Нейроскуф | Про Нейросети&AI

😄😄😄Самые топовые советы для вайбкодеров

LocalBanana - бесплатная галерея промптов для Nano Banana (GPT IMAGE 2, MJ) LocalBanana - кураторская галерея 10 000+ промптов, каждый с готовым результатом. Открываешь, видишь картинку, берёшь промпт под ней и запускаешь в своем любимом генераторе. Есть Chrome-расширение. iOS на подходе. Платные планы заявлены, подробности только внутри аккаунта. ➡️localbanana.io

Ponytail - плагин, который останавливает агентов от написания лишнего кода Агенты по умолчанию переусложняют. Просишь простую штуку - получаешь три библиотеки, пять файлов и обсуждение архитектуры. Ponytail добавляет агенту правило: перед тем как писать код, проверь - а может уже есть готовое? 1. Это вообще нужно? → нет: не пишем 2. Уже есть в проекте? → берём оттуда 3. Есть в стандартной библиотеке? → берём её 4. Браузер/платформа умеет сам? → используем встроенное 5. Есть в установленных пакетах? → берём их 6. Влезает в одну строку? → пишем строку 7. Только тогда: минимально нужный код Пример. Просишь date picker - агент без плагина ставит flatpickr, пишет враппер и компонент. С Ponytail: <input type="date"> Установка для Claude Code: /plugin marketplace add DietrichGebert/ponytail /plugin install ponytail@ponytail Есть режимы интенсивности lite/full/ultra, команда /ponytail-review для проверки текущих изменений и /ponytail-audit для аудита всего репозитория. Работает с Cursor, Codex, Gemini CLI, Copilot и другими. MIT, бесплатно.

Не так часто по работе выбираешься за пределы своей ниши. Недавно выбрался. Задача была такая - сделать дизайн блога по брендбуку и натянуть это всё на WordPress. Поддомен, корпоративный стиль и, типа, никакой самодеятельности. И обязательно WordPress. Будь он проклят. Скормили брендбук Claude Design. Получили макет. Покрутили-повертели адаптивную версию - она, как всегда, потребовала больше внимания, чем десктоп. Добавили несколько элементов каких-то базовых. Скачали на локал. Ну и что бы вы понимали, даже токены прошки за один присест не спалили. Крч, вообще оч даже быстро. Подключились по SSH к хосту с развёрнутым ВП через Антигравити, скормили архив с дизайном и сказали "анупрограммировай!!11". Собссно, оно и натянуло. На всё про всё - несколько часов. Фоном шёл какой-то сериал. Хороший, кстати. Да, задача несложная. Базовая даже, если честно. Но лет пять назад она занимала месяц-два. Сначала - написание ТЗ на дизайн. Потом согласование концепции. Потом отрисовка макетов. Потом правки. Потом вёрстка. Потом тесты. Потом снова правки. Три человека минимум, и у каждого своя очередь задач. А сейчас - несколько серий сериала. Вот такое мерило времени. И у меня есть определённая, скажем так, оптика для таких вещей. До диджитала я двенадцать лет прослужил в армии. Там происходили вещи, которые невозможно придумать специально. Ситуации, в которых здравый смысл не просто отсутствовал - он был официально запрещён. Решения, от которых у нормального человека сводит.. всё😄. Абсурд настолько плотный и системный, что начинаешь воспринимать его как среду обитания. Привыкаешь. И именно это, как ни странно, даёт очень трезвый взгляд на то, как устроен мир за пределами этой среды. Когда ты видел, как функционирует настоящий институциональный хаос - любые технологические изменения воспринимаешь малость в другом масштабе. Потом смотришь на любые изменения и видишь не шаг, а пропасть между тем, что было, и тем, что есть. А еще понедельник - это командирский день ) очередной виток и перезапуск дня сурка.

