Gemini

Я обещал написать про бота, и добрался только сейчас, потому что этот пет проект вырвался из клетки и чуть меня не сожрал. Было интересно, неожиданный end-to-end опыт от идеи до багфиксов на проде за жалкие три дня.

Все затевалось как локальная шутка для корешей и очередной подход к вайбкодингу, было сделано за пару часов, вброшено в пару чатов и оставлено без внимания. Но в итоге случилась некоторая виральность, и я потратил половину выходных, занимаясь пожаротушением.

Во-первых, парсить телеграм-каналы через bot API нельзя, и потому я парсил через телеграм-клиент, используя собственный основной аккаунт. Когда набежала толпа пользователей, я быстро попал в софт бан, и начал искать обходные пути. Рынок серых аккаунтов оказался недружелюбным, да и банились они примерно за 10 минут, даже если купить премиум и не наглеть с частотой запросов. Даже удивительно: спам-боты в комментариях прекрасно живут, а довольно безобидное чтение каналов оказалось жестко ограничено. В итоге помог рабоче-крестьянский подход - скрапить веб-версию.

Во-вторых, в попытках выстроить систему рейт лимитеров, я накостылял слишком много велосипедов, и их впоследствии пришлось расчищать. Например, из-за кривого набора лимитеров запросы в LLM уходили батчами, и частично отваливались из-за лимита уже на стороне Gemini. Я дебагал практически "на продакшене" с живыми пользователями, которые периодически справедливо жаловались, что ничего не работает. Как следствие, много ранних пользователей так и остались без ответа. К счастью, у меня остались логи в базе данных, и потому я смогу всем написать и предложить попробовать снова сейчас, когда проблемы со стабильностью решены.

В-третьих, к слове о базе данных, я впервые всерьез попробовал Neon (ссылка накинет 5 баксов на аккаунт) для своего проекта и остался очень доволен - все просто работало безо всякой возни, причем на обычном бесплатном аккаунте, это сэкономило мне кучу времени и сил. Всем рекомендую, коллегам респект!

В-четвертых, я впервые что-то сделал end-to-end на расте, и моя жизнь не будет прежней. Писать на нем руками, конечно, сложнее и дольше (skill issue, признаю), чем на каком-нибудь питоне, но если 90+% кода написано агентом, то эта проблема в целом уходит. Зато качество изменилось всерьез: если что-то компилировалось без ворнингов, то оно обычно просто работало. В питоне пришлось бы потратить на порядок больше усилий на тестирование и бесконечные фиксы. Короче, думаю, что всерьез перейду на Rust для одноразовых проектов на выброс. Отдельный кайф наблюдать, как что-то помещается в <40 мегабайт памяти.

В-пятых, аудитория оказалась совершенно за пределами моего пузыря. Я изначально делал это все для корешей-задротов, которые в основном пишут лонгриды про AI, а в итоге набежало очень много людей, у которых, например, контент - это исключительно картинки. Камон, для этого есть инстаграм! И, конечно, на таких каналах ничего не работает.

Статистика: 7500+ юзеров, 200+ плательщиков. Заработано в звездах на ~10% больше, чем потрачено на Gemini API (то есть если бы это был настоящий бизнес, экономика бы едва сошлась; не будь лимитов и платных фичей - я бы наверняка офигел от затрат). Какой-то моментум есть, можно попробовать пилить новые фичи и вообще развивать эту штуку. Для самых любопытных выложил исходники - с нуля я бы сейчас делал слегка иначе (например, надо было использовать каналы, с самого начала делать персистентность для in flight тасков), ну да как есть.

Формально у меня сегодня последний день в Neon, потому что я оказался среди поглощенных кирпичным заводом, на котором - пока столь же формально - начинаю работать завтра.

Поэтому символично, что сегодня успели зарелизить app.build - продукт, над которым мы небольшой командой работали с февраля. Это just another end2end генератор CRUD веб-приложений от промпта до деплоя.

Он полностью опенсорсный (можно покопаться в истории и увидеть все мои коммиты в стиле “maybe fix a lot of things”), работает как CLI и обычно генерит скорее работающие приложения. Можно сгенерить на наших серверах, можно развернуть у себя (все равно понадобится gemini и claude API, но можете прислать PR с поддержкой любимого LLM-провайдера). Шероховатостей еще много, но уже скорее работает, чем нет, так что пробуйте и присылайте баг-репорты!

