SuperClaude прокачает ваш Claude Code.

Началось всё с комментария к одному из моих постов:

superclaude > all IDEs

Фактически, SuperClaude – это фреймворк, который расширяет возможности Claude Code при помощи кастомных AI-агентов(у SuperClaude они зовутся Personas, их 9 шт.) и команд (19 шт).

Создавали инструменты, следуя лучшим принципам разработки ПО. Используемые принципы можно изучить по ссылке.

Помимо персон и команд, у SuperClaude есть целый набор флагов, с помощью которых можно уточнить команду для LLM.

SuperClaude также требует установки четырёх MCP-серверов:

1. Context7 для доступа к актуальной документации.

2. Sequential для лучшего мыслительного процесса.

3. Magic для создания UI.

4. Playwright (на лендинге SuperClaude устаревшая информация о том, что для тестов они используют Puppeteer, но от него уже отказались из-за прекращения поддержки) для тестов на стороне клиента.

Чтобы добавить все эти MCP-сервера в Claude, достаточно добавить в ваш глобальный файл .claude.json (вбейте в Claude Code команду `/mcp` и он выведет ссылку на глобальный файл) следующий объект:

"mcpServers": {
"sequential-thinking": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-sequential-thinking"
],
"env": {}
},
"context7": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@upstash/context7-mcp@latest"
],
"env": {}
},
"magic": {
"type": "stdio",
"command": "npx",
"args": [
"@21st-dev/magic@latest"
],
"env": {
"API_KEY": "API_KEY" #не забудьте заменить на корректное значение
}
},
"playwright": {
"type": "stdio",
"command": "npx",
"args": [
"@playwright/mcp@latest"
],
"env": {}
}
}

Из всех MCP-серверов только Magic MCP требует API-ключа. Получить его можно здесь.

Ссылка на валидную инструкцию по установке SuperClaude (ссылка с якорем и переводит вас сразу на нужную часть страницы). Оставляю её, потому что в процессе изучения инструмента обнаружил ещё две альтернативные инструкции.

После успешной установки SuperClaude, в интерфейсе Claude Code должны появиться команды, начинающиеся с /sc:.

Перед началом работы с SuperClaude также обязательно проверьте, что все 4 необходимых mcp-сервера подключены корректно и доступны для Claude Code. Сделать это можно через команду /mcp.

Ещё пара полезных ссылок по SuperClaude:

1. В папке Core репозитория хранятся md-файлы с описанием всех основных концепций SuperClaude.

2. В папке Commands есть детальная информация по каждой кастомной команде, включая поддерживаемые аргументы и текстовое описание о том, для чего применять ту или иную команду.

Пока что я изучаю все возможности и только начал тестировать SuperClaude на реальных задачах. Очень интересный фреймворк, но для того, чтобы использовать его на все 100%, потребуется некоторое время на освоение его инструментов и концепций.

В моём представлении, лучше всего Graphiti себя покажет в задаче визуализации взаимодействий между людьми.

Когда у нас есть некая система, в рамках которой люди инициируют те самые "события" для Graphiti.

Поэтому я написал небольшого TG-бота, который все полученные сообщения отправляет в Graphiti.

Можете написать ему что-нибудь и он добавит информацию в граф. Также я ненадолго (скорее всего, на сутки) добавил бота в чат канала. Так что комментарии тоже будут обработаны и поучаствуют в построении графа.

Заранее спасибо всем участникам эксперимента! В одном из следующих постов обязательно расскажу про то, какой у нас граф получился. Особенно интересно увидеть те сущности, которые Graphiti выделит из наших взаимодействий.

Про взлом топа Openrouter, как способ привлечения новых пользователей.

В посте про источники знаний о новинках AI я рассказывал, что рейтинги Openrouter – отличный способ узнавать о новых популярных AI-приложениях.

Несколько дней назад я обнаружил в Top-20 приложений Kilo Code (не путать с Kiro от Amazon). Это очередная AI-IDE.

В рейтинге за сегодня Kilo Code занимает уже первое место, сместив даже Roo Code, который очень хорош (пример с кейсом).

Неужели кто-то предложил на рынке AI IDE что-то кардинально-новое и процесс AI-coding не будет прежним?

Что-то новое действительно есть, но вот только не в AI-Coding.

Kilo Code решили перераспределить бюджеты на маркетинг. И вместо расходов на рекламную кампанию, они просто раздают каждому вновь зарегистрировавшемуся пользователю по $20 на Openrouter.

Естественно, это вызвало всплеск популярности Kilo Code. Думаю, что не столько благодаря широкой аудитории, сколько из-за ушлых ребят, которые заводят сотни аккаунтов и выгребают халявные токены.

Судя по Leaderboard, выгребают за день 56,2 миллиарда токенов. Правда, судя по тенденциям использования, с каждым днём всё больше токенов тратят на модель Horizon Beta. Дело в том, что модель бесплатная. И на неё пользователи переходят после того, как закончатся $20 за регистрацию.

Что же это за AI IDE, спросите вы? В целом, ничем не примечательная копия Cursor/Roo Code. В чём-то чуть лучше, в чём-то чуть хуже. Новых идей за пределами маркетинга мною замечено не было. Но обещают глубокую кастомизацию, что радует.

Так что можно себе поставить и, как минимум, потратить халявные $20 с Openrouter.

Чат для взаимодействия с AI-продуктом – это, чаще всего, плохое решение.

