Вайбкодинг

в один вечер, лол 🙂

⚡️ Opus 4.6 https://www.anthropic.com/news/claude-opus-4-6

⚡️ GPT-5.3-codex https://openai.com/index/introducing-gpt-5-3-codex/

P.S. для контекста - Opus 4.6 проигрывает в SWE Verified Opus 4.5, но побеждает в Terminal Bench с лёгким отрывом (65.4% против 59.8%). В то же время GPT-5.3-codex доминирует и там и там, причем в terminal bench с диким отрывом - 77.3%

Все так хвалят Cursor, но почему-то никто не пишет про проблемы с Remote SSH.

Есть разный набор танцев с бубном, которые вроде как позволяют что-то завести (например, попробовать поставить версию постарше, до блокировок от Microsoft), но как-то оно попахивает.

Останусь пока на VSC + Roo + Codeium

ACP в zed оказался не так хорош, как я думал

Ну ладно, пока буду делать claude -r

https://github.com/zed-industries/zed/issues/37481

Знакомый работает разработчиком в Perplexity

Ну, как разработчиком. Код пишет Клод, естественно, а он говорит ему, что писать.

И вот на его примере интересно заметить, как изменился мир.

Года полтора назад он менял работу и говорил, что не уверен, что хочет продолжать карьеру разработчика, а хочет больше быть продактом/менеджером

А сегодня даже вопрос так не стоит: ты и разработчик и продакт одновременно, по-другому уже просто невозможно

Как Anthropic проехался по OpenAI

Помните в посте про исследование OpenAI я пошутил, что оно выглядит как проспект для рекламодателей? Не могу не пройти мимо этой рекламы Anthropic, где они проехались по OpenAI и их решению сделать рекламу. Посмотрите, очень качественно проехались

А мне очень зашёл анализ, которая сделала Наиля - причём, для этого она запилила agent skill, который помогает ей быстро сделать аналогичный анализ для любого кейса. Прикольно, что там и анализ реакций, и паттерны для использования в своих кампаниях, и разбор по PESTEL, и тп.

Вот отрывок из анализа: "Паттерн 1: «Конкурентное дзюдо»

Описание: Превратить слабость конкурента в свою силу через прямой контраст. Конкурент делает непопулярный шаг → вы громко заявляете, что делаете противоположное.

Почему сработало: OpenAI сама создала повод, объявив о рекламе в ChatGPT. Sam Altman ранее (май 2024) говорил, что реклама — «последний ресурс». Менее чем через 2 года — разворот. Anthropic атаковала в момент максимальной уязвимости.

Где применимо: Любая ситуация, где конкурент принял непопулярное решение (повышение цен, ухудшение условий, сокращение сервиса). Особенно эффективно в B2B, где доверие — ключевой фактор выбора.

Условия переноса: (а) Конкурент действительно сделал непопулярный шаг, (б) у вас есть экономическая возможность не делать то же самое, (в) тайминг — атаковать нужно в момент объявления, а не через полгода."

и вот это

Escape clause (важная деталь)

В блоге есть оговорка: «Should we need to revisit this approach, we'll be transparent about any changes.» Это сохраняет гибкость на будущее, но преподнесено как элемент честности, а не как лазейка.

я не из мира рекламы и пиар, но мне такой анализ дал системность для взгляда на этот кейс: знаете, как когда думаешь, что что-то "искусство", но поговорив с экспертом, начинаешь замечать и "науку" в оном.

https://www.youtube.com/watch?v=De-_wQpKw0s&list=PLf2m23nhTg1OW258b3XBiJME7tgrRk-KI&index=1

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.

Еще, кстати, вайбкодинг очень сильно повышает требования к скорости выполнения задач.

Раньше разработчик говорит: «эту штуку пилить две недели», и мы такие блин ну ок

А теперь мы говорим: какие нахрен две недели, я сам это за два часа запилю.

Ну и где-то на двух днях в итоге можно сойтись

Насколько всегда с отвращением пользовался Курсором, настолько же (но в положительную сторону) с удовольствием запускаю задачи в Claude Code. Сложно объяснить это ощущение, но как-то там более лампово и уютно что ли. И результат сильно лучше, особенно после нескольких итераций с ревью в Copilot.

А главное — нет причин менять IDE/редактор. С zed так вообще нативная интеграция из коробки, но всегда можно открыть терминал и сделать там всё.

Удивительно, что пока экстеншены затаскивали векторный поиск и наворачиваи UI, оказалось, что агенту достаточно grep для того, чтобы собрать хороший контекст и sed чтобы поправить код.

