Вайбкодинг

Qoder: Квесты, MCP и SDD

Полностью перешел с Курсора на Qoder: В последнем обновлении наконец-то добавили MCP и правила для квестов ✊

Как работают эти самые Квесты?

1. Формулируешь задачу: например, «добавь аналитику для основных действий пользователя».

2. Постановка задачи (Spec Mode) — кодер пишет подробный план КАК решать задачу после анализа проекта и ждет подтверждения.

3. Автономное выполнение: читает план → составляет план действий → пишет код → тестирует → исправляет.

Quest Mode основан на подходе SDD (Spec-Driven Development): твоя задача — сформулировать проблему, а AI берет на себя написание спек и последующую детальную реализацию.

Поддержка MCP в режиме Квестов упрощает сбор документации с помощью Context7 MCP и тестирование с Devtools MCP

По ощущениям — вместе с контекстом от Repo Wiki больше ничего и не надо. Полноценный цикл от идеи до рабочего кода.

У Кодера есть бесплатный триал (что приятно).

Добавил Кодер как основной инструмент в школе Вайбкодинга на третьей неделе вместо Курсора 👊. Старт 5го ноября. Запись 👉 @hashslash_bot

Claude Code теперь умеет отправлять дизайн прямо в Figma — в виде полностью редактируемых слоёв.

Потестировал — это выглядит как настоящая магия. Устанавливаешь Figma MCP, пишешь "Send this to Figma" — и состояние браузера автоматически конвертируется в редактируемые слои Figma. Всё разложено по компонентам, можно редактировать.

https://www.figma.com/blog/introducing-claude-code-to-figma/

Dylan Field (CEO Figma) пишет, что это меняет workflow. Раньше было линейно: brainstorm → design → code. Теперь можно начать откуда угодно и двигаться в любом направлении.

Главная мысль: canvas лучше подходит для навигации по множеству возможностей, чем промптинг в IDE. Можно видеть картину целиком, сравнивать подходы side by side, редактировать детали напрямую. А потом через тот же Figma MCP вернуть изменения обратно в код.

Пока не до конца разобрался: можно ли после отправки в Figma продолжать управлять изменениями через Claude Code? Например, написать "сделай заголовок больше" — и он поправит уже существующий файл в Figma? Или каждый раз будет создаваться новый файл? Судя по всему, пока не может — но очевидно, к этому всё придёт.

#ai #figma #claude #design

————————— Мысли Рвачева —————————

Кто знает как лечить баг когда в Claude Code наговариваешь через Wispr Flow длинный запрос, либо вставляешь длинный текст - и он тупо залипает без возможности закрыть сессию. Использую в терминале Cursor

Claude Skills: как я перевёл дайджест чата на Opus

Скиллы = промпт + код. Промпт говорит что делать, код делает это одинаково каждый раз.

Есть подписка Claude Max. Но дайджест чата вайбкодеров делает Gemini 3. Плачу за API. ЛОХ 😭

Сделал Попросил Клод написать скилл: — SKILL.md: инструкции и что извлекать — fetch.sh: код подключения к базе сообщений — output-template.md: шаблон вывода

Пишу в терминал "шо там в вайбкодерах" → скрипт подключается к базе и скачивает 300 сообщений → Opus пишет дайджест по шаблону.

Всё внутри подписки которая уже есть.

Скилл и другие настройки Claude Code: github.com/serejaris/ris-claude-code

#claudecode

📊 Anthropic замерили реальное влияние AI на рынок труда - и разрыв между теорией и практикой огромен

Новая метрика "observed exposure": не "что AI теоретически может", а "что люди реально автоматизируют через Claude прямо сейчас". В Computer & Math теоретически AI покрывает 94% задач. Реально - 33%. Программисты - максимум среди всех профессий с 75% покрытием. У 30% рабочей силы экспозиция нулевая: повара, механики, бармены, спасатели.

AI забирает задачи, которые можно описать текстом и выполнить за компьютером. Все, что требует физического присутствия, переговоров или управления людьми - ноль.

