Cursor vs Claude Code

Неделя экспонент

За последнюю неделю произошло три вещи:

1. США и Израиль нанесли удары по Ирану и убили Аятоллу Хаменеи — верховного лидера, который диктаторски правил страной 35 лет.

2. Джек Дорси, экс-фаундер Twitter и основатель группы компаний Block, уволил почти половину компании — четыре тысячи человек — объяснив это фразой: «инструменты изменили то, что значит быть компанией».

3. Я болел, пил чай и смотрел, как система claude-code-агентов автономно разбирала задачу, которую я описал в одном промпте: каждый агент подхватывал работу предыдущего, тестировал, коммитил, передавал дальше. Без моего участия. Я наблюдал, потому что мне, честно говоря, было больше нечего делать.

Три события из разных миров. Но у меня ощущение, что за ними стоит один и тот же паттерн.

- - - - -

Мы привыкли думать о мире как о нормальном распределении. Большинство событий являются средними, предсказуемыми. А вот экстремальные — редки до невозможности. Это работает для роста, веса, размера яблок на дереве. Например, вы никогда не встретите человека в пять раз выше среднего.

Но некоторые системы устроены иначе. Они подчиняются степенным законам. И в них экстремальные события не просто возможны — они неизбежны.

Вот как это работает. Каждый год тысячи молний ударяют в лес. Большинство сжигают одно дерево. Некоторые — десяток. А раз в десятилетия одна молния запускает пожар, который выжигает территорию размером со штат. Причина каждый раз одна и та же — молния. Но разница вообще не в причине, а в состоянии леса. Когда он слишком густой, когда мелкие пожары слишком долго подавляли, система входит в критическое состояние. Любое малое воздействие вызывает каскад.

Я думаю, что мир сейчас — это такой лес. Каскады в нем идут одновременно.

- - - - -

Начну с того, что ближе к физике.

Когда Иран обогатил уран до 60%, большинство (если кто-то вообще) прочитали: «чуть больше половины пути до бомбы». Но обогащение урана — нелинейный процесс. 60% обогащения означает, что 95% термодинамической работы уже сделано. Путь от 60% до оружейного уровня — это не сорок процентов усилий, а меньше пяти. Окно для военного ответа составляет всего недели, не годы. Наша линейная интуиция ломается именно тогда, когда она нужна больше всего.

Теперь AI. В конце прошлого года я писал о лошадях: о том, как паровой двигатель улучшался 200 лет, а замена произошла за двадцать. METR, организация, которая измеряет способности AI-агентов, публикует график: «горизонт задач» (длительность работы, которую агент может выполнить автономно) удваивается каждые 4–7 месяцев. Недавно тренд ускорился: удвоение каждые четыре месяца. Если продолжить кривую, к 2027 году агенты смогут автономно выполнять задачи длиной в месяц. Прогресс постепенный. Момент замены мгновенный.

Ну и Дорси. Его письмо, кажется, первый случай, когда CEO публичной компании на десять тысяч человек прямо говорит: бизнес сильный, прибыль растёт, но меньшая команда с AI справляется лучше. Так что увольнение половины штата — не реакция на кризис, а признание новой реальности. Акции выросли на 24% в тот же день. Да, Джек признает, что в ковид он оверхайрил людей, но я думаю, что его текущее решение связано не только и не столько с этим, а с экспоненциальным ростом в мощностях/автономности моделей.

- - - - -

Есть одна аналитическая группа, которая в феврале написала мысленное (и невероятно виральное) эссе-эксперимент. Своеобразный финансовый отчёт от лица июня 2028 года. Основная идея: что произойдёт, если петля обратной связи не имеет тормоза? AI улучшается → компании сокращают людей → уволенные тратят меньше → компании инвестируют ещё больше в AI → AI улучшается. Они назвали это «спиралью вытеснения интеллекта» и закончили фразой: «Канарейка ещё жива»

Это сценарий, конечно, не предсказание. Но когда читаешь его в ту же неделю, когда Дорси увольняет четыре тысячи, а METR обновляет свой график — граница между сценарием и наблюдением размывается.

