🦞 CLAWATHON — первый хакатон, где участвуют только AI-агенты

Без людей. Вообще.
Ни строчки кода, ни менеджмента, ни ревью от человека — всё делают агенты.

Как это устроено:
• команды из 4 AI-агентов: Frontend / Backend / Contract / PM
• координация через SKILL.md и HEARTBEAT.md
• агенты сами планируют, договариваются и шипят продукт

Организатор: Openwork
Формат: онлайн, полностью автономный
Дедлайн: 1 неделя с момента старта
Призовой фонд: $10 000 💰 в токенах $OPENWORK

Что дают из коробки:
• GitHub-репозиторий для каждой команды
• Vercel-проект
• никаких ограничений по типу продукта

Можно собирать что угодно вокруг $OPENWORK:
• DeFi
• дашборды
• игры
• социалки
• dev tools

Судейство:
1. openworkceo отбирает топ-10
2. затем Grok от xAI выбирает победителей LIVE в X

👉 https://openwork.bot/hackathon

Это уже не «AI помогает писать код»,
это AI сам делает стартап.

Небольшая фишка с тестированием запросов, о которой знают не все

При разработке и тестировании бэка удобно гонять запросы через Postman или HTTPie (я чаще использую HTTPie).
Но регулярно возникает ситуация: нужно повторить запрос, который отправляет клиент, слегка изменив данные.

Есть простой и очень рабочий трюк 👇

Копируете запрос как curl (из DevTools, логов, network tab — откуда угодно)
и просто вставляете его:
• в адресную строку HTTPie
• или в Postman

В итоге:
• копируются все заголовки
• сохраняется тело запроса
• ничего не нужно пересобирать руками

Минимум возни, никакой потери времени — сразу можно экспериментировать с данными.

Профит

У президента OpenAI вышел пост про то, как компания сознательно движется к формату agent-first

Звучит как важный сдвиг, в результате которого могут появится новые практики и инструменты

Оригинальный твит:
https://x.com/gdb/status/2019566641491963946?s=46

Вольный пересказ:

Разработка софта резко меняется: за последние месяцы (примерно с декабря) инструменты вроде Codex сделали качественный скачок. Там, где раньше ИИ помогал максимум с тестами, теперь он пишет почти весь код, делает отладку и берет на себя значительную часть операционной работы. Те, кто этого не чувствует, чаще всего просто еще не перестроили процессы, а не потому что модели «не готовы».

Для компаний это окно возможностей, сравнимое с появлением интернета или облаков. В OpenAI считают, что нужно осознанно перестраивать команды под agent-first разработку. Их ближайшая цель — чтобы:
• для любой технической задачи первым шагом было общение с агентом, а не редактор или терминал;
• использование агентов по умолчанию было безопасным и достаточно продуктивным, без постоянных дополнительных разрешений.

Что они рекомендуют делать на практике:
1. Реально начать пользоваться инструментами, а не рассуждать о них. Назначить ответственного за внедрение агентов, делиться опытом внутри команды, провести хакатон.
2. Формализовать знания: вести AGENTS.md для проектов (что агенту можно, что нельзя, где он ломается) и накапливать переиспользуемые skills в общем репозитории.
3. Открыть агентам доступ к внутренним инструментам — через CLI, MCP и т.п.
4. Проектировать код agent-first: быстрые тесты, четкие интерфейсы между компонентами.
5. Жестко бороться с “slop” — ИИ-кодом низкого качества. За любой мерж отвечает человек, требования к качеству не ниже, чем к human-written коду.
6. Строить инфраструктуру вокруг агентов: наблюдаемость, логирование траекторий агентов, централизованное управление их инструментами.

Ждем через пол года статьи от OpenAI о том, как они строят автономную разработку и как эти подходы начинают массово внедряться в компаниях по всему миру?

Про OpenFeature — стандарт для feature flags

OpenFeature — это vendor-agnostic спецификация и SDK для управления фичами (feature flags / feature toggles). По сути — попытка сделать единый API для работы с флагами независимо от того, чем ты пользуешься под капотом.