💪💪💪💪💪

🤣Какие бывают ИИ-агенты - от рефлексов до мультиагентных систем Слово "агент" сейчас лепят на всё подряд. Чат-бот с тремя условиями - агент. Система из двадцати моделей, которая сама планирует шаги и перепроверяет результат - тоже агент. Разберём, что за этим стоит на самом деле. 🤖Реактивные агенты - никакой памяти, только правила Самый простой тип. Получил входные данные - выполнил действие по заранее прописанному правилу. Никакой истории, никакого контекста. Классический пример - чат-бот поддержки, который видит слово "возврат" и открывает форму заявки. Хорошо работают там, где задача повторяется тысячи раз в день и не меняется. Классификация входящих писем, маршрутизация заявок, триггерные уведомления. Дешевле всего в разработке и интеграции. Основное ограничение - если запрос чуть сложнее шаблона, тогда, собственно, все, здравия желаю. 🤖Агенты с памятью о среде - модель мира внутри Следующий уровень. Такой агент хранит внутреннюю модель того, что происходит вокруг. Учитывает предыдущие шаги, текущее состояние задачи, историю взаимодействий. Не просто реагирует на сигнал, а понимает, в каком контексте он появился. Навигатор, который перестраивает маршрут с учётом пробок на основе ранее выбранного пути - типичный пример. В бизнесе это агент поддержки, который помнит предыдущие обращения клиента и не задаёт одни и те же вопросы по три раза. 🤖Целевые агенты - планирование вместо рефлексов Здесь уже появляется планировщик. Агент знает цель и самостоятельно решает, какой путь к ней выбрать. Может перебрать несколько вариантов и остановиться на том, который с большей вероятностью приведёт к результату. Автономные автомобили работают по этому принципу. Конечная точка задана, дорога каждый раз разная - агент строит маршрут сам. В корпоративных системах это агент, который разбивает сложную задачу на подзадачи и выполняет их последовательно. 🤖Агенты на основе полезности - выбор лучшего из нескольких Усложнение целевого агента. Когда путей к цели несколько - агент оценивает каждый вариант по числовой функции полезности и берёт максимальный. Это даёт возможность работать с компромиссами. Скорость против стоимости, точность против ресурсов. Применяется в финансах, медицинской диагностике, логистике. Тут важна аккуратная настройка самой функции полезности - если она составлена неверно, агент будет оптимизировать не то, что нужно. 🤖Обучающиеся агенты - улучшение через опыт Агент, который корректирует своё поведение на основе обратной связи. Ошибся - зафиксировал, скорректировал модель, в следующий раз действует иначе. В основе - обучение с подкреплением, когда агент получает награду за правильные действия и постепенно улучшает стратегию. По этому принципу работают системы рекомендаций и игровые ИИ вроде AlphaGo. Для бизнеса это агент, который со временем улучшает точность классификации без ручной перенастройки. 🤖Мультиагентные системы - когда один не справляется Несколько агентов, работающих вместе. У каждого своя роль. Один собирает данные, второй анализирует, третий принимает решение, четвёртый исполняет. По архитектуре - централизованные с главным агентом-оркестратором или децентрализованные с равноправными участниками. GPT-5.6 Ultra с субагентами, о котором OpenAI рассказала вчера - как раз этот случай. Как-то так🤓

В свете последних событий - самый актуальный бэнчмарк😄😄😄

🤖А вот и GPT-5.6 OpenAI анонсировала семейство GPT-5.6 - Sol, Terra и Luna. Флагман Sol называют самой мощной моделью компании на сегодня. Terra - для повседневных задач, Luna - быстрая и дешёвая. Широкого релиза пока нет. По просьбе властей США доступ открыт только ограниченному кругу партнёров - через API и Codex. "В ближайшие недели" обещают сделать модели общедоступными. Без дат. Sol с режимами Max и Ultra Вместе с Sol OpenAI выпустила два режима работы. Max - для глубоких рассуждений. Ultra - запускает субагентов параллельно, чтобы ускорить сложные задачи. Отдельно компания отметила возможности модели в биологии и кибербезопасности. По бенчмарку Terminal-bench 2.1 Sol и Sol Ultra обошли Claude Mythos 5. Terra показала результат на уровне Claude Fable 5. Сравнение вышло несколько условным: Anthropic успела отключить обе модели ещё в июне - после требования властей США заблокировать их для иностранных пользователей. OpenAI, похоже, учла этот прецедент и заранее согласовала поэтапный выход. Цены объявлены до релиза Sol: $5 за миллион входных токенов и $30 за выходные. Terra: $2,5 и $15. Luna: $1 и $6. Ждать придётся. И, судя по формулировкам, дольше чем "несколько недель".