По датасету Anthropic: AI сейчас автоматизирует именно рутину. "Ответь на звонок" - 100%, "проведи переговоры" - 0%. "Напиши отчет" - 99%, "управляй командой" - 0%.

https://www.anthropic.com/research/labor-market-impacts

#anthropic #ai #labor_market #jobs

————————— Мысли Рвачева —————————

📈 4% всех публичных коммитов на GitHub сейчас делает Claude Code

SemiAnalysis выпустили анализ роста Claude Code. Цифры впечатляют:

- 135K+ коммитов в день - Рост в 42,896 раз за 13 месяцев - Прогноз: 20%+ всех коммитов к концу 2026

Что говорят разработчики: - Andrej Karpathy замечает атрофию навыков ручного кодинга - Malte Ubl (CTO Vercel): "Моя новая основная работа - направлять AI исправления" - Boris Cherny: "Практически 100% нашего кода пишет Claude Code"

Еще интересное из отчета: Anthropic теперь добавляет больше revenue каждый месяц чем OpenAI. Рост ограничен только доступностью compute.

🔗 newsletter.semianalysis.com/p/claude-code-is-the-inflection-point

#claudecode #claude #anthropic #github #ai

————————— Мысли Рвачева —————————

🏹 КАК НЕ НАДО ВАЙБКОДИТЬ (стрим на ютьюбе)

на стриме: - gemini flash 3 - glm 4.7 - notebook lm - claude code superpowers

https://youtube.com/live/IyPI5VBecUw?feature=share

Промпт → Автоматизация

🧙‍♂️ Собрал ИИ саммаризатор ТГ чата за пару минут в новом продукте от Vercel (v0)

Vercel выкатил бесплатный Workflow Builder — собираешь автоматизации визуально, а на выходе получаешь проект на Next.js который отлично вайбкодится и легко деплоится.

👉 workflow-builder.dev

gm! Cursor на прошлой неделе выкатил "Composer 2" — их in-house модель. Блог-пост: "continued pretraining + scaled reinforcement learning". Бенчмарки против Opus 4.6 и GPT-5.4. На основании этого поднимают раунд на $50B.

Разработчик из Kimi перехватил API-ответ. Model ID: kimi-k2p5-rl-0317-s515-fast. Даже не переименовали. Head of pretraining из Moonshot прогнал тест токенизатора — идентичен Kimi K2.5. Публично тегнул кофаундера Cursor: "почему вы не соблюдаете нашу лицензию?"

Kimi K2.5 — опенсорсная модель от Moonshot AI. Триллион параметров, 15 триллионов токенов. Условие лицензии одно: если зарабатываешь больше определенных значений — укажи Kimi K2.5. Cursor взял модель, прикрутил RL на код-тасках и зашипил как свою. За пару недель до этого Kimi K2.5 висел в их UI как бесплатная модель. Потом исчез и появилась уже "собственная разработка". Кажется, кто-то просто дообучает модели на своих юзерах 🤔

Три поста от сотрудников Moonshot с подтверждениями удалили в течение нескольких часов. Вероятно, решили идти через юристов.

Moonshot: оценка $4.3B, свои опенсорс модели. Cursor: оценка $50B, взяли чужую и не переименовали model ID.

Маск уже подтверждает — "Yeah, it's Kimi 2.5".

Очередной YC playbook?

Claude Cowork: Dispatch

Попутно сделали своего конкурента OpenClaw в Claude Desktop - можно удалённо управлять агентом с десктопными MCP, файлами, тулами, скиллами

Пока видимо живёт строго в Desktop приложении (а не на сервере). Возможно всё-таки Mac Mini придётся брать 😑

https://support.claude.com/en/articles/13947068-assign-tasks-to-claude-from-anywhere-in-cowork

YCombinator опубликовал новый список запросов к стартапам на эту весну 2026. Самые интересные на мой взгляд:

• Cursor для продактов. Система сама анализирует интервью с пользователями, метрики и выдает готовые задачи в разработку.

• AI-Native Hedge Funds. Фонды с роем агентов, которые сами читают отчеты компаний и находят скрытые тренды на рынке.

• AI-Native Agencies. Вместо продажи софта — продажа готового результата (дизайна, кода) с огромной маржой за счет AI.

