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.
Почему это важно: Автор на практике с помощью самодельного инструмента анализа MCP выявил пять типов сбоев при вызовах агента, которых не видно в логах, — эти находки можно перенести на свой MCP-сервер для диагностики.
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.
Flash-Agents — это плагин для Claude Code, который передаёт ограниченные по объёму задачи кодирования — реализацию отдельных фрагментов, перенос тестов, ревью diff, разбор кодовой базы — воркеру DeepSeek V4.1 Flash, а Claude оставляет за собой архитектуру, критерии приёмки и финальное ревью.
Почему это важно: Автор отдаёт задачи кодирования из Claude Code на аутсорс воркеру DeepSeek Flash и приводит песочницу, патчи и данные реальных замеров, по которым можно оценить затраты и границы безопасности.
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.
RugSnare — инструмент проверки целостности описаний инструментов MCP во время выполнения. Для каждого утверждённого инструмента он фиксирует нормализованный хэш от { name, description, inputSchema }, и любое последующее тихое изменение вызывает предупреждение и валит CI (exit 1).
Почему это важно: RugSnare фиксирует хэш описаний инструментов MCP, после утверждения постоянно отслеживает тихие изменения и приводит результаты замеров по 66 официальным версиям серверов.
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.
Lovable выпустила превью-движок OJ, с нуля реализованный на Rust: он читает существующий vite.config.ts и через слой совместимости запускает настоящие плагины Vite — один бинарник, без установки инструментов в проект.
Почему это важно: Lovable переписала превью-движок OJ на Rust и привела сравнение с Vite по холодному старту и потреблению памяти, а также данные канареечного развёртывания в продакшене.
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.
QA-инженер собрал полугодовой опыт веб-тестирования в Claude Code в открытый набор навыков paranoid-qa. В его основе — договор о доказательствах: статус «Пройдено/Не пройдено» можно ставить только по реальным артефактам — скриншотам, телам запросов, логам; если проверка не выполнена, пишется «Не тестировалось», если мешает окружение — «Заблокировано», а формы обязательно проверяются по реальному payload отправки.
Почему это важно: Автор превратил полугодовой опыт QA в набор навыков для тестирования в Claude Code и приложил готовые к использованию договор о доказательствах и список типичных провалов.
08.07ср
среда
AI Hero · Skills UpdatesИзбранное редакциейОценка ИИ6565
Репозиторий skills от AI Hero выпустил v1.1: /to-prd переименован в /to-spec, /to-plan и /to-issues объединены в /to-tickets, а также добавлены новые Skill — /wayfinder, /research, /prototype и другие.
Почему это важно: Автор подробно разбирает весь процесс работы со Skill — от grilling до развёртывания — и приводит команды миграции для переименования, объединения и добавления /wayfinder. Будет полезно тем, кто хочет собрать собственный рабочий процесс для разработки с ИИ.
Саймон Уиллисон рассказывает, как прописать инструмент LLM CLI прямо в строке шебанга скрипта, чтобы текстовые файлы на английском (или любом другом языке) можно было запускать напрямую. Ключевая конструкция — #!
Почему это важно: Автор поместил LLM CLI в шебанг, чтобы обычные текстовые скрипты запускались напрямую, и показал, как подключать вызовы инструментов и шаблоны.
11.05пн
понедельник
AI Hero · Skills UpdatesИзбранное редакциейОценка ИИ6060
Начиная с Codex 0.128.0, OpenAI предоставляет функцию Goals: однократный промпт превращается в постоянную цель внутри потока, и Codex постоянно сверяется с доказательствами — тестами, эталонами или артефактами — чтобы решить, достигнута ли цель.
Почему это важно: В официальной документации описаны границы применимости Goals, шесть элементов их формулировки и команды управления жизненным циклом — по ним можно понять, когда стоит заменить однократный промпт постоянной целью.
30.04чт
четверг
AI Hero · Skills UpdatesИзбранное редакциейОценка ИИ6262