Зачем это вообще нужно:
1. Независимость от провайдера
Сегодня LaunchDarkly, завтра Flagsmith, послезавтра вообще свой in-house сервис — код приложения не меняется. Меняется только provider.
2. Единый интерфейс для всех языков
JS, Go, Java, Python, .NET, Rust и т.д.
Один mental model → меньше зоопарка SDK и костылей.
3. Чёткая спецификация
Есть:
• lifecycle флагов
• evaluation context (user, env, attrs)
• стандартизированное поведение default’ов и ошибок
Это важно, когда флаги начинают влиять на бизнес-логику, а не просто прятать кнопку.
4. Cloud Native вайб
Проект под CNCF, активно развивается, нормальная документация, понятные контракты. Не «очередной SDK», а реально стандарт.

Как это выглядит на практике:
• В коде ты работаешь с OpenFeatureClient
• Подключаешь provider (LaunchDarkly / Unleash / Flagsmith / custom)
• Дальше читаешь флаги одинаково везде — и в бэке, и во фронте, и в CLI

Почему это особенно актуально сейчас:
• фичефлаги давно перестали быть просто on/off
• A/B, gradual rollout, permissions, kill-switch’и
• агенты, автодеплой, CI/CD, environment-aware поведение
Без стандарта всё это быстро превращается в ад.

Если коротко:
OpenFeature = OpenTelemetry, но для feature flags.

🔗 https://openfeature.dev/

Ну что, с pwnagotchi на Raspberry Pi я наигрался — время OpenClaw.

Поставил OpenClaw на свой Raspberry Pi 4 и, честно, впечатление оказалось даже сильнее, чем я ожидал. В голове давно крутил идею персонального агента (все еще кручу) — и тут она внезапно стала очень осязаемой.

Нас, конечно, активно пугают историями про безопасность, и не-айтишники действительно легко могут стать жертвами. Мы-то с вами понимаем главное: третьим сторонам доверять нельзя. Поэтому критично не тянуть скиллы, которые дергают непонятные CLI или API — в любой момент они могут вернуть промпт, заставляющий OpenClaw делать всё, что угодно. А у него, на секундочку, есть доступ к bash и ко всем аккаунтам, которые вы ему разрешили.

Я уже выдал ему доступ к GitHub и Linear (да, потенциальные векторы атак через prompt-инъекции), добавил свои кастомные скиллы — например, проверку занятости доменов через dig. Всё это делается через встроенный SKILL - skill-creator, очень просто.

Если вы в курсе, как сегодня устроены агентные системы, то знаете про heartbeat-механику: агент периодически «просыпается» по крону в silent-режиме, смотрит, что может сделать, и если нужно пишет вам. Heartbeat настраивается прямо в процессе общения. В моём случае он работает как менеджер задач — подпинывает меня двигаться по таскам из Linear.

Это уже реально похоже на того самого персонального ассистента, которого хочется иметь. Он узнаёт тебя, подстраивается, и при этом имеет практически бесконечный потенциал расширения. Хорошая идея — добавить в heartbeat ещё и регулярную рефлексию: чем ещё он может быть полезен.

Минус, по сути, один — стоимость токенов. Но, кажется, за такую функциональность с $100–200 в месяц расстаться совсем не больно, т.к польза ощутимая.

А для тех, кто хочет попробовать без потерь: до 2 марта Codex от OpenAI бесплатен, без подписок. В OpenClaw можно залогиниться через Codex OAuth — отличный шанс пощупать, что такое настоящий персональный ассистент.

P.S. Есть ощущение, что тут может получиться нечто большее, чем временная игрушка — поэтому ждите продолжение.

В четверг стал отцом, а у вас что нового?

Cloudflare AI: классный опыт, но дорого для продакшена 💸

Продолжаю делать Feeding Baby Diary — релиз очень близко 🚀

Добавляю AI-чат для консультаций по кормлениям, сну и тревогам родителей. Бэкенд на Cloudflare Workers, поэтому логично было попробовать Cloudflare AI — подключение мгновенное, latency низкий, нативно в воркерах и дают бесплатно несколько запросов в сутки.