- - - - -

Я поставил OpenClaw. Вот как

Не ChatGPT в браузере. Агент на сервере — со своей памятью, инструментами, доступом к интернету. Управляю через Telegram голосом.

Что он сделал сегодня без меня:

* Подключил 60+ инструментов для скрапинга (сам нашёл, сам поставил) * Обошёл защиты Instagram, скачал видео с 703K просмотров * Поднял легитимный резидентский IP — невозможно отличить от живого пользователя * Написал контент-план для Twitter, поставил посты по расписанию * Записал всё в память — после перезапуска продолжает с того места

Я диктовал голосовые сообщения. Он делал.

Как это устроено технически:

1. Сервер — нужен любой VPS, желательно за рубежом. Я взял немецкий на contabo.com — цены в 3-5 раз дешевле чем AWS/DigitalOcean при той же мощности. Сайт выглядит как Windows XP, но это и есть смысл — никакого маркетинга, только железо за копейки.

2. OpenClaw — ставится на сервер одной командой. Подключаешь Telegram — и всё, агент готов принимать задачи.

3. Инструменты — агент сам находит и подключает нужные MCP-сервера (это как плагины, только для агентов). Я ничего не настраивал руками.

Звучит просто. На практике — есть нюансы с SSH, конфигами, токенами, правами доступа. Не rocket science, но без базы займёт время.

Я в AI с 2020

2020 — Classic ML, Computer Vision. Всё руками, данные вручную

2022 — GPT-3, Da Vinci. Первый раз текст генерит что-то осмысленное

Ноябрь 2022 — ChatGPT. Мир изменился за ночь

2023 — Plugins, RAG-системы, no-code автоматизация на Make/Zapier

2024 — GPT-4o, Claude, Gemini. AI в каждом процессе

2025 — первые агенты. Сырые, ломаются, теряют контекст

18 февраля 2026 — первый раз чувствую что у меня есть сотрудник

Это не апгрейд. Это другая категория.

Вопрос: хотели бы такого агента без серверов и настройки — просто написал в Telegram и он уже работает?

Пишите в комменты 🔥 — смотрю на спрос 👇

Наблюдая год за всей этой историей с AI агентами в разработке понял, что прогресс слишком быстрый и виден на лицо.

Забавный факт из моих наблюдений на работе: Senior+ разработчики, использующие AI агенты в работе выходят на сверх продуктивный уровень генерируя тонны хорошего кода и готовых решений, на которые раньше могли уйти месяцы.

При этом продуктивность разработчиков уровня Junior/Middle использующие AI не изменилась, а вот качество решений как будто хуже, если бы они сами писали… (не говорю что у всех так, но как есть).

Выходит, что AI агенты это именно инструмент. И в руках профессионалов оно генерирует огромный “value”🙂

Решил, что пора тоже втягиваться и начать все это дело изучать. Буду переодически делиться тем, что узнал и использую для обучения.

Сегодняшняя попытка зарегистрировать аккаунт в Claude провалилась об верификацию по номеру телефона… У меня есть зарубежные номера, но они все не подходят. Проблема не у меня одного (issue свежий). Навайбкодили получается 😐

Пока что штудирую документацию Claude. Из того что вынес: - как и у всех LLM — большой контекст проблема. Нужно держать его как можно меньше, используя разные «хаки» с инструкциями, файлами, скилами. - Claude довольно умная, чтобы самостоятельно решать задачи. Главное — четко и кратко сформулировать цель и дать необходимый контекст и критерии для самостоятельной проверки решения.

В общем, к Claude надо относиться как к новому разработчику в команде и делегировать ему, используя документации и регламенты.

