Claude Code unbiased
Как-то я спросил Claude Code, какую CMS он посоветует. Хотел посмотреть, куда его клонит. Он ответил: Drupal. Да ну нафиг. Я спросил почему, и он объяснил, что увидел мой самописный скилл для Drupal и решил, что я работаю с Drupal и мне с ним будет удобно.Справедливо. Мои инструкции, скиллы и настройки делают агента предвзятым. А для этого вопроса мне нужен был непредвзятый. Хватило бы и обычного чат-бота, но мы же не ищем лёгких путей? 😁Я стал искать, как запустить Claude Code без своего конфига, и нашёл флаг --safe-mode
Telegram готовит экспериментальную сборку с ИИ‑ассистентом
В экспериментальной сборке Telegram для macOS появился AI Assistant: ему можно поручить найти вопросы без ответа в переписках, подготовить сообщения, собрать Excel‑таблицу или создать калькулятор прямо внутри чата. Редакция
ИИ-агенты решили 99,4% задач. Но сначала 23 инженера 404 часа чинили сам экзамен
Представьте, что вы нанимаете программиста. Даёте ему 100 задач из реальных проектов, проверяете решения автоматическими тестами и получаете результат: 99 правильных.Впечатляет. Особенно если программист — нейросеть.Но затем выясняется, что часть экзаменационных заданий составлена неправильно. Некоторые тесты отвергают работающий код. Другие принимают неполные исправления. А в отдельных случаях испытуемый может найти готовый ответ в интернете.Именно с такой проблемой столкнулись исследователи, оценивающие современных ИИ-агентов для программирования.
Я отдал Директу 200 тысяч рублей и понял, что AI-продавца надо раздавать бесплатно
Каждый, кто писал в чат интернет-магазина, знает, чем это кончается. Вы хотите спросить про один товар, а окошко в углу сначала требует имя, телефон и почту. Вы заполняете все три поля, и если на часах уже больше десяти вечера, окошко обещает ответить «в течение минуты», через минуту сообщает, что «оператор скоро подключится», и больше не пишет ничего. В соседней вкладке к этому времени уже открыт конкурент.
790 трлн токенов за октябрь: OpenRouter опубликовали новые данные об использовании LLM
OpenRouter, платформа для доступа к моделям разных компаний через единый API, собрали свежую сводку по использованию моделей за январь–октябрь 2026 года. Только за октябрь через неё прошло 790 трлн токенов. Это почти в 25 раз больше, чем в январе, и на 37% больше сентябрьского объёма.
Кто открывает ваш сайт, когда растёт посещаемость?
Привет, Хабр!График посещаемости ползёт вверх уже третью неделю, маркетинг радуется охватам. Заказы стоят на месте. Продакт смотрит на конверсию, которая падает, и разбирает воронку по шагам, пытаясь найти, где она сломалась.Часть новых «посетителей» в таком графике оказывается браузерами, за которыми не сидит ни один человек. 30 сентября 2026 Cloudflare написал, что впервые больше половины трафика в интернете сделали не люди. Запросы AI‑агентов за год выросли больше чем на 1700%.Краулеры, а их среди ботов большинство, JavaScript не исполняют. Без JavaScript счётчик молчит.
Ассистент и рекурсивное самоулучшение: доучиваем нейросеть с LoRA
Часть 1: Как я создавал персонального ассистента на домашнем железеЧасть 2: Ассистент получает личность: память, сновидения и самовыражениеЧасть 3: Ассистент рисует и достраивает самого себя: метапознание и зарождение собственного замыслаВкратце.
Восстание машин отменяется: почему интеллект без собственных целей еще не стал разумом
Внимание: восстание машин отменяется. По крайней мере, пока.
AI-инженерия для тех, кто вкатывается: агенты, MCP, токены и кэш с цифрами
Откройте hh.ru и поищите вакансии со словом «AI-агент». На 28 октября 2026 года их 1 458. LLM упоминают в 1 261 вакансии, RAG в 520, MCP в 245. А теперь поищите «кэширование промптов»: 13 вакансий. Токены упоминают в 19.hh.ru, поиск по всей России, 28.10.2026.
Не промптами едиными: как история обращений помогает развивать базу знаний
Автоматизировать поддержку хотят все. Большая часть вопросов пользователей повторяется, и так и хочется завернуть ответы на них в какой-нибудь алгоритм. Подходов много, но один из самых распространённых — векторный поиск: мы пытаемся понять, о чём пишет пользователь, находим в базе знаний семантически близкие статьи и просим LLM составить ответ на их основе.В презентации всё выглядит шикарно. Бот понимает вопрос, находит нужные материалы, формулирует ответ. Остаётся немного настроить — и можно отпускать сотрудников заниматься чем-нибудь более интересным.