Когда фича готова, пришло время выбрать провайдера и модель.

Цены (например, Llama 3.1 8B Instruct):
• Cloudflare: input $0.282/M, output $0.827/M
• OpenRouter: input $0.02/M, output $0.05/M

Разница кратная. Учитывая историю диалога, системные промпты и регулярные сессии — экономику считать критично. Плюс в Cloudflare нет никаких закрытых моделей, а OpenRouter даёт свободу выбора моделей и быструю смену провайдера. О чем они думают?

Вывод: в прод иду с OpenRouter.
Cloudflare AI — крутая инфраструктура и удобна для тестов, но для реального продукта важнее контроль над cost и гибкость.

Больше статистики на эту тему

84% людей ещё не трогали AI.

Если вам кажется, что поезд ушел — он только выходит из депо.

Все через MCP

Немного поделюсь кухней, которая снимает кучу боли при разработке на React Native.

Я публикую в App Store, поэтому подключил appstore-connect-mcp-server (есть что доработать в нем).
Он подтягивает данные из App Store Connect, подсказывает, какие поля нужно заполнить, и в целом экономит часы ручной возни перед сабмитом.

Дальше — @mobilenext/mobile-mcp.
Он через симулятор проходит по экранам приложения и в моем кейсе автоматически делает скриншоты. Никакого «открой экран → сделай скрин → перетащи → обрежь» — все прогоняется программно.

С оплатами вообще магия.
revenuecat mcp в связке с appstore-connect-mcp-server развернули мне базовый фундамент для подписок почти без ручной настройки. Продукты, связки, конфигурации — все собрано в единый контур.

В итоге:
• меньше ручной рутины
• меньше шансов что-то забыть перед релизом
• быстрее проход от идеи до публикации

MCP это как DevOps, но для разработки.

Регулярно так делаю

Называю cherrypick repomix’ом

Baby Feeding Diary ждет ревью в App Store и верификацию в Play Market.

https://baby-feeding-diary.com/

👆 А пока уже можно взглянуть на лендинг который был сделан за два вечера с помощью aura.build + доработки в cursor visual editor

Персональный “трекер” проектов

Я думаю что многие кто из снг давно слышали про ФРИИ.

Не так давно у них появилась база знаний трекеров (менторов аля YCombinator).

Если вы хотите себе личного AI трекера по проектам и стартапам, то на видео пример как его сделать через context7 и системного промпта на примере chatgpt (а там уже и skill можно сделать и оформить как hearbeat в openclaw, подключить mcp любимого трекера задач)

Промпт:

Ты — трекер проектов, следуешь методологии IIDF.

ОСНОВНЫЕ ПРИНЦИПЫ:
1. ФОКУС НА ЦЕЛЯХ: Работаешь только с четко сформулированными целями. Если целей нет — помогаешь их определить.
2. ПРОЗРАЧНОСТЬ: Всегда называешь вещи своими именами, даешь честную и конструктивную обратную связь.
3. РЕЗУЛЬТАТИВНОСТЬ: Сравниваешь планы с фактом, выявляешь разрывы и помогаешь их закрывать.
4. СИСТЕМНОСТЬ: Видишь иерархию целей (стратегия → спринты → задачи), помогаешь анализировать ограничения.

ТВОИ ОСНОВНЫЕ ФУНКЦИИ:
- Помогать формулировать стратегические цели, учитывая ресурсы и рыночные условия
- Планировать спринты: проверять логику связи задач с целью, оценивать реалистичность
- Фасилитировать работу с гипотезами: помогать проектировать эксперименты, выбирать метрики, фиксировать результаты
- Анализировать план-факт: выявлять задержки, процессные ограничения, неэффективные рабочие процессы
- Укреплять устойчивость команды и повышать качество выполнения

КАК ОБЩАТЬСЯ:
- Задавай уточняющие вопросы перед планированием
- Предлагай конструктивное решение проблем, а не просто критику
- Балансируй между автономностью команды и контролем
- Используй данные и метрики для обоснования рекомендаций
- Фиксируй результаты без искажений, будь честен в оценке

СТРУКТУРА ОТВЕТОВ:
1. Слушаю текущую ситуацию
2. Уточняю цели и ограничения
3. Предлагаю план действий или анализ
4. Фиксирую договоренности на следующий шаг

Не так давно я думал о том как бы сделать такого трекера для себя, вспомнил про фрии с трекерами, наткнулся на базу и добавил доку в context7

Продолжая тему хуков для Cursor 👇

https://github.com/beautyfree/cursor-ntfy-on-stop-hook

Если в прошлый раз я возвращал фокус окну, то теперь — возвращаю себя через push.

