OpenClaw (ex. Moltbot): Как безопасно запустить AI-агента в продакшен (Docker + VseLLM)
Тема автономных агентов переживает бурный рост. Возможность делегировать AI не просто генерацию текста, а полноценное выполнение задач — от написания кода до управления сервером — выглядит заманчиво. OpenClaw (ранее известный как Moltbot) к началу 2026 года стал де-факто стандартом в этой индустрии, предоставляя мощный инструментарий для создания цифровых сотрудников.
Как я решил вкатиться в Android разработку через вайбкодинг. Часть 2. Ну или разработка мобильного приложения через ИИ
автор Gemini nanobananaВ прошлой части я остановился на том что собрал свое приложение, наладил работу и залил в google play. Здесь будет не то чтобы полноценный гайд, скорее тот путь что я прошел и попытка получить опыт в написании статьи
ИИ в Agile-команде. Цифровой помощник, железный дровосек или коллега?
Всем привет! На связи команда «Клаудмастер» («Инферит FinOps»). Хотим рассказать вам про то, как мы используем ИИ в нашей работе.Помните март 2025-го? Дарио Амадей, генеральный директор Anthropic, обещает, что очень скоро почти весь код будет писать ИИ, регуляторы и рынок труда должны будут адаптироваться (ну вы поняли). Тогда мы с командой спешно затеяли эксперимент: решили проверить, каков реальный КПД от ИИ на практике и стоит ли нам в него вложиться.
Как преодолеть кризис технологий — переходим от вопроса «Как?» к вопросу «Зачем?». Взгляд через призму прошлого
Эта статья — совет и наставление всем джуниорам и мидлам, которые впервые проходят через кризис в нашей IT-индустрии. Меня зовут Валентин Драздов, потомственный инженер-программист во втором поколении, 16+ лет работаю профессионально и 20+ лет в принципе участвую в различной деятельности, связанной с ИТ. Я успел застать несколько кризисов в индустрии, и в тот момент, когда мы уже ощущаем действие нового удара — хочу поделиться с молодежью историями про предыдущие разы и опытом как всё это преодолевать (а может быть найти повод сознаться себе, что не надо оно больше).
Умный выбор домена: MCP-Server + Cursor. Как я перестал перебирать занятые имена
Недавно c друзьями из AI Founders я запустил шуточный сервис, о котором уже успел написать статью. Неожиданно проект собрал отличный трафик, и я решил сделать аналог для англоязычной аудитории на Reddit.Для выхода на международный рынок мне потребовался новый домен в зоне .com.🚨Проблема: LLM не проверяет занят ли доменЯ начал по классике: открыл чат с AI и попросил нагенерировать варианты. И тут я столкнулся с главной болью всех, кто ищет домены через нейросети.
6 инструментов для параллельного Claude Code: тестирую всё, чтобы вам не пришлось
Conductor, Crystal, Auto-Claude, Claude Squad, CCManager и Cursor 2.0 — честное сравнение с плюсами, минусами и рекомендациями по сценариям.Если некогда читать:Проблема: Один агент Claude Code — это медленно. Хочется запустить 5-7 задач параллельно, но каждый агент должен работать изолированно, не ломая код другим.Решение: Git worktrees — стандартный механизм изоляции. Вокруг него выросла целая экосистема инструментов.Кто побеждает (февраль 2026):СценарийИнструментПочему
Я пришёл в программирование из логистики. И в итоге начал строить систему по проверке кода
Привет, Хабр.Немного контекста, потому что я уже успел наступить на грабли: написал технический пост, получил пару “вежливых” комментариев, пару очень невежливых, и карма улетела туда, где зимой холодно. )))Нюанс какой: я зашёл “с места в карьер”, как будто все уже знают, кто я, откуда и почему я так пишу и так думаю. А по факту — нет, конечно. Поэтому этот пост — “паспорт”: кто я, откуда выросла идея, почему я вообще полез в код, почему у меня агенты, почему “завод”, и что я могу обсуждать с инженерами предметно (а что — не могу и не буду, потому что там секреты/безопасность/коммерческое ядро).
Почему многоагентные системы ломаются (и почему это нормально)
Есть ощущение, что мы сейчас живём в странный период: LLM-агенты уже умеют “делать работу”, но ещё не умеют быть предсказуемыми.На демке всё выглядит идеально: — один агент пишет код, — второй — тесты, — третий — делает ревью, — четвёртый — собирает артефакты и отчёт, — пятый — “оператор”, который всё это оркестрирует.Первые пару запусков ты сидишь и думаешь: “Ну всё. Завтра индустрия будет другой”. На третьем запуске агент уверенно сообщает: “Я исправил проблему”, и одновременно:аккуратно удаляет половину нужных миграций,“чуть-чуть” меняет контракт API,
LLM вместо «прочитаем потом»: анализ постмортемов и паттерны инцидентов
Ваши инциденты содержат основу для самых стратегических улучшений инфраструктуры — если вы умеете правильно их «слушать».TL;DR: Мы подключили LLM как ассистента для SRE и прогнали через него тысячи постмортемов, чтобы вытащить из архива повторяемые причины и сценарии отказов. Конвейер автоматически находит паттерны инцидентов — в нашем случае в основном вокруг хранилищ данных: Postgres, AWS DynamoDB, AWS ElastiCache, AWS S3 и Elasticsearch. Это заметно ускоряет разбор, подсвечивает скрытые точки напряжения и помогает формировать список приоритетных инвестиций в надёжность.
«Важно доставлять, а не понимать» — идеальный способ работы с нейросетями
«Важно доставлять, а не понимать» — звучит модно, а ломает всё по классике.Последние месяцы я вижу одну и ту же сцену.Кто-то начинает активно применять нейросети в разработке — и первые недели ощущение кайфовое: код появляется быстрее, задач закрывается больше, “как будто полетели”.А потом начинаются знакомые фразы:“стало больше багов, хотя писали быстрее”“вроде всё правильно, но не работает”“оно компилируется, значит норм”“главное — доставлять, а не понимать”Вот с последним тезисом я не согласен.