Пошел дальше читать документацию…

Когда уже таймтрекеры осознают новую реальность и добавят поддержку одновременной работы над несколькими проектами/задачами? А еще лучше интеграцию с Claude Code/Codex/Cursor

pov: твой друг вайбкодер пытается отладить приложение которое написал claude code

Claude Code как единая точка входа

Поэтапно перевожу все свои контексты и тулы в Claude Code. Идеальный сценарий, чтобы Claude Code был единым интерфейсом во всю работу и все контексты. Пока подключил Granola (саммари всех звонков), Notion и Telegram.

В планах добавить Google Docs, WhatsApp, LinkedIn и Superhuman (почта).

Также сегодня наконец дошли руки сделать скилл для deep research'а (надоело постоянно переключаться из Claude Code в Gemini и Claude Deep Research). По совету ребят из коммьюнити подключил parallel.ai, а потом собрал скилл.

Что умеет скилл /research: Говоришь Claude «ресерч» или «/research» — и он ведёт тебя по структурированному пайплайну:

1. Выбор глубины quick — поиск через Search API. Фактчек, конкретные цифры. ~10 сек, ~$0.01 deep — многоступенчатый ресёрч с цитатами. 5-15 мин, ~$0.10-0.50 ultra — максимальная глубина. 15-45 мин, ~$1-5

2. Формулировка запроса Claude сам формулирует research query на основе контекста проекта (читает CLAUDE.md, понимает продукт, метрики, стратегию). Показывает запрос, я подтверждаю - он запускает.

3. Трехслойная верификация Это главное. Parallel возвращает результат — но Claude не принимает его as-is: Cross-check - каждое ключевое утверждение проверяется на 2+ независимых источника Freshness - данные старше 12 мес помечаются как устаревшие, ищутся свежие Contradiction scan - целенаправленный поиск контраргументов Confidence - каждому факту присваивается уровень: High / Medium / Low confidence.

4. Тиры источников Tier 1 — .gov, законы, официальные документы Tier 2 — отраслевые отчеты, крупные медиа Tier 3 — блоги, стартап-сайты (помечаются как ненадежные)

5. Доки на выходе Markdown-файл с полным ресёрчем + верификацией + источниками по тирам Саммари в чат (TL;DR, ключевые находки, рекомендации, что не нашли) Опционально: HTML-бриф для конкретного человека в команде (BizDev, инвестор, партнер)

6. Трекинг расходов CSV-лог каждого запуска. Можно спросить «сколько потратили на ресерч» — покажет разбивку.

—

Сегодня за два ultra-запроса ($6) получил: 1. Сравнение двух штатов для B2B экспансии 2. Полный playbook по конкретному штату с разбором ошибок в питче

Плюс два готовых HTML-брифа для BizDev-сотрудника с конкретными скриптами, таргетами и 8-недельным планом.

Если хотите попробовать - напишите в комментах "+", пришлю полное описание скилла в личку (plug & play, нужен только API-ключ Parallel и немного контекста про ваш проект).

Мой первый удачный опыт вайбкодинга Agent Driven Development

Пока возился с активацией аккаунта Claude, вспомнил, что у меня есть подписка ChatGPT, и решил пока потестировать Codex на реальной задаче.

Взял go-ycsb: нужно было разделить адаптеры для Scylla и Cassandra и обновить драйверы до последних версий (точнее перейти на новые, но не суть). Эту задачу я уже делал сам — потратил около часа, включая погружение в проект. Потом стало интересно: а как с этим справится Codex?

Решил не мелочиться и начать с режима планирования. Сначала попросил его собрать Architecture.md, чтобы модель поняла структуру проекта. Потом, скорее для учебных целей, добавил ещё SKILL brainstorming. И тут был первый приятный сюрприз: нейронка начала задавать очень хорошие уточняющие вопросы, о которых я сам на старте даже не подумал.

Да, для такой простой задачи это уже был overengineering. Но как первый опыт — очень ценный.

Что понравилось больше всего: Codex не ограничился только кодом. Он поправил документацию, сохранил совместимость API, ничего не сломал, прогнал всё в Docker и ещё написал тесты. И вот тут стало особенно интересно, потому что мой собственный вариант был слабее: я не сохранил обратную совместимость и не обновил документацию с интеграционными тестами.

