Быстрые «руки», медленный «мозг»: Particle-1 и GPT-6 Luna Pro собирают поиск для Tilda на n8n+PostgreSQL в Docker
Всем привет!) Про топовые модели пишут много. Мне стало интересно другое: что будет, если отдать реальную задачу быстрой модели без громкого имени, а рассуждающую модель подключать только тогда, когда первая упирается не в синтаксис, а в поведение системы? Стек такой: VS Code (Cline), Particle-1 как кодер ( "руки"), GPT-6 Luna Pro как "мозг", Tilda (отдельная страница с формой), n8n , PostgreSQL 16, Docker.Сам замысел что не в чате "напиши мне функцию...", а в роли кодера в VS Code через Cline: модель пишет SQL и JavaScript для нод n8n, получает текст ошибки, предлагает следующий патч и т.д. до рабочего результата.
AI‑агент для закрытого контура: расширение VS Code под корпоративную LLM
В прошлой статье я писал про GitBor, git‑клиент, через который я проверяю, что на самом деле наворотил ИИ‑агент. Эта статья про самого агента. Делал я их параллельно. Один инструмент пишет код, второй показывает, что получилось.Модель хорошая, контекст короткийЗакрытый контур, энергетика, живая ИБ. Copilot и Cursor нам не светят, потому что код уходит на чужие серверы. Зато внутри есть свой шлюз с Qwen.
FIT Visualizer: как я дошёл от ошибки Google AI до собственного анализатора тренировок
Всё началось с выбора велокомпьютера.Я сравнивал несколько недорогих вариантов — в частности, Sigma ROX 4.0 примерно за 80 евро и CYCPLUS M1 примерно за 50. По возможностям они выглядели достаточно похоже, поэтому я решил спросить совета у Google AI.Google AI, среди прочего, сообщил мне, что основные преимущества Sigma ROX 4.0 раскроются на моём электровелосипеде, а CYCPLUS M1 можно подключить к компьютеру по USB как Mass Storage и забрать с него файлы тренировок для дальнейшего анализа. Электровелосипеда у меня нет, поэтому был выбран CYCPLUS M1.
ИИ, безопасность и VS Code: как меняется разработка на 1С
Секция «Приемы и практики разработки» INFOSTART TECH EVENT 2026
Браузер вместо API: как я объединил DeepSeek, Qwen и ChatGPT в одного локального агента
Под капотом AI Free: три разных способа работы с веб-провайдерами, единый агентный рантайм, память, skills и много кода восстановления после сбоев.У веб-версий больших языковых моделей есть странное свойство: для человека они доступны в один клик, а для программы между «отправить вопрос» и «получить ответ» внезапно вырастает целая инфраструктура.
Microsoft добавила в VS Code полностью автономный режим с локальным ИИ
Microsoft выпустила
Как я спас агентов в VS Code от передоза инструментами, сжав зоопарк MCP-серверов в один Go-бинарник
Когда вы ставите в VS Code популярные агентные расширения (Cline, Roo Code, Kilo), быстро выясняется одна мерзкая вещь. Обычно начинаешь подключать к ним новые инструменты быстрее , чем LLM под их капотом способна их адекватно переварить.Сначала все выглядит безобидно. Вы подключаете к редактору пару MCP-серверов: один для файлов, другой для поиска. Агент радуется, вы радуетесь, всё работает. Но потом начинается: "О, прикручу-ка я еще сервер для базы данных... и GitHub... и внутреннюю Jira... и вон тот OpenAPI-каталог".В какой-то момент вы открываете свой mcp.json и видите там 25 серверов. А агент начинает творить дичь.
Агентная разработка в VS Code: Глубокая настройка RooCode для максимальной эффективности
ВведениеЭволюция инструментовНе так давно я публиковал статью об использовании Gemini для написания кода (или для эпохи LLM-копирайтинга это уже считается давно?) . В том эксперименте основным инструментом была веб-версия AI Studio. Это позволяло точно контролировать все детали работы с кодом: я оперировал участками кода и внимательно вчитывался, где какие замены нужно внести. Такой подход позволял вносить правки точечно, без нарушения целостности кода, но процесс доработки был крайне медленным.