Валерий Бабушкин — OpenClaw, Moltbook и почему деньги всё ещё в ML

В этом выпуске подкаста поговорили с мощнейшним Валерием Бабушкиным про:

— что такое OpenClaw и зачем вообще нужны автономные агенты — эксперимент с Moltbook и системами, которые могут работать неделями без постоянного контроля — GPT-5.2, Codex, Claude Opus и Gemini — где какая модель реально удобнее — синтетических пользователей и ограничения такого подхода — почему большинство ML-пилотов не доходят до продакшена — и почему деньги до сих пор в классическом ML, а не только в LLM

Залетайте: Ютуб ВК

Моя работа за последний год от курсора и клода пришла к использованию 3 моделей (и 3 харнесов) для работы над одним и тем же .md документом. в данном случае, это claude code с опусом + pi с gemini 3.1 + opencode с GPT 5.3 Codex

Последние несколько недель баловался с разными консольными кодинг агентами. Claude Code все еще остается моим фаворитом, но смотреть по сторонам полезно, тем более когда что-то про agentic devex написано в моих рабочих задачах.

Клиенты

Попробовал Opencode, Gemini CLI, Github Copilot CLI, Codex. Раз речь про вайбкодинг, то и оценивать буду по вайбам: - Gemini и Copilot - клиенты сыроваты, работать можно, но не хочется. - Codex созрел и стал вполне юзабельным. - Opencode прям хорош, UX отполированный, полностью опенсорсный, есть плагины, развивается очень быстро.

Еще одна фича Opencode: можно не только использовать провайдеров с оплатой по токенам, но и переиспользовать подписки. Серая зона: одни провайдеры (Anthropic) явно запрещают использовать сторонние клиенты, некоторые (Copilot, Minimax, Z.ai) разрешают, так что где-то приходится действовать на свой страх и риск.

Модели

Попробовал и разные модели в Opencode: - minimax 2.1, GLM 4.7 - похожи на sonnet предыдущего поколения, дешевые рабочие лошадки для простых задач - GPT Codex 5.2 - задает очень много вопросов, вкапывается в детали - иногда в лишние, а потом уходит работать на пару часов с достойным качеством - Gemini 3 Pro - на первый взгляд все классно, может предложить нетривиальные идеи или быстро решить сложную задачу... но потом оказывается, что где-то с высокой вероятностью подложена свинья. Например, переписываю большой кусок с питона на раст, агент пишет гору правдоподобного кода и бодро отчитывается, что все проверено и идеально матчится, но в итоге окажется, что 10% функций цинично проигнорировано. Они не просто где-то выпали из контекста, а нагло возвращают константу с комментарием в коде типа "а это делать не буду, и так норм". Что-нибудь молча удалить или наоборот попытаться закоммитить - тоже нередкая ситуация. - Gemini Flash 3 - аналогично, только быстрее и тупее.

Воскрешение года

Повод удивиться: внезапно подписка Copilot выглядит наиболее выгодной в категории "топ за свои деньги". Copilot можно использовать в стороннем клиенте (включая и вышеупомянутый Opencode, и мой любимый Zed), можно переключаться между моделями (есть все основные провайдеры, и новые модели доезжают довольно быстро).

Кто бы мог подумать: еще год назад, когда я в каком-то разговоре упомянул Copilot, мой собеседник посмотрел на меня с ноткой презрения - мол, ты чего, все пацаны сидят на Cursor/Windsurf, зачем ты вообще помнишь про это старье.

Чтобы гора сгенеренного кода меня не поглотила, к процессу вайбкодинга AI assisted разработки нужно было добавить и AI-based ревью. Но ожидаемо Клод слишком любит код, написанный Клодом, и мышей ловил недостаточно.

Так я начал использовать opencode с Gemini для ревью. Сначала все было хорошо, Gemini - такая странная модель, которую нельзя подпускать к написанию кода (мой любимый комментарий про это), но критиковать умеет по делу. Opencode был всем неплох, но жрал тонны памяти и периодически зависал в неинтерактивном режиме (в т.ч. на CI). Короче, not invented here синдром назревал.

https://github.com/arsenyinfo/nitpicker - just another code review agent. Быстрый, маленький, умеет в LLM council (хоть где-то пригодится подписка на z.ai и minimax), и за счет этого ловит довольно много ошибок (хотя и ценой ложных срабатываний).

