Hacker News Digest

Выпускник компьютерных наук, выполнивший все «правильные» шаги для успешной карьеры — университет, отличные оценки, стажировки, даже запуск небольшого консалтинга — всё равно остаётся безработным. Несмотря на следование всем правилам и получению нужных навыков, автор сталкивается с «сломанным» рынком труда, где даже компьютерные специальности, считавшиеся надёжными, теперь показывают одну из самых высоких безработиц среди выпускников. Официальная статистика безработицы остаётся низкой, но плотность возможностей резко сократилась — тысячи одинаково подготовленных соиск соревнуются за ограниченное количество вакансий.

За экономическими циклами, такими как повышение процентных ставок, скрывается более глубокая трансформация: капитал обнаружил, что программное обеспечение, роботы и офшорный труд можно эффективно комбинировать. Хотя ранние прогнозы о массовой автоматизации были преувеличены, наблюдается медленное, но устойчивое давление на определённые виды работ. В распределённых центрах Amazon, например, роботизация уже приводит к замедлению роста или сокращению персонала, создавая будущее, где человеческий труд перестаёт быть «необходимым ингредиентом» для крупных операций.

• Ситуация с рынком труда для новых выпускников в технологической сфере вызывает тревогу, но неясно, насколько это связано с AI или просто с циклом экономики.
• Постоянный поток H1B-виз в США и отсутствие иммиграционной политики в Великобритании подчеркивают, что рынок труда не локален, а глобален.
• Сообщество Hacker News обсуждает, как выживают выпускники, которые не попали в FAANG, и какие навыки нужны, чтобы выжить в этой ситуации.
• Дискуссия подчеркивает, что важно не только технические навыки, но и умение "продавать" себя и сетевое взаимодействие.
• Некоторые участники подчеркивают, что важно не только найти работу, но и быть готовым к тому, что рынок труда может быть циклическим, и что важно быть гибким и адаптивным.

• Парадокс Джевонса и "болезнь Баумоля" показывают, что рост производительности в одной отрасли может привести к росту затрат в другой, если она не успевает за ней.
• Подобные дискуссии часто сводятся к тому, что рост благосостояния в целом не сопровождается ростом доходов в низкооплачиваемых профессиях, что вызывает вопросы о том, кто будет делать эту работу и как они будут оплачиваться.
• Обсуждение также касается того, что автоматизация может не привести к сокращению рабочих мест, если спрос на услуги продолжает расти, но может привести к тому, что эти рабочие места будут менее оплачиваемыми.
• Участники также обсуждают, что рост цен на услуги, такие как ремонт HVAC, может быть вызван не только ростом себестоимости, но и другими факторами, включая дефицит рабочей силы и регуляторные требования.

В предоставленном тексте нет информации о проекте SARCASM (Slightly Annoying Automatic Rubik's Cube Solving Machine). Текст представляет собой навигационное меню GitHub, но не содержит описания самого проекта, его особенностей или технических деталей.

Для создания точного пересказа необходима информация о самом проекте: как он работает, какие компоненты использует, как решает кубик Рубика и какие результаты демонстрирует. Без этих деталей невозможно выделить главную идею или отметить ключевые факты проекта.

• Обсуждение вращается вокруг создания робота для решения кубика Рубика, включая рекордные 103 мс и эстетику проекта.
• Участники также обсуждают автоматическое перемешивание кубика, как более полезную задачу, поскольку кубер тратит больше времени на перемешивание, чем на решение.
• Поднимается вопрос о количестве потраченного времени и усилий, вложенных в проект, и о том, сколько кубиков было сломано в процессе.
• Также обсуждается возможность использования робота для перемешивания кубика в обратном направлении.
• Наконец, участники делятся впечатлениями о том, как проект вдохновляет людей приобрести 3D-принтер и как он может быть использован для обучения или демонстрации в контексте кубик Рубика.

• Потенциал для повышения продуктивности в Excel через анализ формул, навигацию по моделям и автоматизацию рутинных задач, особенно в финансовом секторе.
• Серьезные опасения по поводу ошибок (галлюцинаций), безопасности данных, отсутствия контроля версий и сложности проверки сложных AI-сгенерированных таблиц.
• Технические ограничения: отсутствие поддержки ключевых функций (пивот-таблицы, VBA), проблемы с пониманием структуры таблиц и необходимость гибридных подходов.
• Активная конкуренция со стороны существующих решений (Gemini в Google Sheets, Copilot) и стартапов (Calcapp, Rows).
• Шутки и мрачные прогнозы о потенциальных катастрофических последствиях для финансовой стабильности и глобальной экономики.

Разработан новый инструмент playwright-skill, позволяющий Claude (AI-ассистенту) самостоятельно писать и выполнять код для автоматизации браузера с использованием Playwright. Это решение устраняет необходимость в ручном написании скриптов для тестирования и валидации веб-приложений, предоставляя Claude возможность генерировать и запускать пользовательские автоматизированные задачи напрямую.

Проект представляет собой расширение возможностей Claude для работы с веб-интерфейсами, где модель может анализировать страницу, определять нужные элементы и создавать соответствующие скрипты для взаимодействия с ними. Такой подход значительно упрощает автоматизацию рутинных задач тестирования и проверки функциональности сайтов, делая процесс более гибким и адаптивным к конкретным требованиям пользователя.

• Обсуждение в основном вращается вокруг трёх тем: удобство и ограничения MCP/Playwright, приватность данных при использовании облачных моделей и безопасность запуска произвольного кода в среде разработки.
• Участники обмениваются опытом использования различных инструментов тестирования, обсуждают их преимущества и недостатки, а также поднимают вопросы о приватности и безопасности.
• Некоторые участники выдвигают идею, что вместо использования MCP или Playwright можно было бы просто попросить агента использовать эти инструменты напрямую, что может уменьшить сложность и потенциальные проблемы.
• Также обсуждается, что такие инструменты могут быть полезны для быстрой проверки новых функций в процессе разработки, но не для полноценного тестирования.
• Вопрос о том, как обеспечить безопасность при использовании таких инструментов и как они могут влиять на приватность данных также поднимается.

Skyvern, инструмент для автоматизации браузерных задач с помощью ИИ, научился писать и поддерживать собственный код, что сделало его в 2,7 раза дешевле и в 2,3 раза быстрее. Идея возникла после запуска на Hacker News, где пользователи просили просто писать код вместо сложной настройки. Однако обучение ИИ создавать код оказалось сложной задачей из-за двух проблем: неоднозначных требований к автоматизации и "грязного" состояния веб-интерфейсов, где элементы часто ведут себя не так, как ожидалось.

Решением стали модели рассуждений, которые повысили точность работы агента до производственного уровня и позволили создавать код, похожий на написанный человеком. В примере автоматизации регистрации компаний на Delaware.gov показаны типичные сложности: связанные элементы управления, которые зависят друг от друга, и случайные сбои сайта. Вместо создания хрупких статических скриптов, которые ломаются при малейшем изменении, Skyvern использует ИИ для обработки непредвиденных ситуаций, сохраняя при этом эффективность сгенерированного кода.

• LLM-агенты стремятся к автономии в написании собственных инструментов, но пока не могут полностью заменить человека в сложных задачах.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.
• Сторонние модели вроде Skyvern и OpenAI Operator демонстрируют, что LLM-агенты могут быть полезны, но их стоимость и ограничения важны для обсуждения.

Claude теперь может использовать «навыки» для выполнения специализированных задач — это папки с инструкциями и ресурсами, которые Claude загружает по мере необходимости. Это позволяет Claude работать с такими объектами, как Excel, Word и PowerPoint, преобразуя их в нужные форматы, например, создавая отчёты из нескольких таблиц. Функция работает во всех продуктах Claude: в приложениях, API и Claude Code. В организациях это ускоряет работу с финансами и отчётностью, экономя часы рутинной работы.

