Вчера Microsoft открыла исходный код расширения GitHub Copilot Chat для Visual Studio Code под лицензией MIT, со всеми потрохами: agent mode, система промптов для LLM и сбор техданных о работе расширения. Теперь всё прозрачно, можно посмотреть какие данные передаются, как устроена логика чата с моделью и при желании допилить под себя. Это первый шаг из планов MS превратить Visual Code в открытый редактор кода с ИИ.

https://blog.langchain.com/context-engineering-for-agents/

Сегодня промпт инжиниринг превратился в контекстный инжиниринг

Завтра, 10 июля, в 12:00 Владимир Крылов, доктор технических наук и научный консультант по применению ИИ в разработке ПО, проведет новую лекцию, во время которой поделится своим взглядом на будущее программирования.

Рассмотрим перспективы превращения программирования в универсальный навык разработчиков практически любых управляемых устройств и систем. Даже тех, которые не основаны на использовании компьютеров и встроенных процессоров.

Вы увидите, как общий подход генерации кода по описанию заданных функциональностей позволяет создать среду управления и взаимодействия с окружением для различных субстратов, реализующих абстракцию вычислений, — от моря кремниевых вентилей до квантовых объектов и биологических структур.

Подключайтесь и задавайте вопросы лектору! Их можно оставить в чате на YouTube или в комментариях к этому посту.

Специальный режим «Explain Mode» для Gemini CLI (Open Source AI агент от Google для командной строки) предложил Филипп Шмид AI разработчик из Google DeepMind. Промптом в GEMINI.md агент превращается в виртуального Senior Architect, который помогает вам быстро и безболезненно погрузиться в код больших и сложных проектов. Как работает:
- Обновляете GEMINI.md и переходите в режим Explain Mode. Выбираете большую тему (например, систему авторизации или работу с базой данных).
- Gemini CLI разбивает её на конкретные подтемы и предлагает вам выбрать направление для анализа.
- Проводит глубокий и понятный разбор выбранного компонента, объясняя, почему код устроен именно так.
- Предлагает следующие шаги для дальнейшего изучения кода.

Рекомендую попробовать , не могу оторваться от новой модели . Краткое описание здесь:
https://t.iss.one/neurogen_news/1421

Vibe Coding News этой недели:
Исследования, подтверждающие, что человекообразные senior-разработчики и ученые пока еще пригодятся, а также асинхронная библиотека для приложений с мультимодалными LLM. Д

Новое исследование METR проверило, как ИИ-помощники (Cursor Pro с Claude 3.5/3.7) влияют на продуктивность senior-разработчиков. Взяли 16 опытных инженеров (у каждого ~1500 коммитов и около 5 лет стажа в конкретных репозиториях open-source проектов) и дали им 246 типичных задач: багфиксы, фичи и улучшения на их «родных» проектах, где они знают каждый уголок.
Ожидали ускорения на 20–30%, а получили замедление на 19%.
Вывод: когда вы знаете проект лучше, чем собственный дом, ИИ пытается помочь как доброжелательный, но немного навязчивый младший коллега. Новичкам и в новых кодовых джунглях — полезно, а профи лучше доверять себе. Подробнее и полный препринт здесь.

METR — некоммерческая организация из Калифорнии, оценивающая риски от передовых ИИ-систем. Занимается тестированием автономных ИИ, сотрудничает с OpenAI, Anthropic и другими.


Исследователи из Стэнфорда проверили, чьи идеи в области обработки естественного языка (NLP) лучше: от людей или от LLM (Claude 3.5). Идеи для научно-исследовательских NLP-проектов были собраны от людей, сгенерированы LLM и оценены. Затем 43 исследователя реализовали идеи (в среднем по 100 часов работы), а другие эксперты потом ещё раз анонимно оценили результаты.
До реализации идеи ИИ казались интереснее, перспективнее, эффективнее. Но когда дошло до дела, их оценки сильно просели. Человеческие идеи оказались стабильнее и в итоге по качеству после реализации обошли LLM.
Вряд ли эти результаты можно распространять на другие области, но в научных исследованиях по темам вроде генерации, перевода, оценки фактов и безопасности — LLM умеет вдохновлять и пока не вытесняет человека. Полный препринт - здесь.


Google Deep Mind выпустили GenAI Processors — Python-библиотеку для быстрой сборки мультимодальных AI-приложений. Она позволяет легко объединять ввод с микрофона, камеры, текста или изображения и обрабатывать его через Gemini, выдавая результат с минимальной задержкой. Всё работает асинхронно и стримингово "из коробки. Хотя библиотека заточена под Gemini и содержит готовые модули, при желании можно подключить и другую LLM — например, GPT 4 — но для этого нужно написать свой небольшой врапер-процессор, который будет передавать данные в нужный API и обрабатывать ответы.

Пропустили что-то важное?

Перевёл для Хабра статью разработчика, недавно уволившегося из OpenAI. Он рассказывает, как устроена работа изнутри: культура снизу вверх, отсутствие планов, вся коммуникация через Slack, техстекиз Azure, monorepo, Python, как создавали Codex (агент-программист) делали 8 разработчиков (всего 17 человек) за 7 недель, работая до 4 утра.

Выжимки из статьи уже появлялись в каналах, но я прочитал оригинал и там много интересного. Возможно, не самый объективный обзор, но заглянуть внутрь OpenAI всё равно любопытно.

Vibe Coding News этой недели:

Qwen 3 Coder - новая open-source модель уровня Claude Sonnet-4 (по версии производителя, отчет с бенчмарками прилагается). 480 миллиардов параметров (35B активных), окно контекста 256K токенов, расширяемое до 1 миллиона. Специализация - генерация кода, инструментальное использование и агентные задачи. Полная модель доступна в чате; локально потребует десятки GPU. Если она вдруг действительно работает на уровне Sonnet-4, это может существенно удешевить работу в Cursor да и вообще позволить работать без облака. Наши коллеги, впрочем, пока не спешат переключаться на Qwen 3 Coder. Подождём отзывов и тестов.

Квантизованные модели Qwen 3 Coder, конечно, уже тоже сделали. Например, здесь инструкции по установке и квантизованные модели (Unsloth Dynamic 2.0) GGUF (8–16 бит) с поддержкой до 1M токенов контекста.

Mini-SWE-Agent - новый open-source агент программирования всего из 100 строк кода, достигающий 65% точности на задачах SWE-bench без использования специальных инструментов. 100 строк кода на python - можно быстро посмотреть как это устроено.

Figma запустила AI-генератор дизайна приложений, сайтов и прототипов чего угодно. Создаёшь по текстовому описанию — получаешь готовый макет, который можно доработать вручную. Уже можно попробовать, и пока даже бесплатно! Работает на базе Sonnet 4.

Google запустила в тестовом режиме Opal - систему быстрого создания мини-приложений, что-то вроде Claude Artifacts в рамках Google Labs. Пользователи с IP из США уже могут попробовать. Мы попробовали - работает вполне неплохо, принципиально нового пока не увидели. Пишешь или наговариваешь суть приложения, затем получаешь схему данных, которую можно отредактировать и создаёшь формы. Уметь программировать не нужно.

Забыли что-то интересное?