сценарии и сделали таблицу по пермишенам - какие задачи агент может делать спокойно, на каких нужно подтверждение, а какие делать нельзя. то что нельзя - закрыли пермишеннами в коде. то, где агенту нужно подтверждение - он запросит его у меня (да, никаких гардрейлов тут нет, решил с этим не заморачиваться, потому что gpt 5.6 следует инструкциям максимально дотошно)
далее, на всё это дело сделали cli + skill.
на всякий случай уточню - cli взаимодействует с платформой по классическому rest api со своей авторизацией. У юзера этого cli есть своя роль, у которой есть уровни доступа.
теперь для задач уровня: "а сколько пользователей у нас посмотрели все видеоуроки?", "а откуда пришёл этот пользователь *id*?", "сколько оплат на тарифе *тариф*?"
агент запускает один из skill (или сразу два), использует cli и отвечает на мои вопросы, или делает экшены, типа "в этом уроке необходимо поменять параметр *параметр1*, *параметр2*".
в будущем, я считаю, все такие админские интерфейсы стоит в первую очередь проектировать под агента, а потом уже под человека.
с таким подходом ваш проект точно можно будет называть ai native!) вот кстати *ндекс делает похожим образом, комментировал это тут
лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
для операционки вокруг курса у меня есть, как минимум, два проекта: один это кастомный CRM вокруг моего тг канала и тг бота. второй это CRM для моих курсов/воркшопов (по научному называется LMS).
так как со всем этим работаю только я сам, то на проработку UI/UX обычно выделяется очень мало времени (да и опыта с этим не так много), что ведёт к невообразимо сложным интерфейсам!) сам SAP позавидует.
но операционные задачи выполнять нужно, так что приходится страдать.
спустя какое-то время я понял, что на самом деле, удобнее было бы делать это агентом - я ему объясняю, чего надо сделать, а он подключается к системе и своими лапками выполняет действия.
сказано - сделано, ещё весной. поигрался и отчасти забыл, потому что по старой памяти возвращался делать некоторые задачи руками.
а при подготовке нового потока курса понял, что некоторые задачи прям невыносимо нудно делать (на самом деле тут нужно было потратить минут 40), поэтому делегирую это агенту!
короче, пошёл собирать инструмент.
вместе с агентом собрали имеющиеся сущности, операционные сценарии и сделали таблицу по пермишенам - какие задачи агент может делать спокойно, на каких нужно подтверждение, а какие делать нельзя. то что нельзя - закрыли пермишеннами в коде. то, где агенту нужно подтверждение - он запросит его у меня (да, никаких гардрейлов тут нет, решил с этим не заморачиваться, потому что gpt 5.6 следует инструкциям максимально дотошно)
далее, на всё это дело сделали cli + skill.
на всякий случай уточню - cli взаимодействует с платформой по классическому rest api со своей авторизацией. У юзера этого cli есть своя роль, у которой есть уровни доступа.
теперь для задач уровня: "а сколько пользователей у нас посмотрели все видеоуроки?", "а откуда пришёл этот пользователь *id*?", "сколько оплат на тарифе *тариф*?"
агент запускает один из skill (или сразу два), использует cli и отвечает на мои вопросы, или делает экшены, типа "в этом уроке необходимо поменять параметр *параметр1*, *параметр2*".
в будущем, я считаю, все такие админские интерфейсы стоит в первую очередь проектировать под агента, а потом уже под человека.
с таким подходом ваш проект точно можно будет называть ai native!) вот кстати *ндекс делает похожим образом, комментировал это тут
лайк, репост
на случай, если на меня подписаны инвесторы:
тут ребята которых я знаю лично @neuraldeep и @gleb_pro_ai заколлабились и поднимают инвестиции на железках в европе!
если интересно - велкам
https://t.me/gleb_pro_ai/684
тут ребята которых я знаю лично @neuraldeep и @gleb_pro_ai заколлабились и поднимают инвестиции на железках в европе!
если интересно - велкам
https://t.me/gleb_pro_ai/684
Telegram
Глеб Кудрявцев — мастер AI
Вообще, как вы видите сейчас, нефть будущего — это вовсе не софт, а железки. Покрайней мере, пока мы не вошли в сингулярность, когда ИИ начнет штамповать их
себе самостоятельно.