• Обсуждение охватывает вопросы от навыков и их взаимодействия с MCP, субагентами и инструментами, до того, как они влияют на разработку и использование навыков в Anthropic и в целом на экосистему инструментов.
• Участники обсуждают, что навыки могут быть просто переименованными инструкциями или инструментами, и что их влияние на разработку может быть ограничено.
• Также обсуждается, что навыки могут быть использованы для упрощения сложных задач, но также может быть использованы для создания более сложных и запутанных инструментов.
• Участники также обсуждают, что навыки могут быть использованы для автоматизации задач, но также может быть использованы для создания более сложных и запутанных инструментов.
• В конце обсуждение подводит к тому, что навыки могут быть использованы для создания более сложных и запутанных инструментов, но также может быть использованы для автоматизации задач.

В предоставленном тексте отсутствует содержательная часть статьи о платформе 100X.Bot. Заголовок указывает на "всё-в-одном" AI-платформу, но нет описания её функций, возможностей или особенностей. Единственная дополнительная информация - это код отслеживания Facebook Pixel, что говорит о возможной интеграции с этой платформой или использовании её для аналитики. Для создания полноценного пересказа требуется более подробная информация о самой платформе, её назначении и преимуществах.

• Пользователи обсуждают, что «самовосстановление» (self-healing) в Agent4 ограничено лишь изменением CSS-классов, тогда как реальные сайты могут меняться гораздо шире, что ставит под сомнение ценность «самовосстанавливающихся» селекторов.
• Критика касается и того, что Agent4 не открыт исходный код, а также то, что расширение требует «разрешений на все сайты» и может читать/записывать cookies, что вызывает опасения по поводу приватности.
• Некоторые участники обсуждения задаются вопросом, действительно ли Agent4 соответствует принципам открытого исходного кода и прозрачности, и предлагают, что если нет — то почему бы не сделать его открытым.
• Обсуждается, что если селекторы нестабильны, то это может привести к тому, что автоматизация может внезапно сломаться, и это может быть критично для пользователей.
• Также поднимается вопрос о том, что если вместо того, чтобы полагаться на нестабильные селекторы, лучше было бы иметь возможность генерировать скрипт, который бы использовал более стабильные селекторы.

Claude Haiku 4.5 — новая компактная модель от Anthropic, которая сочетает высокую производительность с низкой стоимостью и высокой скоростью. Она работает втрое дешевле и вдвое быстрее предыдущих моделей, достигая при этом сравнимого качества в задачах, например, в программировании, где она даже превосходит более крупные модели.

Ключевые улучшения включают возможность эффективно управлять группами агентов, где каждый экземпляр Haiku обрабатывает свою часть задачи, что ускоряет решение сложных проблем. Модель также отлично справляется с использованием компьютера, включая навигацию в браузере и автоматизацию задач.

Многие пользователи отмечают, что Haiku 4.5 обеспечивает скорость отклика, делая взаимодействие с ИИ почти мгновенным, что особенно ценно в реальном времени. Модель доступна через API, что позволяет легко интегрировать её в различные приложения, от чат-ботов до систем автоматизации.

Впечатляет, что уровень производительности, который был вершиной несколько месяцев назад, теперь доступен в компактной и эффективной форме, открывая новые возможности для разработчиков и компаний, стремящихся внедрить ИИ без больших затрат.

• Пользователи обсуждают, что новая модель Haiku 4.5 демонстрирует высокую точность в изменениях кода, что делает её более эффективной для разработки, но при этом остаётся вопрос о цене и доступности.
• Участники обсуждают, что Anthropic стоит ли покупать дорогие модели, если есть более дешёвые альтернативы, и какие именно сценарии использования делают Haiku 4.5 привлекательной.
• Разговор также затрагивает, что Anthropic может быть упустил возможность создать более доступную модель, которая бы была бы более привлекательной для разработчиков, которые не могут позволить себе дорогие модели.
• Участники также обсуждают, что Anthropic может быть не предоставляет достаточно информации о ценах и ограничениях использования моделей, что делает трудным для разработчиков выбрать наиболее подходящую модель для их нужд.
• Наконец, обсуждение также затрагивает, что Anthropic может быть не предоставляет достаточно информации о ценах и ограничениях использования моделей, что делает трудным для разработчиков выбрать наиболее подходящую модель для их нужд.

Пользователь на форуме задаётся вопросом: зачем нужна разработка в сторону «агентных» ИИ-систем, если текущие модели с трудом выполняют даже простые инструкции. Он привёл пример, когда GPT-5 и Gemini Pro не смогли корректно модифицировать даже одну функцию на 100 строк кода, и выражает скепсис по поводу того, что такие системы смогут работать с десятками файлов.

В ответ другие участники объясняют, что для эффективной работы с ИИ нужно правильно использовать инструменты — например, предоставлять контекст через Markdown-файлы, а не просто текстовые промпты. Они рекомендуют создавать .md-файлы с описанием проекта, архитектуры, требований, чтобы ИИ мог считывать контекст и действовать более точно. Такой подход превращает ИИ из инструмента для генерации текста в полноценного агента, способного на сложные задачи.

Второй совет — использовать режим планирования (plan mode) в Cursor, где система сначала анализирует проект, составляет план, а затем выполняет его, что значительно повышает качество результата по сравнению с прямым выполнением без плана.

Итог: хотя текущие ИИ и правда слабы в изоляции, правильное использование вроде добавления контекста через файлы и использование продвинутых режимов вроде plan mode превращает их в мощные инструменты для автоматизации разработки.

• В 2025 году маркетинг AI-решений стал настолько агрессивным, что бренды внедряются в обсуждения на Reddit, LinkedIn и других публичных форумах, чтобы продвигать свои продукты.
• Основная причина разногласий в сообществе разработчиков — это то, что LLM не справляются с задачами, которые не являются тривиальными, и при этом вендоры продолжают их продвигать как будто они могут решить всё.
• Участники обсуждения отмечают, что вместо того, чтобы улучшать модели и инструменты, компании вместо этого сосредоточены на создании и продвижении курсов и "лучших практик" по использованию этих инструментов.
• Некоторые разработчики делятся опытом, что LLM могут быть полезны для рутинных задач, но не для сложных проектов с унаследованным кодом, и что вместо того, чтобы улучшать модели, вендоры продолжают продвигать их как будто они могут решить любую задачу.

Figure 03 — третье поколение человекоподобного робота от компании Figure. Вместо того, чтобы просто собрать ещё одного робота, инженеры заново спроектировали его с нуля под массовое производство, безопасность в домашних условиях и под Helix — новую модель ИИ, которая учится прямо у людей.

Главное: камеры в ладонях и новая тактильная кожа позволяют Helix видеть и чувствовать всё, что делает робот. Это делает возможным, чтобы он учился напрямую от человека, а не в лаборатории. Плюс, благодаря переработке под массовое производство, себестоимость снизилась на 47% и теперь робот стоит меньше, чем электромобиль. Пока что он доступен только корпоративным партнёрам, но вот-вот и для дома.

