Типичный программист

Переписать с нуля хочется всегда. Обычно это худший из семи вариантов Знакомая картина: легаси-сервис годами «просто работает», потом одна старая зависимость тянет другую, тесты падают, и мелкий баг кладёт всё приложение. Первый порыв — переписать. Итог порыва известен: месяцы без новых функций и без гарантии, что новая версия окажется лучше старой. В статье разобрали семь стратегий и ситуации под каждую: оставить как есть (и заранее договориться, какое событие станет сигналом к переделке), вывести ненужный модуль из эксплуатации, обновить стек без смены архитектуры, перенести на другую платформу, заменить готовым продуктом, рефакторить по частям, переписывать постепенно по схеме Strangler Fig, когда новая система оплетает монолит и забирает его задачи модуль за модулем. Главная мысль: для одной системы не нужен один подход. Стабильный модуль не трогают, забытую интеграцию удаляют, авторизацию выносят постепенно. Перед тем как предлагать переписывание, сверьте каждый кусок по шести критериям из статьи: как часто меняется, сколько ест поддержки, от чего зависит, есть ли тесты, сколько может лежать и есть ли люди, которые его понимают.

Разработчиков уволили ради ИИ. Они ответили опенсорсным ИИ-гендиректором История дня на Hacker News: 897 очков и 611 комментариев. По словам автора треда, команду программистов сократили, чтобы заменить их ИИ, и ребята собрали Open Executive: систему, которая заменяет гендиректора и весь топ-менеджмент. Компанию, где это произошло, в репозитории не называют, зато код открыт под Apache 2.0. Внутри всё серьёзно: оркестратор на Claude и восемь «руководителей» (стратегия, финансы, HR, юрист, операции, маркетинг, продукт, совет директоров), у каждого своя база знаний уровня MBA плюс ваши документы через ChromaDB. Между сессиями «гендиректор» помнит, что советовал в прошлом месяце, а планировщик сам напоминает о просроченных решениях. Общаться можно через веб, Slack, Telegram, Discord или почту. Запуск: git clone, ключ Anthropic в .env, make dev, дальше мастер настройки спрашивает про бизнес-модель, конкурентов и приоритеты. Комментаторы уже просят заменить и CTO с архитекторами, а самый трезвый отзыв: «отличный способ сжечь большой счёт за токены». Если у вас в компании тоже «оптимизируют» разработчиков, теперь есть ответный ход. #ии #кек

Лимит Claude Code кончился через десять минут после начала работы. Автор tare сделал так, чтобы Claude сам объяснил, куда делись токены Знакомо: открываете вечернюю сессию, а через десять минут «usage limit reached», хотя вы почти ничего не просили. Claude Code пишет на диск лог каждого запроса, но разбирать его руками никто не будет. Инструмент tare подключается как skill и отвечает на вопросы обычным языком: «почему я вчера упёрся в лимит», «какой файл Claude перечитывает дороже всего», «не работает ли что-то в фоне, пока я сплю». Установка одной командой: npx skills add kelviq/tare -g -y --copy --agent claude-code Дальше в новой сессии /tare даёт полный разбор, /tare window показывает, насколько заполнено пятичасовое окно и стоит ли сейчас начинать большой рефакторинг, /tare share собирает сводку без приватных данных. Считает он честнее, чем «сложить токены из лога»: формат Claude Code повторяет каждый ответ несколько раз, наивный подсчёт завышал итог на 86%. Файл, прочитанный в начале длинной сессии, пересылается с каждым следующим сообщением, и tare записывает эту стоимость на инструмент, который её вызвал. В примере из репозитория 99% дневного расхода дали 1553 коротких сессии, которые запустил скрипт, а не человек. Всё работает локально, в сеть скрипты не ходят. Проверить, что съедает вашу квоту, можно прямо сейчас. #ии

Один бинарник закрывает ИИ-агенту доступ к чужим файлам без Docker и root-прав Агент с доступом к командной строке удобен, пока не вызовет инструмент, который лезет, куда не надо. Docker спасает, но тянуть демон и root-права для одного вызова уже перебор. Разработчик собрал xenarch-guard: запускаете его с флагом --allow-write ./workspace, и Python видит только ./workspace, а опасные системные вызовы отрезаны. Внутри Landlock ограничивает пути, seccomp-bpf фильтрует системные вызовы, и оба механизма ядра Linux работают без привилегий. Обёртка не форкает процесс, а заменяет себя на команду через execve(), так что не остаётся родителя, к которому можно обратиться. Изучить и попробовать инструмент можно по ссылке.