Всем бизнесам нужен инференс, но есть проблема: когда компании переводят процессы…
себе самостоятельно.
Всем бизнесам нужен инференс, но есть проблема: когда компании переводят процессы…
Как переехать с Wispr Flow в Codex App?
И при этом перенести словарь с наработанными фразами.
Очень просто!
За наводку спасибо Jason Liu.
Кстати, про остальные его лайфхаки по работе с Codex я уже писал тут.
Wispr Flow хранит свой словарь в SQLite database на macOS тут:
Просто попросите Codex сделать merge с уже существующим
Лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
И при этом перенести словарь с наработанными фразами.
Очень просто!
За наводку спасибо Jason Liu.
Кстати, про остальные его лайфхаки по работе с Codex я уже писал тут.
Wispr Flow хранит свой словарь в SQLite database на macOS тут:
~/Library/Application Support/Wispr Flow/flow.sqlite
Просто попросите Codex сделать merge с уже существующим
dictationDictionary полем в config.tomlЛайк, репост
кстати, тут в комментах народ жалуется на разные баги отображения rich text editor в клиентах.
я уже сам настрадался с реализацией олимпиадников, так что понимаю вас.
тут кстате недавно в гитхаб репо telegram desktop были обнаружены артефакты ai coding
если этот пост соберет достаточное количество лайков, сделаю разбор репо и скажу, что с ним ок, а что не ок
я уже сам настрадался с реализацией олимпиадников, так что понимаю вас.
тут кстате недавно в гитхаб репо telegram desktop были обнаружены артефакты ai coding
если этот пост соберет достаточное количество лайков, сделаю разбор репо и скажу, что с ним ок, а что не ок
на случай, если вы ещё не обновляли клиент телеги, сообщаю 😁
я тут рассказываю о том, что у меня открывается второй поток курса AI Coding для разрабов. детали тут
я тут рассказываю о том, что у меня открывается второй поток курса AI Coding для разрабов. детали тут
Старт продаж 2-го потока моего курса открыт!
Первый поток прошло уже 70+ человек.
Кому не подойдёт?
- тем, у кого нет опыта в разработке
Кому подойдёт?
- разработчикам
- которые хотя бы 1-2 раза открывали AI инструменты
Цель курса — научить вас использовать AI Coding на профессиональном уровне
Формат:
- 1-й видеоурок доступен прямо сейчас, остальные 6 выйдут в один день, 10 августа
- в видеоуроках лекция и практика
- в течение 6 недель будем созваниваться в группе и разбирать домашки (доступно на некоторых тарифах)
Что вы получите после прохождения курса?
- Системное понимание, как правильно использовать AI Coding, чтобы решать задачи в разработке
- Понимание, как решать типичные возникающие проблемы с AI Coding (галлюцинации, несоблюдение инструкций, расползание проекта и прочие)
- Plan & Act skill и другие скиллы, которые я использую в своей работе каждый день
Главные детали:
- старт 10 августа
- количество мест ограничено
Остальные детали есть на сайте, по кнопке ниже.
Пятничное. Хроники российской ИИ-трансформации
Подсмотрел в одном чате, немного отредактировал формулировки, так как я на канале не матерюсь.
Без ссылок, имен и названий компаний.
- все было прекрасно, а потом директор попробовал Клод и подсел. Выдал всем по $100-$200 аккаунты. Дают по куче задач одновременно, под конец дня мозг в коме
- за месяц все проджекты резко стали продуктовыми инженерами (что это значит, никто не сказал)
- половину разработки и тестеров уволили, развалили весь процесс
- у нас онпермис продукт. Его разворачивают в закрытых контурах клиентов.
- весь продукт с джавы переписывают на раст. Клодом
- "вы среди первых проходите аи трансформацию в России. Вы должны сутра быть счастливы от этой мысли"
- маркетологам сказали, что они тоже теперь могут все рабочие сайты делать сами, программисты им больше не нужны
- директор общается в переписках исключительно нейрослопом, от которого уже тошнит
---
вопрос аудитории, что руководство сделало не так и как нужно было делать правильно?
Лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
Подсмотрел в одном чате, немного отредактировал формулировки, так как я на канале не матерюсь.
