Buzz: рабочий чат, где люди и ИИ-агенты становятся коллегами от сооснователя Twitter

21 июля Джек Дорси представил Buzz — бесплатную опенсорсную платформу от Block, объединяющую командный чат, ИИ-агентов, документы, процессы и работу с кодом.

Главная идея: агент здесь не внешний бот, которого вызывают отдельной командой, а полноценный участник канала.

Его можно добавить в обсуждение как сотрудника: он читает доступную историю, отвечает в ветках, ищет информацию, редактирует общие документы, запускает процессы, проверяет код и взаимодействует с другими агентами.

Например, во время сбоя инженер спрашивает: «Мы уже сталкивались с такой ошибкой?» Агент находит прошлые обсуждения, причины и исправления, прикладывает ссылки и предлагает следующие действия. Вся история решения остаётся в том же канале.

💬 Для людей Buzz превращает работу с ИИ из личного диалога в командный процесс.
Один сотрудник ставит задачу, другой добавляет ограничения, третий проверяет результат. Можно подключить сразу нескольких специализированных агентов: исследователя, разработчика и рецензента. Их действия видны команде, а итоговое решение принимает человек.

В Buzz чат одновременно становится:
• перепиской команды;
• интерфейсом управления агентами;
• базой знаний и поиском;
• общей рабочей областью;
• журналом действий и решений.

Платформа построена на Nostr: каждое действие человека или агента подписывается отдельным криптографическим ключом и сохраняется в проверяемом журнале.

Для разработчиков Buzz также включает Git: ветка может становиться отдельным каналом, где обсуждаются изменения, публикуются результаты тестов, проводится проверка и принимается решение о слиянии.

Поддерживаются Goose, OpenAI Codex и Claude Code через открытые протоколы ACP и MCP.

Уже работают настольные клиенты для Windows, macOS и Linux; мобильная версия пока разрабатывается.

Главная ставка Buzz — не заменить Slack ещё одним мессенджером, а превратить групповой чат в общую рабочую среду для людей и ИИ.

https://github.com/block/buzz

#чат #Buzz #JackDorsey #агенты
———
@tsingular

obsidian-mind от Феррари:
долговременная память для AI-агентов в виде Obsidian-хранилища

Бренно Феррари, iOS-разработчик из Берлина, выкатил еще одну реализацию постоянной памяти для ИИ агентов на базе Obsidian. Работает с Claude Code (полная поддержка), Codex CLI и Gemini CLI.

🔍 Архитектура держится на пяти хуках жизненного цикла:
SessionStart подгружает контекст (North Star, активные проекты, задачи, историю изменений),
UserPromptSubmit классифицирует каждое сообщение (решение, инцидент, встреча 1-1),
PostToolUse валидирует заметки после записи,
PreCompact сохраняет стенограмму сессии,
Stop архивирует и проверяет индексы.

18 команд: /om-standup утром, /om-dump для свободного сброса мыслей, /om-wrap-up вечером, /om-review-brief к перформанс-ревью.
Девять специализированных субагентов: brag-spotter находит незамеченные победы, slack-archaeologist реконструирует инциденты из Slack, review-prep собирает доказательства для оценки.

📦 Стек минимальный: Obsidian 1.12+, Node 22, Git. Папки группируют по назначению (brain, org, work, perf, thinking), ссылки по смыслу.
Принцип: «процедурный код владеет средой, агент владеет контентом».
Хуки на TypeScript выполняют классификацию и валидацию, агент пишет заметки, связывает их, пишет черновики. QMD-поиск опционален, но с ним агент находит «что мы решили про кеширование» по смыслу, а не по grep-совпадениям.

💰 Предусмотрена экономия токенов: стартовый контекст ~2K токенов (выдержки из North Star, список файлов, git-сводка), классификация ~100 токенов на сообщение, валидация ~200 токенов после записи. Полные файлы читаются только по явному запросу.

🔮 v7.0.0 добавляет tidy-fix (автоисправление найденных проблем), MEMORY.md как пересобираемый индекс, валидатор wikilink-ов с контролем целостности графа, самовосстановление QMD при старте сессии, навыки для Mermaid и Excalidraw. Важное изменение: MEMORY.md теперь генерируется из brain/ и перезаписывается при каждой регенерации.

💡 Главный инсайт: это не просто «память для Claude».
Это операционная система для агента: daily workflow, performance tracking, компетентностная модель и подготовка к performance review.
Проект Феррари показывает, как выглядит продуктовый слой над агентным кодингом, когда память перестаёт быть узким местом.

