ИИ-агент делает однотипный дизайн? Ну дайте вы ему DESIGN .md :)

Если вы делали лендинг, дашборд, презентацию или интерфейс с ИИ-агентом, то могли заметить типичную проблему: результат работает, но выглядит слишком "нейросетево" - одинаковые карточки, предсказуемые кнопки, стандартные отступы и визуальная монотонность.

Один из способов это исправить - дать агенту файл DESIGN .md - это markdown-файл с правилами визуального стиля: цветовая палитра, типографика, сетка, отступы, скругления, плотность интерфейса, стиль кнопок, карточек, форм, навигации и других компонентов.

Такой файл работает как дизайн-инструкция для Cursor, Claude Code, Codex, v0, Lovable и других инструментов. Агенту становится проще не "придумывать дизайн с нуля", а выдерживать конкретную визуальную систему.

Можно написать DESIGN .md самостоятельно, а можно взять готовый референс здесь:
https://styles.refero.design/

На сайте собрана библиотека DESIGN .md, извлеченных из реальных сайтов и продуктов. Можно искать по бренду, настроению, цвету, типографике или просто вставить ссылку на сайт.

Внутри каждого примера есть структурированное описание дизайн-системы:

- цвета
- типографика
- spacing
- компоненты
- CSS variables
- Tailwind-токены
- готовый DESIGN .md

Если интерфейс уже собран, но выглядит сыро, можно дать агенту выбранный DESIGN .md и попросить привести проект к этому стилю: поправить отступы, визуальную иерархию, кнопки, карточки, формы и общую консистентность.

В итоге агент получает не абстрактное "сделай красиво", а конкретные правила оформления.

Вайбкодеры, для вас: вышла Kimi-K2.7-Code — опенсорсная модель специально под агентские задачи.

По бенчмаркам K2.7-Code не хуже GPT-5.5 и Opus 4.8. Может работать над задачами несколько часов подряд, но по сравнению с конкурентами она тратит сильно меньше токенов.

Код доступен на Hugging Face. Или можно запускать через Kimi Code.

Codex vs Claude Code: кто сейчас дружелюбнее к пользователю

Начнем с Codex.

OpenAI выдала платным пользователям Codex по одному бесплатному сбросу лимита. Это работает для Go, Plus, Pro и Business.

Смысл простой: если Codex уперся в лимит, можно не ждать очередного окна, а зайти в profile / usage summary и вручную активировать reset.

Для Plus и Pro также запустили реферальную механику: приглашаешь человека в Codex, он отправляет первое сообщение, и вы оба получаете еще по одному сбросу. Пригласить можно до трех человек.

Нюанс: такие сбросы нужно использовать в течение 30 дней после начисления.
На этом фоне политика Anthropic выглядит менее дружелюбно.

С 15 июня для Agent SDK и команды claude -p должен появиться отдельный месячный кредит, а не расходование обычного лимита Pro/Max:
- Pro - $20
- Max 5x - $100
- Max 20x - $200

Речь про случаи, когда Claude используется как движок в автоматизации, а не просто как интерактивный Claude Code в терминале.

Это касается, например:
- своего скрипта, который сам вызывает Claude
- cron-задачи на сервере
- Telegram-бота, который дергает Claude
- GitHub Actions с Claude
- кода, где используется Agent SDK
- автоматизации через claude -p

Что будет, если кредит закончится?

Для Agent SDK и claude -p сначала расходуется включенный месячный SDK-кредит. Когда он закончится, поведение зависит от настроек:
- если usage credits выключены - запросы остановятся
- если usage credits включены - начнут списываться деньги сверх тарифа по API-ценам

Итог: OpenAI сейчас дает пользователю больше ручного контроля над лимитами Codex. Anthropic, наоборот, отделяет автоматизированное использование Claude от обычной подписки и переводит такие сценарии в более явную модель расходов.

Anthropic отобрали доступ к Fable 5 у всех пользователей — власти США нашли в ней «угрозу национальной безопасности». С релиза прошло всего три дня.

В Вашингтоне обнаружили метод джейлбрейка модели и сразу потребовали закрыть ее. Все активные сессии Fable ночью автоматически прервались ошибкой.

Возможно, доступ вернут после патча безопасности. В качестве компенсации Anthropic обнулили всем дневные и недельные лимиты.

https://www.anthropic.com/news/fable-mythos-access

Контроль за ИИ? Доступ по паспорту?

