Cursor теперь может мониторить вашу кодовую базу автономно и постоянно

Теперь там есть возможность настроить ИИ‑агентов, которые автоматически выполняют задачи в вашей базе по расписанию или по событиям (push, Slack, PagerDuty и т.п.).

Каждый такой агент крутится в отдельной cloud‑sandbox, может ходить в твой репозиторий, CI, Slack и внешние сервисы через MCP (Model Context Protocol).

То есть при срабатывании триггера поднимается изолированная среда, в нее подтягивается свежий код, и агент выполняет нужный сценарий. Настройки могут быть максимально гибкими.

Внутри уже есть типовые шаблоны: ежедневные дайджесты изменений в базе, поиск уязвимостей и простых багов, обновление документации. Пробуем!

cursor.com/blog/automations

В стартапе Eon Systems ученые сделали первую полноценную цифровую эмуляцию мозга животного, которая способна управлять телом

Короче, на равных с искусственным интеллектом аля Джарвис в науке уже давно существует и другая идея: не обучать саму машину, а взять настоящий биологический мозг, полностью скопировать его в цифровую модель и запустить на роботе или компьютере. Особенно этот концепт знаком любителям научной фантастики.

Так вот ученые из Eon Systems заявляют, что они впервые создали такую систему и могут показывать ее в действии.

Они взяли мозг плодовой мухи, скопировали его и создали так называемый connectome: как бы полную карту всех нейронов мозга и связей между ними. То есть все нейроны, все соединения и сигналы синапсов.

Сам мезанизм такого копирования не свеж, и, вообще говоря, сама копия мозга мухи существует уже с 2024 года, НО что Eon Systems сделали впервые – так это соединили эту модель с настоящим телом в симуляции.

Другими словами, они впервые продемонтрировали полный цикл среда → сенсоры → мозг → моторные команды → движение тела. Это называется closing the sensorimotor loop – замыкание петли восприятия и действия. Причем получившаяся виртуальная муха демонтрирует не какой-то один тип поведения, а сразу несколько базовых паттернов.

Никаких искусственных нейросетей. Просто взяли карту мозга, подключили к телу, и это заработало. Хотя говорить, что совсем никакого ML там нет, было бы нечестно: даже если мы видим карту мозга, его динамика (пороги возбуждения, сила синапсов и тд) остается неизвестной, и ее тут как раз приближают моделями. Но это все равно нельзя назвать ИИ в привычном смысле слова.

Главное – что в целом работоспособность принципа brain upload +-подтверждена. Авторы пишут, что дальше все дело в масштабируемости. Для понимания, в мозге мухи примерно 140к нейронов (и даже его скопировать непросто), а у человека нейронов ~86 млрд.

Как работают рекомендательные системы в огромных сервисах

11 марта в 19:00 Школа Высшей Математики проводит очень крутой (и абсолютно бесплатный!) вокршоп по рексис. Вы узнаете:

– Как рекомендательные и поисковые системы работают в реальных продуктах
– Какие ML-архитектуры, метрики и подходы используются на каждом этапе
– Как учитываются бизнес-требования и ограничения реальных систем

Все это продемонтрируют на живых примерах из e-commerce, стриминга и соцсетей. То есть вы разберете настоящие кейсы, увидите именно те подходы, которые действительно работают в огромных сервисах, и посмотрите на практические детали их реализации и оптимизации.

Вести воркшоп будет Осиновсков Илья – Руководитель отдела Рекомендательных технологий в Ozon.

Мастхэв для инженеров и всех видов DS-спецов. Не пропускайте и регистрируйтесь здесь

Мультиагентность – про реальную эффективность или про понты?

Недавно вот тут прочитали обзор Серёжи из Яндекса на новую статью Anthropic про мультиагентность.

Собственно, в этом обзоре затронуты две важные темы:

1. Вопрос эффективности мультиагентных систем относительно цены (они могут съедать в 3–10 раз больше токенов, а выхлопа часто как от одного простого агента).

2. Вопрос разумности их применения. Не превращаемся ли мы из инженеров в охотников за хайпом, когда пытаемся впихнуть рой агентов туда, где не понимаем, зачем оно надо?

Конечно, есть ситуации, когда много агентов действительно в кассу, в посте они перечислены. Но на практике часто выясняется, что основной bottleneck вообще не там и вездесущая мультиагентность – это лишь стадия индустрии.

Да, мы пока только учимся работать с LLM как с системой, и поэтому естественная реакция – добавлять новые уровни сложности. Но если серьезно собираетесь идти в эти дебри, то хотя бы подумайте:

(а) зачем оно вам, и будет ли игра стоить свеч: будет ли в вашем продукте такая система реально работать лучше или просто начнет громче говорить сама с собой и кушать токены?

(б) как именно вы организуете архитектуру: сейчас принято делить агентов по ролям, но может ВАМ больше подойдет – по контексту, как предлагают Anthropic.

И давайте помнить, что хороший инжиниринг– это все таки про бережливость и рационализм, а не про тренды.

Мем дня: Cloudflare, которые годами защищали сайты от ботов-парсеров, выпустили парсер

Они анонсировали эндпоинт /crawl для Browser Rendering, который позволяет сканировать и извлекать контент целого сайта одним API-запросом. Он предназначен для «RAG пайплайнов, обучения AI, мониторинга и исследований».

Ирония в том, что Cloudflare – абсолютный лидер как раз в защите сайтов от нежелательных краулеров и ботов, которые собирают данные для обучения ИИ.

В свое оправдание они замечают, что их бот (в отличие от всех остальных злюк-ботов) будет вести себя хорошо: уважать правила сайта и robots.txt 😇