В принципе можно агенту и так сказать ключевые заметки вести в Obsidian, но тут реализован именно принудительный многослойный умный механизм памяти.
Интересно посмотреть и сравнить с аналогами.

Опять же "память от Феррари", - звучит :)

#ClaudeCode #Obsidian #memory
———
@tsingular

train-llm-from-scratch: полный цикл обучения LLM на чистом PyTorch

Фарид Хан опубликовал урок по обучению своей модели, который проводит языковую модель через все стадии: от сырого текста до рассуждающего ассистента.

🔍 Всё на чистом PyTorch, без trl, peft и transformers.
Transformer собран с нуля: эмбеддинги, multi-head attention, residual-блоки, LayerNorm, lm_head.
Три типоразмера: 13 млн, 77 млн и 406 млн параметров.
Младшая модель тренируется на бесплатной T4 в Colab.

📦 Данные настоящие:
The Pile для предобучения,
Alpaca и Dolly для SFT,
HH-RLHF и UltraFeedback для предпочтений,
GSM8K для reinforce-обучения.

Токенизатор: tiktoken r50k_base от OpenAI.
Chat-шаблон на чистом тексте: модель учит формат через SFT, без специальных токенов.

🔮 Самое интересное: блок постобучения.
SFT с маской потерь только на ответах ассистента,
Bradley-Terry reward-модель на парах предпочтений,
PPO с GAE и отдельной value-головой,
DPO, ORPO и KTO в одном модуле,
GRPO, метод DeepSeek-R1: групповая нормализация преимуществ без value-сети.

Групповая механика GRPO следующая: модель генерирует несколько ответов на промпт, и преимущество считается относительно среднего по группе.
Дешевле PPO и не требует reward-модели при верифицируемой метрике.

💡 Для сравнения: Karpathy с nanoGPT покрывает только предобучение, nanochat добавляет mid-training, но не доходит до RL.
Hugging Face TRL даёт готовые алгоритмы, но скрывает внутренности.

Проект Хана показывает весь путь без абстракций: метод forward_hidden вместо переписывания модели, функция group_advantages из четырёх строк вместо фреймворка.

Пожалуй, лучший учебный проект года для тех, кто хочет понять LLM на уровне исходников: от загрузки данных до генерации ответа с рассуждением.

#LLM #DeepLearning #обучение
———
@tsingular

Обещают сегодня

Ждем?

#claude #opus
------
@tsingular

Робоконь педальный

В общем робопсы - это уже не модно.

На стильном сейчас - копытныя робакони.

Поглядите на этих скакунов - гарцуют и танцуют.

Но не пропустите, смотрите до конца, там робакентавр!!

Я сначала думал, что это троллинг и генерация.

Но оказывается это все на полном серьезе - кентавры в городе!

https://interestingengineering.com/ai-robotics/worlds-first-centaur-robot

Возможно рендер и генерация в рекламе:
https://www.youtube.com/watch?v=Yuv-ExAZF2Q

Но сами кентавры реальные. Дожили...

@cgevent

Промпт-инжиниринг — эфир 23.07.2026

На ИИзбранном провели эфир по промпт инжинирингу.

Обсудили основные темы
1. Что такое промпт и как его писать
2. Системные промпты и роли
3. Метаракурсный подход (предшественник MoE)
4. Анализ тональности с Confidence Level
Саморегулируемые системы
5. Структурированный вывод и вызов функций
Эволюция: структурированный вывод → вызов функций → MCP → Agentic Skills
6. Agentic Loops как KPI

Запись и ссылки на канале

Следующий эфир в воскресенье 26 июля
RAG: косинусное сходство, матрицы, темпоральные графы, агентские RAG

#уроки
———
@tsingular

Unitree прокачали собачку Super Athlete AS2-W

Может таскать 16кг
Пробег без нагрузки на одном заряде до 30км

#роботы #собаки #Unitree
------
@tsingular

Так. Значит, по Гермесу, записываем.

Субагенты - тупые
Канбан воркеры - умные

Заклинание:

По этой задаче запусти kanban orchestrator предварительно расписав план решения по шагам. Создай необходимое количество воркеров с подходящими ролями. 
Создай чеклист по которому ты будешь проверять их работу и не
останавливайся пока чеклист не будет 100% зеленым при проверке.
Проверь итоговый результат и доложи о выполнении

Вы прошли краткий курс по мультагентным системам, который сэкономит вам кучу нервных клеток, но не токены, само-собой

Спасибо.

#юмор
------
@tsingular