В Х хайпит промпт, который превращает любой репозиторий в интерактивную 3D-карту 🧠
Кидаете его в Claude и получаете изометрическую схему проекта с зависимостями, потоками данных и пояснениями.
Analyze [repo] at latest main. Create an isometric system map with legend and explainer panel. Show infrastructure as varied 3D buildings on a grid, with dependencies and payloads tracing real control/data paths. Cite files.
Ночное-полезное: принес красивый опенсорсный мониторинг системы — VIGIL.
Он показывает потребление CPU, GPU и RAM, нагрузку по ядрам и процессы, которые жрут больше всего энергии. Плюс считает стоимость электроэнергии и предупреждает о троттлинге. Работает на Linux, Windows и macOS.
Alibaba выкатили Qwen3.8-27B — свою новую компактную, но мощную модель с открытыми весами😳
Внутри всего 27 млрд параметров, но по бенчмаркам Qwen модель сильно прибавила в агентном кодинге, работе с браузером, компьютерных задачах и длинных офисных сценариях. А самый мёд: на ряде тестов она обходит Qwen3.7-Plus и даже уделывает местами Opus 4.6 Max.
Полезное: нашли отличный курс, который позволит выжать максимум из агентов.
Внутри учат, как правильно строить harness вокруг Codex и Claude Code: хранить состояние между сессиями, задавать агенту ограничения, не давать ему заканчивать задачу раньше времени и проверять, что получилось в итоге.
Всего в курсе 13 лекций с домашками, несколько практических проектов и готовые шаблоны, которые можно забрать себе.
Почему не я придумал: парень навайбкодил сайт, где продаёт рекламные места на… унитазе 🚽
И да — бренды реально платят за размещение там своего логотипа. На сайте уже продано рекламы больше чем на $120 тысяч, при этом цель автора собрать $1 МЛН.
Если вы думаете, что ваша идея недостаточна хороша, то вспомните об этом проекте ☕️
Делаем из агента ленивого сеньора и экономим токены 😎
На GitHub хайпит скилл Ponytail, который заставляет ИИ думать как ленивый, но опытный разработчик. Вместо написания нового кода агент сначала проверяет, можно ли вообще ничего не делать, переиспользовать существующее решение, обойтись стандартной библиотекой или еще как-нибудь легко решить задачу.
Авторы утверждают, что в реальных задачах это сокращает объем написанного кода в среднем примерно на 54% (а иногда и до 94%), а соответственно снижает стоимость и ускоряет работу агента.