Глеб Кудрявцев — мастер AI

У многих на встречах есть умные агенты, но я себя давно ловлю на мысли, что они не очень-то умные, и мне нужен агент поуменее. В итоге собрал себе скилл который разбирает на фичи и карточки мои комментарии насчет фичей продукта, просто на основе видео которое я с этим записываю. Скилл создается одним промптом в кодексе. Результат прекрасный. Шуршит, анализирует, собирает полноценнный отчет с доказательствами в виде картинок и отрезков видеодорожки. Дальше этот отчет можно прямо кинуть в агента чтобы фиксить, ну или читать глазами самому (как психопат) Промпт для агента прям как есть — с диктофона, без исправлений и приукрашиваний: Твоя задача взять видео и сделать видео, где я объясняю, что не так с интерфейсом сайта и что пофиксить, где шарю экран. Твоя задача сделать из этого некий документ типа HTML с нарезкой фраз, суммаризацией того, что сказано, и скриншотами соответствующих мест того, что я делаю. Соответственно, как бы я поступил? Берем видео, прогоняем через Whisper X, получаем диаризацию плюс тайм-коды, а далее по этим тайм-кодам делаем скриншоты соответствующих мест, ищем, если на скриншоте не совсем, то ищем рядом нужное место, проверяем глазами эти скриншоты и делаем такой некий отчет итоговый в HTML о том, что, собственно, о чем шла речь в видео, сопровождающийся скриншотами по каждому из пунктов.

Поймал себя на том, что мне перестают быть нужны кнопочки и всякие ui. Просто говорю задачу, а кодекс делает. Необходимость поддерживать кнопочки ощущается анахронизмом. На одном из проектов нужен таск трекер. Сказал агенту «найди и разверни мне решение». Глазами смотреть не собираюсь, на это тоже есть агент (и даже с глазами). И уж тем более не собираюсь использовать трелло с ноушеном. Какой-то сдвиг происходит в сознании. Чувствуете то же самое?

Кто там стонет про задачки по 10 часов? 😁 Половина из этого времени была еще на 5.5 с механизмом цели. 5.6 просто научили нативно ставить goal — она теперь сама фигачит до посинения. Так что формулируйте свои желания осторожно, если по-привычке думать, что она быстренько сварганит прототип и успокоиться, можно нехило так влететь в лимиты даже на $200. Короче, если вы раньше писали что-то типа "обязательно все сделай, ни в коем случае не бросай", то сейчас стоит быть осторожным в своих желаниях 😉

Меня тут пацаны позвали потусить на митапе про AI кодинг в августе. Уже заготовил туда отборных набросов. В ответ пиарю их бесплатный митап 14 июля, то есть уже в этот вторник. Слово Эдгару, который организует движуху: === Меня зовут Эдгар Сипки, я инженер и практик AI разработки. 14 июля у нас будет бесплатный митап "AI-агент в реальной разработке: как дать задачу и не потерять контроль". Думаю, зайдет тем, кто уже пробовал Claude Code / Cursor / Codex на реальном проекте и понял, что демку оно пишет бодро, а принимать этот код потом иногда страшновато. Рега тут: https://sipkitech.timepad.ru/event/4011874/ === Ну а в августе поговорим про TDD и большие кодовые базы, анонс будет отдельно.

Сейчас, когда нейронки влет пишут любой код, главный принцип кодинга — это налаживание обратных связей. Т.е. вы не столько говорите, как и что сделать, сколько то, как это проверять по шагам. И гварды чтобы не халявило на этом пути. Дальше оно само. Пример. Делаете фронтенд — думайте о том, как нейронка будет кликать на кнопочки и как примет решение, соответствует ли дизайн тому что нужно (учитывая погрешности ее мозгов в интерпретации картинок). Делаете алгоритмы — задавайте функцию по которым можно понять, работает алгоритм как вам нужно, или нет. Сильно отличается от того, как это было пол-года назад — тогда оно плохо за собой проверяло. Одна проблема — пока так и не заметил у нейросеток чувства прекрасного, поэтому "сделай красиво" все еще не работает.

Докладываюсь по результатам ночи и дня. 5.6 Sol в Max режиме таки вывозит производительность и физику. Медленно и со скрипом, но осиливает. Явно жопочасами, потому что в модель завезли способность хреначить очень долго. Тыкается, мыкается, но движется вперед, чего с предыдущими поколениями не наблюдалось. Упирались в стену и все. Писали, дескать, оно может модельку самостоятельно натренировать. В принципе да, верю. Не тупой & старательный — сильное сочетание. Старательности завезли с головой.