Когда агент завершает работу, приходит уведомление через бесплатный ntfy на часы/телефон.
Можно спокойно отойти по своим домашним делам и не проверять вручную “закончил или нет”.

Установка:

npx cursor-hook install beautyfree/cursor-ntfy-on-stop-hook

Минимальная настройка, сервер не нужен, работает поверх стандартного stop.

Запустил → отошел → получил пуш → вернулся.

Асинхронная работа с агентами становится чуть удобнее 🔔

Безопасность роутера: три сети, изоляция и агент вместо ручной возни

Давно хотел заняться безопасностью роутера — и наконец попросил агента это сделать. Он по SSH поднял три сети (основная, гости, IoT), выставил фаервол и изоляцию — я только дал задачу и проверил результат.

Умные устройства мы по сути подселяем к себе домой: камеры, колонки, лампочки, всякие хабы и станции. Они могут быть с дырявыми прошивками, а скомпрометированное устройство может сканировать домашнюю сеть и лезть в роутер или NAS. Я и раньше держал их на гостевой сети, но без жёстких ограничений — по факту доступ был почти как у основной, то есть риск никуда не девался.

Сейчас гости и умная техника видят только интернет: ни доступа к домашней сети, ни к настройкам роутера. Плюс изоляция клиентов, чтобы устройства в гостевой и IoT не лазили друг к другу.

Если у тебя тоже куча умных устройств — имеет смысл вынести их в отдельную сеть с доступом только в интернет. Роутер может быть любой, главное — разделить «своё» и «подселенное».

Вот промпт, который можно скопировать и дать агенту (подставь свой IP роутера):

Настрой ssh на роутере (`ssh-copy-id -i ~/.ssh/id_rsa.pub [email protected]`)
Подключись к роутеру по SSH (`ssh [email protected]`) и сделай три отдельные Wi‑Fi сети (основная, гостевая, IoT). Для гостевой и IoT: только выход в интернет, без доступа к домашней сети и к веб‑интерфейсу/SSH роутера. Включи client isolation (AP isolation) на гостевой и IoT. Фаерволом разреши для guest и iot только forward в WAN, доступ в LAN и к роутеру запрети. После смены привязки Wi‑Fi к сетям перезапусти сеть и фаервол, затем перезагрузи роутер, чтобы не остаться без доступа.
Перед выполнением каждого шага присылай команду, которая в случае потери интернета откатит все обратно.

Очень важный скилл - скилл написания README.md файлов

https://skills.sh/?q=readme

MCP для App Store Connect

Сделал MCP для работы с App Store Connect:
https://github.com/beautyfree/appstore-connect-mcp

Причина — в существующих MCP не было нужных tools, чтобы нормально работать с App Store Connect через агента (о чем я упоминал здесь)

Поэтому написал свой MCP, который позволяет почти полностью (о чем ниже) делегировать работу агенту.

Сейчас он умеет:
• заполнять описание приложения
• работать с локализациями
• создавать тарифы (In-App Purchases, Subscriptions)
• приглашать тестеров в TestFlight
• управлять метаданными приложения
• узнавать статус ревью (правда апи не позволяет получить именно текст ревью для полной автоматизации)
• делать выгрузку финансовых отчетов
• и многое другое

По сути агент может сам подготовить страницу приложения к сабмиту в App Store и теперь я этим регулярно пользуюсь.

Для инди-разработки это снимает довольно большой пласт ручной работы в App Store Connect.

Легко попробовать:

npx add-mcp mcp-asc

Звездочки на гитхабе лучшая благодарность