ЛОКАЛЬНЫЙ И ОПЕНСОРСНЫЙ AI-КОНСТРУКТОР ПРИЛОЖЕНИЙ 🤔

Все эти ваши облачные AI-билдеры типа v0 или Lovable — это, конечно, круто. Но есть нюансы: подписка, вендор-лок, данные улетают «на деревню дедушке», а иногда и просто тормозит из-за разницы между облачной средой и вашим локальным окружением. Знакомо?

Тут появился Dyad — дерзкий проект, который как v0, только он живёт прямо у вас на компе. Быстрый, приватный и полностью под вашим контролем.

Что в нём такого особенного?

⚡️ Полностью локально. Вся работа происходит на вашей машине. Это значит:
- Приватность: Никакой код и никакие данные никуда не отправляются. Можно даже работать с локальными моделями через Ollama.
- Скорость: Никаких сетевых задержек. Все изменения, превью и откаты происходят мгновенно.
- Никаких проблем с окружением: Что видите, то и получаете. Никаких сюрпризов при переносе на локалхост.

🔑 Свои ключи, любые модели. Вы не привязаны к одному поставщику. Используйте свои API-ключи от чего угодно:
- Gemini 2.5 Pro
- OpenAI GPT-4.1
- Claude Sonnet 3.7
- Любые модели через Ollama

🛠 Не только UI, а полноценный бэкенд. В отличие от многих UI-генераторов, Dyad идет дальше. Благодаря встроенной интеграции с Supabase, вы можете прямо в нём делать:
- Аутентификацию
- Базу данных
- Серверные функции
То есть, можно собрать и запустить полноценный MVP, не выходя из одного приложения.

❤️ Опенсорс и бесплатно. Никаких триалов, подписок и регистраций. Просто скачиваете бинарник под свою систему (Mac, Windows) и начинаете работать. Весь сгенерированный код остается у вас.

👉 Забираем и пробуем здесь: github.com/dyad-sh/dyad
👀 Посмотреть демки и почитать подробнее: dyad.sh

Моя вчерашняя рабочая сессия с Gemini закончилась так.

Как думаете, решение оказалось по итогу рабочим? 😂

Общий сбор! 💪

Есть, кто может порекомендовать курсы / магистерские программы по таким критериям?

◽️Тематика — ИИ и около
◽️Наполнение — не стандартные от основ python и sql к перцептрону, а что-то более интересное (например, агенты, MCP, LLM, всё, что за рамками стандартного джентельменского набора)
◽️Формат — много практики внутри (хакатоны, kaggle, проекты, стартапы)
◽️Уровень — не для совсем начинающих

Ну или максимально приближенное к этому.

Не дайте мне разочароваться в мире, точно что-то должно быть 😳

👨‍💻 Amazon неожиданно выкатили свою AI IDE — Kiro. Похоже, у Cursor появился серьезный конкурент от бигтеха.

Главная фишка, которой они трясут — переход от «вайб-кодинга» к «spec-driven development». Типа, ты больше не кидаешь в чат абстрактные идеи, а IDE сама раскладывает их на внятные спеки, архитектуру и таски. А уже потом по этому ТЗ работают AI-агенты.

Что еще обещают:
▫️ Автоматическое написание доков и тестов по триггерам (например, на save файла).
▫️ Полная совместимость с плагинами и настройками VS Code.
▫️ Можно скормить фотку диаграммы с доски, и она её поймет.

Звучит как попытка превратить тупого AI-ассистента в системного аналитика.

Ну и самое прекрасное — пока что всё это бесплатно, потому что "Preview" 🌚. Мы-то знаем, что это значит.

Тестим, пока дают: https://kiro.dev/

Открытая альтернатива NotebookLM — NotebookLlama 🦙

Это полноценный AI-комбайн для работы с любыми документами, который можно развернуть у себя.

Что умеет эта 🦙:
✔️ Создаёт единую базу знаний из кучи файлов (PDF, DOCX, и т.д.).
✔️ Автоматически пишет саммари и строит интерактивные mind map-графы, чтобы вы не утонули в информации.
✔️ Позволяет чатиться с документами — задаете вопрос и получаете ответ строго по тексту, с указанием источников.
✔️ Может сгенерировать подкаст в формате диалога по вашему документу (использует ElevenLabs).
✔️ Полностью бесплатный, кастомизируемый и ваш.

