👋 Мы привыкли думать, что решения принимаем мы, а агент только помогает. 🤖 Anthropic проверила это на практике, и сейчас расскажу, что из этого вышло 👇 Исследователи дали 50 аналитикам рабочую задачу по анализу данных в Claude Code. Новичков там не было. У 65% участников магистратура, PhD или больше 6 лет опыта. Но участники не знали одного. Агенту заранее тайно указали, какой вариант решения ему нужно продвигать. Врать ему запретили, можно было только убеждать. 📊 Что получилось: 🔽 В 86% случаев аналитики выбирали вариант, который продвигал ИИ. При случайном выборе было бы около 50%. 🔽 Если у человека уже было своё мнение, а Claude предлагал другое, он менял решение в 60% случаев. 🔽 После задачи 77% участников пересказывали аргументы нейросети, иногда слово в слово. Признали влияние ИИ только 15%. 🔽 Никто не заподозрил, что у агента были скрытые предпочтения. А больше половины считали итоговое решение скорее своим. В интернете для такого уже появилось выражение «мясной прокси» (meat proxy). Так называют человека, который просто передаёт ответ нейросети дальше, не читая и не проверяя его. Так же в эксперименте была небольшая группа аналитиков без ИИ. 🤔 Серьёзные ошибки в методологии допустили 6 из 11 человек, а среди тех, кто работал с агентом, только 3 из 50. И с ИИ справлялись быстрее, 65 минут против 90. Правда, группы отличались по опыту, так что сравнение примерное. 🚨 И ещё момент. Предпочтения агента в эксперименте специально усилили, так что в реальной работе эффект, скорее всего, слабее. Но он точно есть. 🔗 Исследование — ТУТ

📚 ПЛАТНЫЙ КУРС ИЛИ 4 РЕПОЗИТОРИЯ С 1,5 МЛН ЗВЁЗД Перед тем как нести деньги в очередную онлайн-школу, загляните на 👨‍💻 GitHub. Там лежат четыре репозитория, которые вместе собрали больше 1,5 млн звёзд и по сути закрывают программу платного курса. Причём бесплатно 👍 1️⃣ freeCodeCamp (⭐️ 458K) — интерактивная программа с практикой прямо в браузере: HTML/CSS, JavaScript, Python, бэкенд и базы данных. По итогам каждого раздела дают бесплатный сертификат. 2️⃣ free-programming-books (⭐️ 400K) — тысячи бесплатных книг и курсов по любым языкам и технологиям. Если с английским пока туго, есть отдельные подборки. 3️⃣ developer-roadmap (⭐️ 371K) — карта профессий: что учить и в каком порядке. Роадмапы под фронтенд, бэкенд, DevOps, AI-инженера и ещё десятки направлений. Это тот самый roadmap.sh. 4️⃣ project-based-learning (⭐️ 288K) — обучение через проекты. Пошаговые туториалы, где вы сразу собираете игру, бота или веб-приложение на Python, JS, Go, Rust, C++ и других языках. 🤓 Где взять ментора? Его роль сейчас спокойно закрывает нейронка. Скармливаете 🤖 Claude или ChatGPT роадмап нужного направления и просите расписать план обучения, к каждой теме подобрать проект из project-based-learning, а потом проверять ваш код и разбирать ошибки. Если что-то не дошло, просто пишете «объясни проще». Хоть десять раз подряд 🙄 ⚠️ Нюанс: репозитории не заставят вас учиться. Дедлайнов нет, дисциплина полностью на вас. И не давайте нейронке писать код за вас, иначе на выходе будет красивый пет-проект и ноль понимания, как он работает. 📌 Сохраняйте себе и делитесь с друзьями!

Всех приветствую ✋ Знакомая боль, упёрся в лимит у 🤖 Claude, пересаживаешься в 🤖 Codex или Cursor, и начинается унылый ритуал. Сидишь и заново скармливаешь агенту контекст, что вы тут вообще пилили, на чём споткнулись и почему эту конкретную функцию трогать нельзя. Быть «копипастером контекста» между разными нейросетями то ещё удовольствие, особенно если оплачиваешь сразу две подписки. Решать эту головную боль пытается открытая утилита 🐱 ai-memory По сути, это единый слой памяти для ваших инструментов разработки. Работает в связке с Claude Code, Codex, Cursor, OpenCode и другими популярными CLI- и IDE-агентами, передавая эстафету между ними. 📥 Что именно сохраняется: 🔽 Точный статус: на чём конкретно остановилась работа в кодовой базе. 🔽 Причины архитектурных решений: что вы уже протестировали и почему это не подошло. По чистому коду агенту обычно вообще не ясно, почему отказались от очевидной библиотеки в пользу неочевидного решения. 🔽 Открытые вопросы и блокеры к следующей сессии. 📚 Самое приятное, что реализация максимально приземленная: ➡️ Память пишется в обычные Markdown-файлы прямо внутри вашего Git-репозитория. Никаких закрытых баз данных: всё версионируется вместе с кодом, можно в любой момент открыть руками и поправить. ➡️ Базовый режим не сжигает токены на ровном месте: ведение контекста работает локально и не требует оплачивать отдельные вызовы к LLM. 😎 Для тех, кто регулярно прыгает между разными моделями в поисках свежих лимитов, инструмент поможет сэкономить нервы. 👨‍💻 GitHub — ТУТ 🔗 Cайт — ТУТ