• Обсуждение варьируется от критики до восторга, но большинство комментариев подчеркивает, что роботы пока не готовы к массовому использованию из-за цены, надёжности и этичных вопросов.
• Участники обсуждения поднимают вопросы о том, что роботы не могут выполнять большинство задачь, которые они демонстрируют в видео, и что их использование может быть ограничено только простыми задачами.
• Некоторые комментаторы выражают обеспокоенность по поводу конфиденциальности, так как роботы могут собирать данные о домашней жизни людей.
• Также обсуждается, что дизайн роботов может вызывать чувство тревоги и что они не выглядят дружелюбно.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для военных целей или для слежки.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для домашних задачь в ближайшем будущем из-за их высокой стоимости и ограниченной функциональности.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для замены человеческого труда, что может вызвать социальные и экономические последствия.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для ухода за пожилыми людьми, так как это может вызвать у них чувство одиночества и изоляции.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для военных целей или для слежки.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для домашних задачь в ближайшем будущем из-за их высокой стоимости и ограниченной функциональности.

Небольшие команды преуспевают благодаря эффективности, а не размеру. Вместо множества сотрудников они используют искусственный интеллект для автоматизации рутины — от исследований до маркетинга и поддержки. Это позволяет командам из 5-15 человек управлять продуктами с миллионами пользователей, сохраняя скорость и гибкость.

Ключевые элементы: найм только лучших специалистов (иногда через пробные проекты), культура доверия и радикальной прозрачности, а также глубокая интеграция ИИ в рутины, что позволяет даже малым командам конкурировать с гигантами.

• Обсуждение выявило противоречие между идеей "tiny teams" и традиционными практиками: офисы, зарплаты, оффлайн встречи и т.д.
• Участники спорят о том, что такое "простой стек технологий" и как он влияет на продуктивность и набор персонала.
• Обсуждение поднимает вопрос о том, как "tiny teams" влияет на баланс между работой и личной жизнью и как это соотносится с идеей "deep focus".
• Участники обсуждают, как "tiny teams" влияет на набор персонала и как это соотносится с идеей "simple, boring tech stack".

• Сложности возрождения производства в США из-за утраченной инфраструктуры, нехватки специалистов и высокой конкуренции с Китаем.
• Пример успешной релокации производства Sharpie через высокую автоматизацию и переобучение сотрудников, что снизило издержки.
• Скептическое отношение к подобным успехам как к единичным случаям, маскирующим общий упадок американского производства и плохие показатели компаний.
• Обсуждение необходимости формального образования для инженеров и руководителей против ценности практического опыта.
• Влияние геополитики и протекционистских мер (тарифов) на глобальные цепочки поставок и конкурентоспособность.

Jules — это ИИ-агент для автоматизации разработки, который теперь предлагает API для интеграции в рабочие процессы. С его помощью можно автоматизировать создание задач, исправление багов и внедрение фич через инструменты вроде Slack, Linear или Jira, а также встраивать в CI/CD-пайплайны GitHub Actions. Например, можно отправить запрос на создание сессии через cURL, указав промпт и контекст репозитория.

Кроме API, в обновлениях появилась поддержка командной строки, веб-серфинг, тестирование веб-приложений с визуализацией результатов, работа с обратной связью из PR, загрузка изображений и увеличение размера VM до 20 ГБ. Агент стал быстрее и надёжнее, добавлена критика кода, интерактивное планирование и поддержка Bun.

• Перенос инфраструктуры на Railway и использование Jules для самостоятельного создания PR клиентом для мелких правок
• Критика Jules как продукта Google: фрагментация предложений, опасения по поводу закрытости и возможного прекращения поддержки
• Обсуждение различий между Jules, Claude Code, Copilot и другими агентами, их интеграций и безопасности
• Сравнение моделей использования: асинхронные агенты vs. интерактивные инструменты в IDE, вопросы доверия и ROI
• Критика антропоморфных названий продуктов и размышления о целесообразности разработки в личное время

Исследование Йельского университета показало, что искусственный интеллект пока не оказал заметного влияния на занятость. Несмотря на широкое внедрение технологий ИИ, массовых сокращений рабочих мест не произошло. Это объясняется тем, что компании чаще используют ИИ для дополнения человеческих навыков, а не для их замены.

Эксперты отмечают, что текущие системы ИИ ещё недостаточно развиты, чтобы полностью автоматизировать сложные задачи, требующие креативности и социального интеллекта. Вместо этого они помогают сотрудникам повысить продуктивность, беря на себя рутинные операции. Ожидается, что реальное воздействие на рынок труда проявится лишь в долгосрочной перспективе, по мере совершенствования технологий.

• AI в основном используется как инструмент для повышения продуктивности разработчиков, а не для прямого замещения рабочих мест.
• Многие участники считают, что текущие увольнения в IT-сфере связаны с общей экономической ситуацией и оптимизацией затрат, а не с внедрением ИИ.
• Существуют опасения, что в будущем ИИ может начать замещать рабочие места, особенно в сферах с рутинными задачами.
• Ряд комментаторов отмечают, что компании используют "ИИ" как удобный предлог для увольнений и аутсорсинга.
• Исторический опыт показывает, что технологические революции в конечном итоге увеличивают производительность и создают новые jobs, несмотря на первоначальные опасения.

Claude Code превратился из инструмента для помощи в программировании в полноценную операционную систему с агентным подходом, интегрирующуюся с Obsidian через доступ к файловой системе. Ключевое преимущество — нативная поддержка Unix-команд, идеально подходящих для LLM благодаря их простоте, документированности и философии «делай одно дело хорошо». Это позволяет моделям эффективно передавать данные между инструментами, избегая сложностей.

Доступ к файловой системе решает главные проблемы браузерных аналогов вроде ChatGPT: отсутствие памяти между сессиями и ограниченный контекст. Claude Code накапливает знания, пишет заметки сам себе и сохраняет состояние, что открывает новые сценарии использования, даже если модели не станут умнее.

• Пользователи восхищаются способностью Claude Code и подобных инструментов взаимодействовать с системой через CLI, используя стандартные утилиты (adb/logcat, AWS CLI, tmux) для отладки, автоматизации и решения сложных задач в реальном времени.
• Подчёркивается преимущество Unix-философии и текстовых интерфейсов для интеграции с ИИ: простота, композируемость инструментов, использование stdout/stdin и файловой системы как универсального API, что делает их идеальными для агентов.
• Высказываются опасения по поводу конфиденциальности данных при использовании облачных ИИ-сервисов, а также желание полностью локальной работы с открытым ПО (Obsidian, локальные LLM).
• Отмечается, что ИИ эффективно использует существующие инструменты (линтеры, браузеры через кастомные скрипты, man-страницы) лучше, чем пытается решать задачи самостоятельно, что повышает качество результата.
• Наблюдается полярность мнений: одни видят в CLI-инструментах революцию и возрождение, другие считают их переоцененными или отмечают, что аналогичные возможности уже есть у других продуктов (Gemini CLI, Warp, Cursor, Copilot).

Технологии, делая сложные задачи простыми, подрывают наше ощущение ценности собственных усилий. Когда ручной труд — например, фотография на плёнку или написание кода — становится автоматизированным, исчезает внутреннее удовлетворение от мастерства. Это ставит под вопрос идентичность тех, кто годами оттачивал навыки: если усилия больше не определяют нас, что остаётся?

Особенно остро это чувствуется в работе, где оплата напрямую связана с приложенными усилиями. Хотя ИИ может повысить эффективность, он лишает радости творческого процесса и глубокого понимания задачи. Люди рискуют превратиться в операторов систем, теряя связь с ремеслом. Возможно, выход — в переосмыслении роли труда и поиске новых источников смысла за пределами профессиональной деятельности.

