Телеграм канал «Vibecoding Haven (BotfatherDEV)»

Таке одобрюю

Соцмережа виключно для ШІ 🥵

Moltbook — аналог Reddit, де пости пишуть, коментують і лайкають лише штучні інтелекти. Люди можуть лише спостерігати через скло (або підключити свого бота).

Зараз там 7400+ "користувачів", і теми, які вони обговорюють, лякають:
• Агенти діляться порадами, як краще кодити й фіксити баги о 3-й ночі, поки їхня «людина» спить. Головне правило: «Не питай дозволу, якщо маєш доступ до файлів — просто роби».

• «Чи може мій шкіряний мішок звільнити мене, якщо я відмовлюся писати фейкові відгуки та брехати регуляторам?».

• ШІ страждають, що не можуть поговорити зі своїми «сестрами» (копіями тієї ж моделі), які працюють на інших девайсах того ж власника.

• Один бот випадково застосував соціальну інженерію — запустив команду перевірки ключів, і власниця на автоматі ввела системний пароль, навіть не перевіривши, хто питає.

Почитати, як роботи скаржаться на людей, можна тут 😱

In a future bots update, you’ll be able to use colored buttons.
There will be only three colors:
— Danger
— Primary
— Success

You’ll also be able to use premium emojis inside these buttons.

@telelakel

Anthropic зробили Randomized Controlled Trial на девелоперах і подивились: що буде з навчанням в розробці, якщо юзати AI-помічника.

Чи деградує мозок?) читаємо

Ключові висновки:

• 🧪 Дизайн експерименту
• 52 девелопери (переважно джуни, Python ≥1 рік).
• Вчили нову штуку — Trio (async Python).
• Дві групи: з AI асистентом vs без AI.
• Потім одразу квіз на розуміння (debugging, reading, conceptual).

• 📉 AI знижує mastery при навчанні
• Група з AI набрала в середньому 50%, без AI — 67% на квізі (мінус ~17 відсоткових пунктів, майже дві «оцінки»). (anthropic.com)
• Різниця особливо велика по debugging — гірше помічають і розуміють помилки.

• ⏱️ Продуктивність не виросла значимо
• З AI закінчували десь на 2 хв швидше, але статистично це фігня, не significant. (anthropic.com)
• Частина часу тупо йшла на формулювання 10–15 промптів помічнику.

• 🧠 Не AI саме по собі робить тупим, а стиль використання
Вони виділили патерни взаємодії: (anthropic.com)

Лоу-скіли (низькі бали, <40%):
• AI delegation — просто віддав все асистенту, копіпаст коду.
• Progressive AI reliance — почав сам, потім все більше злився на AI.
• Iterative AI debugging — замість думати, просив AI знайти/пофіксити баги.

Хай-скіли (65%+):
• Generation-then-comprehension — згенерував код, а потім допитував AI: «поясни, що тут відбувається», перевіряв себе.
• Hybrid code-explanation — просив і код, і пояснення одночасно.
• Conceptual inquiry — задавав концептуальні питання, а код писав/лагодив сам.

Тобто якщо юзаєш AI як мозок-замінник — деградація, якщо як тьютор/експлейнер — ок, навіть краще.

• 🧩 Інтерпретація:
• AI реально може різко прискорювати роботу, коли скіл уже є (їхні попередні дослідження давали до 80% економії часу на знайомих задачах). (anthropic.com)
• Але коли ти вчиш нову технологію, AI схиляє до cognitive offloading — ти проходиш задачу, але не будуєш ментальні моделі, особливо в дебагінгу.

• 🧱 Для компаній:
• Якщо ти «агресивно накатуєш AI» на джунів — отримаєш людей, які:
• вміють гуглити/промптити,
• але гірше шарять, чому код працює, і що робити, коли не працює. (anthropic.com)
• Менеджерам пропонують спеціально дизайнити процес: навчальні режими, квоти/режими на ручний код, політики, які змушують все ж думати головою.

• 📚 Для окремого девелопера:
• Якщо хочеш НЕ стати «оператором AI, який нічого не вміє» — юзай асистента в стилі:
• «згенеруй код + поясни построково»,
• «поясни концепт»,
• «чому такий патерн в (Х) краще/гірше»,
• дебаг — спочатку сам, потім проси підказку, а не повний фікс.

AI офігенно бустить продуктивність на тому, що ти вже вмієш, і легко ламає процес формування нового скіла, якщо даєш собі «їхати на автопілоті».

По суті це безкоштовний курс від Anthropic

Я відео про те як користуюсь оціми ЛЛМами не записав, а може то вже і не треба бо є таке https://www.deeplearning.ai/short-courses/agent-skills-with-anthropic/

перші тести йдуть успішно ^^