Что попробовать с Jev: 20 репозиториев на GitHub Вокруг Jev сейчас настоящий бум идей. Модель TypeSafe принимает структурированные решения: например, выбирает действие из заданных вариантов или оценивает данные. Разработчики уже пробуют встраивать её в самые разные задачи. Вот 20 GitHub-репозиториев: проекты на Jev и инструменты, которые могут пригодиться для экспериментов с ней. По каждой ссылке можно посмотреть код и описание. jev-ultrafast — Браузерный агент: выбирает действие и элемент страницы. fast-jev-compaction — Сокращение контекста Claude Code без пересказа сохранённого. json-render — Сборка интерфейсов; интеграция Jev экспериментальная. typesafe-mcp — Подключение Jev к Codex, Claude Code и другим агентам. jev-mcp — Проверка утверждений по источникам и сортировка данных. SemDecide — Классификация и оценки через командную строку. jev-codex-router — Выбор модели и глубины рассуждений для вызовов Codex. Winnow — Фильтрация лишнего в ответах инструментов Claude Code. jev-review — Проверка кода и оценка рисков изменений. Blink — Поиск нужных файлов в кодовой базе по смыслу запроса. agent-desktop — Управление приложениями через дерево элементов интерфейса. typesafe-mario — Jev играет в Mario, получая данные из эмулятора. jev-drone — Выбор манёвров дрона в симуляторе MuJoCo. OneVOneJev — Браузерный шутер с Jev в роли противника. jev-trader — Эксперимент с торговыми решениями на Monad. Prism — Оценка рыночных состояний внутри агента ликвидности. neo4jev — Выбор пути по связям в графе знаний Neo4j. jev-curate — Отбор данных для обучения моделей. Canny — Проверка заявлений агента о завершённой работе. killmyidea — Оценка идеи стартапа по нескольким критериям. Сохраните список, если присматриваетесь к Jev: будет откуда взять идею для первой пробы. pimenov.ai/blog
НИИ ИИ
НИИ ИИ Сергея Пименова. Я смотрю на мировые тренды в ИИ из Ростова. Про то, как ИИ реально меняет людей, города и профессии — сегодня, а не «к 2035 году» Закрытый чат ПЕРЕЗАГРУЗКА https://t.me/reload_pimenov_ai_bot?start
-
-
Собрал краткий справочник для новичков по файлам контекста ИИ-агентов: AGENTS.md, SKILL.md, DESIGN.md и другие markdown-файлы в корне репозитория. Ситуация знакомая: подключили coding-агента, и через месяц в проекте уже пять файлов с похожими правилами, которые начали расходиться. В справочнике разобрано, какой файл за что отвечает: AGENTS.md как единый источник истины, SKILL.md для возможностей, подгружаемых по требованию, а файлы конкретных инструментов просто генерируются из AGENTS.md скриптом. Внутри: карта файлов, минимальный шаблон AGENTS.md, скрипт синхронизации и чеклист из десяти пунктов. И отдельная находка из исследования 2026 года: автогенерированные файлы контекста снижают долю успешных задач и поднимают расход токенов, а написанные вручную дают небольшой выигрыш. 👉 Файлы контекста для ИИ-агентов: AGENTS.md, SKILL.md, DESIGN.md
-
Higgsfield Genjutsu позволяет менять уже снятое видео: переодеть человека, заменить предметы или перестроить окружение, используя движения из исходного дубля. Жесты и движение камеры следуют исходной записи, поэтому сравнение выглядит особенно убедительно. Genjutsu работает внутри Higgsfield. Есть два основных режима: перенос движения в новую сцену и замена отдельного объекта. Вы загружаете ролик, при необходимости добавляете изображения-образцы и выбираете готовый вариант преобразования или описываете нужное изменение. Удачный дубль можно использовать для нескольких визуальных версий рекламы или короткого ролика. Насколько хорошо сохранятся лицо, руки и детали в вашем случае, нужно проверять на результате. Но сам подход интересный: сначала сыграть сцену, а затем подобрать ей другой мир. Такие инструменты выводят видеофейки на совершенно новый уровень. Глядя на этот ролик, возникает ощущение, что подделать можно вообще что угодно. Человек действительно был в кадре и делал эти движения, а вот одежда и обстановка вокруг него уже выдуманы. Реальная съёмка становится основой для убедительной подделки. pimenov.ai/blog
-
