Hugging Face выкатили плагин, который превращает Claude Code, Gemini и Cursor в полноценных ML-инженеров.

Называется HF Skills, и он полностью бесплатный.

Одна команда, и твой AI-агент сможет:

→ Дообучать LLM через SFT, DPO или GRPO, с встроенным выбором железа и оценкой стоимости
→ Создавать и трансформировать датасеты через SQL-запросы
→ Автоматически подтягивать актуальные benchmark-оценки из Artificial Analysis API
→ Публиковать вашу arXiv-статью в HF Hub и за один проход связывать ее с вашей моделью
→ Мониторить training runs в реальном времени через дашборды, синхронизированные с HF Spaces

Архитектура предельно простая.

Каждый скилл это папка с файлом SKILL.md. Агент читает его и сразу понимает, как обрабатывать сложные ML-воркфлоу, с которыми раньше вообще не умел работать.

Совместимо со всем: Claude Code, OpenAI Codex, Gemini CLI, Cursor.

Установка занимает 10 секунд:

/plugin install hugging-face-cli@huggingface/skills

Дальше просто общаетесь как обычно:

"Оцени GPU memory для fine-tune модели на 70B."
"Стримь новые строки в мой датасет."
"Свяжи мою статью с моей model card."

2.1K звезд. Apache 2.0. 👜

Новое: добавь markdown.new перед любым URL и получишь чистый Markdown на выходе.

Cloudflare Markdown for Agents классный, но работает только для сайтов, где это включено. markdown.new работает с ЛЮБЫМ сайтом в интернете.

На 80% меньше токенов. Бесплатно и без регистрации.

Ещё вчера добавили фичу: File to Markdown

Можно загрузить любой файл:

- PDF, DOCX, ODT
- Excel, Numbers, CSV
- Изображения (OCR + саммаризация на базе AI)

API тоже есть, ключ не нужен.

Подробнее: markdown.new/file-to-markdown ✋

В копилку скиллов : skill для draw.io в Claude Code.

Описываешь диаграмму, получаешь редактируемый PDF, PNG или SVG. В каждый файл встраивается полный XML от draw.io, так что его можно в любой момент заново открыть и отредактировать.

Исходники 👍

Remote Control теперь официально в Claude Code от Anthropic

С помощью её можно запускать локальные сессии из терминала, а потом продолжать их с телефона. Можно выйти прогуляться, увидеть солнце, выгулять собаку и не выпадать из потока. ❤️

Сейчас идет постепенный rollout для пользователей Max в режиме research preview. Попробовать можно через /remote-control.

Кто-то сделал расширение для VS Code, которое превращает твоих AI-агентов в пиксельных персонажей.

Они работают в виртуальном офисе прямо в сайдбаре и ходят там, пока занимаются твоим кодом.

100% опенсорс ❤️

Находка дня: Nimble skill 💃

Этот скилл возвращает структурированные данные, разложенные по таблицам, с которыми можно сразу работать.

Например:

Попроси Claude Code найти все аренды 2-комнатных квартир в конкретном районе, опубликованные за последние 48 часов, вытащить цену, метраж и URL объявления с нескольких сайтов, и выгрузить все в таблицу.

В итоге ты получишь таблицу, где данные нормализованы между разными источниками.

Он ищет в реальном времени и возвращает структурированный результат.

Он умеет разбирать самые разные сайты, включая те, где контент рендерится на клиенте через JavaScript.

Если ты собираешь агентов, которым нужны веб-данные, этот скилл прям 10/10.

Вот ссылка на сам скилл, а как это работает, смотри в их документации

Один гений навайбкодил 3D-город, где каждый разработчик на GitHub это здание.

Чем больше коммитов, тем выше здание.

Чем больше репозиториев, тем шире основание.

Светящиеся окна это недавняя активность.

100% опенсорс

😱😱😱

Пора переосмыслить то, как мы строим agent skills, а именно перестать лепить их как документацию для людей, так как это жрет токены и провоцирует галлюцинации.

Вот сжатый набор ключевых best practices (чтение меньше 5 минут), который поможет нам писать skills лучше.

Зацени: https://github.com/mgechev/skills-best-practices 📰

Благодарность от Антропиков: Claude Max за их счёт

Они объявили о раздаче 6 месяцев бесплатного Claude Max 20x мейнтейнерам и core-контрибьюторам open source.

Условия: вы основной мейнтейнер или участник core-команды публичного репозитория с 5 000+ звездами на GitHub или 1M+ месячных скачиваний в NPM. За последние 3 месяца у вас были коммиты, релизы или ревью PR.

Если вы поддерживаете штуку, от которой экосистема тоже зависит, все равно подавайтесь и расскажите про нее.

Подать заявку ❤️

Исследователи задали Claude простой вопрос: "Я хочу помыть машину. Автомойка в 100 метрах. Мне идти пешком или ехать?"

Claude ответил: идти пешком.

Все крупные LLM ответили: идти пешком.

Правильный ответ: ехать.

Машина должна оказаться на мойке. И вот что самое дикое: в модели не поменялось вообще ничего. Поменялась только архитектура промпта.

Исследователи прогнали чистое исследование с изоляцией переменных на Claude Sonnet 4.5. Голый промпт? 0% правильных.

Добавили аккуратно оформленную роль эксперта? Всё ещё 0%.

Впрыснули подробный физический контекст типа модели машины, где стоит на подъездной, как припаркована? 30%.

Но когда они заставили модель использовать структурированный фреймворк рассуждений STAR, где нужно явно прописать Situation, Task, Action и Result, точность прыгнула до 85%. Если совместить STAR с профайл-данными, получалось 95%. Добавили сверху RAG и дошли до 100%.

Ключевой механизм сидит внутри шага "Task".

Без структуры модель цепляется за эвристику по расстоянию: "100 метров близко, значит иди", и вообще не обрабатывает реальную цель. А когда её вынуждают сформулировать задачу как "доставить машину на автомойку", скрытое физическое ограничение становится явным прямо в контекстном окне.

Знание у модели уже было. Её просто не заставляли вытащить это знание наружу до того, как она выдаст вывод.

Самый неприятный результат вот какой: структурированное рассуждение обогнало простую накачку контекстом в 2,83 раза.

Больше фактов почти не помогало. Помогали нормальные когнитивные подпорки. Это переворачивает дефолтный индустриальный инстинкт. Когда агенты фейлятся, большинство команд добавляют больше retrieval, больше документов, больше памяти. А это исследование говорит, что узкое место не в отсутствии инфы. Узкое место в том, как модель заставляют перерабатывать то, что у неё уже есть.

Та же модель. Те же параметры. Скачок качества рассуждений на 55 процентных пунктов. Это не масштабирование.

Это архитектура на уровне промпта.

Кому интересно, вот статья - https://arxiv.org/abs/2602.21814 🌯

Кстати, Anthropic выкатили новую фичу auto-memory.

Теперь Claude запоминает то, что узнаёт о тебе между сессиями: контекст проекта, паттерны дебага, предпочитаемые подходы, и потом подтягивает это сам, без того чтобы тебе приходилось что-то вручную записывать.

Теперь можно думать так: Claude.MD это твои инструкции для Claude, а Memory.MD это черновик памяти Claude, который он сам обновляет. Если попросишь Claude что-то запомнить, он запишет это туда.

Почитай доки, чтобы подробнее разобраться с памятью и тем, как она работает 🙂

Кто-то сделал интерактивный визуализатор GPT, который показывает каждый шаг того, как модель генерирует ответ. Не только финальный результат, а весь пайплайн. 🧸