Команда из шести мобильных разработчиков использует hooks, safe-list и Telegram-бота в Cursor, чтобы превратить проектные соглашения из промптов в обязательные правила на уровне выполнения.
Почему это важно: Автор объединил hooks, safe-list и Telegram-бота в Cursor в единый многоразовый механизм командной работы; читатели на его основе смогут решить, какие ограничения лучше доверить среде выполнения, а какие — промпту.
Инженер Cursor Лорен Тан рассказала, как заставляет ИИ-агента самостоятельно отправлять и мержить пул-реквесты. Главное здесь — умение проверять: агент сам запускает код, снимает CPU-трейсинг и открывает симулятор iOS, чтобы убедиться, что работа сделана правильно.
Почему это важно: Инженеры Cursor разложили доверие к ИИ-агенту на переиспользуемые проверочные Skill'и, feature map и evals — по этой схеме читатели могут выстроить собственный процесс автоматической проверки.
07.09пн
понедельник
AI Coder · TelegramИзбранное редакциейОценка ИИ8484
Автор построил в Codex с помощью Astra космическую исследовательскую игру Void Explorer — с 2,048 звёздными системами и более чем 10,000 процедурно генерируемыми планетами — и рассказал о полном процессе: от промпта до архитектуры, тестирования и измерения производительности.
Почему это важно: Автор использовал Astra в Codex, чтобы сделать полноценную игру, и показал переносимый процесс совместной работы — от промпта до тестирования и измерения производительности.
Cline перенесла расширение VS Code с монолитного ядра примерно на 76,000 строк на Cline SDK и построила собственный механизм постепенного выката: в одном установочном пакете лежат loader и две версии расширения — legacy и next, — а функциональный флаг PostHog по проценту решает, какую активировать; при падении происходит автоматический откат к legacy, а флаг в любой момент можно опустить до 0% как kill switch.
Почему это важно: Официальный разбор того, как Cline перевела расширение VS Code для 1100 тысяч пользователей на новый harness, с механизмом постепенного выката и сравнением метрик до и после.
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.
Paper Compute · Engineering BlogИзбранное редакциейОценка ИИ7676
Автор предлагает измерять downstream-эффект одного инженерного решения, то есть его зону воздействия, по записям сессий ИИ-агента и проверяет подход на одном архитектурном решении из собственного проекта tapes: сессия с проектированием обошлась в 57.05 доллара, а последующая работа — в 4704.74 доллара, распределённых между 70 сессиями, 3 инженерами, 8 репозиториями и 27 днями; ещё 404 сессий автоматизированной оценки стоили 431.54 доллара.
Почему это важно: На примере 474 записей сессий, связанных с одним архитектурным решением, автор показывает, как превратить downstream-затраты этого решения в переиспользуемые метрики.
Martin Fowler · Exploring Generative AIИзбранное редакциейОценка ИИ6565
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.
Команда Cline собрала на Cline SDK ИИ-агента для код-ревью: проверка разбита на два цикла агента — review и judge, — а управляющий скрипт затем отправляет все оставшиеся замечания одним событием COMMENT в пул-реквест на GitHub.
Почему это важно: Полный разбор плагина, хуков и двухэтапного цикла ИИ-агента для код-ревью, который можно перенести на другие сценарии автоматизированной проверки.
Lovable официально разобрала, как подключить приложения платформы к сторонним сервисам: сначала поддержали MCP как временное решение для получения контекста в чате, затем создали собственные app connectors, а запросы между опубликованными приложениями и сторонними API проксирует Connector Gateway — он хранит учётные данные и логику их обновления, так что развёрнутые приложения не касаются секретных ключей.
Почему это важно: Lovable официально разобрала, как превратить коннекторы в переиспользуемую инфраструктуру; этот опыт будет полезен командам, которые занимаются интеграциями со сторонними сервисами и управлением учётными данными.
OpenAI Developer Blog · CodexИзбранное редакциейОценка ИИ6262
Инженеры OpenAI используют Codex вместе с открытым приложением для ноутбуков Runme, чтобы автоматизировать рутинную работу, например запуск оценки моделей. Делается это так: в ноутбуке Runme пишут целевые ячейки, Codex читает цель, составляет план и ждёт одобрения человека, а затем выполняет его, фиксируя команды, вывод и выводы — включая пройденные тупики.
Почему это важно: Автор передал процесс оценки Codex с помощью ноутбука Runme и WebMCP; читатели могут перенять его подход к постановке целей, согласованию и накоплению контекста.
Автор Джесси Винсент в собственном фреймворке для ИИ-агентов Evener ставил задачу с телефона, и ИИ-агент самостоятельно реализовал C-компилятор под ARM64, способный компилировать SQLite и проходить базовые проверки; на это ушло около 21 часа, использовались Evener и GLM 5.2.
Почему это важно: Автор с помощью цикла автономных ИИ-агентов сгенерировал с нуля C-компилятор, способный компилировать SQLite, — так можно увидеть, как на практике работают рекурсивные подагенты и постановка целей.