В феврале автор подключил к ИИ-агенту для разработки 11 MCP Server, и в пустом сеансе только список инструментов занимал 34,000 токенов; один Datadog добавил больше двухсот инструментов, из-за чего агент замедлился и стал часто выбирать не те инструменты.
Почему это важно: На своём опыте с 11 MCP Server, которые перегрузили контекст, автор показывает, что инструменты и знания должны лежать в разных «контейнерах».
Автор выложил в открытый доступ claudemanager — локальный демон, который позволяет Claude Code через ANTHROPIC_BASE_URL направить запросы к нему: достаточно изменить только заголовок Authorization, и сессии уйдут на аккаунт Max с наибольшим остатком в окнах 5 часов, недели и отдельной модели, а при приближении к заполнению окна произойдёт переключение по заданным порогам.
Почему это важно: Автор выложил в открытый доступ локального агента, который автоматически распределяет запросы между несколькими аккаунтами Claude Code Max в зависимости от остатка квоты и попутно ведёт журнал запросов.
Spill — это инструмент с открытым исходным кодом под лицензией Apache-2.0. Он перехватывает через хук ответы MCP-инструментов размером более 32 КиБ и сохраняет их в локальную таблицу DuckDB (~/.spill/spill.duckdb). Агент получает только компактный дескриптор и дальше обращается к данным через SQL, а не читает исходный JSON на 5 тысяч токенов.
Почему это важно: Spill сбрасывает слишком большие ответы MCP в локальный DuckDB, и агент достаёт данные через SQL — это переиспользуемый подход к нехватке места в контекстном окне.
Автор открыл исходный код ядра Project Athena v9.9.9 (лицензия MIT) — локально-ориентированного фреймворка памяти и управления, который решает проблемы постоянных исправлений Claude Code, выхода субагентов за рамки задачи при изменении файлов и потери состояния при упоре в лимит квоты.
Почему это важно: Автор проверил на 1900 сессиях схему сокращения CLAUDE.md и локальной памяти и привёл готовую к повторному использованию структуру каталогов и правила проверки.
Автор поручил GPT (gpt-6.1-sol, уровень рассуждений high) в Codex отвечать за планирование, ключевые решения и приёмку, а через официальный Harness DeepSeek вызывал DeepSeek-V4.1-Flash для написания кода, проведения экспериментов и исправления ошибок — так был создан локальный PDF-инструментарий с пятью работающими функциями.
Почему это важно: Автор запустил PDF-инструментарий, разделив задачи между GPT (планирование) и DeepSeek (выполнение), и привёл три промпта и данные о расходе кэша, что можно перенести на длительные задачи для снижения затрат.
1 октября команда Earendil выпустила Agent Harness Pi 1.0: у репозитория на GitHub около 11.1 тыс. звёзд и 1.4 тыс. форков, а вместе с ним — экспериментальный пакет Pi Durable.
Почему это важно: Pi 1.0 и Pi Durable переносят в среду выполнения агентов распределённые концепции — контрольные точки, идемпотентные коммиты, дерево владения, — и по ним можно судить об инженерных компромиссах при долго работающих агентах.
29.09вт
вторник
Habr · Claude CodeИзбранное редакциейОценка ИИ8282
Продуктовый дизайнер с шестилетним опытом в SaaS в одиночку сделал планировщик жизни «Котомка» на Claude Code: почти весь код написал ИИ, а на нём были требования, приёмка и решения.
Почему это важно: На примере реального репозитория автор рассказал, какие грабли ждут того, кто делает продукт в одиночку с Claude Code, и какие правила, хуки и тестовые ограждения он выстроил вокруг ИИ.
Lovable выпустила Chats — агента, который работает на уровне рабочего пространства, может вести диалог между проектами и запускать сборку. После подтверждения изменений он передаёт задачу builder-агенту внутри проекта и возвращает ход выполнения обратно в диалог.
Почему это важно: Lovable раскрыла трёхуровневую архитектуру Chats: траектории, входящие сообщения и активация. Её можно перенести на собственную оркестрацию мультиагентных систем.
22.09вт
вторник
AI Coder · TelegramИзбранное редакциейОценка ИИ7878
Автор, опираясь на свою конфигурацию Codex, настроил в Claude Code роутинг моделей по ролям: основной поток координирует, explorer на Haiku только ищет код, worker на Opus реализует задачи по TDD, verifier на Sonnet независимо прогоняет проверки, senior на старшей версии Opus занимается деньгами, данными и конкурентностью, а reviewer на другой модели проводит семантическое ревью.