Судя по анонсу Anthropic, доступ к передовым ИИ-моделям теперь становится passport based: https://www.anthropic.com/news/fable-mythos-access

Ограничения затрагивают не только обычных пользователей. Они распространяются на сотрудников компаний, а если Fable использовался внутри продукта, то потенциально и на конечных пользователей этого продукта. Иными словами, сегодня ночью Anthropic отключили Fable 5 для всех, кто не проходит новые условия доступа.

И проблема в том, что это может быть не единичное отключение. В своем пресс-релизе Anthropic отдельно упомянула и GPT-5.5. Поэтому, если это не странная рекламная кампания, завтра ночью мы можем увидеть отключение еще нескольких моделей.

Еще вспоминается их эссе про лидерство США в области ИИ: https://www.anthropic.com/research/2028-ai-leadership

Поэтому я допускаю, что речь идет не только о разовом ограничении, а о попытке ввести идентификацию личности для доступа к frontier-моделям. Мне кажется, главный аргумент здесь не в поиске уязвимостей и не в том, что моделями пользуются пользователи из России.

Более вероятная причина - дистилляция топовых моделей китайскими компаниями с последующим выпуском собственных аналогов. Блокировка по IP или платежным системам работает плохо. Это легко обходится и одновременно бьет по легитимным пользователям.

Паспортная модель решает задачу иначе:
- Даже если вы договоритесь с кем-то пройти валидацию по его документам, появляется конкретный человек.
- Этот человек может получить материальные и юридические последствия за участие в обходе ограничений.
- Если человек находится в США или связан с американской юрисдикцией, ему есть что терять.
В итоге доступ к модели превращается не просто в технический вопрос, а в вопрос персональной ответственности.

В общем: я рад, что успел протестировать Fable 5 в Ultracode-режиме. Так и знал что заблокируют его и первоначальная лоботомия модели не поможет.

Что я бы посоветовал разработчикам, энтузиастам и ИИ-предпринимателям:
- оценивать каждый инструмент так, как будто завтра его могут отключить;
- тестировать передовые модели на своих задачах, чтобы понимать текущий технологический уровень;
- заранее смотреть, какие сценарии можно переносить на локальные модели;
- не строить критичные процессы на одной закрытой модели.

Ну и такие шаги от гигантов ИИ конечно же подстегивают народ на развитие децентрализованного open-source комьюнити, что опять же на руку Китаю и России 😄в общем вот.

Нашел тут интересное, на что у меня точно не найдется времени 😄

Куча тематических вебинаров, куда приходят люди из разных сфер и показывают, как они работают с нейросетями. Кто-то автоматизирует найм, кто-то генерит контент, кто-то строит ИИ-систему для всей компании. Тема была и современная. В нейронках все очень быстро меняется и инструменты и подходы годовалой (а иногда и полугодовалой) давности зачастую уже работают неэффективно. И такое движение в общем потоке конечно позволит держать руку на пульсе. Надо зарегаться, может выступить спикером.

https://neurozeh.ru/webinars/

Превращаем несколько моделей в суперинтеллект:
OpenRouter запустили Model Fusion — создает «совет» из нескольких нейронок под любые задачи.

Можно промтить дуэт GPT-5.5 + Opus 4.8 или другие комбинации моделей. Вместе они будут умнее даже топовой Claude Fable 5, но в разы быстрее и дешевле.

Тестим по ссылке.

История с блокировкой Claude Fable 5 обросла множеством подробностей - Politico реконструирует последние 24 часа перед решением Белого дома. Но вопросов пока больше, чем ответов.

Я видел немало высказываний в защиту Anthropic. Аргумент примерно такой: компания годами публикует подробные отчеты о безопасности моделей, последовательно поддерживает государственное регулирование ИИ, а теперь первой же попала под это регулирование.

Но такие тексты не пишутся в вакууме. Есть понятие regulatory capture - регуляторный захват. Если твоя отрасль слабо регулируется государством, можно первым начать громко говорить, что регулирование срочно необходимо. А параллельно - предлагать, как именно его устроить.