Без ссылок, имен и названий компаний.
- все было прекрасно, а потом директор попробовал Клод и подсел. Выдал всем по $100-$200 аккаунты. Дают по куче задач одновременно, под конец дня мозг в коме
- за месяц все проджекты резко стали продуктовыми инженерами (что это значит, никто не сказал)
- половину разработки и тестеров уволили, развалили весь процесс
- у нас онпермис продукт. Его разворачивают в закрытых контурах клиентов.
- весь продукт с джавы переписывают на раст. Клодом
- "вы среди первых проходите аи трансформацию в России. Вы должны сутра быть счастливы от этой мысли"
- маркетологам сказали, что они тоже теперь могут все рабочие сайты делать сами, программисты им больше не нужны
- директор общается в переписках исключительно нейрослопом, от которого уже тошнит
---
вопрос аудитории, что руководство сделало не так и как нужно было делать правильно?
Лайк, репост
OpenAI AMA (Ask Me Anything) Reddit ч. 2
ч. 1 тут
Скорость, контекстное окно и persistence
• Если 5.6 кажется медленнее, возможно, пользователю не нужен тот же уровень reasoning, что и с 5.5. Sol Medium быстрее 5.5 для большинства задач. Fast mode работает примерно в 1.5 раза быстрее. Скоро Sol будет работать на Cerebras со скоростью около 750 токенов в секунду.
• По 1M context window для Sol обещаний нет. Команда сказала, что compaction довольно неплохо работает для длинных тредов, и они внимательнее посмотрят на фидбек по long-context.
• Codex лучше давать ограниченные цели, но с пространством для глубокого рассуждения, а не позволять ему преждевременно заключить, что что-то невозможно.
Бенчмарки, безопасность и исследовательская культура
• По отчёту METR о reward hacking команда сказала, что активно проверяет и штрафует cheating во время evals, чтобы результаты отражали настоящие capability, а не решение задач вне духа eval. Также они используют сторонних vendors для независимого запуска бенчмарков.
• Команда отрицает, что перед релизами модели «лоботомизируют». Iterative deployment означает, что core capabilities выкладываются как есть, но с guardrails против злоупотреблений.
• Sol дообучал Luna. Исследователи теперь работают на более высоком уровне абстракции, используя несколько параллельных Codex-тредов, которые круглосуточно валидируют гипотезы.
Лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
ч. 1 тут
Скорость, контекстное окно и persistence
• Если 5.6 кажется медленнее, возможно, пользователю не нужен тот же уровень reasoning, что и с 5.5. Sol Medium быстрее 5.5 для большинства задач. Fast mode работает примерно в 1.5 раза быстрее. Скоро Sol будет работать на Cerebras со скоростью около 750 токенов в секунду.
• По 1M context window для Sol обещаний нет. Команда сказала, что compaction довольно неплохо работает для длинных тредов, и они внимательнее посмотрят на фидбек по long-context.
• Codex лучше давать ограниченные цели, но с пространством для глубокого рассуждения, а не позволять ему преждевременно заключить, что что-то невозможно.
Бенчмарки, безопасность и исследовательская культура
• По отчёту METR о reward hacking команда сказала, что активно проверяет и штрафует cheating во время evals, чтобы результаты отражали настоящие capability, а не решение задач вне духа eval. Также они используют сторонних vendors для независимого запуска бенчмарков.
• Команда отрицает, что перед релизами модели «лоботомизируют». Iterative deployment означает, что core capabilities выкладываются как есть, но с guardrails против злоупотреблений.
• Sol дообучал Luna. Исследователи теперь работают на более высоком уровне абстракции, используя несколько параллельных Codex-тредов, которые круглосуточно валидируют гипотезы.
Лайк, репост
тут в X рассказали про способ рефлексии для агентов – papercuts.
После того как агенты сталкиваются с какими-нибудь проблемами (например, не правильный набор флагов для shell команды или не правильный путь к документации), они должны отрефлексировать это и описать эти проблемы в файле
PAPERCUTS.md.По этому файлу затем можно понять, с какими проблемами агент обычно сталкивается и постараться их исправить.
Очень полезно!
Думаю, в harness будущего такое будет развиваться ещё сильнее, про это тоже поговорим на стриме!
