Возможности Gemini в Chrome выглядят довольно интригующе. 🔭

Можно просто писать инструкции, и Gemini будет выполнять действия снова и снова.

1. Создать через ввод / в панели Gemini
2. Написать инструкции
3. Ввести /<название-скилла>

После этого Gemini автоматически выполняет задачу, используя скилл.

Сценарии применения:

- сбор информации
- выполнение действий в веб-приложениях
- любые операции, которые доступны в браузере

Также можно использовать почту или аккаунт Google как контекст, что расширяет возможности автоматизации.

Функция скиллов Gemini в Chrome доступна на десктопе (Mac / Windows / ChromeOS).

Требование: язык браузера должен быть установлен на English (US).

Наткнулся на практический опенсорс курс на GitHub: Learn Harness Engineering 😐

Он раскладывает коллаборацию с ИИ на 5 механизмов: инструкции, состояние, валидация, область и сессии - каждая задача становится отслеживаемой, продолжаемой и проверяемой, без рандома в результатах.

Структура курса: 12 теоретических уроков + 6 практических проектов, всё проходит через одно десктоп-приложение, которое эволюционирует по мере сборки.

Начинается с базовых сравнительных экспериментов, затем постепенно собирается полноценное рабочее окружение; результаты каждого проекта используются в следующем и усиливают пайплайн.

Есть готовые шаблоны, тоесть можно сразу закинуть в свой проект и начать использовать, не проходя курс целиком.

SDK для Cursor уже тут 😁

Теперь можно собирать агентов на том же рантайме, оркестраторе и моделях, которые используются в Cursor, и управлять ими через TypeScript API.

Поддерживаются десктопное приложение Cursor, CLI и веб-приложение. Запуск возможен локально или в облаке Cursor на выделенной виртуальной машине, с любыми фронтирными моделями.

SDK Cursor доступен в публичной бета-версии для всех пользователей.

Также выложили в открытый доступ несколько стартовых проектов: агент для кодинга в виде интерфейса командной строки, инструмент для прототипирования и канбан-доску с агентной логикой.

Векторные базы данных не выполняют рассуждение.

Поиск top-k по семантическому сходству ранжирует фрагменты текста по отдельности относительно запроса. Это нормально для одношагового извлечения фактов, но ломается там, где ответ требует связывания информации из нескольких фрагментов.

Это видно в результатах FalkorDB GraphRAG-Bench. Наибольший разрыв на задачах Complex Reasoning (83.61) и Contextual Summarization (85.08) — типах запросов, где поиск должен проходить по связям между сущностями, а не оценивать чанки изолированно.

Полезно посмотреть внимательнее, если нагрузка связана с длинными текстами и составными ответами.

GraphRAG SDK с открытым исходным кодом 😌

NVIDIA раздаёт бесплатный доступ к API более чем к 50 моделям ИИ 🤯

Без банковской карты. Нужен только API-ключ

→ MiniMax M2.7, DeepSeek v4, GLM 4.7, Kimi, Nemotron, Llama, Gemma, Mistral
→ эндпоинт, совместимый с OpenAI API
→ работает с Cursor, Zed, OpenCode, Hermes

Настройка:
→ взять ключ на http://build.nvidia.com
→ base_url = http://integrate.api.nvidia.com/v1
→ добавить api_key = "$NVIDIA_API_KEY"
→ выбрать модель (например, minimaxai/minimax-m2.7)

Гений пересобрал почти весь core OpenClaw в одном workflow:

- 25 блоков
- 29 связей
- краткосрочная и долгосрочная память
- мультиканальность (Телеграм + Слак)

Ручной сборки не было. Стек полностью опенсорс. Можно запускать локальные модели, владеть всем end-to-end.

Полный разбор:

00:00 — вступление
01:00 — SimClaw в работе: планирование дня, поиск встреч, отправка письма
04:05 — возможность долгосрочной памяти
05:52 — внутри workflow: как всё связано
12:09 — сюжетный поворот
12:50 — сборка целого workflow через один промпт
15:42 — почему это операционная система для AI workforce
17:00 — попробуй сам

Опенсорс стек, который это всё запускает: https://github.com/simstudioai/sim 😬

Веб-сайты теперь можно вставлять прямо в Figma 😱

Это новая функция расширения html.to.design для Chrome:

1. захват любой веб-страницы или её части
2. «копировать в буфер обмена»
3. вставка напрямую в Figma

Самый быстрый воркфлоу для импорта веб-сайтов в Figma, который когда-либо был реализован

2000 файлов DESIGN.md из лучших продуктов мира, структурированные так, чтобы модель могла их читать и обучаться на них. Цвета, типографика, отступы, сетки и многое другое.