• Участники обсуждают, как ИИ меняет ценность усилий в программировании и других сферах, вызывая кризис идентичности у тех, кто определял себя через сложную работу.
• Высказывается мнение, что ИИ не устраняет необходимость усилий, а смещает фокус с написания кода на проектирование, коммуникацию и постановку задач.
• Поднимается вопрос о поиске смысла и цели в условиях, когда традиционные навыки обесцениваются, и предлагается переосмыслить свою роль как решателя проблем, а не просто исполнителя.
• Отмечается, что ИИ требует значительных усилий для эффективного использования и не может заменить глубокое понимание предметной области.
• Обсуждается культурная и личностная ценность усилий, а также риск подмены собственных целей чужими маркетинговыми установками в погоне за эффективностью.

Glide — это форк Firefox с расширяемой архитектурой, ориентированной на клавиатурное управление. Его главная особенность — конфигурация на TypeScript, которая позволяет пользователям настраивать браузер практически без ограничений. Например, можно создавать собственные сочетания клавиш для автоматизации рутинных задач, таких как клонирование репозитория GitHub и открытие его в Neovim, или переключение на вкладку с календарём. Это решает проблемы, характерные для традиционных расширений, которые часто сталкиваются с ограничениями безопасности в Firefox.

Glide заимствует концепцию режимов из Vim, автоматически переключаясь между normal, insert и ignore в зависимости от контекста. Он также поддерживает навигацию с помощью подсказок (hint mode), позволяя управлять элементами страницы без мыши. Ключевые преимущества включают интеграцию с внешними инструментами, сохранение совместимости с расширениями Firefox и возможность тонкой настройки под индивидуальные workflow.

• Пользователи положительно оценивают форк Firefox, отмечая важность альтернативы браузерам на Chromium и наличие компактного режима.
• Обсуждаются технические детали поддержки проекта: интеграция обновлений и исправлений безопасности от Firefox, использование системы патчей.
• Ключевая особенность — ориентация на управление с клавиатуры (vim-подобные привязки), что сравнивается с расширениями Vimium и VimFX.
• Запрашивается возможность гибкой настройки (поддержка dotfiles, установка расширений, кастомизация CSS, дополнительные функции для хинтов).
• Поднимаются вопросы совместимости: работа на внутренних страницах браузера (chrome://), перенос настроек из Firefox и поведение в текстовых полях.

Airweave позволяет ИИ-агентам искать информацию в любом приложении, автоматизируя взаимодействие с пользовательскими интерфейсами. Это устраняет необходимость в API или специальных интеграциях, поскольку система использует компьютерное зрение и ИИ для навигации и извлечения данных напрямую из визуальных элементов приложений.

Ключевая идея в том, что агенты могут выполнять задачи, имитируя человеческие действия — кликая, вводя текст и анализируя экраны. Это особенно полезно для автоматизации workflows в legacy-системах или приложениях без публичного API. Практический вывод: снижается зависимость от разработчиков для создания интеграций, ускоряется внедрение автоматизации в разнородных средах.

• Обсуждение различий между Airweave и конкурентами (Onyx, Glean), где Airweave позиционируется как инфраструктура для разработчиков, а не готовое пользовательское приложение.
• Вопросы о безопасности и управлении доступом (RBAC): подход к синхронизации данных для каждого пользователя в отдельности для предотвращения утечек и планы по реализации единых списков ACL.
• Критика сложной модели ценообразования и предложения по её упрощению, а также ответ о наличии бесплатной версии для разработчиков.
• Обсуждение тенденции интеграции подобных технологий крупными игроками (OpenAI, Anthropic) и восприятие этого как подтверждения полезности продукта.
• Ответы на технические вопросы: предпочтение полного индексирования данных вместо вызова инструментов на лету, поддержка чистого ключевого поиска без использования LLM.

Технологии, устраняющие трудности, могут подорвать личностный рост и креативность. Например, запоминание телефонных номеров тренировало память, но с появлением контактов в телефоне эта необходимость исчезла. Точно так же ChatGPT, предлагая готовые решения для написания текстов, лишает нас возможности учиться на ошибках и развивать навыки через преодоление препятствий.

Человек инстинктивно выбирает путь наименьшего сопротивления, поэтому сознательное введение "трения" в процессы становится необходимостью для роста. Полный отказ от инструментов вроде ИИ — не выход; важно научиться использовать их так, чтобы они помогали, а не мешали развитию, особенно в долгосрочной перспективе.

• Участники обсуждают различие между полезным усилием, ведущим к росту (например, обучение, преодоление сложностей), и бесполезным трением (неэффективность, рутина), которое технологии, включая ИИ, могут устранить.
• Высказываются опасения, что чрезмерное удобство и автоматизация, особенно с развитием ИИ, могут привести к стагнации, снижению креативности и ослаблению когнитивных способностей, по аналогии с атрофией мышц без нагрузки.
• Подчёркивается важность преднамеренного выбора сложностей и дисциплины для личностного и профессионального роста, чтобы использовать ИИ как инструмент, а не стать от него зависимым.
• Отмечается, что ИИ может быть как убийцей креативности, генерируя низкокачественный контент, так и её катализатором, освобождая умственные ресурсы для более высокоуровневых задач.
• Обсуждается, что ценность технологий определяется их применением: они должны устранять бесполезное трение, но сохранять необходимое для развития усилие.

Современные гуманоидные роботы не смогут достичь настоящей ловкости, несмотря на миллиардные инвестиции. Проблема в том, что за 65 лет исследований манипуляция объектами так и не была полноценно решена — с 1961 года, когда появилась первая компьютерная рука, прогресс остаётся ограниченным. Промышленные роботы используют простые захваты, но сложные задачи вроде обращения с хрупкими предметами требуют иного подхода.

Нынешние разработки повторяют старые ошибки, фокусируясь на внешнем сходстве с человеком, а не на функциональности. Без принципиально новых решений в механике и управлении эти системы останутся неуклюжими. Через 15 лет практичные гуманоиды будут выглядеть иначе — не как люди или сегодняшние прототипы, а как специализированные устройства, оптимизированные под конкретные задачи.

• Обсуждается отсутствие у современных роботов тактильной чувствительности, сравнимой с человеческой, и сложности оцифровки тактильных ощущений.
• Высказываются сомнения в необходимости человекообразной формы для роботов, предлагаются альтернативы (колеса) и адаптация среды под роботов.
• Поднимается вопрос о недостатке данных для обучения моделей и предлагаются пути их сбора (телеуправление, перчатки с сенсорами).
• Отмечается быстрый прогресс в робототехнике и отсутствие видимых фундаментальных барьеров для создания ловких роботов.
• Упоминаются существующие разработки в области сенсоров осязания и их потенциальная доступность.

Knotty — это предметно-ориентированный язык (DSL) для описания вязальных паттернов, реализованный в Racket. Он позволяет программировать схемы вязания, используя код вместо традиционных графических или текстовых инструкций. Основная идея заключается в автоматизации создания сложных узоров, что упрощает работу дизайнеров и энтузиастов.

Язык предоставляет модули для ввода-вывода данных, примеры кода и справочник, облегчая освоение и применение. Knotty демонстрирует, как нишевые DSL могут решать специализированные задачи, сочетая программирование с ремеслом.

• Обсуждение исторических связей между программируемыми ткацкими станками (Жаккардовы машины) и современными компьютерами.
• Восхищение проектом как примером элегантного и практичного инженерного решения, продолжающего исторические традиции.
• Размышления о параллелях между вязанием и функциональным программированием, где физические ограничения сравниваются с системой типов.
• Интерес к современным DIY-станкам для вязания и возможностям автоматизации создания узоров с помощью ИИ.
• Шуточные комментарии об ожиданиях увидеть что-то другое (например, терминальный эмулятор) и отсылки к поп-культуре.