Из публичных текстов Anthropic и Дарио Амодеи можно вывести несколько устойчивых тезисов:
- ИИ - опасная технология, разработку которой нельзя доверять "кому попало". Лучше, если она будет идти под контролем государства и нескольких избранных компаний.
- Anthropic скептически относится к открытым моделям и доступу к весам, утверждая, что это не дает реальных преимуществ в безопасности, потому что внутренняя логика модели все равно остается плохо интерпретируемой.
- В последних публикациях компания все заметнее намекает, что разработку ИИ стоит притормозить: мы приближаемся к рекурсивной эре, где ИИ начнет ускоренно улучшать сам себя, и можем потерять контроль.

По последнему пункту есть важный нюанс.

Anthropic занимает жесткую позицию по Китаю и призывает к экспортному контролю против Пекина. Но реальное "торможение" развития ИИ возможно только при координации США и Китая. Санкции работают в обратную сторону: усиливают конфликт, гонку и мотивацию развивать собственные модели быстрее.

В итоге получается удобная конфигурация: ограничиваем китайцев, ограничиваем открытые модели, а дальше спокойно разрабатываем frontier AI в клубе нескольких лабораторий.

Дэвид Сакс, один из ключевых людей Белого дома по ИИ, комментирует поведение Anthropic перед блокировкой Fable 5 с явным недоумением. По его словам, странно, что компания, которая сама призывала к регулированию, "встала в позу", когда власти попросили исправить модель.

По реконструкции событий, после запуска Fable 5 власти попросили крупные компании поделиться отзывами о новой модели. Amazon, по словам Сакса, сообщила, что если попросить модель проверить код, она находит уязвимости, которые могут использовать злоумышленники.

Изначально Anthropic, судя по этой версии, просили только закрыть конкретную дыру в Fable 5. В ответ компания заявила, что проблема незначительна, похожим образом обходят и другие фильтры, а полный доступ ко всем кибервозможностям так открыть нельзя. После нескольких безрезультатных разговоров власти применили экспортный контроль и ограничили доступ к Fable 5.

Здесь Anthropic попала во вторую ловушку. Причем подготовила ее сама еще в апреле, когда начала продвигать Claude Mythos как модель с исключительными возможностями в кибербезопасности.

Проблема в том, что киберспособности у таких моделей во многом эмерджентные. Они растут вместе с умением писать, анализировать и исправлять код. Проще говоря, нельзя сделать ИИ, который хорошо программирует, но не умеет находить уязвимости в программах.

А дальше включается обычная логика государства. Как только в дискуссии появляется слово "безопасность", у регуляторов загораются красные лампы. Особенно если речь идет о кибербезопасности, правительственных сетях и потенциальном использовании модели иностранными хакерскими группами.

Так, похоже, произошло и здесь: доступ к модели прикрыли быстро, а разбираться в долгосрочных последствиях начали уже после.

По данным Axios, власти планируют откатить блокировку Fable 5 через несколько недель - после проверки и усиления систем безопасности правительственных сетей. Это выглядит правдоподобно.

Причина простая: кибервозможности Fable 5 вряд ли останутся уникальными. Новые версии GPT и Gemini могут выйти на сопоставимый уровень через недели или месяцы. Их тоже придется блокировать? А затем подтянутся китайские модели, и регулирование начнет бить по самому регулятору.

Пока любой сможет искать уязвимости с помощью открытого Qwen или DeepSeek, ограничение доступа к передовым американским моделям будет означать, что сильные инструменты защиты останутся у узкого круга пользователей. При этом атакующие найдут альтернативы.

Регулирование ИИ только формируется. И отдавать этот процесс в одни руки нельзя - ни правительству США, ни крупной лаборатории вроде Anthropic.

AI в PCB layout постепенно выходит из режима демонстраций и начинает давать измеримый эффект на реальных проектах.

EMA Design Automation опубликовала кейс Qualcomm по применению Allegro X AI в потоке проектирования печатных плат. По данным кейса, Qualcomm оценивала инструмент на low/medium complexity designs - платах до 5 100 компонентов и с плотностью выводов ниже 100 pins/cm². Для таких проектов заявлено сокращение времени проектирования до 60-70%.

Источники:
- https://www.ema-eda.com/ema-resources/product-guide/x-ai/what-is-allegro-x-ai-component-placement/
- https://www.ema-eda.com/ema-resources/case-study/qualcomm-saves-up-to-60-70-of-vital-design-time-with-allegro-x-ai/

Технически подход выглядит не как "нейросеть сама разводит плату", а как автоматизация layout-задач на основе корректно заданных инженерных ограничений.