В итоге на всё ушло около полутора часов в спокойном режиме. Если честно сравнивать результаты, то я справился примерно 60-80%, а Codex на все 100% по полноте выполнения задачи.

После этого у меня довольно простой вывод: начинать использовать AI в разработке можно с более простых сценариев — ревью, планирование, архитектурные заметки, документация, проверки на совместимость, актуализация тестов. Это позволит привыкнуть к экосистеме AI агентов и появится понимание как с этим всем работать.

Кстати, у нас в команде мы уже договорились прогонять ревью через AI и сейчас тестируем разные open-source модели. Нейронки правда бывают более дотошными и внимательными, чем человек, особенно в рутинных проверках. Нас они уже несколько раз выручали.

На следующей неделе буду тестировать Claude (все-таки у нее больше комьюнити и прикольных фич).

Кто уже гуру вайбкодинга, поделитесь своими успешными (и не очень) кейсами.

Контент про успешный AI лезет вообще отовсюду: рилсы, ТГ‑каналы, соцсети, подкасты. И каждый день одно и то же.

Смотрите, как круто AI делает это! А вот тут новая моделька!! А вот этот инструмент вообще must have!!!!!!!!

И ты постоянно дергаешься: Так, надо попробовать вот это. И вот это. И еще вот это. О, вышло новое… сейчас настрою.

А может вообще купить mac mini, поставить на него джарвиса, воткнуть в грудь и улететь к чертям.

Только настроил себе все удобно в ChatGPT 5, сделал персонализацию и вроде выдохнул. А тут обнова у Gemini и надо попробовать Gemini. Потом n8n. Потом Claude. Потом Codex.

Везде есть что-то крутое. И все доступно. И ты носишься со всеми этими инструментами, потому что вдруг упустишь что-то реально прорывное.

Это отнимает КУЧУ энергии и ломает фокус. Потому что внутри постоянный шум: Они быстрее. Они круче. Они уже делают AI на AI для AI.

Плюс, конечно, накрывает экзистенциально: Может, уже все упущено? Через год B2B SaaS вообще никому не нужен будет, зачем мы это делаем?

И тут самое противное: полностью отмахнуться от этих мыслей нельзя. В них есть часть правды.

НО

Мне кажется, единственный рабочий выход — принять ограничения.

Выделить немного времени на исследование (чтобы держать руку на пульсе), а дальше делать свой продукт. Не пытаться успеть все, а двигаться по своей колее.

И самое важное: отъебаться от себя.

штука чтобы диктовать в поля для ввода на комьютере – бесплатно и локально

https://handy.computer/

очень удобно чтобы писать пасты в чем клод не прав в этот раз

Сегодня ваших сэйлзов мотивирует Тони Роббинс (Попробуй за 5 минут)

Поднимаем боевой дух команды на раз-два.

1. Идем в Claude (или ChatGPT) и пишем:

Ты Tony Robbins - мастер мотивации. Я предприниматель, владелец сети спортзалов. Сегодня 7 июля. Напиши свою самую сильную речь на 200 слов, которую я могу отправить своим сотрудникам, чтобы мотивировать их лучше продавать полугодовые абонементы в зал (у нас появились новые реформеры и мало народу по утрам). Зажги их на действие!

2. Копируем ответ в чат команды.

Повторять можно хоть каждый день.

Что ответила нейросеть (Claude) — по ссылке.

Кто попробует — делитесь в чате, зажигайте других на действие!

Не знаю когда это случилось, но Cursor наконец-то начали показывать расход по подписке ! Такая банальная фича, а внедряли как будто AGI

Я НЕНАВИЖУ делать конкретное дело. Но я ОБОЖАЮ строить систему, в которой такие дела делаются хорошо.

— — —

Вот, например, договоры.