привет, ребята. на всякий случай решил напомнить, ато вдруг вы забыли или упустили.

конфа "ИИтоге 2025" уже завтра, я там выступаю с оч сочной темой: "AI в разработке: эволюция ИИ-агентов (CC/Codex/Gemini) в экосистемы, Context Engineering, и как ИИ влияет на метрики разработчиков" 🙂

напомню, в программе: - Сдвиг парадигмы в управлении процессами, который все пропустили - Как в 2026 бизнесу отличить: где ИИ-фанатизм со сливом бюджета, а где ИИ-инструменты с реальной ценностью? - Почему одних разрабов ИИ бустит, а другие плюются от багов? Как укротить агентов и получать production-ready код от ИИ? - RAG мертв? Почему enterprise уходит от векторных баз к агентам, куда движется индустрия LLM-провайдеров и какое место у локальных AI-решений? - Кого и как нанимать в 2026 году? И, самое главное, что изучать, чтобы не уволили вас?

в общем, шикарная солянка контента от экспертных спикеров: парочка Head of AI, руководитель AI R&D-института, фаундеры и ко-фаундеры AI-first компаний: самый лучший состав, чтобы рассказать про ИИ со всех ракурсов.

⚡️ вот ссылка для записи на предновогодний эфир (все еще можно бесплатно!)

это выглядит интересно. > On 19 established benchmarks, it demonstrates performance comparable to leading models such as GPT-5.2-Thinking, Claude-Opus-4.5, and Gemini 3 Pro.

(вышел Qwen3 Max Thinking)

https://qwen.ai/blog?id=qwen3-max-thinking

GM! OpenRouter, платформа для унификации LLM, выпустила собственную модель с контекстом в миллион токенов, ориентированную на кодинг. (а выпускают ли сейчас другие модели 🤔)

Доступ к модели открыт всем и она абсолютно бесплатна — https://openrouter.ai/openrouter/quasar-alpha

Пока X, как всегда, пестрит восторженными отзывами («DeepSeek moment», «Very exciting model»), меня больше волнует вопрос конфиденциальности. Откуда у OpenRouter, простого аггрегатора, датасеты для моделей? Почему модель полностью бесплатна? Нет ли ощущения, что команда просто аггрегировала все поступающие через них запросы и ответы других модель и когда датасет достаточно сформировался, решили обучить свою модель?

Google DeepMind рассказывали (https://arxiv.org/abs/2404.07503) о возможности обучения моделей на синтетических данных (как это делал Deepseek)

Еще один пример бесплатного доступа к AI — Trae от создателей тиктока Bytedance. Только недавно кибер-ресерчеры обнаружили (https://www.securitylab.ru/news/557939.php), что Trae собирает уж слишком много данных у пользователя. Зачем они это делают — вопрос на подумать

Как обучить Claude Code или Cursor тому, что .env файл не надо читать не при каких условиях? Пока все обезопашивают доступ к bash командам — для read функций практически никакие LLM не запрашивают доступа

Давайте думать! Подсказывайте, че вы данные то собираете наши 😶

хотите обзор самого главного в ИИ за этот год?

вот прям всю мякотку: от хардкорного ML / ИИ в разработке до взгляда на ИИ от бизнеса.

к тому же я там выступаю 🙂 с оч сочной темой: "AI в разработке: эволюция ИИ-агентов (CC/Codex/Gemini) в экосистемы, Context Engineering, и как ИИ влияет на метрики разработчиков".

конфа от тех же ребят, что делали AI Dev Live (напомню, одна из крупнейших ИИ-конф, 3к+ участников, я там на панельке был).

в программе: - Сдвиг парадигмы в управлении процессами, который все пропустили - Как в 2026 бизнесу отличить: где ИИ-фанатизм со сливом бюджета, а где ИИ-инструменты с реальной ценностью? - Почему одних разрабов ИИ бустит, а другие плюются от багов? Как укротить агентов и получать production-ready код от ИИ? - RAG мертв? Почему enterprise уходит от векторных баз к агентам, куда движется индустрия LLM-провайдеров и какое место у локальных AI-решений? - Кого и как нанимать в 2026 году? И, самое главное, что изучать, чтобы не уволили вас?