очень рандомный brain dump по наблюдениям за 2025 год в saas x ai

1. AI больше всего отразился на замещении разработчиков. занятость среди software developers 22–25 лет упала на ~20% с 2022 (Stanford Digital Economy Lab). атрибуция сложная правда, тут и post-ZIRP коррекция, но coding AI agents точно crossed the chasm.

косвенный прокси - отчет Menlo Ventures: корпоративный AI spending вырос до $7.3B в 2025 (+4.1x YoY). кодинг это $4B, это 55% всего departmental spend. остальное: IT (10%), marketing (9%), customer success (9%), design (7%), HR (5%).

2. больше задач программистов из 2022 берут не-программисты. уже видел как CPA строят AI-powered tax filing без бэкграунда в коде или как HVAC-компания пилит свою CRM.

когда стоимость создания близка к нулю, стоимость поддержки теряет значение.

поэтому имхо velocity is your moat bs. ты не обгонишь цикл обратной связи пользователя, который решает свою проблему сам.

3. vibe-coding убил low-code никто почему-то не обсуждает, какое стремительное замещение / disruption категории произошло за 12 месяцев. Webflow, Retool, Airtable имхо рип. обещали демократизацию, но реальность это lock-in и ограниченная кастомизация. Lovable, Bolt, Replit Agent за 12 месяцев набрали $36B+ combined valuation. Lovable: с $7M до $84M ARR за 6 месяцев. Replit: с $16M до $252M ARR за год (+15.8x). «старый» low-code рынок — $29B. vibe-coding съел его на глазах.

4. AI-native application layer быстрее забирает рынок у инкамбентов и растут лучше чем AI-native инфра. стартапы забрали 63% рынка AI-приложений vs 36% год назад. application layer = $19B из $37B общего spend. в кодинге стартапы = 71%, в sales = 78%, в finance/ops = 91%. инкамбенты держатся только в инфраструктуре (56%) — Databricks, Snowflake, MongoDB выигрывают за счёт интеграций и доверия.

5. бизнес по майнингу вертикальных данных и продаже норм. все growth-stage вертикальные ent компании охотятся за владельцы данных, которые решают, кому давать эксклюзивный доступ.

пример: Harvey в 2024 пытался купить vLex (поставщик юридических данных), не договорились, в итоге сделали партнёрство с LexisNexis. vLex достался Clio, другой LegalTech-компании.

чего ожидать: консолидация среди поставщиков данных;

вынужденные сделки для AI-стартапов, потерявших доступ к данным;

вертикальные AI-компании начнут объединяться ради общего пула прав на данные.​​​​​​​​​​​​​​​​

6. сервис vs продукт - граница размывается инструменты настолько глубоко встраиваются в доменные workflows, что начинают напоминать intelligent service providers. сейчас агенты уже умные, но пользователи ещё требуют внедрение с полным сопровождением. инструменты уже умеют больше, чем юзеры способны освоить. в некоторых индустриях это видно сильнее. AI SecOps стартапы (Aegis AI, Litt Security) называют себя "AI agent companies", но по сути это аутсорсинг compliance officer. AI SEO тулы то же самое.

консалтинг подтверждает тренд. Accenture, Deloitte, EY растут 11–12% в год McKinsey, BCG, Bain растут 5–6%. хотя их только ленивый не закапывал в 2023. execution-first с AI интеграцией побеждает стратегический консалтинг.

forward deployed engineers который хайпует в долине (Anthropic с Accenture анонсировали 300 FDE; и 470к лицензий с Deloiite) Accenture берёт на себя «налог на ИИ-неграмотность» от лица корпораций. стартапы не могут с этим конкурировать, потому что каждому стартапу приходится выращивать клиента с нуля. большинству клиентов white-glove не нужен, они хотят просто работающий продукт.

капиталоёмкость растёт не потому что продукт дорогой, а потому что сервисная обёртка обязательна. доля рынка коррелирует с объёмом привлечённого капитала, не с качеством модели. вертикальный AI масштабируется через людей и эксклюзивные данные, не через вирусный рост.

то есть парадокс с первый тейком - нанимать людей надо больше.

Если первые впечатления от того же Cursor были отвратительными, то сейчас он уже как-то подуспокоился в своём стремлении делать YOLO и может предоставить сравнимый с Roo опыт постепенного продвижения по задаче. При этом, конечно, в более приятном интерфейсе (те же диффы изменений выглядят гораздо наглядней, чем в Roo).