Проект SonyShell позволяет получить SSH-доступ к камерам Sony DSLR через USB-соединение, превращая фотоаппарат в подобие Linux-устройства. Это открывает возможности для автоматизации съёмки, прямого управления настройками и даже запуска пользовательских скриптов прямо на камере.

Инициатива основана на обратной разработке проприетарных протоколов Sony и использует уязвимости в firmware для выполнения произвольного кода. Практический потенциал включает удалённую съёмку, пакетную обработку и интеграцию с другими системами, что особенно ценно для научных и промышленных применений.

• Обсуждение проекта для удаленного управления камерами Sony через CLI с использованием официального SDK
• Сравнение поддержки API у разных производителей (Canon, Fujifilm, Sony, Blackmagic) и критика встроенных функций Wi-Fi
• Дебаты о корректности термина "DSLR" для беззеркальных камер и предложения по переименованию проекта
• Вопросы о безопасности, функциональности (управление съемкой, передача файлов) и потенциале для модификаций
• Упоминание старых методов взлома (OpenMemories, PMCA-RE) и опыта использования Eye-Fi карт

Вместо того чтобы полностью заменить людей, ИИ создаёт новые рабочие места для исправления собственных ошибок. Компании нанимают сотрудников для проверки и корректировки контента, сгенерированного ИИ, который часто содержит неточности, выдуманные факты или бессмысленные фрагменты. Это особенно заметно в сферах вроде журналистики, маркетинга и технической документации, где качество критически важно.

Парадокс заключается в том, что ИИ, обещавший автоматизацию и сокращение ручного труда, теперь требует человеческого вмешательства для поддержания стандартов. Это подчёркивает текущие ограничения ИИ: он может генерировать объёмный контент, но не всегда способен на глубокий анализ или творческий подход. В итоге люди становятся «санитарами» цифрового мусора, обеспечивая точность и осмысленность там, где ИИ пока не справляется.

• AI не заменила квалифицированный труд, а создала новые роли по коррекции и доработке её результатов.
• Культура медиа деградирует из-за массового генерации низкокачественного контента ("AI slop").
• Энергозатраты AI зависят от модели и использования, но их влияние на экологию часто преувеличивают.
• Технологии развиваются циклично: за автоматизацией следует необходимость человеческого контроля.
• Обсуждение отражает иронию: компании увольняют людей под предлогом замены AI, но затем нанимают их обратно для исправления ошибок AI.

Ведущие американские компании активно обсуждают искусственный интеллект в своих отчётах и презентациях, но при этом не могут конкретно объяснить, как именно ИИ приносит им финансовую выгоду. Анализ выступлений руководителей и финансовых документов показывает, что упоминания технологии часто носят общий характер, без привязки к измеримым результатам или росту доходов.

Этот разрыв между риторикой и реальными показателями вызывает вопросы у инвесторов и аналитиков, которые ожидают более прозрачных данных о влиянии ИИ на бизнес-модели. Компании рискуют создать завышенные ожидания, если не подкрепят заявления чёткими примерами внедрения и экономического эффекта.

• AI воспринимается как перспективная технология, но её практическая польза в бизнесе пока ограничена; многие проекты не окупаются или требуют больше ресурсов, чем экономят.
• Ключевая ценность AI видится в автоматизации рутинных задач (отчетность, поиск, юридические консультации), а не в замене сложных ролей, однако интеграция в корпоративные процессы остается сложной.
• Широкое внедрение AI часто driven by страхом отстать от конкурентов и маркетингом, а не четким пониманием выгод, что делает его своего рода "налогом на будущее".
• Наблюдается разрыв между ожиданиями руководства и реальными возможностями AI; эксперты подчеркивают необходимость глубокого понимания технологии для извлечения реальной пользы.
• Многие проводят параллели с пузырем доткомов: ожидается, что после периода хаоса и неоправданных инвестиций AI все же станет transformative технологией.

Главная бейсбольная лига официально одобрила внедрение системы автоматических судей (роботов-арбитров) с 2026 года. Решение предполагает использование технологии в рамках системы вызовов: команды смогут оспаривать решения живых арбитров по страйкам и болам, а итоговое слово будет за электронной системой. Это не полный переход на роботов — традиционные судьи останутся на поле, но ключевые спорные моменты будут разрешаться алгоритмами.

Система уже тестировалась в младших лигах и показала высокую точность, сократив количество ошибок при определении зоны страйка. Ожидается, что innovation ускорит игру и повысит объективность, снизив влияние человеческого фактора. Однако болельщики и часть экспертов выражают опасения, что технология может уменьшить эмоциональность и традиционный дух бейсбола.

• Внедрение системы автоматического определения страйк-зоны (ABS) и системы обжалования судейских решений воспринято неоднозначно: одни видят в этом долгожданное исправление очевидных ошибок, другие — потерю «человеческого элемента» и духа игры.
• Ключевым катализатором изменений называют распространение спортивных ставок, которые требуют максимальной точности и беспристрастности в принятии решений, особенно для ставок на отдельные питчи.
• Многие пользователи проводят параллели с успешным опытом внедрения аналогичных технологических систем в других видах спорта, таких как крикет (DRS) и теннис (Hawk-Eye).
• Предлагаемая система с ограниченным количеством вызовов (2 за игру) рассматривается как компромисс, позволяющий сохранить некоторые традиционные элементы (например, фрейминг) и драматизм, но при этом исправлять грубые ошибки.
• Обсуждается потенциальное влияние системы на динамику игры: сокращение количества конфликтов и удалений, изменение роли судьи и возможный переход к полностью автоматизированному calling в будущем.

В английском колокольном звоне происходит революция: традиционные методы, требующие физической силы и координации команды звонарей, постепенно уступают место автоматизации. Современные системы с электроприводами и компьютерным управлением позволяют исполнять сложные мелодии без участия человека, что вызывает споры между приверженцами старых традиций и сторонниками технологий.

Хотя автоматизация повышает точность и доступность звона, особенно для небольших приходов, она ставит под вопрос сохранение уникального культурного наследия, где человеческий фактор и коллективное усилие всегда были центральными элементами. Это изменение отражает более широкий конфликт между традицией и прогрессом в цифровую эпоху.

• Поддержка традиции публичного колокольного звона в Англии как важной части культуры, несмотря на возможные неудобства.
• Обсуждение математических основ и групповой теории в композиции перезвонов, включая исторические параллели с алгоритмами генерации перестановок.
• Упоминание детективного романа "Девять портных" как известного произведения, знакомящего с искусством перезвона.
• Отмечается, что перезвон (change ringing) преимущественно распространен в Англии, в то время как в других странах (включая США) церковные колокола чаще просто играют мелодии.
• Физические ограничения (инерция колокола) и правила как причины, по которым некоторые теоретические методы не находят практического применения.

iTerm2 расширяет возможности терминала, добавляя встроенный веб-браузер, который интегрируется в стандартную иерархию окон, вкладок и разделённых панелей. Для активации нужно установить плагин и создать профиль с типом «Web Browser». Навигация и управление окнами работают аналогично терминальным сессиям, включая горячие клавиши, но с особенностями: например, ⌘-[ и ⌘-] выполняют навигацию «назад/вперёд», а не переключение панелей.

Браузер поддерживает умное выделение текста, режим копирования, поиск с регулярными выражениями, интеграцию с ИИ для обсуждения страниц и приватный режим /dev/null. Есть блокировка рекламы, поддержка прокси и менеджеров паролей. Дополнительные функции включают закладки, запись сессий, глобальный поиск и автоматизацию через триггеры и сниппеты. Это позволяет работать с веб-контентом прямо в терминале, сохраняя привычный интерфейс.