в общем, шикарная солянка контента от экспертных спикеров: парочка Head of AI, руководитель AI R&D-института, фаундеры и ко-фаундеры AI-first компаний: самый лучший состав, чтобы рассказать про ИИ со всех ракурсов.

⚡️ вот ссылка для записи на предновогодний эфир (все еще можно бесплатно!)

слушайте, как люди вообще ChatGPT пользуются? я не понимаю, что за волшебную лампу с джином открыли когда-то в Anthropic, но то, насколько у них instruction-following сильнее, чем где-либо вообще в принципе - это же неописуемо. ну то есть GPT-5.1 в ChatGPT игнорирует базовые, самые элементарные требования и правила, steering совершенно нулевой, я как будто общаюсь не с instruct моделью, а с сырой фундаментальной моделью, она вообще не вдупляет что происходит. и agentic capabilities порезаны донельзя - у модели и Canvas-режим в тулах есть, и websearch она может делать, но workflow прибит гвоздями настолько, что увидеть tool call от ChatGPT не в начале диалога - это чудо какое-то.

и Gemini такой же альтернативно одарённый. сносно вывозит делать UI (именно с точки зрения визуала), но качество архитектуры и instruction following - как у пятилетнего ребёнка. вместо тулколла сделать "эмуляцию" туллколла, нагаллюцинировав его - вообще спокойно.

ну то есть, это же прям реально интересно, вам не кажется? Anthropic ещё с Sonnet 3.5 снесли всех на рынке качеством агентского поведения. я по сей день в гипер-супер-пупер-флагманских моделях от других гигантов не вижу даже трети того качества агентского поведения, какое есть у Anthropic.

отдельно в контексте day-to-day usage интересно сравнивать собственные ощущения с бенчами. по субъективным ощущениям - за год у Anthropic и китайских моделей качество выросло в разы, это реально земля и небо. а у OpenAI/Google - ваще хз, в каком таком SWE Verified они там лидируют, но я не смогу GPT-5.1 от GPT-4o отличить, в повседневных задачах интеллект как будто не вырос ни на миллиметр.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/

ну что, поверим что в этот раз у Google получилось что-то, что не стыдно будет юзать для реальных задач?

Сегодняшний апдейт лидерборда swe-rebench мне кажется одним из самых интересных за все время, по нескольким причинам:

1. Добавили целый ряд моделей: gpt-5.2, gpt-5.1-codex-max, Gemini 3 Pro, DeepSeek-v3.2, Devstral2. Все модели от openai теперь прогоняются через responses API с сохранением ризонинг блоков. И все модели по-своему интересны: – gpt-5.2 прыгнула на самый верх и теперь соревнуется с Sonnet/Opus 4.5. А главное посмотрите на кол-ве потраченных токенов в среднем на задачу – почти как gpt5-minimal. – gpt-5.1-codex-max сильно лучше gpt5-codex, но на фоне других моделей от openai не так уж выделяется. – Gemini 3 Pro – огромный скачок в агентских задачах по сравнению с 2.5 Pro. Оффтоп, но это моя любимая модель на текущий момент в бытовом пользовании, не могу народоваться фиче с нативной обработкой видео. – DeepSeek-v3.2 – новая сота в open-source, но также и сота по потреблению токенов 💀 – Devstral2 выглядит очень неплохо. Вроде как незаметный релиз от Mistral врывается в топ open-source моделей. – Не забывайте, что к ранжированию нужно относиться осторожно, задач не так много и доля случайности все еще большая, даже несмотря на усреднение по 5 ранам. Но общая картина думаю понятна хорошо. 2. Добавили Claude Code как reference сота агента 🎉 Режим запуска указан в инсайтах. 3. Для прозрачности Cost per Problem, добавили колонку Cached Tokens, как минимум для понимания, включен у модели кэшинг или нет.

Как предприниматели используют AI?