На вход Allegro X AI передаются:

- электрические данные: stack-up, netlist, требования по power/ground;
- механика: фиксированные позиции компонентов, ограничения MCAD, высоты, mounting holes;
- производственные ограничения: правила изготовления и сборки;
- логика размещения: connectivity, room assignments, требования к группировке компонентов.

После этого инструмент формирует варианты размещения компонентов, делает copper pours для power/ground, выполняет routing и дает ранний анализ layout. В кейсе Qualcomm отдельно указано, что AI запускался в фоне, пока инженеры занимались другими задачами.

Цифры из кейса:

Design 1: placement completion около 97%, AI run time - 4 минуты, последующая ручная доработка - 1-1.5 часа;
Design 2: placement completion 100%, AI run time - 6 минут, ручная доработка - 2-3 часа;
routing для одного из дизайнов: AI run time - 6 минут, ручная доработка - 2-3 часа.

Отдельно стоит отметить ограничение: качество результата напрямую зависит от качества входных данных и constraints. Если не описаны electrical, mechanical и manufacturing requirements, инструмент не сможет корректно восстановить design intent. Это ближе к ускорению работы опытного layout-инженера, чем к замене инженерной экспертизы.

С практической точки зрения интересен не сам факт применения AI, а то, какие задачи автоматизируются первыми: component placement, copper pours, routability estimation, ECO routing, подбор вариантов размещения и маршрутизации. Это как раз те зоны, где много итерационной ручной работы и где экономия времени может быть существенной без отказа от последующей инженерной проверки.

Для аппаратных команд вывод простой: AI в EDA имеет смысл оценивать не по рекламным формулировкам, а по конкретному flow:

- какие входные данные требуются;
- как задаются constraints;
- что считается приемлемым результатом;
- сколько времени занимает cleanup;
- как проверяются SI/PI, DRC, manufacturability и соответствие требованиям.

В таком виде AI-инструменты могут стать рабочим способом увеличить throughput layout-команды, особенно на типовых платах низкой и средней сложности.

Что нового в мире ИИ?

Anthropic выпустила Claude Fable 5 — новую топовую модель, которая обошла все прошлые модели компании почти на каждом тесте, особенно на длинных и сложных задачах. На выходных ее, правда, закрыди.

Google выкатила крупное обновление NotebookLM. Под капотом теперь новые модели Gemini 3.5 и Antigravity, а у каждого блокнота появился свой облачный компьютер, так что сервис сможет писать код и проводить анализ прямо на месте. Форматов вывода стало больше десятка, среди них PDF, docx, презентации и графики, причём править их можно будет уже после генерации.

Microsoft показала Microsoft Scout — первого агента нового типа Autopilots, который будет работать сам и действовать от имени пользователя, без отдельной команды на каждый шаг. Агент получит доступ к почте, чатам, календарю и файлам через Teams, Outlook и OneDrive и сможет сам назначать встречи, готовить материалы и ловить застрявшие задачи. Со временем он подстроится под то, как работает человек. Пока агент доступен только в закрытом превью через программу Frontier.

Moonshot выпустила Kimi Work — десктопное приложение, которое будет работать как локальный агент с доступом к файлам, браузеру и расписанию. Для сложных задач оно запустит Agent Swarm: до 300 агентов параллельно разберут работу на куски, а результат соберётся в PowerPoint или Excel за секунды. Есть встроенный планировщик, так что можно будет ставить задачи на ночь, и агент сам прогонит скрипты и обработает данные.

Xiaomi выпустила MiMo Code — бесплатный терминальный агент для программирования и аналог Claude Code с открытым кодом. Главная фишка в длинных задачах: обычные агенты на сотне шагов переполняют контекст и теряют нить, а MiMo Code будет по ходу записывать состояние в файлы и, когда окно закончится, откроет новое и всё восстановит. В слепом тесте на 474 реальных репозиториях после 200 шагов он обошёл Claude Code в 65% случаев.