У Qwen-Image-2.1 появилась локальная экосистема без цензуры. Про официальные возможности модели и её запуск в ComfyUI я уже рассказывал, а теперь в китайском ИИ-комьюнити собрали подборку неофициальных сборок: что качать и на каком железе это запустить. Сборок две. Первая: Uncensored GGUF. GGUF — формат сжатия весов для локального запуска. По описанию автора, внутри официальные веса без изменений, но в локальном контуре нет платформенного фильтра безопасности. К файлу модели понадобятся текстовый энкодер и VAE, они лежат в том же репозитории. Лесенка по видеопамяти: - Q4_0, около 4 ГБ: попробовать на карте с 8 ГБ; - Q4_K_M, 4,6 ГБ: оптимум качества и размера, советуют начинать с него; - Q5_K_M и Q6_K: для 12–16 ГБ; - Q8_0, 7,6 ГБ: почти без потерь при 16 ГБ и больше. Вторая: текстовые энкодеры Heretic. Энкодер переводит промпт в представление, понятное модели, и именно здесь живёт большая часть отказов. Heretic приглушает их через коррекцию направлений в весах: автор называет сценарии вроде референсов анатомии, хоррор-графики и исследования самих фильтров. Варианты: W4A8 для RTX 30 и 40 серий, NVFP4 для RTX 50, GGUF для Mac и слабых карт, BF16 для 24 ГБ памяти. Готовые связки из подборки: - RTX 30/40: Q4_K_M и Heretic W4A8; - RTX 50: NVFP4 для обоих компонентов; - Mac: Q4_K_M GGUF и Heretic GGUF; - 24 ГБ и больше: официальный BF16 и Heretic BF16. Обычной GGUF-сборки хватает, чтобы уйти от платформенных фильтров. Heretic имеет смысл добавлять, когда сама модель часто отказывается выполнять промпт. Теперь можно делать реально любые картинки. pimenov.ai/blog
-
🎧 Аудиоверсия pimenov.ai, 7 мин Codex становится платформой: агент должен жить там, где уже идёт работа OpenAI выделила Codex harness в платформенный слой: агента можно встроить прямо в CRM, таск-трекер или внутренний продукт, не держа его в отдельном чате. Слушать и читать на сайте: https://pimenov.ai/articles/codex-stanovitsya-platformoy-agent-vnutri-raboty/
-
Тибо мне обещал — и сдержит слово. Сегодня будет сброс.
-
repost Кодексом пока не получилось управлять, но с плагинами ChatGPT уже работает.
-
repost На рынке труда жесть. Именно так выглядит ситуация по разговорам с реальными людьми и историям, которые я ежедневно вижу в соцсетях. Люди не могут найти работу под свой опыт, работодатели не понимают, кого нанимать и как оценивать кандидатов. Бизнесу приходится заново разбираться, как должна выполняться работа: что поручить ИИ, где нужен специалист и кто проверит результат. Пока это непонятно, сложно даже сформулировать требования к сотруднику. И тут приходят компании с предложением внедрить агентов. Изнутри ИИ-пузыря всё выглядит логично: инструменты доступны, возможности огромные. Но в разговорах с руководителями я слышу другой запрос. Они готовы платить за выполненную работу. Разбираться в агентах и управлять ими у них нет времени, хватает текущих задач. Предложение автоматизации оборачивается ещё одним проектом, который потребует денег и внимания. Поэтому я вижу перспективу в агентствах, которые сначала выстроят процессы с ИИ у себя, а затем возьмут на обслуживание конкретные функции других компаний. Например, обработку входящих обращений: от получения заявки и уточнения информации до ответа, с передачей сложных случаев специалисту. Клиенту понятны объём работы, сроки и ответственный за результат. Внутри такого агентства повторяющуюся работу выполняет ИИ. Эксперты настраивают процесс под клиента, проверяют качество и разбирают нестандартные ситуации. Отлаженный процесс можно использовать у нескольких похожих заказчиков, чтобы рост объёма работы не требовал пропорционального расширения команды. Человеческая ответственность должна входить в подписку. Если система ошиблась, исполнитель разбирается и исправляет результат в рамках оплаченной работы. Отдельно можно обсуждать новую задачу, стратегию или серьёзную перестройку процесса. Доплата за то, чтобы кто-то проверил уже оплаченную работу, лишает такую модель смысла. Моя гипотеза на 2027 год: такие агентства станут заметной альтернативой найму для части офисной и интеллектуальной работы. Компании смогут подключать нужную функцию с понятными условиями, сохраняя у себя постановку целей и приёмку результата. Для тех, кто сегодня осваивает ИИ, здесь есть возможность: взять на себя работу, которую другим компаниям всё труднее организовать самостоятельно. Бизнес хочет покупать результат, а вместе с ним — возможность больше не управлять каждым шагом его получения.