• AI Guidance for Physical Work. Носимая камера с AI, которая подсказывает сантехнику или механику, что именно крутить в реальном времени.

ycombinator.com/rfs

как я подхожу к AI SEO

контекст: мы делаем Extruct, deep research агенты для поиска и исследования компаний. не надо быть гением, чтобы понять, что сейчас большую часть ресёрча компаний люди делают в чатботах. "расскажи про компанию X", "кто их конкуренты", "какой у них funding" это всё уже идёт в Claude и ChatGPT, Perplexity.

поэтому логично было подумать, как туда пробиться и забирать траффик отткда. самое простое, что сделал: начал публично выкладывать все data points, которые мы наресёрчили агенты. генерю страницы прямо в Cursor, подключаюсь к БД, делаю постпроцессинг, массово публикую. сейчас порядка 5к страниц под long-tail запросы а-ля lindy funding, s25 batch (вторая позиция после официальной директории btw) или top b2b startups in Spain.

organic search сейчас у нас ~20%. другой вопрос с конвертацией, но top of the funnel это генерит.

теперь думаю, как это усилить. посмотрел штук 20 тулов для AI visibility. паттерн один: topic modeling → генерация промптов → пуш в LLM-чатботы. у меня ощущение, что часть из них просто дёргает API веб-поиска, а не эмулирует реальные пользовательские сессии. а разница есть: API ≠ консьюмерский продукт.

в таком сетапе выглядит не супер полезно. главная проблема: ни один тул не показывает объём запросов по промпту. без этого ты оптимизируешь под фразы, которые никто не вводит. понятно, что это непросто достать даже самим вендорам. а в LLM-поиске long tail ещё тяжелее, уникальных запросов больше, агрегировать клики по ним нельзя.

с другой стороны, я на это смотрю больше как на упражнение по оттачиванию позиционирования. полезно думать, как генерится интент на твой продукт или проблему. это может быть хорошим циклом, который связывает лендинги, копирайтинг и сам продукт особенно если ты ещё до PMF.

если копнуть в теорию, то ни у кого пока нет своего полноценного индекса. это general meta-search wrapper + LLM reasoning. да, есть кроулеры, есть оптимизации с кэшированием и свой re-ranking, но базово весь поиск всё равно лежит на поисковых движках. LLM разбивает твой промпт на 2-5 подзапросов и шлёт их в Google, Bing или Brave. потом ходит по топ-ссылкам, чанкует контент, цитирует то, что релевантно.

пример: запрос "SEO agency NYC" в Perplexity превращается в три отдельных Google-запроса — "seo agencies nyc", "top seo companies new york city", "best seo firms ny".

вся эта возня с visibility идёт от того, как происходит ранжирование внутри RAG.

но базовые принципы SEO никуда не делись. E-E-A-T — доверие к домену, авторитетность автора, бэклинки, директори, отзовики. говорят, что UGC площадки с высокой цитируемостью положительно влияют на AI SEO: Reddit, G2, Capterra, Trustpilot. форумы и отзывы сейчас весят для brand mentions больше, чем в классическом SEO.

что подметил из рисерча: 1. читаемость важна на уровне чанка. в ответ LLM попадают 1-2 чанка, а не весь документ. поэтому у каждой статьи должен быть чёткий TL;DR в начале. 2. каждый inference немного разный. нет детерминированного "ты на 4-м месте по этому запросу" - позиция плавает. 3. онлайн-сигналов (кликов) в RAG-поиске меньше, но есть другой сигнал: какие документы LLM процитировала, а какие проигнорировала. то есть feedback loop дольше, надо это учитывать, когда катишь конетнт. 4. тректинг атрибуции через прямые заходы делать бесполезно. влияние будет заметно только в direct траффике. лучше это распрашивать в онбординге.

что ещё делаю: 1. пишу по 3 поста в день на Reddit с мягким упоминанием бренда. руками, не автоматизирую. 2. смотрю, на что LLM ссылается в web search, это единственный способ понять, под какой контент имеет смысл писать и где пробелы.