Да, я обхожу любые детекторы (обращайтесь с коммерческими предложениями 🙂)

Случайно наткнулся на детекторы ИИ текстов от Яндекса и от Сбера Закинул туда 100% переработанную с ИИ статью: https://vibeportal.ru/forum/topic/nastupaet-era-targetnoi-terapii-raka Как и ожидалось — получил близко к 100% Human, т.к. при подготовке работал агент-рерайтер, вычищающий самые очевидные клише. Напоминаю, что принцип тренировки нейронок по сути — обход детекции. А значит, теоретически детектировать нейротекст может только более старшая модель. Под силам это двум лабам в мире (которым нафиг этим заниматься не сдалось). Остальные выпускают разнообразные инструменты с предсказательной силой уровня гороскопов.

Общее ощущение — не гениальный, но очень старательный. У меня есть сложная алго-задача на которой я проверяю агентов, создание специфического 3d движка для игры-аналога Astroneer с нуля. Круглые разрушаемые планеты, воксели, меши поверности, куча проблем производительности, формирования сетки по краям чанков, коллижена и так далее. Короче хорошая взрослая algo-heavy штука. Сетки ее проходят в очень разном стиле. Так вот, стиль 5.6 — вгрызться и долбить пока не будет сделано. Крайне старательно сама дебажит, открывает экран, снимает метрики в статике и в движении, и долбит в точку до тех пор, пока не будет работать. Ваншотом не фиксит, просто решает упорством 😁 Такое ощущение что goal засунули в тренинг сет и научили нативно им пользоваться. А вот гениальности не заметил. Она как раз в ван-шотинге проявляется, а тут если и есть рост, то пока незаметно.

🥰

+1

Ну и о важном

У меня есть личный бенч — каждый квартал я прогоняю лучшую агентскую сборку на предмет автоматизации сбора отчетности для бухгалтерии. Сейчас кодекс сам скачивает движение по счету в банк-клиенте, составляет реестр транзакций, вытаскивает инвойсы из всех доступных мест (почта, архивы телеги, сайты) и составляет офигенно собранную первичку. Первый раз я это сделал год назад, тогда доля ручного труда все еще была процентов 80. Сейчас она близка к нулю. Если бы не всякие двухфакторки, думаю, этот квартал был бы уже автоматизирован на 100%.

Вы будете смеяться, но все еще работает. Ваши ставки, господа?

В телегу подвезли нормальную oauth авторизацию без боли (на самом деле это я слоупок, фиче уже не меньше пары месяцев). Впилил ее во все свои проекты — прекрасно все работает, и с первого раза. При этом легаси способ у них все еще другой, и боты по-дефолту пилят не oauth. Короче, если хотите в своем проекте коннект телеги, то скажите чтобы агент делал именно oauth путь и будет все ок. А в боте нужно для этого включить соответствующую настройку. Отдельно ценнно, что работает с редиректами на 127.0.0.1, то есть авторизацию легко можно тестить на локалхосте без танцев с бубном. PS Всякие дурацкие новости ЛЛМ-ного выходят конечно каждый день, но не хочу даже комментировать. У меня гонзо канал, что вижу о том и пою. Вот сегодня oauth, поэтому слушайте про него 😁

Вообще, нынешний процесс у меня такой: — TDD во все поля — Главный агент пишет тесты, спавнит критика — Критик критикует тесты, задача их максимально отвергнуть. Где-то в 70% случаев отправляет их на доработку. — Если тесты ок, то делается код — После кода юнит и e2e тестирование — Если тестирование ок, то попадает финальному критику — Вот тут пока моя недоработка, финальный критик почти никогда не зарубает. Нужно усиливать 🙂 Дополнительно: Если фронтенд-сценарий, то запускается обязательная проверка по скриншотам с указанием смотреть зрением (без этого он халявит и смотрит на верстку а не скрины). Если генерация UI, то указание обязательно использовать imagegen Во все UI скиллы внедрено использование SAM3 для поиска точных координат объектов и масок, инференс непрерывно крутится локально. Для чего? Ну вот например игрулю делаю. Никому еще не показывал, вы первые 🙂 Очень сложный UI, куча верстки, логики и т.д. Но получается, хотя и не так уж просто конечно.

О, идем на рекорд. Впрочем, мерянье часами это достаточно глупое дело — моделька просто может работать медленно, а юзеры гордо рапортовать о сутках автономно 😁

Норм зарядил. Завтра лимиты как раз, вот, добиваю :)

Какую получается делать рекламу? Бомбическую. Вот этот шедевр просто до слез 😂

Перестал запускаться тред в кодексе, вешая приложение с ошибкой. Начал искать причины с помощью него же самого, и нашел. Причина — объем треда более 2х гб. Почему такие огромные треды? Все просто — электронный болван хранит картинки в base64. Ох уж эти фронтендеры. В итоге сделал фикс путем вырезания аппендицита у самого себя живой правки кодексом этого проблемного треда. Прикольно, когда софтина умеет лечить сама себя. Короче, делаете много картинок в кодексе — учтите, что это чревато проблемами, и вовремя переползайте в новый тред.

https://www.youtube.com/watch?v=lWFVuOz3mLk Разобрал присланные тестовые. О том, какой я плохой, пишите в каменты под видео 😁