Продолжаем серию постов по мотивам Anthropic Interviewer - теперь о том, как и для чего владельцы бизнеса юзают AI: таких было 52, так что дажее более репрезентативно, чем было с сейлзами и продактами. Вот 10 главных кейсов с цитатами владельцев очень разнообразных малых бизнесов: 1. Контент для соцсетей - тут все понятно :) Владелец кофейни: "Ненавижу придумывать подписи к постам. Скармливаю AI примеры, которые мне нравятся, и прошу сделать похожее под наш продукт."

2. Брейнштормы - помните пост про то, как обстукивать идеи об AI? Etsy-предприниматель: "Идеи, которые выдаёт Gemini, мне бы и во сне не приснились — настолько они неожиданные и продуманные."

3. Email и деловая переписка - угу Владелец реставрационного бизнеса: "AI генерирует первый драфт, я добавляю личный touch, потом прошу проверить ещё раз."

4. Замена команды Кейтеринг-предприниматель: "AI заменяет мне потребность в большой команде — особенно в областях, где у меня понимание есть, а экспертизы нет."

На эту тему, кстати, еще на днях Sam Schillace интересно поразмышлял как раз в контексте числа Данбара, я еще напишу пост

5. Расчёты и учёт - писал про вайб-аналитику тут как раз Ювелирный дизайнер: "AI генерирует скрипты для обработки таблиц и бухгалтерии. То, на что уходили часы, теперь — минуты."

6. Подготовка к сложным разговорам - писал, как я это делаю тут, и вот тут выкладывал промпты для ролевых игр фаундера Владелец малого бизнеса: "Репетирую через AI разговоры с сотрудниками. Прошу взять роль работника и отвечать как он. Это позволяет подготовиться к неожиданным поворотам."

7. SEO и листинги - в помощь ghostwriter скилл E-commerce владелец: "Добавляю столько товаров, что идеи для описаний закончились. AI — единственный способ не выгореть."

8. Техническая помощь - я сам на днях чистил свой жесткий диск от лишнего с помощью Claude Code, так как не захотелось платить CleanMyMac Tech-консультант: "AI не источник уникального вдохновения для создания продукта с нуля. Но для написания CSS — пожалуйста!"

9. Проверка информации Владелец ethical fashion бренда: "Постоянно перепроверяю факты. Однажды AI придумал несуществующий вид плесени — 'Mustard Gas Mold'."

10. Редактирование фото Дизайнер настольных игр: "Использую AI для удаления пыли и дефектов на фото товаров. Экономит от пересъёмки."

--- И еще пара цитат про то, чего мы они AI не доверяют

Владелец дизайн-бюро: "Это как иметь младшего офис-ассистента. Я никогда не делегирую задачу целиком."

Ювелирный дизайнер: "Я хочу AI только для скучных, нерадостных задач — освободить время для важного."

Владелец киоска с мороженым: "Никогда не хочу зависеть от AI настолько, чтобы не смочь вести бизнес без него." ---

Для меня многое перекликается, как видно по количеству ссылок на мои посты - а для вас?

P.S. Кстати, в субботу стартуем 3й поток AI Founder, где будем учиться многое из вышеперечисленного делать эффективнее с помощью AI

Claude, Codex и Gemini CLI заходят в бар...

На выходных работал с дружбанами над качеством принимаемых нами решений и сделал небольшую утилиту, которая в лучших традициях мульти-модельного мышления делает следующее: 1) На стриме я говорил, что codex зачастую ревьюит работу claude code, и наоборот. И что я делаю это руками - копипастю одно другому, и так пока не устану дойдем до совершенства

2) Собственно это и решил автоматизировать —> вместо того, чтобы самому переключаться между CC/codex/gemini cli решил скоординировать их - пусть сами обсуждают задачу и приходят к консенсусу. Убрал человека из уравнения ахахах

3) сделал 3 режима: - Deliberation: один агент генерит, другой ревьюит. Итерируют, пока не договорятся. - Council: все отвечают параллельно, потом анонимно оценивают ответы друг друга, председатель синтезирует. Похоже на Карпатовский llm council - Debate: два агента спорят (аргументы за/против), а судья - 3я модель - выносит вердикт.

Эдакое новое прочтение rubber duck debugging —> "уточек" три и они спорят между собой.

В аттаче скриншоты с примером работы —> помогло лучше спланировать архитектуру и MVP для одного проекта .