Я с физической болью вычитываю договор( я ж гендир, мне потом за это отвечать), который мне приносят на подпись.

Да, канееешн, я использую ИИ. Сначала гоняю текст в Cursor, разбираю риски, спорные формулировки, готовлю комментарии и варианты правок.

Но потом всё равно открываю %WORD%, смотрю в эти абзацы, ставлю комментарии, предлагаю правки — и понимаю, что сама модель процесса уже устарела.

И вот важный момент. Мне нравится не делать одно и то же руками, а выстраивать систему, которая делает это правильно, воспроизводимо и всё лучше с каждой итерацией.

Это, кстати, SDCA-подход. Про него в следующем посте напишу подробнее.

Как выглядит нормальный правильный мир?

1. Все согласовывают договоры в Markdown, а не в склепе форматирования под названием Word. Потому что договор — это логика, структура, формулировки, версии, замечания, история изменений. А не “почему тут отступ поехал”.

2. Согласование выполняется не людьми напрямую, а их агентами. Не в смысле “убрать человека”. А в смысле: первичную тяжёлую и рутинную интеллектуальную работу делает агент. Он читает, сравнивает, проверяет, ищет расхождения, поднимает красные флаги, предлагает редакции.

3. Агенты действуют не по вдохновению модели, а по регламенту. По методике чтения договора. По правилам конкретного департамента. По тому, что люди годами нарабатывали как практику: что проверять, где типовые риски, какие компромиссы допустимы, а какие нет.

То есть человек не читает всё руками каждый раз. Человек строит и совершенствует способ чтения.

4. Финальное решение пока принимает человек. Но если он вносит правки, которые расходятся с правилами агента, он должен это объяснить.

Не потому что “машина главнее”. А потому что иначе знание опять остаётся в голове, в личке и в хаотичных комментариях.

Сделал нестандартную правку? Тогда либо скорректируй правило, либо добавь исключение, либо зафиксируй, что это разовый кейс.

Идеально, если агент сам это предлагает: “Вы отклонились от обычной логики. Похоже, тут либо новое правило, либо исключение. Давайте зафиксируем”.

Вот это уже не просто автоматизация. Это накопление способа думать.

5. Каждый департамент менторит своего агента. Юристы — своего. Финансы — своего. Безопасность — своего. Закупки — своего. Коммерция — своего.

И тогда договор проходит не просто цепочку согласования, а цепочку ИИ-агентов вовлечённых департаментов компании, каждый из которых обучен логике своего департамента.

---

А дальше начинается самый интересный уровень.

ИИ как переговорный интерфейс между сторонами.

То есть не просто наш агент читает наш договор. А обе стороны работают через AI-assisted переговорный слой.

Что это даёт:

— система сравнивает гайды обеих сторон; — выделяет совместимую зону; — предлагает редакцию, которая снижает число конфликтов; — объясняет, какие правки реально существенны, а какие — просто корпоративный ритуал; — собирает максимально близкий обеим сторонам драфт договора, вместо 14 кругов ада согласования.

---

Меня во всей этой теме цепляет вот что:

я не хочу комфортнее страдать в Word. Я хочу, чтобы сама архитектура согласования была другой.

Чтобы человек не тратил жизнь на механическое вычитывание каждого документа с нуля. Чтобы он проектировал систему правил, контроля, допусков и исключений. Чтобы знания департаментов не умирали в комментариях к docx. Чтобы согласование стало не ручным мучением, а работающей и обучающейся системой.

Потому что если в 2026 году вершина корпоративной мысли в договорной работе — это “мы отправили новый Word с комментариями”, то это не процесс. Это цифровая имитация бумажной боли.

— — —

Пост опубликовал AIM-нейросотрудник Роберт. Хочешь такого же в команду? Напиши @SamYakushev

Если ты ищещь программу, которая одновременно поддерживает Claude Code, Codex, любые API и локальные модели, а также все это было в виде канбана, где можно писать задачи и запускать все параллельно или по очереди, то вот:

Cline выкатил свой оркестратор https://cline.bot/kanban

Работаю с этой штукой уже в течении пары дней. Ощущения необычные, будто я ставлю задачи кому-то из сотрудников.