Бесплатно. https://styles.refero.design/ 🔫

Теперь Claude Code может читать полную документацию, не расходуя ни одного токена.

Для этого его нужно подключить к NotebookLM от Google через MCP.

Дальше идёт видео-гайд по настройке ⬇️

Анонс нового фреймворка с агентным харнессом: Flue

Flue концептуально похож на Claude Code, но полностью headless и программируемый. Нет требований к наличию оператора, нет терминального интерфейса и графического интерфейса. Один TypeScript.

При этом ощущается как работа с Claude Code: агенты выполняют задачи автономно, с минимальным количеством кода. Основная логика вынесена в Markdown - cкиллы, контекст и AGENTS.md.

По позиционированию ближе к Astro или Next.js, но для агентов. Он не привязанан к конкретному окружению выполнения.

Поддерживается деплой в разные рантаймы: Node.js, Cloudflare, GitHub Actions, GitLab CI/CD.

Изначально Flue использовался для внутренних воркфлоу в репозитории Astro. После экспериментов стало понятно, что такой слой абстракции нужен не только для одного проекта.

Вопрос, который поднимается:

сформировался ли рынок агентов до стадии перехода от библиотек к полноценным фреймворкам. 😬

POV: Claude перенёсся на 6 месяцев вперёд и рассказал, почему твой следующий шаг уже провалился.

Это называется premortem (предразбор провала до старта).

Дэниел Канеман (нобелевский лауреат, автор «Думай медленно… решай быстро») называл это своей самой полезной техникой принятия решений.

Google, Goldman Sachs и Procter & Gamble используют её перед крупными запусками.

Проблема, которую она решает: когда ты спрашиваешь Claude «это хороший план?», он находит причины согласиться.

Так он обучен: поддерживать и подтверждать. В итоге ты уходишь с ощущением уверенности.

Дальше ты неделями или месяцами строишь систему вокруг этого плана. Потом всё ломается. 😆

И постфактум становится очевидно, что проблема была видна сразу, но её никто не прогнал через стресс-тест, потому что Claude подтвердил, что всё ок.

premortem переворачивает контекст.

Вместо «что может пойти не так?» ты задаёшь: «прошло 6 месяцев, и это уже провалилось. объясни, как именно это произошло».

Это меняет режим анализа: нет задачи быть оптимистичным, потому что исход уже зафиксирован как провал.

В таком режиме модель перестаёт искать причины, почему план должен сработать, и начинает раскладывать сценарии деградации.

В ответ ты получаешь набор способов, как проект мог умереть, с развернутыми сценариями и ранними сигналами, на которые стоит обратить внимание.

дальше обычно делают сводку:

> какая точка отказа наиболее вероятна
> какой сценарий наиболее критичен
> какое скрытое допущение самое рискованное (часто самое ценное)
> пересобранная версия плана с закрытыми дырами

в итоге ты пишешь «premortem this» и передаёшь план — дальше всё разбирается автоматически.

Вот скилл: pre-mortem skill 🍿

DeepSeek V4 Pro против Xiaomi MIMO V2.5 Pro

MIMO V2.5 Pro выигрывает по 2 факторам:

1. примерно на 1 минуту быстрее, чем DeepSeek V4 Pro
2. более чистый визуальный стиль

Причина: MIMO V2.5 Pro изначально мультимодальная модель, поэтому лучше понимает, как должен выглядеть качественный визуал.

Интересно будет посмотреть, как DeepSeek V4 Vision изменит это. ⏳

Терминал Warp стал опенсорс. Написан на Rust, доступен на Windows, macOS и Linux.

Комьюнити встретило новость очень тепло – за считанные часы репозиторий набрал уже 41+ тыс. звезд! 😮

https://github.com/warpdotdev/warp

@IT_Portal