честно: серебряной пули нет. это educated guessing плюс базовая SEO-гигиена. большинство AI SEO тулов пока выглядят скорее как агентства, продают ручную работу под видом автоматизации.

кто трекает AI-цитирования в масштабе? если кто-то делает что-то инетерсное в этом домене такое, напишите в личку, с радостью познакомлюсь.

Год назад в кулуарах «Я люблю фронтенд» Артём @artalog показал мне Roo. Я вернулся в Петербург, подключил Roo к Sonnet 3.7, удивился, что теперь действительно что-то можно отдать на откуп LLM и пошёл подсаживать команду. Мы нашли кейсы, где нейронка хороша, собрали мемори банк и настроили конфиги там, где она тупила. Именно тогда для меня и был переломный момент, когда я полностью поменял свое отношение к AI-кодингу.

А вчера я удалил папку .roo из проекта. И мемори банки удалил. Клод код пошуршал по этим файлам и сказал, что это прошлый век, там нет ничего полезного и он может лучше из коробки. Я с ним согласился и ушёл настраивать openclaw.

Что 9000 часов работы расскажут обо мне?

Попросил Сlaude Cowork проанализировать всю выгрузку моего Session за 3 года и проанализировать, что отличает мои лучшие недели (по часам работы) от остальных:

1. Consistency > Intensity Не "пахать 16ч в один день", а "не иметь дней по 1-2ч" Постоянство лучше, чем разовые рывки. В лучших неделях я работаю 7 дней в неделю и даже самый слабый день (из 7 дней в неделе) в среднем 5.8 часов. Если эта неделя была хорошей, следующая скорее всего будет тоже (корреляция +0.39)

2. Wide Span > Grind Hard Не "интенсивнее за 8ч", а "растянуть рабочее окно и заполнить его" Я не работал 10-12 часов без перерыва, мои рабочие блоки относительно широко распределялись по дню. В мои лучшие недели начало и конец работы разделяло, в среднем, 16.5 часов (по сути всё время бодрствования), но работа чередовалась с прогулками, спорт-залом и т.п. Я рано начинал и поздно заканчивал работу (но не позже полуночи, иначе испортишь себе следующий день

3. Deep Sessions > Many Sessions Способность уйти в длинную сессию – маркер лучших недель Не распыляться на много мелких задач, а иметь цельные блоки непрерывной фокусированной работы. В топ-неделях я начинаю день в среднем с 2-часовой сессии ("начинать день с Top Goal of the Day") + хотя бы раз в неделю была сессия на 8ч. Около 72% всех сессий в блоках по 90+ минут работы. В плохие недели первая сессия 87мин и много мусорных заходов <15мин

4. Afternoon Core + Morning Bonus Твой движок – afternoon. Утро – это то, что отличает хорошие недели от средних В лучших неделях моё время работы приходится в основном на день и на утро (с 6 утра до 6 вечера). В худших неделях на вечер и день, больше на вечер. И самое важное отличие, в свои худшие недели, я более чем в 2 раза меньше времени набираю днём

5. 1 Project Focus > Scatter Концентрация на 1 проекте коррелирует с output. Когда 60%+ времени на одном проекте (обычно разработка по Vibe) – выхлоп выше. Расфокус по нескольким проектам = слабая неделя. В лучшие недели всегда было ясно, что сегодня основное

6. Streak Killers: что убивает следующую неделю? Your worst day protects your best streak Худший день этой недели многое говорит о следующей. Если вечером (или тем более ночью) работаю больше чем днём, очень высокая вероятность спада продуктивности на следующей неделе. Высокий минимум дня на этой неделе – высокий шанс, что серия хороших недель продолжится. Опять же consistency > intensity

#LifeOps

агент для metabase

выше писал про то, что хочется иметь "cursor для metabase". поэтому почитав ваши комменты, я сделал настроил себе cursor для metabase (хех)

что делал: 1. взял курсор как агента 2. выпустил себе metabase api-ключик 3. прикрутил к агенту metabase-mcp-server. однако агент использовал его только для read-операций. все write операции делались через curl напрямую 4. по итогу процесс такой: я пишу агенту запрос "построй bar chart за последние 14 дней по всем solo escape играм и сделай разбивку по ton/stars" –– курсор выдает ссылку на карточку, которую я редактирую визуально, итерирую и добавляю в дашборд