Moonshot выложила в открытый доступ Kimi-K2.7-Code — свежую модель для программирования с исходниками на Hugging Face. По сравнению с прошлой версией она прибавила 21.8% на Kimi Code Bench v2 и 31.5% на MLS Bench Lite, а думать стала экономнее: на 30% меньше токенов на рассуждения, то есть ответы выйдут быстрее и дешевле. Модель лучше держит длинные задачи и чаще доводит код до готового результата.

Luma Labs представила Ray 3.2 — обновленную модель для генерации видео с упором на рекламу и контент кинокачества, теперь с полноценным API для студий и разработчиков. Главное нововведение — режим мультикадров: можно будет задать до 16 опорных изображений внутри одного ролика и точно расписать сложную сцену, движения актёров и перемещение камеры.

Разбавлю каплей юмора, вы же не против? 😁

Скотт Чакон, сооснователь GitHub, переписал Git на Rust. С помощью ИИ-агентов.

Проект называется Grit. Это новая реализация Git с нуля: library-first, memory-safe и почти полностью на безопасном Rust. Она уже проходит 99,3% собственного тестового набора Git — 41 715 из 42 001 теста.

Цифры:

* 360 000+ строк Rust
* 7 000+ коммитов
* 500+ pull request’ов
* около 45 млрд токенов через Claude, Cursor и Codex
* примерно $10–15 тыс. затрат на ИИ

Что интересного:

* library-first дизайн, без постоянного fork/exec для каждой Git-операции
* reentrant, linkable, modular архитектура: Git можно напрямую встраивать в GitButler, Jujutsu, Zed и другие инструменты
* потенциальная WASM-сборка: Git-команды можно запускать в edge functions
* лицензия MIT вместо GPL
* почти полностью safe Rust: только один FFI-модуль для date/time

Отдельно интересен сам разбор разработки.

Это честный взгляд на agentic coding в большом масштабе: агенты, которые «читерят» в тестах, тихо ломают код, создают проблемы с координацией и превращают Cursor в режим бесконечного гринда.

Стоит прочитать:

http://blog.gitbutler.com/true-grit

Скидываем рутину на ИИ как профи: появился сайт с набором готовых сценариев автоматизации для агентов.

Добавляет специальные команды, с которыми агент самостоятельно промтит себя по расписанию. Не остановится, пока не пройдется по всем критериям закрытия задачи.

Все копируется в один клик и работает с Claude, Cursor и Codex. Забираем тут.

Как откликаться на вакансии с помощью нейросети

Если вы в поиске работы и ещё не начали использовать нейросети, то данный пост для вас. На момент публикации с помощью нейросети отправлено более 50 откликов, и сегодня расскажу, как у меня построен этот процесс.

Кто я? Сергей Мелодин — IT-менеджер, бэкенд-разработчик и автор блога Юный менеджер. В настоящее время безработный, но в активном поиске.

1️⃣ Выбирайте ИИ-агента

Я использую Codex как основной рабочий ИИ-инструмент. Для него существует плагин Chrome в десктоп-приложении и расширение для Chrome. Если будете повторять мой путь, то вам понадобятся оба элемента. Сложности никакой нет, всего два шага:
* Плагин в Codex устанавливается через UI, но он доступен в поиске и для использования только под VPN в локации США.
* Расширение для Chrome устанавливается только для связи с приложением, функционала там нет.

Далее создаёте обычный чат и пишете туда: «Используй @Chrome и открой hh.ru». Если всё успешно соединилось, то агент откроет страницу и отчитается, что всё работает.

Агент не держит соединение постоянно открытым. Если вы даёте ему какую-то задачу, он подключается к Chrome, водит там мышкой, потом отключается. Поэтому вы можете сначала открыть своё резюме и дать ему ознакомиться. А потом открыть для него список вакансий. Можно и этот путь автоматизировать, но быстрее самому кликнуть.

2️⃣ Как обучать агента

Заведите с агентом md-файлик, куда он будет записывать данные о вашем резюме, вакансиях и аспектах поиска. Вот какая структура получилась у моего агента:

# Заметки для поиска вакансий на HH

## Ограничения кандидата

Где кандидат готов работать, какой формат подходит, какие зарплатные ожидания учитывать, какой уровень английского допустим, какие сферы запрещены и какой опыт нельзя приписывать.

## Сильные стороны кандидата

Что можно использовать в сопроводительных письмах и на что обращать внимание в вакансиях.

