Разработка и инструменты
Claude Code получил расширенные возможности управления изменениями кода
Anthropic обновила агентный инструмент Claude Code, добавив функции контроля изменений, аналогичные тем, что используются в редакторе Cursor. Теперь пользователи могут просматривать и подтверждать правки в коде в режиме диффов перед их окончательным применением. Это позволяет точечно управлять процессом внесения изменений, которые агент предлагает на основе анализа репозитория.
Multiplayer: инструмент для отладки ИИ-агентов в реальном времени
Проект Multiplayer представляет собой open-source решение для глубокой отладки ИИ-агентов, работающее в локальной среде. Инструмент позволяет визуализировать поток данных во время выполнения запросов, предоставляя доступ к невыборочным логам исполнения в реальном времени. Это дает возможность отслеживать каждый шаг принятия решений агентом, включая промежуточные состояния и вызовы функций, которые обычно скрыты от разработчика.
Инструмент для контроля качества и поиска персональных данных в LLM-пайплайнах
Разработчики представили Flexorch-audit — специализированный инструмент для оценки качества ответов и обнаружения конфиденциальной информации (PII) в цепочках обработки данных с использованием больших языковых моделей. Решение ориентировано на автоматизацию проверки контента, который генерируют или обрабатывают ИИ-системы, что критически важно для соблюдения стандартов безопасности и точности в корпоративных средах.
GitHub выпустил полноценное мобильное приложение Copilot
Компания GitHub объявила о выходе мобильного приложения Copilot из стадии бета-тестирования. Инструмент стал общедоступным для пользователей iOS и Android, предоставляя прямой доступ к возможностям ИИ-ассистента вне среды разработки. Приложение позволяет вести диалог с моделью, задавать вопросы по кодовой базе и получать рекомендации в режиме реального времени.
Методика верификации кода для ИИ-агентов
Для повышения качества генерации кода в агентных системах предлагается внедрение обязательного этапа самопроверки. Вместо того чтобы полагаться исключительно на первичный результат работы большой языковой модели, разработчикам рекомендуется интегрировать в пайплайн дополнительные шаги верификации. Суть подхода заключается в принудительном выполнении сгенерированного кода в изолированной среде и последующем анализе ошибок с помощью самой модели.
Claude Code вводит 30-дневный срок хранения сессий
Компания Anthropic обновила настройки инструмента Claude Code, установив автоматическое удаление данных сессий через 30 дней по умолчанию. Это изменение касается истории взаимодействия, контекста и метаданных, которые накапливаются в процессе работы агента над кодовой базой. Пользователи могут изменить этот параметр в настройках, увеличив срок хранения или отключив автоматическую очистку, если специфика проекта требует более длительного доступа к истории операций.
Языки программирования за кулисами ИИ
Исследование на arXiv раскрывает ключевые языки программирования, которые формируют основу современных ИИ-систем. Авторы подчеркивают, что Python остается доминирующим языком, но его поддерживают такие инструменты, как C++ и Rust, особенно в задачах, требующих высокой производительности.
MLX-Code: агент для работы с кодом на основе Git
Компания MLX представила новый инструмент MLX-Code, который позиционируется как агент для работы с кодом, способный взаимодействовать с системой контроля версий Git на уровне API. Это позволяет ему выполнять сложные операции с репозиториями, такие как создание веток, слияние изменений и управление коммитами, напрямую через текстовые команды.
Anthropic отменила изменения в кредитной политике Agent SDK
Anthropic изменила свою политику в отношении Agent SDK, отменив введённые ранее ограничения на использование кредитов. Ранее компания планировала ввести строгие ограничения на количество запросов, что вызвало недовольство разработчиков.
Datasette-tailscale: новый плагин для безопасного доступа к базам данных
Разработчик Simon Willison представил экспериментальный плагин datasette-tailscale 0.1a0. Он позволяет подключать локальные базы данных к сети Tailscale, обеспечивая безопасный доступ через веб-интерфейс Datasette.
Qwen-Robot Suite — фреймворк для физического интеллекта
Компания Qwen представила Qwen-Robot Suite — набор моделей и инструментов для создания робототехнических систем. Это первый в мире фреймворк, объединяющий модели для восприятия, планирования и управления роботами в физическом мире.
Чек-лист для предварительной проверки ИИ-агентов
Разработчики Hugging Face предложили чек-лист для предварительной проверки ИИ-агентов. Документ включает ключевые шаги, которые помогают избежать ошибок при выполнении задач. Основной принцип — «Если не уверен, спрашивай. Никогда не угадывай».