Когда думать больше не нужно - думать перестаёшь Прокрастинация всегда объяснялась внутренне самому себе - страхом. Страхом ошибиться, страхом оценки, страхом чистого листа. Это жеж вполне понятная человеческая история. Но нейросети, скажем так, добавили дополнительные вводные в эту механику. Раньше ты откладывал, потому что задача требовала тебя. Твоей позиции, твоего усилия, твоей готовности облажаться. Сейчас ты откладываешь по другой причине - задача тебя не требует. Claude напишет. GPT придумает. Midjourney нарисует. Откладывать теперь можно бесконечно - потому что делегирование стало нулевой стоимостью. И дело тут не в лени. Лень - это когда не хочется делать. Здесь другое. Ты хочешь, чтобы было сделано - но не хочешь делать сам. Нейросеть закрывает этот зазор так плавно, что перестаёшь замечать сам зазор. А именно там, в этом дискомфорте между "хочу результат" и "не хочу усилие" - и жил весь смысл. Усилие - не побочный эффект работы. Оно и было работой. Сартр писал, что человек - это проект, который осуществляет себя через выборы. Каждый раз, когда ты писал плохой черновик, ты осуществлял себя. Каждый раз, когда нейросеть пишет хороший - осуществляет себя она. Ты получаешь файл. Но не получаешь ничего, что делало бы тебя больше тем, кто ты есть. И, к сожалению, файл выглядит неотличимо. И вот в этом ловушка. Продукт есть. Презентация готова, письмо отправлено, статья опубликована. Всё случилось. Но субъект, который это сделал - немного исчез. Прокрастинация с нейросетями - не лень нового поколения. Это способ не замечать, что ты постепенно выходишь из собственной жизни как соавтор.

Google ToS 30 июля и что реально меняется для тех, кто работает с ИИ-контентом Уведомление пришло обтекаемое, но в самом тексте новых условий есть кое-что интересное. Использовать ИИ-сгенерированный контент из сервисов Google для обучения других ML-моделей - теперь прямо запрещено. Раньше этого запрета в ToS не было в явном виде. Если вы генерируете через Gemini тексты, изображения или что угодно и кладёте это в обучающий датасет - вы нарушаете новые условия. Под удар попадают: датасеты на основе AI Overview из поиска, контент из Gemini Workspace, ответы из Bard/Gemini API в любом виде. Тут, кстати, важный контекст. Google сейчас активно расширяет SynthID - водяные знаки для ИИ-контента. OpenAI, Kakao и ElevenLabs уже подключились к этой технологии. То есть детектировать происхождение контента Google технически может. Запрет в ToS - это не просто текст, получается. Google официально закрепил право использовать автоматику для генерации, выбора и оптимизации объявлений от лица рекламодателя. При этом вся ответственность за сгенерированный контент остаётся на рекламодателе. Автоматически сгенерированные объявления могут содержать устаревшие цены, неподтверждённые заявления о продукте, широкие гарантии или текст, не совпадающий с брендовыми стандартами. Это уже головная боль агентств. Так что, если работаете с Gemini API для построения датасетов - стоп. Это теперь нарушение. Если ведёте рекламу в Google Ads с ИИ-функциями - обязательный регулярный аудит автоматически созданных объявлений.