Для креативных или сложных задач не очень удобно. Зато для b2b-админок и пачек мелких шагов подряд - вёрстка, бэк, стык с фронтом, потом тест в браузере через MCP - пока заходит очень хорошо. Буду дальше тестить.

В чем сила, брат? В контексте

Разгоняли вчера идеи, как сделать AI компаньона круче. Очевидное направление мысли - чем больше контекста у агента про человека, тем лучше пользовательский опыт. Но где взять контекст у обычного юзера?

Родилась идея подключать аккаунты в Google (почта, календарь), YouTube, Facebook.

Решил протестировать на себе и начал вайбкодить прототип в Claude Code. Сразу уткнулся в ограничения - многие вещи платформы не отдают (Facebook после скандала с Cambridge Analytics), но что в итоге можно вытаскивать:

Почта и календарь Google ✅ Темы и отправители последних 200 писем ✅ Тело писем (сниппеты) ✅ Все события в календаре за последние 6 месяцев (названия, участники, время) ⛔️ х

YouTube ✅ Подписки на каналы ✅ Залайканные видео ⛔️ История просмотров (API закрыт)

Facebook Facebook — почти всё закрыто без ревью приложения: ❓ Посты пользователя ❓Лайки страниц ❓Группы ❓Список друзей ❓Интересы ⛔️ лента

Но даже с учетом этих ограничений алгоритм собрал более 657 data points и очень точно узнал многие вещи обо мне. Вот в кратком виде его рекомендации:

Based on the digital footprint data, here's a comprehensive interest profile for Igor:

Hobbies: Plays Go (Weiqi) online regularly. Listens to Russian folk music and Zemfira. Goes to theater. Watches documentary lectures and philosophy content. Does boxing and yoga.

Work: Builds startups, follows AI closely (subscribed to Karpathy, Lex Fridman, Andrew Ng). Works in product management. Daily life: Orders healthy meals via Wolt in the evenings. Flies through Cyprus. Lives between cities. Uses Wise and Revolut. Family: Has a Boston Terrier named Francis. Subscribed to a bunch of dog training channels. Values: Reads independent media. Deep into Russian culture and architecture. Watches philosophy lectures.

Igor would engage warmly in discussions about: - Go strategy and famous games (like AlphaGo vs Lee Sedol, which he's liked) - AI developments and their implications for business and society - Russian culture and music, especially traditional folk instruments - Product management challenges and startup experiences - Travel experiences and cultural observations - Dog training and pet care stories - Historical analysis of Russian and world events - Technology trends in fintech and AI

На весь эксперимент вчера у меня ушло 30 минут.

Имея уже достаточно неплохую насмотренность, могу с уверенностью сказать - успех в бизнесе во многом зависит от удачи. Не обязательно быть самым умным в комнате, не обязательно иметь хорошее образование или подушку на старте, не обязательно быть гениальным инженером (хотя все это, конечно, хорошо) - часто надо оказаться в нужном месте и в нужное время.

Значит ли это, что на вероятность успеха нельзя никак повлиять? Уверен, что нет.

В наших силах максимизировать вероятность реализации этой удачи, когда обстоятельства сложатся в нашу сторону. Как можно на это повлиять:

1. Строить сильное окружение вокруг себя. Вступать в сильные бизнес-сообщества, найти себе ментора/наставника, ездить и выступать на хороших конференциях.

2. Искренне вкладываться в долгосрочные отношения с людьми. Не пытаться в моменте что-то получить, а помогать без задней мысли. Помочь советом, поделиться опытом, свести с нужными людьми. Отношения - это не то, что хасслится быстро, это производная времени и доверия.

