Мой любимый скилл: -s
Не сарказм) Одна строчка инструкций для агента бережёт мой мозг:Your last response is too long. The user won’t read it. Shorten it. Keep only essential information.Остальное в файле скилла — метаданные--- name: s description: Shorten the last response. disable-model-invocation: true --- Your last response is too long. The user won't read it. Shorten it. Keep only essential information. disable-model-invocation не даёт агенту вызывать скилл самому.Мой агент слишком много болтает. Недавно в Claude Code появилась настройка как раз для этого, "outputStyle": "Concise"
Как ChatGPT помог мне потратить шесть часов на пятиминутную проблему
Как всё начиналосьВ тот августовский летний день я занимался своими исследованиями финансового рынка и приводил в порядок заметки в Obsidian. В какой-то момент я загрузил два CSV-файла, затем удалил их через Проводник Windows и обнаружил, что Obsidian стал подтормаживать.Причём тормозило не всё приложение. Редактор работал прекрасно, поиск тоже. А вот при переключении разделов настроек появлялась неприятная задержка. СпойлерСтатья не совсем про обычный баг хаунтинг
Эмоциональный интеллект в 2026: курсы и как он влияет на карьеру в IT
Курсы по эмоциональному интеллекту в 2026 году все чаще покупают тимлиды, разработчики и проджекты, которым тяжело дается ревью кода, напряженный созвон с заказчиком или разговор о сорванном сроке. В
Зачем голосовому боту на LLM снова нужен классификатор вроде Jev
Голосовой бот на LLM разговаривает приятно, но на реальных звонках регулярно спотыкается. Он может найти свободное окно и так и не записать клиента или перебить человека, который просто задумался посреди фразы.Часть таких решений можно снять с LLM и отдать быстрой модели-классификатору. Самая обсуждаемая из них сейчас Jev от TypeSafe, и у нее уже появились открытые аналоги. Ниже разбираю, как Jev-подобные модели применяют в голосовых ботах другие команды, и сравниваю их кейсы с нашим опытом в Voximplant.Почему одной LLM мало
Cisco предоставила своему инженеру неограниченный доступ к ИИ-токенам для переписывания легаси-кода
По информации Fortune, американская компания Cisco официально предоставила одному из своих инженеров неограниченный доступ к ИИ-токенам для переписывания большого объёма корпоративного легаси-кода.
Как я написал линтер для Model Context Protocol (MCP) и нашел баги в официальных серверах Anthropic
С выходом Model Context Protocol (MCP) от Anthropic разработчики по всему миру бросились подключать LLM (Claude Desktop, Claude Code, Cursor, автономных агентов) к внешним сервисам, локальным файлам и базам данных. Идея великолепная — единый стандартизированный протокол на базе JSON-RPC 2.0 для предоставления контекста и инструментов.Но когда вы начинаете писать и отлаживать собственный MCP-сервер, быстро выясняется неприятная правда: инструментов для тестирования и статического анализа протокола в экосистеме практически не было.В итоге разработчики наступают на одни и те же грабли:Одинокий console.log("Connected to DB")