-
Ну почему всё так?
-
🎧 Аудиоверсия pimenov.ai, 1 мин OpenBot — открытые ИИ-сотрудники на вашей инфраструктуре OpenBot от CopilotKit: архитектура ИИ-сотрудников со своим компьютером, быстрый запуск через Docker и подключение моделей по API-ключу или подписке. Слушать и читать на сайте: https://pimenov.ai/knowledge/openbot-otkrytye-ii-sotrudniki/
-
Как не дать ИИ превратить маленькую правку в большой проект Просите ИИ поправить кнопку, а он начинает переделывать всю страницу. Просите изменить условие, а в ответ получаете новые абстракции и тесты для соседних функций. Маленькая задача разрастается, и теперь нужно проверять ещё и всё то, чего вы не просили. У Voxyz нашёл Scope Guard — набор правил, который удерживает агента в границах задачи. Основная мысль простая: сначала используй то, что уже есть в проекте, внеси минимальное достаточное изменение и доведи его до проверенного результата. Мне здесь нравится баланс самостоятельности и контроля. Агенту не нужно спрашивать разрешение на каждую обычную правку. Но новая зависимость требует обоснования, соседняя проблема должна действительно мешать задаче, а расширение работы нужно согласовать. Обязательные проверки, безопасность и обработка ошибок при этом сохраняются. Промпт можно добавить отдельным разделом в AGENTS.md. Сам промпт не гарантирует дисциплину агента, но даёт понятные критерии, по которым можно оценивать его работу. Контроль объёма задачи: русская версия памятки Scope Guard от Voxyz на сайте. Промпт большой и не помещается в пост. Попробуйте этот блок на одной небольшой задаче. После завершения посмотрите, все ли изменённые файлы относятся к запросу и есть ли подтверждение, что нужное поведение работает. pimenov.ai/blog
-
repost
⚡️ Модель Jev от TypeSafe AI стала доступна всем На старте дают $5 на API-счет (~120млн.токенов). Стоимость: $0,042 за млн входных и бесплатные выходные токены. Дока по использованию: https://docs.typesafe.ai Также на Vercel можно потестить бесплатно до 25 сентября. @ai_for_devs
-
Jevable: что уже собирают на Jev Вокруг новой модели Jev сейчас столько информации, что разобраться во всём потоке непросто. Каждый день появляются новые примеры, восторженные отзывы и обещания. Я пока занял выжидательную позицию: хочу вернуться к ней, когда немного схлынет волна хайпа и станет понятнее, какие задачи действительно стоит пробовать. А пока есть Jevable — сайт, на котором собраны проекты и демонстрации с использованием Jev. Можно выбирать категории и переходить к исходным публикациям авторов. Если сделали что-то своё, можно отправить проект на рассмотрение для добавления в коллекцию. Разброс примеров большой. Есть формы, которые выбирают следующий вопрос по ответам пользователя, поиск писем по смыслу, браузерные агенты и игровые эксперименты. Уже по такой подборке проще понять, куда люди пытаются встроить модель и какие идеи хочется рассмотреть подробнее. Конечно, эффектная демонстрация ещё не показывает, насколько устойчиво решение работает за пределами ролика. Но для первого знакомства такая коллекция полезна: можно найти близкий вам сценарий и изучить конкретный проект, не пытаясь прочитать всю ленту. Если тоже пока присматриваетесь к Jev, сохраните Jevable. Когда захочется попробовать модель, будет с чего начать. Материал про Jev на сайте: Jev от TypeSafe: практическое руководство по модели принятия решений
-
Как устроена память ИИ-агентов, которые анализируют финансовые рынки? На pimenov.ai вышла гостевая статья Антона из QuantumStocks — с устройством его системы, примерами и скриншотами. Мне особенно интересны материалы, в которых человек рассказывает о собственном практическом опыте: что собрал, как этим пользуется, где ошибся и чему научился. На сайте уже вышло несколько гостевых статей, и я всегда рад новым авторам. Такие истории дают возможность заглянуть в чужую работу и увидеть детали, которые редко попадают в общие обзоры. Антон разбирает память своей системы: векторную базу для поиска по смыслу, граф связей между событиями и решениями, библиотеку накопленных навыков. И показывает, как всем этим пользуется команда из 19 агентов. Больше всего мне запомнился эпизод с моделью, которая показывала отличный результат, пока проверка не обнаружила: при подготовке данных код случайно подглядывал в будущее. Ошибку исправили, а урок сохранили в общей памяти — чтобы при следующем эксперименте снова проверить это место. Рекомендую прочитать, если вы собираете собственных агентов или хотите понять, что помогает им продолжать работу с накопленным опытом. Финансы здесь — конкретный пример, а вопросы памяти возникают в любой длительной работе с ИИ 👉 Память для ИИ: почему чат-бот забывает, а агент — нет