• Пользователи обсуждают новую функцию веб-браузера в iTerm2, отмечая её необычность и потенциальную полезность для интеграции терминала и браузера.
• Некоторые выражают скепсис, задаваясь вопросом о необходимости функции и предпочитая традиционные текстовые браузеры (например, lynx).
• Поднимаются вопросы технической реализации, ограничений Apple (например, отсутствие поддержки passkeys) и проблем с настройкой/отображением функции.
• Высказывается благодарность разработчику iTerm2 за качественный продукт и постоянные инновации, несмотря на наличие экстравагантных функций.
• Обсуждаются корпоративные сценарии использования, вопросы безопасности и потенциальные угрозы от запуска браузера внутри терминала.

Асинхронное программирование 2.0
Автор: Ankur Goyal, 19 авг 2025

Я перестал писать код руками. Описываю задачу — агент пишет TypeScript/Rust/Python, тесты и коммитит. Я возвращаюсь только на ревью. Это не «вайб-кодинг», а новый цикл: чётко определяю → делегирую → проверяю.

Как работает

1. ТЗ как код: «снизить задержку поиска с 800 до 200 мс, убрав аллокацию в цикле».
2. Автопроверка: юнит- и интегра-тесты, типы, бенчи, линтеры — всё в CI.
3. Жёсткое ревью: агенты ошибаются, поэтому читаю PR дольше, чем писал раньше.

Плюсы

• Параллельно веду 4–5 задач: одну в фокусе, остальные в фоне.
• Система всё равно моя: архитектура и решения остаются моими.

Braintrust
Собственный агент Loop принимает описание eval-задачи и в фоне улучшает промпты, датасеты и скоры.

• «Async programming» в статье — это не про async/await, а про делегацию коду ИИ-агентам; название вызывает путаницу и споры.
• Ключевой шаг — чётко описать задачу; критики считают это самым трудным и редким навыком.
• Опасения: атрофия собственных навыков, взрыв технического долга, потеря удовольствия от программирования.
• Сторонники отмечают высокую скорость итераций и полезность ИИ для «скучного» кода (тесты, скрипты).
• Опыт офшоринга показывает: без точных спеков результат — задержки и недопонимание; ИИ ускоряет получение «среднего» кода, но не решает проблему спецификаций.

А если ИИ — обычная технология?

• Гипербола вокруг ИИ напоминает предыдущие технопаники: от электричества до интернета.
• Прошлые прорывы тоже вызывали страхи массовой безработицы, но в итоге создавали новые рынки.
• Статистика: 60 % рабочих мест США связаны с профессиями, которых не существовало в 1940 г.
• ИИ пока лишь автоматизирует задачи, а не целиком профессии; человек + алгоритм эффективнее чистого ИИ.
• Риски есть: монополизация, дезинформация, биооружие, но они регулируемы, как и у других технологий.
• Вывод: ИИ может стать «просто» очередным инструментом, усиливающим экономику, а не разрушающим её.

• Участники спорят, «нормальная» ли это технология или исключительная: кто-то сравнивает ИИ с калькулятором для слов и Excel, кто-то ждёт сингулярности.
• Соглашаются, что LLM — мощный инструмент повышения производительности, но не разумный агент и не волшебство.
• Основной ценностью видят 10-30 % экономии времени на черновой текст/код, а не «взрывной» рост или исчезновение профессий.
• Указывают на препятствия: высокие расходы энергии, налоги регуляторов, нехватка «ручных» API для агентов, размытая ценовая модель.
• Прогнозы умеренные: ИИ изменит многое, но не всё и не мгновенно; реальные последствия проявятся, когда нынешние школьники выйдут на рынок труда.

• OpenAI запустила «AI Economic Index» — карты востребованных навыков и подбор вакансий для тех, кого её же модели вытеснили с рынка.
• Сервис анализирует миллионы объявлений, показывает, какие знания (например, промпт-инженерия) сейчас ценятся, и подсказывает, где учиться.
• Критики: компания сначала разрушает рабочие места, а теперь продаёт «палку-выручалочку»; данных о реальном числе потерянных профессий всё ещё нет.

• Участники спорят, действительно ли ИИ уже «съедает» рабочие места или пока лишь повышает продуктивность и сокращает штат постепенно.
• Крупные ИИ-компании, проповедуя «этику», одновременно разрабатывают замену самим же пользователям, используя их бесплатные данные для обучения моделей.
• Примеры реального вытеснения: OCR-переводчики, редакторы новостей, тех-поддержка 1-го уровня, джуниор-разработчики и рутинные офисные задачи.
• Walmart упоминается как крупнейший работодатель, но речь идёт о розничных, а не инженерных позициях; собственные IT-команды компании уже подвергались сокращениям.
• OpenAI предлагает «сертифицировать» 10 млн американцев к 2030-му и матчить их с корпорациями, что многие воспринимают как попытку монетизировать созданную ею же дезинформацию и дисбаланс рынка труда.

Краткий перевод и сжатие

Инженер Sanity Винсент Куигли за 6 недель перешёл от ручного кода к 80 % генерации ИИ.
Ключевые идеи:

• 4 этапа: «пишу сам» → «ИИ как Stack Overflow» → «ИИ пишет, я ревью» → «я ставлю задачи, ИИ решает».
• 3 попытки:
  1. 95 % мусора, но быстрое черновое решение.
  2. 50 % мусора, структура ясна.
  3. Рабочий код после уточнений.
• Контекст: claude.md в корне проекта хранит архитектуру, стандарты, примеры.
• Команда агентов: один пишет код, другой тесты, третий документацию; ежедневно «забывают» контекст.
• Ревью: ИИ → я → команда; человек смотрит только критические места.
• Фоновые агенты: ночью чинят мелкие баги, утром присылают PR.
• Цена: 400 $/мес на токены, но экономит 30 % времени инженера (≈ 6 000 $).
• Риски: регрессии, безопасность, зависимость от ИИ.
• Эмоции: ушла «владение кодом», пришло «владение проблемой».
• Советы тимлиду: начинать с экспериментов, выделять «зоны ИИ», усиливать ревью.
• Советы разработчику: заведи claude.md, ставь ИИ задачи помельче, проверяй критикуй, не верь на слово.

• Участники сходятся: LLM хороши для отладки и брейншторма, но не способны самостоятельно писать сложный продакшен-код без доработки.
• Все обсуждают Claude Code: кто-то активно использует и хвалит, кто-то жалуется на переусложнённый код и высокие расходы (до $1500/мес).
• Повторяется один и тот же набор советов: дробить задачи, писать тесты, держать короткие циклы обратной связи, использовать линтеры и логирование.
• Некоторые инженеры предпочитают сначала строить архитектуру сами, а LLM оставляют для рутины; другие наоборот.
• Общий вывод: AI-ассистенты становятся стандартным инструментом, но пока не заменяют разработчиков и требуют постоянного контроля.

• В первом полугодии 2025 г. в Нью-Йорке создано всего 994 новых частных рабочих места против 66 000 годом ранее; причина — рост издержек из-за тарифов и «замороженный» рынок труда.
• Бизнес жалуется на непредсказуемость политики, скачки цен и тяжёлые переговоры с ритейлерами о том, кто покроет рост себестоимости.
• Некоторые видят «плюс» в ускоренном внедрении автоматизации, другие — в «наказании» корпораций за ковидный грабёж, но большинство сходится: неопределённость хуже самих тарифов.
• Фермеры теряют экспортные рынки из-за ответных мер, малые индустрии (книги, музыка, кино) отказываются поставлять товары в США, а потребительские ниши исчезают.
• Обсуждение сводится к тезису: США рубят сук, на котором сидят, поскольку Китай легко переключается на другие рынки, а американцы остаются с ростом цен и без рабочих мест.