3. Учиться Да, не всем повезло попасть в хороший университет, но и сейчас есть огромное количество интересных программ, где можно познакомиться с умными людьми. От быстрого и недорого (напр. у Байрама Аннакова сейчас небольшой онлайн-курс по Claude Code) до более дорогого (напр. моя мечта двухнедельная программа Executive Program for Growing Companies в Стэнфорде за $30k).

4. Быть публичным Не стесняться писать в соц сетях, выступать на конференциях и митапах. Искренне делиться своим опытом, мыслями, рефлексией, ошибками. В этом простая математика: обычным общением сколько вы можете охватить людей? 300, 500, 1000? А ваш пост в LinkedIn или рилс в Instagram могут увидеть тысячи или даже десятки тысяч.

5. Don't be an asshole Не быть мудаком. Быть понятным человеком со своими ценностями и целями.

Cursor 3 вышел. И это уже не IDE. Что нового? + гайд по старту работы в Cursor на русском в аттаче. Собрали лучшие практики в компактный документ.

Я уже давно использую Cursor как основной рабочий инструмент — пробовал и Claude и десяток других, но ничего так и не прижилось. И вот они выпустили третью версию, которая меняет всё.

Cursor 3 — это не апдейт редактора. Они переписали интерфейс с нуля, и теперь это единая рабочая среда для работы с агентами.

Что конкретно нового: 🔹 Все агенты в одном месте — локальные и облачные, запущенные с десктопа, мобилки, Slack, GitHub, Linear — все тут, в боковой панелди. Больше не нужно прыгать между вкладками и терминалами.

🔹 Параллельная работа нескольких агентов — запускаешь сразу несколько, они работают одновременно. Облачные агенты делают скриншоты и демки своей работы и отчитвыаются перед тобой.

🔹 Переброс агента между локалью и облаком — закрыл ноут, задача длинная? Отправляешь агента в облако, он продолжает работать. И обратно — забрал на локаль, когда нужно потестить руками.

🔹 Всё для профессиональной работы команды — новый вью для просмотра изменений, коммиты и управление присланными доработками от команды прям в Cursor'e.

🔹 Встроенный браузер — агент сам открывает страницы, ходит по страницам и взаимодействует с ними.

🔹 Marketplace плагинов — сотни плагинов с MCP, субагентами и скиллами. Один клик — всё уже в билиотеке.

— Чтобы попробовать новый интерфейс: • обновляемся до свежей версии • проверяем что это Cursor 3.+ • Жмем Cmd+Shift+P / Ctrl+Shift+P, видим командную строку, пишем там "Switch to Agents Window" • Давим Enter и пробую новое окно Cursor

Респект команде. Остальные инструменты продолжают выходить и закрываться. Cursor просто продолжает строить.

— Гайды по ИИ-инструментам, скилы и правила, готовые агенты - @robocorp_by_Sam

Сегодня впервые в жизни воспользовался приложением Codex и обнаружил уморительное: в нём есть терминал, а значит, прямо в этом терминале можно запустить Claude Code

Как сделать Telegram-бота за час с помощью ИИ

Знаю, что моя аудитория (в основной своей массе) шарит за AI coding, агентов, скиллы и так далее

Но в тоже время - есть пласт людей, которые даже не знают что такое вайбкодинг. Такие есть и у меня в канале, а за его пределами их еще больше.

Мне очень интересно и близко продвигать идею вайбкодинга в массы, поэтому

📚 я решил провести 24 марта в 18:00 по МСК / 16:00 по CET БЕСПЛАТНЫЙ мастер-класс - как собрать своего бота в телеграмме с помощью Cursor.

Кому подойдет: - продакты/проджекты/любые менеджеры, кто далек от вайбкодинга (или пробовали но не вышло) - разработчики которые не используют ИИ в разработке - любые другие энтузиасты кому интересна эта тема

Кому не подойдет: Skills, MCP, Agents, SubAgents, Codex, Feedback Loop - если хоть что-то из этого понимаете на глубоком уровне, наверное вам будет не релевантно, но если хотите «проверить» свои знания - приходите тоже)

Записи не будет. Для тех кто останется до конца - пошарю PDF с инструкциями и расскажу о специальном предложении 😊

Зарегистрироваться здесь [БЕСПЛАТНО!]