-


Qwen-Image-2.1: генерация и редактирование изображений на своём компьютере Alibaba выпустила Qwen-Image-2.1 — модель для генерации и редактирования изображений, которую можно запускать локально. Веса доступны для скачивания, а поддержка уже есть в ComfyUI. В этом посте — три изображения со мной, сделанные в Qwen-Image-2.1. Одна из самых полезных возможностей — настоящая прозрачность. Модель умеет создавать изображения с альфа-каналом, редактировать прозрачные слои и извлекать объекты из фотографий. Например, можно получить человека или предмет на прозрачном фоне для дальнейшего монтажа. В один запрос можно передать до десяти референсов. Есть локальные правки по маске или нарисованным отметкам; разработчики отдельно выделяют сохранение внешности людей и деталей товаров при редактировании. Они также заявляют улучшения текстур, надписей и портретного света. Поддерживается нативная генерация в 2K и привычные пропорции: от квадрата до горизонтального 16:9 и вертикального 9:16. Вот три примера со мной: портрет с карандашной штриховкой, иллюстрация в тёплых цветах и фотореалистичная сцена верхом на бегемоте. В них хорошо виден разброс стилизаций, от рисунка на бумаге до вымышленного кадра, похожего на фотографию. Модель можно запускать локально через Python и библиотеку Diffusers либо через визуальный интерфейс ComfyUI с поддержкой модели: она есть в версии 0.37.0. Одного обновления недостаточно: нужно скачать совместимые веса и компоненты, затем открыть готовую схему генерации или редактирования. При этом 7 млрд параметров относятся только к визуальному генератору. Кроме него используются энкодер Qwen3-VL 8B и VAE, поэтому размер одного файла весов нельзя принимать за требования всего запуска к памяти. Для видеокарт с ограниченной памятью предусмотрена выгрузка компонентов в оперативную память. У весов Qwen Research License: исследовательское и оценочное использование разрешено, для коммерческого требуется отдельная лицензия. Это нужно учитывать, если планируете внедрять модель в рабочие проекты. pimenov.ai/blog
-
TryCloudflare: покажите локальный сайт по одной ссылке Собрали с ИИ небольшой сайт, запустили на компьютере и хотите показать коллеге. Но адрес localhost открывается только у вас. Для такой ситуации есть TryCloudflare: бесплатный временный доступ к локальному веб-серверу по публичной ссылке. Сервис также называется Quick Tunnels. Аккаунт Cloudflare и собственный домен не нужны. Утилита cloudflared сама устанавливает исходящее соединение: открывать порты на роутере и получать «белый» IP не требуется. Ссылка сразу работает по HTTPS. Если cloudflared уже установлена, а ваш сайт работает на порту 3000, достаточно команды: cloudflared tunnel --url http://localhost:3000 В терминале появится случайный адрес вида https://random-words.trycloudflare.com. Отправляете его коллеге, и тот открывает работающий прототип в браузере. На Mac с Homebrew утилиту можно установить командой brew install cloudflared. Порт 3000 в примере замените на порт своего приложения. Так можно показать заказчику промежуточный результат или проверить вебхук — входящий запрос от внешнего сервиса. Удобно, когда обратная связь нужна ещё до размещения проекта на хостинге. Другие задачи этой платформы собраны в подборке практических материалов о Cloudflare. Ссылка действует, пока работают локальный сервер и туннель. Она публичная: HTTPS шифрует соединение, но не ограничивает круг посетителей. Для демонстрации используйте проект без закрытых данных. Cloudflare предназначает Quick Tunnels для разработки и тестирования, без гарантий доступности. Есть лимит в 200 одновременных запросов, а SSE — потоковая передача событий от сервера — не поддерживается. Для постоянного доступа пригодится руководство по Cloudflare DNS, Workers и Tunnels. pimenov.ai/blog