Почему это важно: Автор за неделю практики показывает, как настроить разделение моделей в Claude Code, ограничения через Hook и компромисс по стоимости — это можно перенести в свой процесс с несколькими ИИ-агентами.
11.09пт
пятница
OpenAI Developer Blog · CodexИзбранное редакциейОценка ИИ6666
В официальном блоге OpenAI даны рекомендации по настройке Skills, AGENTS.md и промптов задач под GPT-6 Astra: описание Skill должно быть по возможности коротким и чётко указывать, где он применим; для многошаговых Skills корневой документ служит минимальной маршрутизацией — не стоит превращать Skill в слишком детальный список шагов.
Почему это важно: OpenAI опубликовал рекомендации по чистке Skills, AGENTS.md и промптов под GPT-6 Astra — их можно перенести и на конфигурацию существующих репозиториев.
Cursor выпустил функцию «Проекты» для длительной работы — например, над одной фичей, миграцией или целым приложением. Она месяцами удерживает контекст и делегирует задачи тысячам подчинённых ИИ-агентов. Проекты работают на облачных агентах: координирующий агент не пишет код, а только планирует, распределяет задачи и принимает результаты; когда нужны локальные тесты, он запускает локальных агентов. В каждом проекте поддерживается набор файлов, синхронизируемых между облаком и локальными машинами, — так постепенно накапливаются результаты исследований, артефакты и понимание кодовой базы.
Почему это важно: В официальном описании приведены механизмы совместного использования контекста и автоматического запуска для многолетней работы нескольких агентов в рамках проекта — по ним можно понять, как именно берут на себя длительные задачи.
AI Coder · TelegramИзбранное редакциейОценка ИИ8888
Автор Райан Лопополо утверждает: агент — это параметризованная программа, построенная на наборе возможностей. Среди них — модели и конфигурации, цикл рассуждений и вызова инструментов, компьютеры, диски, контекст, Skills, инструменты, коннекторы, среда выполнения, сетевые политики, идентификация, IAM, гардрейлы, каналы ввода-вывода и системный промпт.
Почему это важно: Опираясь на свой опыт создания нескольких агентов, автор предлагает архитектурный подход к платформе, в котором интерфейс возможностей отделён от реализации. Он будет полезен командам, которые делают платформы для агентов.
OpenAI выпустила GPT-6 Astra и Astra Pro 3 сентября 2026 года. Первая партия доступна только компаниям — участникам программы по кибербезопасности Daybreak; платный ChatGPT, API и AWS откроют в ближайшие дни.
Почему это важно: Разбираем сравнение GPT-6 Astra и Fable 5.1 по бенчмаркам: у всех разные тестовые версии и harness, поэтому читатель может понять, какие результаты вообще можно сопоставлять.
03.09чт
четверг
GitHub Blog · CopilotИзбранное редакциейОценка ИИ7272
На своём опыте — когда автор разом запустил 13 подагентов для раскадровки — он объясняет, как работает функция subagents, которая есть и в Claude Code, и в Codex: подагенты трудятся в отдельных окнах и возвращают в основной диалог только результат
Почему это важно: На примере того же запуска 13 подагентов для раскадровки автор показывает, как подагенты оставляют процесс за пределами основного диалога и присылают обратно только выводы
Anthropic выпустила руководство по устройству ИИ-агентов для электронной коммерции. Опираясь на опыт развёртывания у ритейлеров, на платформах электронной коммерции, а также в командах туризма, развлечений и телекоммуникаций, компания предлагает архитектуру с одним агентом: Claude работает в стандартном цикле агента, навыки закрывают потребности длинного хвоста, а инструменты вызывают существующие системы. По результатам сравнительных тестов эта архитектура превзошла по качеству дизайн с подагентами и подход, при котором всё складывают в один промпт.
Почему это важно: Опираясь на опыт корпоративного развёртывания ИИ-агентов для электронной коммерции, Anthropic описывает полный набор инженерных практик: архитектуру с одним агентом и навыками, оптимизацию задержек и затрат, а также оценку памяти и безопасности.
Автор mattpocock выложил набор AI-агентных Skills, которыми сам пользуется каждый день. Они рассчитаны на реальную инженерию, а не на вайб-кодинг: маленькие, легко правимые, комбинируемые и совместимые с любой моделью.
Почему это важно: Автор разложил многолетний инженерный опыт на набор комбинируемых Skills и для каждого описал, от какого сценария отказа он страхует, — по этому описанию читатель может решить, встроятся ли они в его процесс разработки.