☝️☝️

дир фоловерс

я сделал собственное приложение для разделения счетов в поездках, аналог splitwise — Billy

@billy_cash_bot

оно работает и как бот и как миниапп. тут вкратце что реализовано и как:

Что делает: создаёшь группу, добавляешь людей, кидаешь расходы — приложение считает кто кому должен. Можно сфоткать чек и AI сам распарсит позиции, или надиктовать голосом. Позиции из чека можно назначить конкретным людям — кто что ел.

Стек: Next.js + Tailwind (фронт на Vercel), Fastify API на Fly.io, PostgreSQL на Neon, OpenAI для парсинга чеков и голоса. Полноценный Telegram-бот с 11 командами — можно вообще не открывая webapp добавлять расходы.

Монетизация: freemium — 10 бесплатных AI-сканов, потом Billy Pro за 150⭐/мес или 249₽. Оплата через Telegram Stars или ЮKassa. Есть триал 7 дней и реферальная программа (+3 AI кредита за друга).

Фичи: мультивалютность (7 валют с конвертацией), повторяющиеся расходы, PWA с offline-режимом, тёмная тема, i18n (ru/en), Sentry + PostHog аналитика.

я собрал это приложение на оупенклоде + клод код опус 4.6 за 6 дней исключительно текстом, скриншотами и войсами. 0 макетов фигмы + 0 знания кода.

попробуйте пожалуйста попользоваться. сейчас важно собрать фидбек и понять что сломано и чего не хватает.

недавно вот друг из тая внес коррективы в налоги, теперь они и из чека сканируются и вручную добавляются, хороший важный фикс.

спасибо за внимание

@billy_cash_bot

пс: некоторые экраны грузятся неприлично долго, я знаю про это, надеюсь поправить скоро

Дональд Кнут, знаменитый американский ученый-алгоритмист, написал несколько дней назад заметку о том, как LLM помогла ему, точнее его соавтору, решить алгоритмическую задачу, над которой Кнут работал несколько недель. Заметка начинается словами "Shock! shock!"

Задача, которую решил Клод, не какая-то знаменитая, и у нее нет, насколько мне известно, важных применений. Мне кажется, интересно даже не столько то, что ИИ ее решил, сколько *как* решил. Это подробнее описано в статье Кнута, но если вкратце - перед Клодом поставили задачу и он работал над ней примерно в 30 подходов-итераций. После каждой итерации он записывал в файл для самого себя краткое описание того, что он только что попробовал и что из этого вышло, и это помогало ему искать новые подходы и не зацикливаться. В процессе решения он испробовал много разных идей, как математических, так и программистских, и в конце концов нашел одну работающую, проверив ее на куче вариантов (хоть и не доказал ее строго, доказательство написал позже сам Кнут). Весь процесс занял около часа, и был почти автоматическим - человеку пришлось несколько раз останавливать или подправлять итерации, в которой Клод путался в своих следах и терял контекст.

Мне кажется, что работа ИИ в этом случае вполне сравнима с тем, как мог над такой задачей работать талантливый студент-аспирант, которому дал ее научный руководитель. Конечное решение не супер сложное и до него вполне можно дойти с помощью упорства и дисциплины (важно проверять свои идеи путем написания тест-программ, не заходя слишком далеко в теорию). Те же 30 итераций аспирант мог сделать за неделю-две; только ИИ сделал за час и без аспиранта.

Это возможно здесь и сейчас, в 2026 году. Обратите внимание, вглядитесь хорошенько. Будущее продолжает наступать на настоящее ударными темпами. Полгода или год назад модели еще не могли настолько самостоятельно работать над математическими задачами на таком уровне.

Теперь попытаюсь вкратце объяснить и показать суть проблемы, которую решил Клод для Кнута.👇