К чему я это? Как я говорил на стриме, у каждой модели свой характер, свои сильные и слабые стороны, и поэтому "триангулировать" между ними порой очень полезно.

Поэтому рекомендую брать на вооружение 🤖🤖🤖

P.S. Открыл набор на 2ю когорту AI Productivity - там мы на 4й встрече как раз разбираем принцип мульти-модельного мышления

между тем, Gemini выпустили новый Deep Think

интереснее всего было бы глянуть на hallucination rate - предыдущий Gemini Pro ооооочень сильно тащил по знанию фактов, но ужасно справлялся с реальными агентными задачами.

помимо этого, рассказали про "Aletheia" - свою агентную систему для решения математических задач исследовательского уровня, которая итеративно генерирует идеи решений, сама их проверяет и переделывает (последние два скрина как раз про неё).

не менее интересно описание того, как они решают различные задачки из computer science / экономики / физики. в целом, они даже выпустили отдельный пейпер, детально описывающий все их результаты.

P.S. за наводку спасибо подписчику в чате! P.P.S. интересно, завезут в Antigravity? 🙂

Мой опыт с MCP

Зачем MCP?

Единый протокол для API к моделям существует уже давно, и в YouTube полно роликов «эти MCP заменят всё, что нужно». Но на практике найти действительно полезные решения оказалось не так просто.

CLI решает почти всё

Мой главный вывод: хорошая CLI способна заменить MCP-сервер в большинстве кейсов. — Для мониторинга бэкенд-сервисов и перезагрузки я пользуюсь render CLI. Чтобы модель понимала контекст, я скопировал вывод render help в текстовый файл и прикладываю его при каждом запросе. — Аналогично с Github CLI: модели обучены на официальной документации и легко справляются с любыми задачами по Git и GitHub CLI без дополнительного MCP.

Ради интереса я даже собрал MCP, который отдаёт в контекст активные рынки, цены на активы и фандинг-рейты. Результат? После демки ни разу не использовал 😶

Game change Несколько дней назад я подключил MCP от Context7 и уже активно юзаю: — Актуальные документации в формате, понятном LLM — Возможность обновить данные «в один клик» на сайте при обнаружении расхождений — Внутри каждой документации разбивка по модулям и готовые code examples

https://context7.com/

Примеры из моих проектов — Tanstack Start и Tanstack Router. Новые библиотеки, их документации ещё нет в LLM-датасетах. Claude и Gemini генерили чушь или копировали старый React-Router. Context7 всегда выдаёт релевантный материал — Feature Sliced Design. Благодаря подробным code examples и FAQ LLM полностью понимает архитектуру, и вайб-кодинг стал проще: можно автоматически проверять каждый pull request и коммит на соответствие архитектуре

PS: Если вы подумали «опять этот фронтенд где крипта», — попробуйте официальную MCP от Solana. Я ещё не тестил, но буду рад услышать фидбек от тех, кому релевантно: https://mcp.solana.com/

Кто был на нашем сайте, видел наши иллюстрации с Leo и Robin-ом —> см. аттач

Ну так вот: на днях я на пару с Claude Code написал ряд статей для SEO, и при обсуждении во внутреннем чатике Саша (наш бэкендер) предложил классную идею - проиллюистрировать эти статьи с помощью наших персонажей. Собственно, это означало кучу геморроя допработу для Оксаны, нашего дизайнера.

При обсуждении задачи она такая:

Я уже думаю бота написать, который будет мне иллюстрации про наших героев делать

Собственно, я предложил помочь и запилил за час бота, с промптами и рефами от Окса. Де факто, она сделала всю важную работу, а я лишь оформил в удобный инструмент: 1) Пишешь идею сцены: например, Leo и Rob-in на пробежке в Сиэттле 2) Он с помощью Gemini пишет по рефам промпт и дергает нанобанану в режиме flash 3) Итерируешь с ним, пока не понравится результат 4) И просишь сгенерировать HD версию уже в режиме pro

Некоторые иллюстрации в аттаче - в том числе, неудачные варианты каратышек и великанов :)

===

Но мой поинт в другом: business domain эксперт делает творческую часть - Оксана про нащупать стиль, персонажей, настроение - а AI просто масштабирует ее решения.