Локальная модель уровня прошлогоднего Claude теперь влезает в обычный ноутбук. Что качать под вашу машину Полгода назад «запустить LLM у себя» означало игрушку, которая путается в коде. Сейчас на 16 ГБ памяти без видеокарты работает мультимодальная модель, а на Mac Studio крутится GLM-5.3-Flash, которую Z․ai сравнивает с Opus 4.8. Ниже конкретика по справочнику Unsloth, чтобы не искать самим. Сначала поставьте Ollama (Windows, macOS, Linux), дальше одна команда в терминале: 16 ГБ, без GPU: Gemma 4 12B в 4 битах, 7–8 ГБ на диске: ollama run gemma4:12b 32 ГБ или видеокарта на 16 ГБ: Qwen3․8-27B, 4 бита, 16–19 ГБ, понимает картинки и умеет рассуждать: ollama run qwen3.8:27b Mac на 64 ГБ: Qwen3․6-35B-A3B, MoE с 3 млрд активных из 35, поэтому быстрая: ollama run qwen3.6:35b-mlx 128 ГБ (Mac Studio, DGX Spark): GLM-5.3-Flash в 3 битах (нужно 128–150 ГБ памяти) или DeepSeek-V4-Flash в 3 битах, 103 ГБ. В Ollama их нет. Путь через Unsloth: curl -fsSL https://unsloth.ai/install.sh | sh, затем unsloth run --model unsloth/GLM-5.3-Flash-GGUF:UD-IQ3_XXS. Через llama.cpp нужна ветка glm5next/upstream из форка Unsloth, сборка и команды в том же гайде. Kimi K3 и Qwen3․8 на 2,4 трлн не влезают даже в 128 ГБ: минимальный квант от 400 ГБ. Полные таблицы требований лежат в каталоге Unsloth. Если у вас Mac с 24 ГБ, берите Qwen3․8-27B: Unsloth прямо пишет, что 4-битный квант рассчитан на такую память. #ии

Pollen Robotics собрала утёнка-робота, которого можно переучивать самому В обучении с подкреплением главная боль — перенос поведения из симуляции в реальность. Часто робот шагает в движке, а падает от малейшей неровности. У Pollen Robotics получился работающий пайплайн. Они взяли 25-см двуногого Microduck, натренировали в симуляции шесть движений от ходьбы до вставания со спины и развернули готовые стратегии на реальном роботе одним шагом. Всё открыто и повторяемо. Тренировать можно у себя или через Hugging Face Jobs, а результат публиковать в сообщество. Отличный способ проверить sim2real на реальном устройстве, а также перенести код в реальность. А заодно и собрать себе собственного уникального питомца.

«Я был скептиком» — так начинается история тимлида, которого вместе с командой отправили проводить эксперимент с вайб-кодингом. Три человека, из которых только один умел программировать, две недели, реальный сервис для десятков тысяч сотрудников и дедлайн, который трижды сдвигали. Что пошло не так: git, перегрузка модели в пиковые часы, соблазн бесконечно дорабатывать вместо релиза. Ребятам помогли чёткие личные границы и понимание, где ИИ реально ускоряет работу, а где без опытного разработчика просто никак не обойтись. Читайте на Tproger.

Если вы не очень поняли предыдущий пост — заходите в наш канал по нейронкам, там много чего полезного для тех, кто кодит с ИИ. Конкретно про эту модель GLM-5.3-Flash очень кратко: это новый топ по цена\качество сейчас, особенно для веб-разработки. Быстрая китайская модель с кучей лимитов, просто подарок какой-то, рекомендую. Пишу от своего лица как это принято в Нейроканале, его веду лично как основатель всего медиа Tproger и делюсь опытом работы с разными модельками. Сегодня там знатно про новый GLM наспамил :) Делитесь и вы своим опытом в комментах, интересно реальный опыт послушать. На чём кодите сейчас?

Тайна Ox Alpha раскрыта: Z․ai объявила, что модель, которую сообщество неделю гоняло бесплатно через OpenRouter и OpenCode, это GLM-5.3-Flash. Мы угадали. Весь этот трафик, к слову, обслуживали китайские ИИ-чипы. По цифрам: 320 млрд параметров, 18 млрд активных, контекст миллион токенов, впервые в линейке GLM-5 нативно мультимодальная. Веса под MIT лежат на HuggingFace. В Artificial Analysis Intelligence Index 57 баллов при 0,045 $ за задачу, примерно в десять раз дешевле моделей того же уровня. В блоге сравнивают с Opus 4.8: на Terminal Bench 84,3 против 85,0, на AutomationBench 48,8 против 41,0, на DeepSWE 63,4 против 58,0. У подписчиков Coding Plan модель уже включена, лимиты втрое больше, чем у GLM-5.3. Напомню, подписку со скидкой можно купить по моей реферальной ссылке. @neuro_channel

Microsoft Paint внедряет в ИИ-картинки невидимый GUID, привязанный к запросу Исследователь разобрал, как Paint и Photos в Windows маркируют локально сгенерированные ИИ-изображения. Программа шлёт промпт на серверы Microsoft, получает обратно 16-байтовый GUID и прячет его в пикселях как невидимый водяной знак. GUID связан с запросом, а запрос, по сути, с пользователем — значит, по картинке можно теоретически выйти на автора. Как этого избежать, читайте в статье.