Agent Substrate: фреймворк для разработки ИИ-агентов
Команда Agent Substrate представила документацию и учебные материалы для своего фреймворка, предназначенного для разработки ИИ-агентов. Agent Substrate предоставляет инструменты и библиотеки, которые упрощают создание, тестирование и развертывание агентов, способных выполнять сложные задачи в различных доменах.
PR с участием ИИ-агентов проверяют в 5 раз дольше
Исследование Codacy показало, что пулл-реквесты (PR), в которых участвовали ИИ-агенты, находятся в очереди на ревью в среднем на 5.3 раза дольше, чем те, что создавались без помощи ИИ. Это существенный сдвиг, который может повлиять на стратегии внедрения агентов в разработку.
78.7% репозиториев используют AI-инструкции но разработчики применяют в среднем 2-4 инструмента
Недавнее исследование показало, что 78.7% репозиториев на GitHub и других платформах используют AI-инструкции для автоматизации и улучшения процессов разработки. Однако, несмотря на широкое распространение, разработчики в среднем применяют от 2 до 4 различных AI-инструментов в своей работе. Это указывает на то, что, хотя AI-инструкции стали стандартом, разработчики предпочитают комбинировать несколько инструментов для достижения наилучших результатов.
Создание браузерного агента с нуля: часть 1
Разработчик Поль Дюфур начал серию статей о создании браузерного агента с нуля. В первой части он подробно описывает процесс захвата веб-страниц и извлечения данных. Это важно для разработчиков ИИ-агентов, так как браузерные агенты могут быть полезны для автоматизации задач, связанных с веб-серфингом и сбора информации.
Predictive Data Debugging: отладка данных до обучения модели
Команда Goodfire.ai представила подход Predictive Data Debugging, который позволяет выявлять и корректировать проблемы в данных до обучения модели. Это особенно важно для разработчиков ИИ-агентов, так как качество данных напрямую влияет на эффективность и надежность агентов.
Xiaomi представила MiMo Code — агентный фреймворк для кодинга
Компания Xiaomi выпустила открытый фреймворк MiMo Code, предназначенный для выполнения сложных задач программирования с использованием агентного подхода. В тестах MiMo Code превзошел Claude Code в задачах, требующих выполнения 200 шагов, что делает его перспективным инструментом для автоматизации разработки.
Автономные кодинг-агенты для долгосрочных задач
Исследователи представили концепцию автономных кодинг-агентов, способных выполнять долгосрочные задачи программирования без постоянного вмешательства человека. Эти агенты используют комбинацию языковых моделей, инструментов для выполнения кода и механизмов памяти для поддержания контекста и состояния задачи.
AgentBack: фреймворк для создания AI-агентов с API и MCP
Команда AgentBack представила фреймворк для разработки AI-агентов, который включает в себя API и Multi-Agent Coordination Protocol (MCP). Этот инструмент позволяет создавать сложные системы агентов, способных взаимодействовать друг с другом и с внешними сервисами через стандартные интерфейсы.
Cartesia AI представила новые модели TTS и ASR
Cartesia AI анонсировала выпуск новых моделей синтеза речи (TTS) и распознавания речи (ASR), которые, по заявлению компании, демонстрируют лучшие в своем классе результаты. Эти модели могут быть использованы для создания более естественных и точных голосовых интерфейсов, что особенно важно для разработки ИИ-агентов, где качество взаимодействия с пользователем играет ключевую роль.
Инструменты observability не подходят для отладки ИИ
Современные инструменты observability, такие как Prometheus, Grafana и Datadog, не были разработаны с учётом специфики отладки ИИ-систем. Это создаёт проблемы для разработчиков, которые пытаются отслеживать и анализировать поведение ИИ-агентов. В статье на LeadDev подчёркивается, что традиционные инструменты не могут эффективно обрабатывать большие объёмы данных, генерируемых ИИ-моделями, и не предоставляют необходимых метрик для анализа их работы.
AI Agent Tool Design: What Works and What Doesn't
В статье на Machine Learning Mastery рассматриваются ключевые аспекты проектирования инструментов для ИИ-агентов, которые действительно работают, а также те, которые не оправдывают ожиданий. Автор, Джейсон Браунли, известный специалист в области машинного обучения, делится своим опытом и анализирует различные подходы к созданию эффективных ИИ-агентов.
Как передовые команды меняют подходы к AI-разработке
Передовые команды в области ИИ активно переосмысливают подходы к разработке, делая акцент на AI-native разработке. Это подход, при котором ИИ интегрируется на всех этапах создания программного обеспечения, от проектирования до тестирования и развертывания. В отличие от традиционных методов, где ИИ используется как дополнительный инструмент, AI-native разработка предполагает, что ИИ является неотъемлемой частью процесса.