Привет. Меня зовут Вадим, в разработке я очень давно — поучаствовал во всём, в чём можно: стартапы, продуктовые команды, инфра и всё такое. Последнее время плотно живу в терминальных AI-агентах: Claude, Codex, и всём, что появляется каждую неделю.
Привет. Меня зовут Вадим, в разработке я очень давно — поучаствовал во всём, в чём можно: стартапы, продуктовые команды, инфра и всё такое. Последнее время плотно живу в терминальных AI-агентах: Claude, Codex, и всём, что появляется каждую неделю.
Привет. Делаю расширение для VS Code, которое даёт OpenCode CLI полноценный графический интерфейс.
Суть простая: OpenCode — мощный CLI-агент, но работать с ним в терминале на длинных сессиях не всегда удобно. Хотелось нормально видеть, что происходит — tool calls, изменения файлов, контекст, токены. Не форк, не отдельный продукт — именно UI-слой поверх OpenCode, который общается с ним через SDK и SSE-стриминг.
Если вы уже работаете с OpenCode и у вас есть существующие сессии — можно продолжить работу с ними прямо через расширение. Вся история, контекст, tool calls — всё подхватывается.
Когда смотришь на существующие self-hosted мессенджеры, часто видишь одно из двух: либо сложную инфраструктуру, которую непросто развернуть (Matrix/Synapse), либо минимализм без шифрования. ONYX — это попытка найти середину: простой в развёртывании сервер, полноценное E2E-шифрование и режим работы в локальной сети без интернета вообще.
|
Компонент |
Технология |
|---|---|
|
Клиент |
Flutter (Android, Windows, macOS, Linux) |
|
Сервер |
Node.js — Express + express-ws + ws |
|
База данных |
MariaDB + Redis (сессии, кэш) |
| Читать полностью » |

Всем привет!
На связи команда разработчиков Amnezia. Сегодня хотим рассказать о важном обновлении нашего протокола – AmneziaWG 2.0, а также о том, как с его помощью можно Читать полностью »
TL;DR: Начал с фантазий про телепортацию из рассказа Стивена Кинга, закончил Python-пакетом для управления сканирующим туннельным микроскопом. 41 тест, симулятор вместо оборудования за $500K, замена LabVIEW на asyncio.
pip install amrl-transport- и можно тренировать RL-агента для манипуляции отдельными атомами, не выходя из дома.
Есть у Кинга рассказ «Долгий Джонт» (The Jaunt). Там телепортация работает так: объект разбирается в точке A и собирается в точке B. Мгновенно. "Джонт горка" все дела.
В IT-сообществе принято считать, что мы живем в золотой век меритократии. Ты учишь стек, приносишь пользу бизнесу, растешь в грейдах и капитализируешь свои знания. Но если присмотреться к трансформации рынков за последние 10 лет, становится заметно: старые правила «капитализма свободных агентов» заменяются чем-то, что больше напоминает неосословную иерархию.
Сегодня ты не просто создаешь продукт — ты арендуешь право на существование у владельца инфраструктуры. Давайте разберем, как изменились социальные лифты в мире, где контроль над «облаком» стал важнее владения заводами.
Задача по созданию AI-ассистента очень интересная и востребованная на рынке.
Привет! Меня зовут Александр и я Flutter-разработчик. В этой статье хочу рассказать о том как я подружил ИИ-агентов с интеграционными тестами Flutter, какой инструмент пришлось для этого написать и что вообще из этого вышло. Летс гоу.
Представьте, что вы попросили агента написать для вас интеграционный тест. На моих проектах очень часто это выглядело следующим образом:
Агент изучает код
Пишет тест
Запускает flutter test
Тест не проходит
Агент пытается понять в чем дело, делает фикс
Переходит к пункту 3
Иногда нужна языковая модель, которая работает без интернета — на борту самолёта, в закрытом корпоративном контуре и т.д. В других случаях интернет есть, но платить за подписку не хочется. В этой статье — пошаговый разбор двух сценариев: локальный запуск через LM Studio и четыре бесплатных облачных агента, которые работают прямо в IDE.
Статья также доступна в формате видео.
Для примера буду использовать Qwen3.5Читать полностью »
Последнее время я экспериментировал с AI-агентами на Raspberry Pi 5.
И довольно быстро столкнулся с проблемой: большинство существующих агентных фреймворков оказываются слишком тяжёлыми для небольшого железа.
Типичная архитектура таких решений включает:
Python-фреймворк
несколько фоновых сервисов
orchestration слой
иногда векторную базу
довольно сложную конфигурацию
На сервере это нормально работает. Но на Raspberry Pi всё начинает ощущаться иначе:
долгий старт
лишние зависимости