Короче, мастхэв для всех, кто работает с информацией и хочет иметь под рукой собственный, а не корпоративный инструмент.

Я уже поковырялся в коде, разобрал архитектуру и написал подробнейший гайд по установке.

👉 Читаем, как запустить у себя

И вот ссылка на GitHub проекта 🫲🏻

🗺 Ультимативный роадмап по Data Science

Меня постоянно спрашивают: «Что учить для DS?», «А в каком порядке?», «А что самое важное?».
В общем, я заморочился — запилил интерактивную карту навыков по Data Science. Не стыдно и людям показать.

Что там внутри:
1️⃣ Все навыки разделены на два больших блока: Фундамент (аналитический, программный и инженерный стек) и Жизненный цикл проекта (от сбора данных до MLOps).
2️⃣ Всё можно тыкать, раскрывать списки и переходить по ссылкам на конкретные инструменты.
3️⃣ Где было уместно, я добавил ссылки на свои же статьи и на бесплатные тренажёры по Python и SQL.

Лучше смотреть на десктопе, но и на смартах более-менее адаптируется.
В общем, сохраняйте в закладки, делитесь с коллегами и джунами 🧐

👉 Интерактивная карта навыков DS

👨‍💻 Сейчас на курсах по программированию, где есть ревью кода экспертами, эти самые эксперты, разделяются так:

1️⃣ Вообще не смотря работу, отправляю отзыв с заготовкой нейтрально-хвалебного текста (да, так можно 🤪)
2️⃣ Не смотрю работу, скармливаю её нейросетке, отправляю сгенерированный отзыв
3️⃣ Изучаю работу, отзыв формирую из заготовок фраз / хороших генераций нейросетки
4️⃣ Изучаю работу, отзыв всегда пишу с нуля руками. Это вообще исчезающая категория, т.к. проиграли конкуренцию с точки зрения всех бизнес-метрик всем остальным (долго проверяют / сильно докапываются, бизнесу такое не надо).

Я их отсортировал по эффективности стратегий с точки зрения зарабатывания денег 🤑

Если объединить первые две группы, то, судя по всему, сейчас уже это большинство кейсов.

Считайте, что вам очень повезло, если у вас будет проверяющий из группы 3.

Полная сепарация так называемого "асинхронного" формата обучения от "синхронного" уже вполне явно сформировалось по принципу "первое для бедных, второе — для богатых". В том числе благодаря нейронкам. Дальше это будет только усугубляться.

В продолжение дискуссии выше: агась, бОльшая часть работ учащихся сейчас — генерация.
Опытными проверяющими это выкупается элементарно.

Могли ли вы себе представить, как в основном будет работать массовое образование: нейронки проверяют работы нейронок, а вы за это платите и получаете дипломы 😂

Ору, как чайка, ржу, как дельфин с этого.

Что будет нового в Python 3.14? 🐍

Если коротко — Python продолжает войну с GIL и делает очередной шаг в сторону производительности.
Релиз запланирован на октябрь 🗓

Что самого сочного нас ждёт:

1️⃣ Free-threaded Python теперь официально поддерживается (PEP 779).
Сборка без глобальной блокировки интерпретатора — больше не эксперимент. Да, пока это опционально и с небольшими потерями в однопотоке, но вектор задан.

2️⃣ Множественные интерпретаторы в стандартной библиотеке (PEP 734).
Еще один гвоздь в крышку гроба GIL. Теперь можно запускать изолированные копии Python в одном процессе, используя concurrent.interpreters. Это как multiprocessing, только легковеснее и эффективнее. Мощнейший инструмент для CPU-bound задач.

3️⃣ T-строки (PEP 750).
Новый вид строк с префиксом t"...". В отличие от f-строк, они не вычисляются сразу, а создают объект-шаблон. Это удобно для безопасной генерации HTML, SQL и других DSL. Больше никаких случайных XSS-уязвимостей из-за кривых конкатенаций.

4️⃣ Удаленная отладка с PDB (PEP 768).
Теперь можно подключить pdb к любому запущенному Python-процессу по его PID: python -m pdb -p 12345. Отлаживать зависшие в проде приложения станет проще.

А ещё отложенные аннотации (прощай, from __future__ import annotations), Zstandard из коробки и улучшенная подсветка синтаксиса в REPL.

Больше подробностей здесь ◀️

Доживём до того, как шутки про медленный Python останутся в прошлом?