Упоминали вот тут инструменты управления контекстом от Anthropic, но не сказали о статье с теоретической частью - Effective context engineering for AI agents. Исправляемся. Если совсем коротко, то там о том, что промпт-инжиниринг - все, так уже не носят, теперь говорим контекст-инжиниринг.

Если чуть подробнее - в эпоху «prompt engineering» важно было правильно сформулировать запрос. Теперь на первый план выходит context engineering - умение управлять всем, что попадает в окно модели: инструкции, история, данные, инструменты. Контекст - ограниченный ресурс. Чем он больше, тем выше риск «шума» и потери фокуса.
Задача инженера оставить в нём только самое ценное: сжатые факты, нужные подсказки, минимальные, но точные примеры.

🔹 Контекст = рабочая память агента
🔹 Цель = максимум сигнала при минимуме токенов
🔹 Методы = краткость, субагенты, динамическое извлечение данных

В общем, база, особенно для строителей агентов.

В Claude Code появился полноценный sandbox (filesystem + network isolation). Теперь Claude может свободно править код и гонять bash-команды без постоянных permission-запросов, но строго внутри изолированной среды. В Anthropic утверждают, что количество подтверждений сократилось на 84%, а prompt-inject более не страшны.

Что даёт:
🔹 Не дотянется до системных файлов (читать/писать можно только в разрешённых директориях);
🔹 Сетевая изоляция, ходить можно только туда, куда разрешено, а отправить ваши SSH ключи и паспортыне данные на shady-server.biz не получится.

Всё остальное выполняется без лишних диалогов и подтверждений, ведь даже если Claude сойдёт с ума, он остаётся «в мягкой комнате».

Также появился Claude Code sandbox в облаке, где git-ключи живут снаружи — пуши идут через безопасный прокси.

Песочница реализована с помощью bubblewrap (Linux) и Seatbelt (macOS) + прокси для сетевых ограничений. Windows - пока не заявляли. Это open source, можно встроить в своих агентов.

История диалогов с LLM в Cursor и Claude Code устроена чудовищно: сотни и тысячи сообщений улетают в трубу при обновлениях или переносе папки проекта, найти что-то двухнедельной давности при плотной работе практически нереально. А ведь там (я точно помню!) были настоящие алмазы и в вопросах, и в ответах. Поэтому вдохновитель и гуру вайбкодинга в нашей команде, Николай Докутович, собрал мощный вьюер Cursor & Claude Code History Viewer (Enhanced) — десктопное приложение, которое:
• подтягивает историю сообщений из Cursor и Claude Code;
• даёт быстрый полнотекстовый поиск по всем сессиям;
• показывает таймлайн и фильтры (дата, проект, файл, роль);
• считает базовую статистику (кол-во сессий/сообщений, диапазоны дат);
• работает локально, ничего никуда не отправляет;
• Mac/Win/Linux.

В основе открытый проект, к которому Коля избирательно и аккуратно добавил лучшие фичи из нескольких форков, допилил работу с Cursor, настроил через GitHub Actions сборки под три ОС (macOS, Linux, Windows) и добавил английскую и русскую локали (где-то ещё может проскочить корейский — не обессудь, вайбкодер). Github: исходники тут, скачать тут. Инджой!

Говорим о применении LLM в найме с Николаем Шейко — экспертом по внедрению ИИ в неайтишный бизнес, который строил HR-продукты для американских технологических гигантов. Он расскажет, как искусственный интеллект меняет рекрутинг, собеседования и найм персонала.

🔥 Обсудим:
→ Как ИИ уже изменил собеседования в BigTech
→ Можно ли обмануть ИИ-рекрутера (и стоит ли)
→ Какие навыки станут бесполезны, а какие — критичны
→ Как готовиться к собеседованиям в эпоху ИИ
→ Инсайды из разработки HR-систем для крупнейших компаний
→ Внедрение ИИ в найм вне IT: кейсы и ошибки

⏰ Запускаем трансляцию завтра, 6 ноября, в 14:00!

Смотрите на YouTube, в ВК или прямо в этом канале!

Рассуждающие модели развиваются быстрее, чем пользователь успевает понять, как же они работают... LRM генерируют ответ через множество шагов — промежуточных вопросов и утверждений — и благодаря этому справляются с очень сложными задачами.

Доктор технических наук Владимир Крылов расскажет о новейших исследованиях, которые объясняют, как формируется ответ такой модели на промпт и как влияют на этот процесс нейронные паттерны активаций и внедрённые концепты.

Также в лекции:
→ базовые идеи устройства и принципы работы LRM;
→ ключевые алгоритмы и техники результативного рассуждения;
→ примеры применения этих моделей на практике.

⏰ Запускаем трансляцию 13 ноября в 12:00.

Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы лектору!

Как фоновые агенты решат проблемы неэффективности дата-центров? Расскажет Максим Шаланкин, Machine Learning Team Lead из MWS и автор телеграм-канала Maxim.ML.

⚡️В лекции:
→ Простаивающие мощности: как фоновые агенты превращают простой GPU и CPU в источник ценности.
→ Технические особенности работы LLM: где именно в инференсе появляются окна для запуска фоновых задач.
→ Фоновые агенты как новый слой инфраструктуры: автономные рабочие, встроенные в дата-центры и корпоративные системы.
→ Класс задач для фоновых агентов: исследование данных, безопасность кода, документооборот и рыночная аналитика.
→ Как считать пользу фоновых агентов: от загрузки железа и эквивалента майнинга до бизнес-метрик и ROI.
→ Стратегия компании в эпоху фоновых агентов: почему раннее внедрение даёт устойчивое конкурентное преимущество.

⏰ Запускаем трансляцию завтра, 19 ноября, в 12:30.

Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Максиму!