Вайбкодинг

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.👇

Как LLM-ки рекомендуют помыть машину, если мойка в 50 метрах от тебя? 🚗

GPT и Claude такие: — «Ну а зачем гонять тачку 50 метров? Дойди пешком».

Gemini — подумал. И рассудил корректно.

Да, вопрос специально сформулирован с подвохом. Да, можно поспорить о корректности постановки. Да, выглядит забавно.

Но я вообще не про мойку.

Я про то, что в корпоративном контуре без: — правильной постановки задачи — валидации логики — проверки ответа — точек контроля — и здравого смысла

…даже при текущем МОЩНЕЙШЕМ уровне развития ИИ нужно быть аккуратным.

Потому что одно дело — посмеяться над «пешком сходи». И совсем другое — когда ИИ анализирует:

— страховые дела — закупочные документы — должностные инструкции — ведомости

Там такие «приколы» уже не смешные.

ИИ без рамки — это не магия. Это вероятностная модель, которая очень уверенно может ошибиться.

Поэтому внедрение ≠ «прикрутили LLM». Внедрение — это архитектура, контуры проверки, ограничения, логика принятия решений.

Напомните в комментариях, в каких задачах LLM «из коробки» лажает?

Помню историю про «сколько остановок между станциями метро» — там тоже было весело. Сейчас прогоню заново и выложу свежие ответы в комментарии 😄

в прошлом октябре разработчик Курсора написал в твиттере: что мы должны сделать следующим в Курсор?

я попросил компаньон-апп: приложение для контроля терминала чтобы не сидеть как дурак у компьютера чтобы нажимать «акцепт алл чанджес».

курсор его так и не сделал, зато вчера его выкатил Клод Код. как удачно, ведь за прошедшие 4 месяца я полностью на него переехал.

👾 Клод, у нас пятничный релиз намечается, че ты лег то так невовремя?

Третья попытка за месяц одолеть OpenClaw

Каждая предыдущая заканчивалась тем что он был просто бесполезен для меня. Но потом очередной знакомый кидает мне ссылку на статью или я сам в Threads/X натыкаюсь и думаю - ну видимо я что-то не так делаю))

Как работаю сейчас? Claude Code как старший товарищ - настраиваем младшего через него) Ищет лучшие практики, проверяет уязвимости и тд

Сегодняшний эксперимент наверное самый удачный и кое-какие полезные применения я все же нашел, но пока не хочу ничего советовать. Выжду недельку а потом напишу)

Кто уже поставил? Поделитесь мнением - он вам РЕАЛЬНО экономит время или просто игрушка? И кто не ставит - почему?) Давайте подискутируем

@atlfreedom

Микропример, как AI помогает справиться с мелкими, но бесячими неурядицами: сайт авиакомпании поломался и отказывался меня регистрировать, поэтому я попросил Клод в Хроме переписать его так, чтобы скрыть мещающие пройти далее окна. Теперь мне не придётся вставать в пять утра на очную регистрацию.

Да, я знаю, что умельцы могут всё это сделать сами руками. Но я-то не могу, у меня ушли бы те же лишние полтора часа чтобы разобраться, как.

Cursor провёл в Париже курсор-кафе: встречу-коворкинг с командой, в рамках которой они рассказывают о новых фичах и знакомят комьюнити друг с другом. Я сходил. Их лонг-раннинг агенты прикольные, но дорогие жесть (ну шутка ли, три недели крутить луп), в остальном мало что есть рассказать конкретного, мероприятие больше про нетворк (и у лондонских скоро насыпят вакансий в их офисе, но на нас никаких планов нет).

Из смешного: много хвастались, что они хранят кодбазу в векторах, как RAG, не то что клодкод. А клодкод наоборот, хвалится, что не использует вектора, всё ищет грепами. И те, и другие утверждают, что их подход лучше, а второй пососный 🌚

Удалось познакомиться и пообщаться с Ником Миллером, инженером, до ужаса напоминающим Крейга Федериги из эпла, и натырить значков-стикеров. Даже брендированный кофе подарили!

В Cursor появился свой маркетплейс

По сути то же самое что давно есть и в Claude Code.

Что это такое для тех кто не в курсе? Вот есть скиллы (знания которые пакуем в markdown файлы/скрипты и папки), есть MCP (Model Context Protocol - дает возможность модели общаться в структурированном виде с внешними сервисами), есть сабагенты (позволяют запустить какой-то процесс внутри текущего процесса для экономии токенов-контекста).

И есть соответственно люди/сообщества/организации которые выпускают набор всего вышего перечисленного (или чего-то из - например у сапабейза Skill и MCP). Это объединение и есть плагин. То есть по сути пакуют свою экосистему в агентную косметичку)

На данный момент не такй большой маркетплейс и не нашел возможности добавлять сторонние маркетплейсы (как можно у CC), но думаю будет расширяться.

В целом текущий набор более чем покрывает многие интеграции.

Кто пользовался уже? Делитесь опытом в комментах, задавайте вопросы 👇

@atlfreedom