такой сетап с нуля работает плохо агент вообще ничего не понимает, не понимает данные, совершает ошибки, попадает в бесконечные циклы из-за неправильного формата api-запросов

поэтому пришлось его ✨обучить✨

можно было потратить несколько часов и описать все самостоятельно в AGENTS.md, но это противная задача – я с ней прокрастинировал (думаю, вы тоже не любите это делать)

я решил сделать так: 1. прошу агента что-то сделать 2. итерируюсь в чате, пока не добьюсь результата 3. (главное) в конце задачи прошу сделать дамп всех инсайнтов о процессе в AGENTS.md, чтобы последующие агенты могли быстрее выполнить свои задачи

и это действительно работает. спустя запросов 5 агент смог хорошо ориентироваться в дашбордах и таблицах. ему можно было давать bulk-операции вида "сделай везде цвет профит-чартов зеленым" и задачи на построение целых дашбордов в 1 запрос

про модели в основном у агента 2 задачи: хорошо уметь в тулколлы (для ресерча бд и дашкбордов) и уметь писать sql. супер много интеллекта тут не надо. я попробовал 3 модели. больше всего зашел sonnet-4.5 (отличный баланс скорости и умности). gpt-5-* – слишком долгая, хочется быстрее, хотя надежнее. также попробовал composer-1 (модель от курсора) – очень быстро, но чет ума не хватает, частые ошибки и пропуски

я доволен. -1 рутинная задача, спасибо ии

Clawwork Cowork

Тем временем Anthropic превращает Cowork в эдакого clawdbot/openclaw --> появилась фича Dispatch, которая позволяет с телефона запускать задачи на компе: на скрине я попросил сказать мне, что на последнем скриншоте, что я сделал

Как я говорил на том вебинаре - подобие openclaw/clawdbot постепенно появится в "безопасном" виде у топовых лаб. ЧТД. Но проактивность пока не подвезли "Claude responds to messages only. Claude won't reach out proactively—it only works on tasks you assign."

Мне кажется, от зависимости на Claude Code и других агентов поляжет много народу

Когда я попал в ИТ и годы спустя, основная ценная мысль к которой приходишь примерно такая «по одному мы мало что можем, мы должны работать как команда чтобы делать великие вещи»

И это абсолютная истина – талантливые коллеги на местах мотивируют делать больше, гордиться продуктом, а вместе, иногда, вы делаете невероятное; но все это – очень сложная в поддержании система отношений между людьми

И вот, настает эпоха кодинг агентов - теперь любой член команды может заменить многих коллег цифровыми аналогами – Codex 5.2 xhigh и Opus 4.5 для работы, с GPT 5.2 Pro для написания PRD, в умелых руках способны на чудесные вещи, которые лет 5 назад стоили больших денег на рынке – «универсальная команда» доступна 24/7 и попадает в руки человеку с идеями, и любой человек с идеями не готов к этому новому миру

Человек с идеями начинает сначала делать, то, что давно хотел, потом реанимирует заброшенные проекты, через какое-то время покупает уже 7й домен «на всякий случай», ставит рекорды заброшенных в будущем проектов – но сегодня он ИТ-всемогущ, как ему кажется, на каждое сложное знание есть свой skill, на API-интеграцию – MCP сервер, на каждый сложный вопрос есть 5.2 Pro, которая не хуже чем многие эксперты в своих областях

И человек с идеями теряется – у него впервые в истории ИТ развязаны руки, он перепробовав все, не знает из чего выбрать, потому что идей, впервые, не больше чем ресурсов и терминал теперь источник эндорфина, не рилсы-тиктоки, даже не игры – мечта детства, всемогущая терминальная сила теперь стоит 200$ в месяц

В этой системе, мне кажется, самый ценный новый навык которого раньше не существовало, он был не нужен – научиться себе говорить «я это не делаю, не нужно» – потому что ресурсов уже сейчас хватает почти на всё и из-за этого формируется новая зависимость «создавать»

