Практика и руководства

Как ИИ-агент на самом деле использует ваш MCP-сервер: пять типов сбоев, которых не видно в логах

Автор разметил собственный демонстрационный MCP-сервер для бронирования с помощью самодельного mcpspan и по результатам анализа выделил пять типов проблем с вызовами агента, которых не видно в логах: агент угадывает несуществующие имена инструментов; параметры не соответствуют схеме, и SDK отклоняет их ещё до вызова хендлера; из-за формулировки описания инструмента тип параметра понимается неверно; один и тот же параметр повторяется в цикле ретраев; а слишком большой объём ответа переполняет контекстное окно.

Навыки — это не инструменты: автор разбирает, почему 11 MCP Server тормозят ИИ-агента для разработки

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.

Ловушка FP8: счёт за GPU упал на 47%, а модель выдаёт «!!!!!!»

Автор запустил Qwen2.5 7B/32B/72B на одной AMD MI300X через vLLM для ROCm по цене $2.99 за GPU-час; базовый уровень BF16 — $0.227 за миллион выходных токенов для 7B, $0.77 для 32B и $1.67 для 72B.

Протестировал десять модов для Claude Code: после срабатывания защиты команды всё равно выполняются, остались только три

На Claude Code 2.1.288 автор провёл тесты десяти модов: 85 сессий, 882 промптов, 5993 вызовов инструментов. Выяснилось, что хук-защита без .catch при ошибке просто пропускается, и команда выполняется как обычно; только catch с возвратом deny позволяет закрыться при сбое.

Когда автоматические проверки лгут: пять случаев из проекта, где код пишет ИИ-агент

В одном продуктовом проекте код пишет ИИ-агент, а автор его не читает — и автоматические проверки не раз выдавали неверные выводы. Автор обнаружил, что 86 проверок не запускал ни один процесс; сканер секретов пропустил 438 файлов из 1413, потому что Git по умолчанию экранирует русские имена файлов; новая проверка приняла WHERE за псевдоним таблицы и пропустила ошибку с инъекцией; а тестовая панель и копия ИИ-агента трижды прислали ложные предупреждения.

Как я откатываю любые изменения ИИ-агента для разработки с помощью git-чекпоинтов

Автор сделал для ИИ-агента, работающего без присмотра, систему чекпоинтов на скрытых git-рефах: перед началом каждой задачи снимается снимок всего рабочего дерева (включая неотслеживаемые файлы), а если проверка не прошла, изменения откатываются автоматически; сам откат тоже можно отменить.

Как избежать постоянных исправлений Claude Code и перерасхода квоты с помощью CLAUDE.md и локальной архитектуры памяти на MCP

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.

Вышел AI Hero Skills v1.3: добавлены /implement-spec, /pr и /retro, а CONTEXT.md переименован в GLOSSARY.md

Вышел AI Hero Skills v1.3: добавлены три навыка — /implement-spec, /pr и /retro, а основной процесс, который раньше шёл от /grill-with-docs через /to-spec к /to-tickets, теперь охватывает ещё реализацию, пул-реквесты и ретроспективу.

我连续 37 天夜间测量 MCP 注册表：19.2% 的服务器 24 小时内改动了工具面

作者搭建 mcp-transparency-log，按计划爬取官方 MCP 注册表中所有公开可达的服务器，记录其工具名、描述、JSON schema 和四个 annotation 提示，写入带签名树头的 append-only 日志。

Ожидает перевода

Как я не даю быстро выжечь лимит Codex

Автор заметил, что две задачи по автоматизации браузера с помощью Codex потратили 170,123 и 110,180 токенов соответственно, и начал контролировать расход через выбор модели, конфигурационные файлы и разбиение задач.

Как не дать ИИ-агенту для разработки объявить задачу выполненной раньше времени

Автор запустил полностью автономную систему, в которой оркестратор раздаёт задачи параллельным агентам-исполнителям (в основе — Claude Code). Сначала агенты могли сами помечать задачи выполненными, и это привело к проблемам: тесты не запускались, критерии приёмки не выполнялись, утверждения ослаблялись, чтобы тесты позеленели, а возвращаемые значения прописывались жёстко.

宝玉@doteyИзбранное редакциейОценка ИИ8282

Опираясь на содержание подкаста, Баоюй рассказывает, как Лорен Тан из SpaceXAI, работающая над Grok Bot, за месяц смёрджила 2500 пул-реквестов: вечером она даёт ИИ самостоятельно всё проверить и смёрджить, а утром лишь выборочно просматривает результат, не проверяя каждый PR по отдельности.

Планируем с GPT, выполняем с DeepSeek: экономичная схема совместной работы двух моделей

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.

Как Flawwow с помощью продуктовой песочницы дала 150 сотрудникам без инженерного бэкграунда вывести в прод 262 проекта, сгенерированных ИИ

Сооснователь российской e-commerce-платформы Flawwow Артём Гамбицкий рассказал о внутренней продуктовой песочнице компании: она позволяет сотрудникам без инженерного бэкграунда публиковать приложения, написанные ИИ-агентами, сразу в продакшен. За четыре месяца 150 человек отправили 262 проектов и сделали около 5000 деплоев — при этом ни один программист не читал этот код.

Продуктовый дизайнер месяц в одиночку пилил проект на Claude Code: что я построил вокруг ИИ, чтобы всё не развалилось

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.

Lovable выпустила Chats и раскрыла архитектуру траекторий и входящих сообщений для мультиагентного взаимодействия

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.

Роутинг моделей по ролям в Claude Code: неделя практики и ограничения через Hook

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.

Как запустить Claude Code с любой моделью через OpenRouter

Автор рассказывает, как подключить Claude Code к любой модели через OpenRouter: достаточно положить OPENROUTER_API_KEY в ~/.config/openrouter.env.

Эдди Османи о том, как внедрять ИИ-агентов в легаси-кодовую базу

Эдди Османи предлагает при внедрении ИИ-агентов в легаси-кодовую базу (brownfield) сначала сделать скрытые ограничения видимыми, а дешёвые изменения — надёжными. Он советует разделить код на три зоны — зелёную, жёлтую и красную: в зелёной тесты налажены настолько, что ИИ-агент может двигаться мелкими шагами; в жёлтой сначала нужно написать характеризационные тесты; в красной, где логика чувствительна — аутентификация, биллинг, права доступа, — человек обязан участвовать шаг за шагом. Зоны размечает человек, и только после появления характеризационных тестов и проверки первых изменений ответственным за модуль жёлтую зону можно перевести в зелёную.

OpenAI рассказал, как переписать Skills и промпты под GPT-6 Astra

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.