-
🎧 Аудиоверсия pimenov.ai, 1 мин Obsidian — локальная база знаний на markdown Obsidian: локальный vault на markdown-файлах. Плагины, Dataview и Bases, сценарии с языковыми моделями. Когда Obsidian подходит — и когда нет. Слушать и читать на сайте: https://pimenov.ai/knowledge/obsidian/
-
repost
На сайте вышел перевод эссе Machina «Как заработать на вкусе, когда всё вокруг — слоп». Рекомендую прочитать целиком: считаю, что это один из самых важных текстов о том, как делать контент в эпоху ИИ. Я продолжаю следить в X за интересными людьми, и Machina — один из них. Это эссе заинтересовало тем, что в нём отражаются мои собственные мысли. Ровно такой подход я использую, когда делаю материалы для pimenov.ai: агенты пишут черновики, но ничего не уходит на самотёк. Правила записаны заранее, каждый текст проходит отбор и правку, ИИ работает ассистентом, авторство остаётся за человеком. Из текста вы заберёте точное определение слопа: это гладкий машинный текст, который никто не отсеял, даже если он выглядит человеческим. И цифру, которая многое объясняет: на Deezer больше половины поступающей музыки уже полностью сгенерирована ИИ, а слушают из неё 1–3%. Дальше автор разбирает четыре способа превратить вкус в доход: стать фильтром, сделать имя гарантией, владеть персонажами и продавать записанные правила. Отдельно в эссе есть метод из пяти шагов на каждый день: от правил перед генерацией до права вето на собственную статистику. Моё любимое место — про записанные правила. Модель всегда предсказывает самое ожидаемое следующее слово, и без письменных правил каталог незаметно превращается в то, что с той же моделью публикуют все. Я вижу это в собственном конвейере: два одинаковых инструмента дают совершенно разный результат, если у одного есть документ с правилами, а у второго нет. Читать здесь 👉 Как заработать на вкусе, когда всё вокруг — слоп
-
🎧 Аудиоверсия pimenov.ai, 1 мин StemDeck — локальное разделение музыки на стемы без облака и подписки StemDeck — бесплатный локальный инструмент для разделения аудио на 6 стемов: установка, микшер, сценарии и сравнение с Moises и LALAL.AI. Слушать и читать на сайте: https://pimenov.ai/knowledge/stemdeck-lokalnoe-razdelenie-muzyki-na-stemy/
-
Как я делаю pimenov.ai 2.0 вместе с Codex Сейчас я делаю новую версию pimenov.ai. У сайта уже есть посетители и накопленный опыт: я вижу, как люди им пользуются, и хочу учесть это в следующей версии. Поэтому работа начинается с разговора. Я рассказываю Codex историю сайта, даю данные о посещениях и поведении пользователей. Мы обсуждаем, что происходит сейчас, что стоит изменить и как должна работать конкретная страница. После этого переходим к изображениям будущего дизайна. Codex рисует вариант, я смотрю и объясняю, что хочется поправить. Меняем, сравниваем, пробуем снова. На этом этапе мы можем долго работать с картинкой, постепенно уточняя решение. По ощущениям это похоже на итерации с живым дизайнером: ты видишь предложение, реагируешь на него, обсуждаешь детали и получаешь следующий вариант. Только здесь всё происходит быстро. Можно сразу проверить мысль и увидеть, стало ли лучше. Когда останавливаемся на подходящем варианте, начинаем собирать по нему работающую страницу. И так с каждой страницей сайта: обсуждаем её задачу, работаем над изображением, затем переходим к реализации. Для меня именно скорость делает этот процесс очень удобным. Можно спокойно поискать решение, несколько раз передумать и уточнить детали ещё до сборки страницы. При этом в основе остаются реальные данные о том, как люди используют сайт. Если будете обновлять свой сайт таким способом, начните с контекста. Расскажите ИИ, зачем существует сайт, кто на него приходит и что вы уже узнали о посетителях. Обсудите, что хотите улучшить. Тогда у работы над дизайном появится понятная цель, а у вас — основание выбирать между вариантами. В моём случае этот подход оказался очень эффективным. pimenov.ai 2.0 уже в работе, скоро доделаю и покажу результат. pimenov.ai/blog
- Older posts