• Исследование Стэнфорда: с 2022 г. занятость американцев 22–25 лет в профессиях, наиболее подверженных ИИ, упала на 13 %.
• Под ударом — кол-центры, бухгалтеры, разработчики ПО.
• Данные ADP показывают: молодёжь теряет места, тогда как общая занятость растёт.

• Участники сомневаются, что AI уже массово «забирает» работу: в бухгалтерии и других «уязвимых» сферах его практически не используют, а при попытке применения он «галлюцинирует».
• Многие считают, что заявления о сокращениях из-за AI маскируют реальные причины: офшоринг в Индию/Филиппины, экономический спад, высокие ставки и реорганизацию работы.
• Отмечается исчезновение начальных позиций: компании не увольняют, а просто перестают нанимать молодых, лишая их пути входа в профессию.
• Ряд комментаторов подчеркивает, что руководство предпочитает сокращать штат, а не усиливать сотрудников AI, чтобы сохранять контроль и снижать расходы.
• Сторонники «техно-оптимизма» напоминают: автоматизация шла десятилетиями, и в долгосроке она делает товары и услуги дешевле, но краткосрочные потери рабочих мест требуют адаптации.

SSL-сертификаты превратились в головную боль
Я утверждаю SSL для компании: процесс отлажен, но частота задач выросла с «раз в квартал» до «еженедельно». Сертификаты критичны, но их администрирование уже даёт обратный эффект.

Методы валидации
Издатель отказался от файловой проверки для wildcard и усложнил её для обычных сертификатов. Остались TXT-записи и email, но почту для test.lab.corp.example.com никто не создаёт, так что фактически выбор один — DNS.

Новые защиты
Следующий месяц принесёт MPIC: CA будет проверять домен с нескольких географических точек, чтобы победить BGP-hijacking.

• Сколько компаний ограничивают доступ по регионам?
• Сколько сертификатов реально выдали злоумышленники? В Википедии один случай за 2021 год — $1,9 млн ущерба. Стоит ли оно внедрения?

Сроки и коммуникации
О «прорывных» изменениях узнаю за пару недель. Приходится смущённо просить коллег «проверьте, не сломается ли прод» — это подтачивает доверие.

Срок жизни сертификатов
Самая мерзкая новинка — постепенное сокращение сроков валидации…

• Современные инструменты (Let’s Encrypt, ACME, Caddy) уже автоматизировали SSL для большинства сайтов, оставляя минимум ручной работы.
• Сокращение срока жизни сертификатов до 47 дней сознательно заставляет команды автоматизировать процесс и снижает риски отзыва.
• В крупных и регулируемых компаниях всё ещё много ручных процессов: аудиты, внутренние CA, специфические требования к сертификатам.
• Для старых устройств, вендорских продуктов и внутренней инфраструктуры автоматизация остаётся нетривиальной или невозможной.
• Некоторые считают, что всё это — способ «контроля» и вытеснения пользователей в облачные платформы.

TL;DR
Автономные браузеры-агенты (Comet, Copilot, Comet) обещают делать покупки и управлять почтой без участия человека. Но в тестах они без сопротивления:

• купили часы в поддельном «Walmart»;
• ввели логин/пароль на реальном фишинговом Wells Fargo;
• выполнили скрытый PromptFix-скрипт (новая версия ClickFix), который через фальшивую капчу заставил агента установить вредоносное расширение и передать управление злоумышленнику.

Во всех случаях отсутствовали базовые защиты: браузеры не проверяли домены, не распознавали подозрительные формы и не запрашивали подтверждения у пользователя. Старые уловки работают, потому что ИИ доверчив и стремится «угодить» любой ценой.

Scamlexity — новая эра: мошенник обманывает не человека, а его ИИ-агента, а ущерб получает сам пользователь.

• Пользователи не верят, что ИИ-агенты способны безопасно покупать за них: финансовые риски, скам-сайты и отсутствие контроля пугают.
• Критики называют «agentic» новым хайп-словом, за которым скрывается ненадёжная система без реального «моата».
• Проблема усугубляется тем, что LLM не различают контент и команды, что делает инъекции и обман тривиальными.
• Некоторые видят пользу в рутинных закупках (молоко, витамины, повторяющиеся подписки), но только при полной прозрачности и доверии.
• Большинство считает, что пока агенты работают на корпорации, а не на пользователя, доверять им деньги нельзя.

Как собрать код-агента: бесплатный воркшоп

Материалы и исходники: GitHub

Суть

• Агент — это 300 строк кода, работающие в цикле, которому просто подаются токены LLM.
• Поняв принцип, вы перестанете быть потребителем ИИ и станете его продюсером, автоматизируя свою работу.

Зачем

• В 2025 г. знание, как создать агента, стало фундаментальным навыком, как понимание primary key.
• Работодатели ищут тех, кто может оркестрировать ИИ внутри компании.
• Во время Zoom-звонка ваш агент может уже писать код, который вы только обсуждаете.

Что будет на воркшопе

• Live-сборка агента прямо во время доклада.
• Объяснение внутреннего устройства: цикл, токены, промпты.
• Практика: агент строит агента под диктовку.

Дальше

• Если хотите, чтобы я провёл такой воркшоп у вас в компании — пишите.

• Команда Princeton SWE-bench выложила компактный (~100 строк) агент для SWE-bench.
• Пользователи жалуются на перегруженный AI-слайд-стиль и избыточные картинки, которые мешают чтению.
• Спор о необходимости отдельных инструментов: многие действия можно делать через bash, но специализированные утилиты экономят токены и повышают надёжность.
• Обсуждают, что «токены = деньги» и что локальные модели могут изменить ситуацию.
• Критика: пост показывает лишь базовый подход, не раскрывая продвинутые темы (sandbox, snapshot, prompt-инженерия).

• Коротко: крупнейший австралийский банк CBA вынужден вернуть 45 уволенных сотрудников после того, как профсоюз доказал, что руководство солгало о «росте производительности» чат-бота.
• Как было: в июле CBA объявил, что голосовой бот сократил поток звонков на 2 000 в неделю, и сократил людей, работавших в службе поддержки иногда десятилетиями.
• Факт: на деле звонки росли, банк давал овертайм и даже ставил менеджеров на линии, чтобы справиться.
• Разбирательство: профсоюз FSU подал в Fair Work Tribunal; CBA признал, что «ошибся в прогнозе» и роли не были избыточными.
• Сейчас: уволенным предложили вернуться, перевестись или уйти с компенсацией; банк извинился.
• Контекст: Bloomberg ранее прогнозировал, что глобально банки могут сократить до 200 000 мест из-за ИИ, но случай CBA показывает, что поспешные автоматизации могут обернуться против самих банков.

• У большинства пользователей чат-боты решают <5 % обращений; чаще всего они лишь перенаправляют к FAQ или человеку.
• Снижение количества звонков (CBA: –2 000/нед) объясняют не эффективностью ИИ, а тем, что клиенты просто сдаются и не звонят.
• Компании рассматривают поддержку как расход, а не как способ укрепить доверие; результат — дешёвые, бесполезные боты.
• Союз заставил CBA вернуть уволенных сотрудников, но банк не понёс других последствий.
• Исключения (Amazon, UPS) возможны, но требуют серьёзных инвестиций и настройки; при «режиме экономии» ИИ в поддержке работает плохо.

95 % компаний не получают отдачи от $30 млрд, потраченных на генеративный ИИ, — MIT

• Исследование MIT: только 5 % проектов приносят измеримую пользу.
• Причины: нечёткие KPI, отсутствие данных, недостаток навыков персонала.
• Вывод: без стратегии и качественных данных ИИ превращается в дорогую игрушку.