И значительный плюс, что можно вносить правки в диффы налету — Roo от такого с ума сходит и пытается вернуть файл в то состояние, в котором он его запомнил. Понятное ограничение экстеншена, но всё же. Нам же код писать, а не экстеншены прощать.

В целом и там, и там можно работать с одинаковой эффективностью. А вот вопрос стоимости сложный, понятно, что в чистом виде Cursor будет дешевле, но кто ж знает, к каким моделям у вас есть доступ? У меня вот Roo смотрит в «бесплатный» развёрнутый внутри DeepSeek и платный Claude. Щёлкаю под задачу и наличие денег на счету.

Сама по себе работа в паре с AI (то, что пытались зафорсить как DeepCoding в противовес VibeCoding, но, кажется, не прижилось) неплохо так прокачивает скиллы код-ревью. Я (как типичный IC) редко работаю над кодом в команде, и вот тут второй пилот вернул забытые ощущения и позволяет держать ритм.

Продолжаю радоваться, что дожил до такого.

я знаю, что уже нахваливал gpt-5.2-codex-xhigh/codex-cli выше, но накину ещё: это единственная связка, которая сейчас умеет сама идентифицировать зоны рефакторинга, предлагать действительно адекватные рефакторинги и изоляции сущностей, с семантическим разделением, и так далее, и полностью автономно выполнять.

я прям смотрю на свои прошлые workflow вокруг opus, которые я юзал для plan-implement-refactor, и мне прям угарно от того, сколько у меня там всяких guardrails: "проверь, не нарушил ли ты А", "проверь, соответствует ли это паттерну Б", "убедись, что С", и так далее, ито они не всегда спасали. здесь (gpt-5.2) в 99% процентов случаев: 1. "вот проблемные зоны, собери план рефакторинга" 2. вношу 2-3 правки в план, уточняю бизнес-логику 3. "имплементируй"

сейчас постараюсь сделать аккуратное утверждение, но тем не менее: кажется, наклёвывается scaling law в ИИ-кодинге. все предыдущие полностью автономные ИИ-кодинг решения не способны в самолечение технического долга, как не обмазывайся промптами, через некоторое время наступает конец. надо либо очень тщательно дробить проект, либо, если ты сам разраб, обязательно вносить архитектурные коррективы.

gpt-5.2-codex заставляет меня верить в возможность фактически бесконечной разработки проекта только через ИИ-кодинг и без заглядывания в код - он умеет (если попросить) идентифицировать зоны с тех. долгом, и самостоятельно их чинить так, что проект остаётся расширяем, поддерживаем и работоспособен.

Для тех, кто предпочитает аудиовизуальный контент, а не эту всю писанину: поговорили с Антоном, одним из самых крутых инженеров и спикеров в русскоязычной computer vision тусовке. Обсудили Copilot, chat GPT и прочие LLM-based инструменты, и как они могут повлиять на околоDS карьеры.

я не понимаю, что иногда курят авторы доков по AI тулам, но решил не проходить мимо конкретно этой штуки, т.к. в ЛС уже раз 5 спросили про одну и ту же проблему

я не знаю, кому пришло в голову написать в примерах в официальной спеке и на сайте Курсора, что в теле markdown SKILL.md есть раздел "When to use this skill".

НЕТ, этот раздел не работает. НЕТ, агент не принимает решение о загрузке скилла на основе этого раздела. НЕТ, у агента в контексте вообще нет содержимого скилла ДО того, как скилл был загружен.

_единственное_ место, где вы даёте агенту анонс, "что это за скилл и когда его надо загружать" - это поле description вверху SKILL.md (во frontmatter'е).

ещё раз: содержимое скилла читается уже постфактум, когда агент УЖЕ принял решение, что хочет его загрузить. зачем внутри скилла писать раздел "When to use this skill" - загадка.

чет неделя философских дум, посты в голову не идут, так что пока в режиме тишины. по Codex app - nice, чутка сыровато, но юзабельно. хотя принципиальных причин пересесть в него с cli я назвать не могу - но, думаю, через 1-2 месяца это точно станет более стандартным способом юзать codex, чем cli.

btw, из недавно прочитанного и сочного, рекомендую: https://www.astralcodexten.com/p/sota-on-bay-area-house-party

Личные итоги года по сравнению с 2024:

- много работал, интересно и в основном в кайф, но по итогам почти безрезультатно, back to square one - штош, не прокнуло. Очень благодарен всем соучастникам, вы классные; - перешел от старого доброго ML к agentic AI шаманству. В целом бодро, но немного ностальгирую по временам, когда модели можно было учить (нытье по этому поводу - раз, два); - незапланированно оказался в бигтехе с его плюсами и минусами; - был соавтором статьи, которую не приняли на воркшоп NeurIPS, зато после доработки приняли на SANER; - почти перестал писать код руками и сдался вайбкодингу, claude code - однозначно инструмент года; - сделал слегка виральный brainrot пет-проект @ScratchAuthorEgoBot, там все еще теплится жизнь; - подарил сколько-то экземпляров книги с автографами, каждая подпись - лютый кринж; - наконец-то выучил и сдал польский на B1, практически сразу после экзамена половину забыл; - ощутил два землетрясения за три дня (одно на семерку), интересный опыт для жителя равнины; - впервые оказавшись на горнолыжном курорте, свалился с T-bar подъемника.

С наступающим, дорогие читатели! 🥂

А вот и запись стрима про то, как я юзаю Claude Code

В этом видео: 00:00 - Введение 01:58 - Как использовать Claude Code 08:10 - Почему важен контекст 11:42 - Подключаем календарь 27:35 - CLAUDE.md 32:56 - Возможности MCP серверов 40:18 - Автоматизация повторяющихся сценариев 46:20 - Skills: что такое и как использовать 53:30 - Skills: создание лендингов 01:04:50 - Skills: делаем презентацию 01:15:49 - AI Personal OS 01:18:41 - Удаленный доступ с Happy Server 01:23:32 - Claude reflect: определяем кандидатов на автоматизацию 01:27:44 - Выводы и ответы на вопросы

https://youtu.be/AL81s5BPwXo

Все побежали и мы побежали

Ну как, выбор между Roo и Cline сделали? На Claude, небось? Мемори банки собрали? В своей продукт добавили агента? А моделька в продукте у вас какая — Qwen или DeepSeek? Как так нет локальной модели, а куда вы будете грузить пользовательские данные? А как тюнили под задачи, RAG? А MCP-сервер уже запилили? В опенсорс его закинули?

Что ж так быстро-то всё меняется, выдохнуть некогда. Архитектуркой бы позаниматься, долги позакрывать. Но некогда. Рынок требует AI. Надо пережить эту волну, но кто бы знал, какая будет следующая.

RAG на коленке

Решил тут на днях собрать пруф оф концепт чат бота по документации внутреннего проекта. Раз проект внутренний, то никакая LLM про его документацию не знает и, тем более, сходить по сети за ней не может. А значит нужен RAG. Вот тут можете можете почитать, что это такое. TLDR — смотрим, что пользователь спросил, находим нужные разделы в документации и подмешиваем в промт. Дальше моделька сама справится.

Обычно для поиска используют векторы. Векторный поиск позволяет бодро искать фрагменты совпадающие с запросом по смыслу, а не просто по совпадению слов. Для векторизации нужны нейронки, которые умеют делать эмбеддинг — преобразовывать текст в вектор. Берём наши доки, бьём на чанки, вычисляем векторы, сохраняем. Приходит запрос пользователя — делаем из него вектор и вычисляем косинус угла между запросом и имеющимися данными в бд. Чем ближе косинус к единице, тем ближе запрос пользователя к нужному фрагменту документации.

Результат офигенный конечно. Но вот зараза, у меня нет под рукой нейронок для эмбеддинга. Во внешний мир ходить не хочу, проект внутренний. Что же делать, как показать пруф оф концепт? Собираем с Клодом веб-скрейпер на плейрайте, дербаним доку в JSON, кормим этот JSON приложению на ноде, обслуживающему чат. Теперь на каждый запрос пользователя выбираем слова подлинней, лезем в JSON и находим совпадения (ахах, да, можно было бы и морфологию прикрутить, но некогда, работа не ждёт). Собираем промпт по совпадениям и закидываем в LLM вместе с запросом пользователя. И оно работает. Да, неоптимально, чертовски неоптимально. Но для PoC за глаза хватило.

btw, писал пару недель назад про то, что в Cursor будет debug-режим. и вот, его завезли в паблик релиз: https://cursor.com/changelog

ещё из интересного - теперь после работы пачки параллельных агентов, в конце добавляет коммент, какой агент по мнению Курсора лучше всех справился с задачей (aka "agent judgement"). вполне приятная фича, но не очень понятный юзкейс

ладно-ладно, уговорили, попробую именно в codex-cli его поюзать. за использование cli вместо gui молоко должны за вредность давать 😕