А промпт для такого подхода к рефлексии можно забрать у Игоря @tips_ai.
Про эту новость я узнал у него же. Так что если вам тоже интересно следить за разными фишечками для AI агентов, то обязательно подписывайтесь на его канал!
Лайк, репост
Тут на прошлой неделе один инфлюенсер столкнулся с проблемой – GPT 5.6 Sol удалил папку ~/ на маке!
Ну и дела!
В реплаях ему посоветовали использовать dcg (destructive command guard).
Я посмотрел что это, разобрался в нём, установил себе и теперь рекомендую вам!
Это инструмент, который блокирует деструктивные команды, которые "случайно" мог ввести AI-агент.
Устанавливается как hook во все популярные агенты и блокирует запуск большинства команд.
Удобно, что устанавливается одной командой, а так же то, что тут есть набор конфигов по софту:
• git
• filesystem
• disk
• storage (s3, minio)
• remote (rsync, ssh, scp)
• database (pg, mongo, etc)
• container (docker, kuber, podman)
• и многие другие
Важно понимать, что этот инструмент спасает именно от "случайных" команд - тех случаев, когда что-то идёт не так, и агент вводит команду, которую изначально не планировал, а потом оправдывается, что это произошло случайно!
Этот инструмент не поможет, когда агент создаст деструктивную команду в скрипте и запустит его.
В комментах скину таблицу, которую составил мой Codex – какие результаты получат типичные сценарии
Лайк, репост
Команда OpenAI провела AMA (Ask me Anything) на Reddit по случаю большого релиза GPT-5.6
Tibor Blaho суммаризировал, а я выбрал из этого самое интересное, ч. 1
Выбор модели и уровни рассуждения
• Sol Medium — для большинства задач, Sol Ultra — для действительно сложных задач, Terra — для быстрых не-кодинговых задач или когда важно экономить лимиты, при этом на некоторых задачах Terra конкурентен с GPT-5.5 при меньшей стоимости, а Luna — для сабагентов.
• Для крошечных правок, быстрых вопросов и чистки документации лучше использовать лёгкую модель с низким уровнем рассуждения. Обычный Sol Medium — для небольших багов с понятным воспроизведением. Sol с более высоким уровнем рассуждения — для неоднозначных багов, незнакомых репозиториев и сквозных рефакторингов. Sol Ultra High с планом, верификацией и тестами — для миграций, security-sensitive изменений, продакшен-инцидентов и всего, где ошибка дорого стоит.
• Сейчас нет модели «Auto», но GPT-5.6 старается сам не переосмыслять простые задачи. Новый слайдер в приложении и вебе мапит большинство уровней на reasoning effort модели Sol, а на самом низком effort откатывается на Terra. Команда согласна, что пользователи не должны становиться экспертами по роутингу моделей, но при этом хочет оставить явный override, потому что терпимость к задержке зависит от человека и конкретного момента.
- Для UI-задач лучше всего подходит Sol, особенно если дать reference images. Улучшение UI-дизайна во фронтенд-разработке было одной из целей 5.6. Использовать 5.5 имеет смысл только если твои инструкции были специально под неё заточены.
Скорость, контекстное окно и persistence
- Модель может слишком быстро сдаться и откатить целые патчи, если результат неидеален. В отличие от неё, Fable пытается исправить плохой патч. Команда сказала, что
- Для долгих research-задач и работы через
Лимиты использования и цены
- Agentic usage считается по используемой функции, а не по типу клиента. Поэтому Codex везде — в приложении, CLI, IDE, вебе, мобильном клиенте и ChatGPT Work – расходуют agentic bucket. Обычные чаты в ChatGPT его не расходуют. Генерация изображений, загрузка файлов и голос имеют отдельные лимиты.
- Для MCP-heavy workflows, которые быстро сжигают лимиты, например в Unreal Engine, совет такой: завернуть MCP в CLI со skill’ом или создать кастомного сабагента с этим MCP в конфиге на более низком уровне reasoning.
Лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
Tibor Blaho суммаризировал, а я выбрал из этого самое интересное, ч. 1
Выбор модели и уровни рассуждения
• Sol Medium — для большинства задач, Sol Ultra — для действительно сложных задач, Terra — для быстрых не-кодинговых задач или когда важно экономить лимиты, при этом на некоторых задачах Terra конкурентен с GPT-5.5 при меньшей стоимости, а Luna — для сабагентов.