В эту тему, кстати, классное выступление с OpenAI Dev Day про следующую волну креативного продакшна.

Пост про заработок в интернете и вайбкодинг

1. Simple Gambling Machine Навайбкодил простую гемблинговую машину (что-то вроде FOMO3D, но медленнее и без понци-механик). Работает следующим образом: ⁃ в машине лежит ETH (сейчас около $500) ⁃ машина принимает депозиты от всех желающих (сейчас 2% от ETH внутри машины, далее процент уменьшается) ⁃ если никто не делает депозит в течение определенного периода времени, последний участник забирает 80% пота (сейчас 24 часа, далее период уменьшается) ⁃ 10% распределяются между 5 рандомными участниками, 10% идут на следующий раунд

Короче 50 иксов вот прямо здесь, рядом.

Что с безопасностью: ⁃ открытый код на Github и на Etherscan ⁃ контракт неизменяемый - никаких мультисигов, экстренных приостановок и пр. ⁃ друзья-аудиторы помогли найти и пофиксить пару уязвимостей (детали тут) ⁃ устроить рагпул технически невозможно, хакнуть (вроде) тоже не получится

Ончейн рефки и поинты вайбкодить сложно, поэтому буду благодарен всем кто поделится гемблинг-машиной со своими друзьями-лудоманами! https://simplegamblingmachine.eth.link/

На мобилках скорее всего будет отображаться криво.

2. Вайбкодинг Никогда ничего не кодил своими руками, ибо гуманитарий. За три дня ChatGPT, Gemini, DeepSeek и Cursor написали весь нужный код (под моим чутким руководством), научили в девелоперские энвайронменты, Github и хостинг, ответили на все (даже самые глупые) вопросы.

Мои хард-скиллы пополнились такими вещами как ethers.js, web3.js, viem, wagmi, IPFS, Fleek, Pin CID, Pinata, Arweave, Hardhat, Foundry, React, Chainlink Keepers, и Truffle. Ну, половина из списка точно.

Кому интересно почитать про весь процесс, предлагаю пройти на Paragraph.

3. Заработок в интернете Пока высокотехнологичные проекты заманивают человеческо-денежные капиталы двузначными множителями на поинты, Ekubo (на EVM) дает приятные APR поставщикам ликивдности: ⁃ 10% на USDT/USDC ⁃ 15% на cbBTC/WBTC ⁃ 70% на ETH/BTC ⁃ 100% на ETH/USDC и ETH/USDT

Половина из этих наград - органический APR (комиссии со свапов, без учета наград в EKUBO). Расчет актуален для ренжа примерно в +-6%, а программа майнинга EKUBO рассчитана на 3 месяца.

gm! Воскресный оффтоп, который пройдет за пределы ежедневника. Я люблю играть в доту и недавно увидел как Resolut1on (бывший про игрок) презентует своего AI Dota 2 Coach. Заинтересовался, посмотрел – и tbh разочаровался. Фактически это GPT-4o с системным промптом, устаревшими данными и галлюцинациями вместо правильной работы с данными. офк по подписке.

И тут я подумал – а почему бы не сделать нормально?

---

В мире AI агентов сейчас интересный тренд. MCP (Model Context Protocol) оказался слишком сложным и жрёт много контекста. Индустрия ищет альтернативы.

Одна из них – Skills. Недавно спецификацию отдали в опенсорс, уже куча инструментов поддерживает: https://agentskills.io

Суть скилла проста: название, описание, набор тулов и воркфлоу. Тулы – самое важное. Для доты я сделал такие:

— чтение последних патчноутов — статистика героев и понимание меты — контрпики — моя персональная статистика

Откуда данные? OpenDota, Stratz, официальный Valve Datafeed. Под каждый источник – простой TypeScript CLI, который форматирует данные для LLM. Делается за один промпт.

Дальше это упаковывается в воркфлоу: мета-репорты, анализ драфта прямо во время игры, разбор своих матчей. Всё работает локально в Claude Code.

Можно расширять бесконечно – анализ реплеев, агент-лудоволк, трекинг просцены. Но для MVP хватит.

📎 skill.md: https://gist.github.com/insulineru/0aee1fc00d44c9df4631507ce7ed2570