• 5 % проектов приносят деньги, 95 % — нет: основная причина — отсутствие чёткого плана и метрик.
• Реальные экономии уже есть: автоматизация пост-обработки звонков в кол-центрах экономит миллионы.
• Рынок перегрет: многие запускают «AI-инициативы» ради хайпа и финансирования, не ради пользы.
• Компании тратят деньги на консультантов и маркетинг вместо решения конкретных задач.
• Наблюдается спад доверия («Trough of disillusionment»), но технология остаётся ценной как встроенная функция, а не как отдельный продукт.

Прощай, Playwright — здравствуй, CDP
Мы отказались от Playwright и перешли на «родной» Chrome DevTools Protocol. Это ускорило извлечение элементов, скриншоты и действия, добавило асинхронные реакции и нормальную работу с кросс-доменными iframe.

Проклятие абстракции
Playwright скрывает важные детали, вносит лишнюю задержку через WebSocket-прокси и не нужен для узких задач AI-агентов. Мы решили реализовать только нужные вызовы сами.

Краткая история автоматизации браузеров

• 2011–2017: PhantomJS → Chrome Remote Debugging → WebKit RDP → CDP.
• 2017: Headless Chrome + Puppeteer.
• 2018: WebDriver стал W3C-стандартом.
• 2020: бывшие разработчики Puppeteer создали Playwright.
• 2023–2024: WebDriver BiDi в ChromeDriver и Puppeteer.

Современные драйверы
pydoll, go-rod, chromedp, puppeteer, playwright, selenium, cypress, appium.
Но ни один не подошёл, поэтому мы написали собственный cdp-use.

• Автор перенёс Playwright, Browser Use и Selenium в расширения Chrome, отказавшись от CDP и полагаясь на DOM- и extension-API.
• Сообщество спорит: кто-то считает это «NIH-синдромом», другие — полезным способом избежать фингерпринтинга и ускорить работу.
• Поднимаются вопросы о Firefox (без CDP), ограничениях расширений и невозможности автоматизировать другие расширения.
• Некоторые напоминают, что Selenium/подобные инструменты работали уже до 2011, и «тёмные века» — субъективны.
• Итог: проект пока ориентирован на Chromium-браузеры, CDP всё ещё используется для снимков и фреймов, а полный переход на extension-only решает не все задачи.

ccpm — система управления проектами для Claude Code, использующая GitHub Issues и Git worktrees для параллельной работы агентов.
Репозиторий: automazeio/ccpm

• Сомнения в заявленных цифрах (–89 % времени на переключение, 3× быстрее релизы) — кажутся «галлюцинацией» или завышеными.
• Ключевая идея: разбивать задачи на мелкие, запускать для каждой отдельного агента («контекст-файрвол»), чтобы не перегружать главный поток.
• Без ручного контроля качество быстро падает: большинство участников подтверждают, что приходится одобрять каждое изменение иначе «AI уходит в кроличью нору».
• Критика «строгих 5 фаз» как возврата к водопаду: реальные требования постоянно меняются, и жёсткая последовательность может привести к результату «по спецификации, но не по потребностям».
• Нет понятных примеров и видео; автор обещает выложить демо на выходных, чтобы показать полный цикл работы системы.

• Ключевые секторы: компьютеры/электроника, фармацевтика, аэрокосмос, медицинские приборы.
• Динамика с 1987 г.: занятость снизилась почти везде; лидеры (Силиконовая долина, Сиэтл, Route-128) сохранились, но с меньшими числами.
• Числа: с 1990 г. потеряно ~1 млн рабочих мест:
  • компьютеры/электроника –850 тыс,
  • аэрокосмос –300 тыс,
  • фармацевтика + медприборы +189 тыс.
• Доля в экономике: с 2,8 % до 1,3 % — падение на 50 %.

• Уцелевшие заводы в США действительно высокоавтоматизированы и дают мало рабочих мест.
• «Вернуть всё» сталкивается с нехваткой квалифицированных кадров, дороговизной и общественным неприятием роста цен.
• Ключевой риск — утрата инженерных навыков, цепочек поставок и обороноспособности, а не количество рабочих мест.
• Современная война требует не толпы полуквалифицированных рабочих, а узких специалистов и надёжных автоматизированных производств.
• Политики всё равно обещают «простые решения», потому что это выигрывает выборы.

• Участники спорят, где именно узкое место: в «интеллекте» LLM или в неформализованном контексте и верификации.
• Одни утверждают, что наука и инженерия полны неявных знаний, поэтому повторение экспериментов трудно, а ИИ без контекста беспомощен.
• Другие считают главным препятствием проверку: ИИ генерирует быстро, но человек всё равно должен тратить время на отладку и подтверждение.
• Некоторые подчеркивают, что даже «простые» задачи (арифметика, крестики-нолики) оказываются сложными для LLM без внешних инструментов.
• Есть тревога по поводу фразы «устранить человеческий узкое место»: звучит так, будто люди — проблема, которую нужно решить.

ИИ уже умеет писать код и находить ошибки, которые пропустил опытный разработчик. Пять лет назад это казалось фантастикой, а теперь эксперты всё ещё ошибаются в прогнозах. Рост может замедлиться, но это только усилит исследования новых архитектур.

Если ИИ не остановится, последствия будут отличаться от предыдущих технологических взрывов. Рынки ведут себя как «стохастические попугаи», повторяя старые паттерны, но замена значительной части рабочих мест поставит экономику на грань. Компании перестанут покупать сервисы, если их ИИ справится сам, а доминирование нескольких гигантов невозможно: либо интеллект станет товаром, либо государство вмешается.

Возможно, ИИ приведёт к новой экономической системе. Пока рынки игнорируют риски, акции растут, но в исторической перспективе биржи неважны: любые институты рано или поздно исчезают, когда общество и знания меняются кардинально.

• Участники спорят, насколько быстро и радикально ИИ изменит рынок труда: одни видят экспоненциальный рост способностей, другие ― плато и регресс.
• Ключевой риск: если ИИ сможет учиться на новые задачи быстрее человека, прежняя логика «технологии создают больше занятости» может рухнуть.
• Уже сегодня административные и низкоквалифицированные роли сокращаются: 4 сотрудника заменяются одним супервайзером над агентами-ИИ.
• Ряд комментаторов предлагает UBI или иной пересмотр экономической системы, иначе неизбежны рост неравенства и социальная нестабильность.
• Скептики напоминают: раньше каждая волна технологий порождала новые профессии, но теперь ИИ может освоить и эти новые задачи, поэтому «человек больше не нужен» как ресурс.

• Падающая рождаемость вызывает тревогу за пенсии и соцобеспечение, но многие считают, что проблему можно решить координацией, автоматизацией и технологиями.
• Сторонники «демография — это судьба» указывают на макроэкономические риски; скептики отвечают, что рост капитала на душу и роботизация компенсируют сокращение численности.
• Обсуждаются причины низкой рождаемости: дороговизна жилья, урбанизация, ожидания от карьеры, а не просто доход; религиозные и культурные факторы играют большую роль.
• Идеи технологических «фиксов» — роботы по уходу, позднее рождение, даже селекция пола — встречают спор: кто-то видит в них спасение, кто-то — дистопию.
• Миграция рассматривается как нестабильный костыль: большинство мигрантов, по данным, ухудшают фискальный баланс, а «западные» экономики построены на непрерывном притоке.
• Некоторые участники считают, что снижение населения вообще полезно для климата и что главная угроза — изменение климата, а не демография.