• Для крошечных правок, быстрых вопросов и чистки документации лучше использовать лёгкую модель с низким уровнем рассуждения. Обычный Sol Medium — для небольших багов с понятным воспроизведением. Sol с более высоким уровнем рассуждения — для неоднозначных багов, незнакомых репозиториев и сквозных рефакторингов. Sol Ultra High с планом, верификацией и тестами — для миграций, security-sensitive изменений, продакшен-инцидентов и всего, где ошибка дорого стоит.
• Сейчас нет модели «Auto», но GPT-5.6 старается сам не переосмыслять простые задачи. Новый слайдер в приложении и вебе мапит большинство уровней на reasoning effort модели Sol, а на самом низком effort откатывается на Terra. Команда согласна, что пользователи не должны становиться экспертами по роутингу моделей, но при этом хочет оставить явный override, потому что терпимость к задержке зависит от человека и конкретного момента.
- Для UI-задач лучше всего подходит Sol, особенно если дать reference images. Улучшение UI-дизайна во фронтенд-разработке было одной из целей 5.6. Использовать 5.5 имеет смысл только если твои инструкции были специально под неё заточены.
Скорость, контекстное окно и persistence
- Модель может слишком быстро сдаться и откатить целые патчи, если результат неидеален. В отличие от неё, Fable пытается исправить плохой патч. Команда сказала, что
/goal помогает сделать агента более настойчивым. Улучшения persistence и снижение сложности кода запланированы. Также они предложили попробовать 5.6 Sol с High reasoning.- Для долгих research-задач и работы через
/goal пример структуры такой: широко исследовать, но узко исполнять; попробовать заданное количество гипотез; после каждой попытки запускать тесты; затем остановиться и отчитаться, чему удалось научиться и какой следующий лучший эксперимент.Лимиты использования и цены
- Agentic usage считается по используемой функции, а не по типу клиента. Поэтому Codex везде — в приложении, CLI, IDE, вебе, мобильном клиенте и ChatGPT Work – расходуют agentic bucket. Обычные чаты в ChatGPT его не расходуют. Генерация изображений, загрузка файлов и голос имеют отдельные лимиты.
- Для MCP-heavy workflows, которые быстро сжигают лимиты, например в Unreal Engine, совет такой: завернуть MCP в CLI со skill’ом или создать кастомного сабагента с этим MCP в конфиге на более низком уровне reasoning.
Лайк, репост
Harness будущего, какой он?
Соберёмся на стриме у Кости Доронина, с нами будут Александр Абрамов, автор Dealer.AI и Павел Рыков, автор Pavel Zloi.
Мы обсудим, как текущие задачи, которые решаем с помощью AI-агентов, так и то, во что превратится harness в будущем. Какие изменения и вызовы ждут нас впереди.
Моё видение – harness будет упрощаться для юзера и усложняться внутри.
Условно, через 1-2 года, вам будет достаточно описать свою идею прям в приложение ChatGPT на айфоне, агент проведёт интервью, сразу визуализирует и если вас всё устроит, то уйдет на часик реализовывать это. А далее вы уже сможете проверить результат прямо в продакшене.
При этом, я уверен, что это всё добро будет стоить дороже чем сейчас. А если захочется сэкономить, то придётся тратить больше своего личного времени.
А вы что думаете?
Пишите своё мнение в комменты и там же задавайте вопросы, которые мы разберём на стриме.
P. S. на обсуждение обложки мы потратили больше времени, чем на обсуждение вопросов.
Сколько отсылок на обложке вы найдете?
Лайк, репост
Фишки codex, о которых вы не знали, ч. 2
ч.1 здесь
Решил рассказать про мои любимые фишки Codex App, которыми я сам пользуюсь и о которых не многие знают.
1. Queue – отправить сообщение в чат, но поставить его очередь. Оно отправится, как только завершится текущий turn.
Use Case 1 - заранее продумать несколько задач подряд и отправить их в очередь
Use Case 2 – дать задачу, а в очередь добавить промпты вроде "а ты уверен что всё сделано правильно?")) Иногда помогает перепроверить получившееся решение и докрутить его
2. Remote – управление Codex с удалённого устройства.
Use Case 1 – поставить задачу на маке, уйти трогать траву на улице и подглядывать за агентами с телефона, фоллоу-апать их
Use Case 2 - работать со своим локальным Codex на маке, а ещё и с Codex, который установлен на VPS, и всё это прямо в одном окне Codex App!