## Дерево принятия решений

Пошаговая логика отбора вакансий: быстрый фильтр по названию и формату, проверка стоп-факторов, признаки хорошего совпадения, правила для частичного совпадения и случаи, когда нужно уточнение от пользователя.

## Правила отказа

Типовые причины, почему не брать вакансию. Например, если сфера вам не нравится или вы не владеете разговорным английским.

## Политика частичного совпадения

Когда можно откликаться, даже если опыт совпадает не полностью; как честно обозначать пробелы и чем их компенсировать в сопроводительном письме.

## Матрица выбора резюме

Какое резюме выбирать под разные типы ролей, если у вас больше одного резюме с разными заголовками.

## Рабочий процесс поиска

Как работать со списком вакансий: держать выдачу открытой, открывать вакансии в новых вкладках, проверять дубли, учитывать повторные отклики в одну компанию.

## Правила сопроводительных писем

Как писать сопроводительные: коротко, честно, без корпоративной воды, не дублировать резюме, добавлять контекст именно под конкретную вакансию.

## Чеклист перед отправкой

Что обязательно проверить перед финальным откликом: вакансию, компанию, выбранное резюме, стоп-факторы, анкету, сопроводительное письмо и подтверждение пользователя.

## Журнал откликов

История отправленных откликов: дата, компания, вакансия, HH id, выбранное резюме и краткая логика подачи.

## Библиотека отказов

Список типовых причин отказа пользователем и конкретных уроков из прошлых вакансий, чтобы не повторять одни и те же ошибки.

3️⃣ Ручной контроль

Если вам не всё равно, на что и как откликается нейросеть, то рекомендую подход, который использую сам:
1. Дать задачу найти 5 подходящих вакансий, расписать, где я подхожу и где не подхожу.
2. Прочитать вакансии самому, чтобы провалидировать вывод нейросети.
3. На те вакансии, которые нравятся, дать задание подготовить сопроводительные письма в интерфейсе сайта, но не отправлять.
4. Прочитать сопроводительные и проверить, появилась ли анкета с дополнительными вопросами: есть такое на HH.
5. Если всё ок, дать добро на отправку откликов и зафиксировать информацию в заметках.

В тех случаях, когда агент не учёл какие-то требования вакансии или сделал плохое сопроводительное, нужно дать ему понятный фидбек и попросить отметить это у себя md-файле.

4️⃣ Зачем это нужно и результаты

Такой процесс значительно снимает нагрузку в скучной части: листать ленту и просматривать вакансии, вспоминая, откликался ты или нет. При этом он позволяет достаточно точно контролировать, что и кому уходит. Мне такой уровень контроля подходит.

Что же касается результатов. Из предыдущих 160 ручных откликов у меня было всего пяток собеседований. Остальные отклики улетают куда-то в /dev/null и часто остаются без ответа.

Отклики через нейросеть не сделали ситуацию лучше, но и хуже не сделали. Зато теперь я за час-два просматриваю вакансий столько, сколько раньше за день просматривал. А остальное время уделяю более интересным задачам.

5️⃣ Пишите письма

Делитесь в комментариях есть ли у вас опыт отклика через нейросети и какие результаты получались. Так же, открыт к предложениям о сотрудничестве.

Asus представила настольный компьютер по цене однушки в Москве.

Система оснащена 748 Гбайт когерентной памяти, распределённой между 72-ядерным процессором Arm Neoverse V2 Grace (496 Гбайт памяти LPDDR5X) и графическим процессором Blackwell Ultra (252 Гбайт памяти HBM3e). Пропускная способность памяти процессора составляет 396 Гбайт/с, а графического процессора — 7,1 Тбайт/с.

Система предназначена для локального обучения ИИ, инференса и выполнения задач агентного ИИ.

Цена - 11,5 миллиона рублей.

Полезное: нашли скилл Agent Reach — позволяет Claude, Cursor и другим агентам легко искать инфу в соцсетях, на YouTube, новостных сайтах и не только.

Поможет быстро сделать саммари YouTube-видео, собрать подборку новостей, проверить тренды в X или поискать решение технических проблем на Reddit или GitHub.

Сам подбирает и проверяет рабочие способы доступа. Если метод перестанет работать, переедет на другой. Разбираться с подключениями к каждому сервису больше не придется.

Ставим бесплатно по ссылке.