Мне кажется, многие не научатся себе это говорить – в коктейле FOMO и желания что-то сделать, видимо, появится новый психоз – уже чисто айтишный, где АИ-слоп выражен даже не в качестве кода, а в самом смысле продукта, в объемах информации, что человек производит в интернет

Ну или это правда ранние сигналы технологической сингулярности – мир где все могут всё в ИТ, мне пока непонятен, я к нему тоже не готов, и тоже учусь отказывать себе делать любую идею, что приходит в голову 🏥

Мой AI-сетап FW2026

Claude Code за $100. Планирование и agentic таски: перс ассистент, сетап VDS, всё что требует контекст и рассуждение. Планирование через superpowers

Codex за $200. Чисто code execution. Все матёрые OG разрабы пишут на нём. Плох в планировании и вайб-кодинге, когда не знаешь чего хочешь. Но если знаешь — улетает.

Ещё один трюк — cross-review. Задачу оформляю в Claude Code через брейншторминг, собираем план и финал скидываю кодексу на проверку. Кодекс доточенный к деталям: хорошо ловит ситуации когда хотим реализовать функцию, но забыли поддержку в другом месте или тест не написали. Клод чаще соглашается. Кодекс ищет.

IDEшка Zed, но в 90% случаев хватает Ghostty. Ещё понравился Codex App: удобный интерфейс для ревью изменённых файлов, работает быстро. Жду T3Code от Theo.

Был бы broke – оставил только кодекс. Токенов в разы больше, модели с контекстом работают лучше. Клод даже за один небольшой промпт у меня 30-40к контекста съедает при отсутствии system prompts и mcp. При этом работаю часто в 2-3 потока одновременно и на кодексе до 50% лимита ни разу не добирался, а клод периодически отлетает.

Antigravity не пробовал, как и курсор. Не очень понимаю как посредники работают с моделями.

Gemini пока не тестировал, но хочу скоро потестить с Pi agent. Модель вроде до сих пор плохо работает с tool calling.

💥Lovable бесплатен до 6го октября!

Lovable — это популярный вайбкодинг инструмент для создания веб-приложений по промпту.

Щедрая акция — в рамках коллабы с Гуглом и новой килер-фичей Lovable Cloud: позволяет вайбкодить бекенд. А это значит, что логин, база данных, загрузки изображений и прочие функции требуещие постоянной работы сервера теперь добавляются в продукт по промпту.

Если искал идеальный инструмент, чтобы начать вайбкодить это он.

lovable.dev

однажды в Бразилии я пропустил свой рейс и ожидал следующего, сидя в кафе. как тут рядом со мной оккупировали столики молодые бразильские девушки и парни в толстовках Escola Bolshoi Brasil

поскольку мы были скованы ожиданием одного рейса, я решил закрыть комп и поболтать.

так узнал, что в Бразилии есть единственный филиал Большого театра в мире. причём в небольшом городе Жоинвиль, в котором живет 400к человек. гугл из достопримечательностей называет музей иммиграции и колонизации, музей льняного хлопка и церковь святого франциско. я был там одни раз, но в школу не попал - нужно приходить только в определенные часы.

почему именно там загадка. есть единственная документалка про это, на RT. там говорится, что мэр настолько проявил любовь и настойчивость, что Большой в москве не выдержал и согласился на открытие школы. но с условием, педагоги только из Москвы.

здесь педагоги из Большого уже 25 лет учат детей со всей Бразилии. для ребят из бедных семей обучение бесплатное, школа предоставляет жильё, питание и страховку. цель дать детям профессию и возможность изменить жизнь через искусство. выпускники потом выступают по всему миру: Большой, Казанский театр, Берлинский балет, Нью-Йорк.

среди выпускников школы Большого театра в Жоинвиле значится и самая молодая self-made женщина-миллиардер на момент написания этого поста

Luana Lopes Lara окончила школу, поработала балериной в Австрии, но в балет решила не идти и задалась целью поступить в MIT изучать CS. спустя несколько лет она подаёт заявку в YC с проектом Kalshi, prediction marketplace.

сегодня Kalshi оценивается в $14B.