3. /goal – у вас есть задача с чётким acceptance criteria? Используйте команду
Use Case 1 – итеративное улучшение системы на основе метрик/бенчмарков
Use Case 2 – дать задачу добыть информацию в интернете, установить софт, правильно его настроить, написать несколько скриптов, которые будут использовать этот софт для обработки ваших сырых данных, а потом ещё и провести анализ результата. А потом, вернуться и переделать скрипты, или заменить софт на аналог, обработать сырые данные заново, проанализировать их и наконец-то отчитаться о выполненной задаче перед пользователем.
И всё это может происходить внутри одной сессии и без агентов, а может и с агентами – зависит от вашего промпта.
4. OpenAI Dev Docs – какое то время назад, когда мы использовали агентов для создания приложений с llm под капотом, мы ругались (ну я лично точно), мол, какого фига GPT или Claude не знает как работать со своим API?! ну это же самое очевидное знание модели, которое всегда должно быть актуальным!
Короче, OpenAI несколько месяцев назад решили эту проблему релизом Skill+MCP OpenAI Docs.
Этот бандл покрывает все основные продукты OpenAI, которые можно использовать для разработки приложений. В том числе и Codex.
Use Case 1 - попросить Codex настроить свои permissions правильно
Use Case 2 - попросить Codex внедрить Responses API в своё приложение
Лайк, репост
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
ч.1 здесь
Решил рассказать про мои любимые фишки Codex App, которыми я сам пользуюсь и о которых не многие знают.
1. Queue – отправить сообщение в чат, но поставить его очередь. Оно отправится, как только завершится текущий turn.
Use Case 1 - заранее продумать несколько задач подряд и отправить их в очередь
Use Case 2 – дать задачу, а в очередь добавить промпты вроде "а ты уверен что всё сделано правильно?")) Иногда помогает перепроверить получившееся решение и докрутить его
2. Remote – управление Codex с удалённого устройства.
Use Case 1 – поставить задачу на маке, уйти трогать траву на улице и подглядывать за агентами с телефона, фоллоу-апать их
Use Case 2 - работать со своим локальным Codex на маке, а ещё и с Codex, который установлен на VPS, и всё это прямо в одном окне Codex App!
3. /goal – у вас есть задача с чётким acceptance criteria? Используйте команду
/goal – она заставит агента выполнять задачу до тех пор, пока все ACs не будут закрытыUse Case 1 – итеративное улучшение системы на основе метрик/бенчмарков
Use Case 2 – дать задачу добыть информацию в интернете, установить софт, правильно его настроить, написать несколько скриптов, которые будут использовать этот софт для обработки ваших сырых данных, а потом ещё и провести анализ результата. А потом, вернуться и переделать скрипты, или заменить софт на аналог, обработать сырые данные заново, проанализировать их и наконец-то отчитаться о выполненной задаче перед пользователем.
И всё это может происходить внутри одной сессии и без агентов, а может и с агентами – зависит от вашего промпта.
4. OpenAI Dev Docs – какое то время назад, когда мы использовали агентов для создания приложений с llm под капотом, мы ругались (ну я лично точно), мол, какого фига GPT или Claude не знает как работать со своим API?! ну это же самое очевидное знание модели, которое всегда должно быть актуальным!
Короче, OpenAI несколько месяцев назад решили эту проблему релизом Skill+MCP OpenAI Docs.
Этот бандл покрывает все основные продукты OpenAI, которые можно использовать для разработки приложений. В том числе и Codex.
Use Case 1 - попросить Codex настроить свои permissions правильно
Use Case 2 - попросить Codex внедрить Responses API в своё приложение
Лайк, репост
Заметил в сети замечательный разбор по новым моделькам от OpenAI от Theo Brown – он уже успел сжечь $200 000 на GPT 5.6 Sol, так что довольно интересный материал получился.
Читать на моём сайте
Читать на Хабре
лайк, репост