Что такое продукт с AI? Это приложение+инфраструктура, построенные для того, чтобы скармливать самый эффективный промпт в наиболее подходящую для решения задачи модель.

Всё это делается, чтобы получить качественный ответ. Качество ответа при этом должно однозначно интерпретироваться и, в идеале, иметь дискретное представление (например, оценка от 0 до 10).

Метрики качества ответов необходимо отслеживать постоянно, чтобы вовремя отреагировать на ухудшение качества в ваших сценариях.

Так вот. Дать возможность пользователю через чат вводить промпт – это перекладывание ответственности за качество ответа на пользователя.

Для разработчиков моделей такой подход может быть оправдан. Особенно если это модель "общего назначения".

Почти во всех других случаях нужно избавлять пользователя от необходимости вводить промпт. Потому что пользователь платит вам не за возможность взаимодействовать с вашим AI-приложением, а за то, как оно работает. И ему совершенно неинтересно, что ответ получился плохим из-за того, что он неправильно сформулировал свой промпт.

Примеры того, как пользователя избавляют от необходимости самостоятельно "промптить" AI-продукт:

1. Higgsfield совсем не настаивает на том, чтобы вы вводили промпт при генерации их AI-фотографий. Выбираете модель, стиль фото и нажимаете "генерировать". На выходе получаются отличные фотографии, которые с радостью выкладывают в Instagram, создавая приток новых пользователей в продукт.

2. Kiro от Amazon. Помните, как они предлагают создавать AI-агентов и документацию для проекта? Поле ввода в одну строку (запрашивают "хотелку" пользователя, а не промпт), которое генерирует полноценные документы для выстраивания корректного рабочего процесса по AI-Coding. Далее в том же интерфейсе нажимаем на кнопки "Взять задачу в работу" у нужной задачи и ждём, пока Kiro всё сделает.

3. Vidu и "Режим Pro" для формирования промптов. Система самостоятельно анализирует изображения, поданные на вход и придумывает промпт-сценарий. Который, при желании, можно поправить и сгенерировать корректный промпт вновь.

Какие примеры ухода от «промптинга» и чата в успешных AI-продуктах знаете вы? Буду рад почитать про примеры в комментариях 😊

Прошла презентация, на которой представили ChatGPT-5.

За последние пару дней я прочитал достаточно много отзывов от тех, кто уже протестировал новую модель.

Прочитанное всколыхнуло во мне воспоминания об одном скандальном видео из 2012 года.

Сделал для вас AI-видеопародию, которая прекрасно описывает ситуацию с ChatGPT-5 🙂

Завершил эксперимент с тестовым запуском бота с Graphiti.

Сегодня заметки о том, как он отработал и каких результатов удалось достичь. Более глубокие выводы будут отдельным постом (возможно, постов будет больше, чем один).

Граф получился красивый. За время эксперимента в бота, так или иначе, попало 55 сообщений (Episodic), Graphiti на базе этих сообщений создал 112 сущностей (Entity). Базовых связей (MENTIONS – между эпизодом и созданными им сущностей) 160. Продвинутых связей (RELATES_TO – связь отношения между сущностями) создано 89.

Graphiti по-умолчанию использует API от OpenAI. Для того, чтобы выделять сущности и корректные связи между ними.

Модели, которые использовал в эксперименте (они устанавливаются по-умолчанию):

1. text-embedding-3-small – для эмбеддингов текстовой информации из узлов графов.

2. gpt-4o-mini – в качестве основной модели для Graphiti

3. gpt-4o-nano – в качестве "малой" вспомогательной модели

За время эксперимента на API было потрачено порядка $0.5 🙂

Из-за того, что модели по-умолчанию достаточно слабые, некоторые описания в узлах были одновременно на двух языках (русский+английский). Плюс – иногда на русском языке модели могли допускать ошибки. Повод запустить эксперимент с более мощными моделями (как кстати вышла линейка ChatGPT-5).

Спасибо всем, кто откликнулся на призыв к участию в эксперименте! Практический опыт дал понимание, куда можно двигаться дальше. Плюс – вы ещё накинули в комментариях несколько идей, на которых можно будет его потестировать. За это отдельное спасибо! 🙂

На днях завершил свой первый корпоративный практикум в сфере AI.

Спасибо команде парка "Богатый курьер" за оказанное доверие!

Тема практикума "AI-видео для производства контента". Преимущественно для соц. сетей. Проводил его с командой монтажа, задействованной в производстве видео-контента.

На старте практикума члены команды если и использовали AI, то на базовом уровне. В итоге выстроили процесс производства AI-видео, а также изучили и попробовали всё, что вокруг (тексты, изображения, AI-агенты).

Собрал с ребят обратную связь по практикуму – дополню материалы, чтобы увеличить концентрат полезности. Если кому-то нужно обучить команду производству AI-видеоконтента – пишите.

Также готовлю материалы по AI-coding. Собираю и структурирую весь накопленный практический опыт по теме. По этому направлению тоже буду рад пообщаться 🙂

Сегодня анализируем Graphiti-граф, созданный из ваших комментариев в данном канале.

Для этого я запустил Goose и подключил к нему официальный MCP-сервер Graphiti.

Fun Fact:

Официальный MCP-сервер Graphiti не умеет получать списком все group_id, которые есть в графе. По-умолчанию, без предоставления пользователем group_id, MCP-сервер не способен получать информацию из графа в принципе.

Передав корректный group_id, я отправил три запроса в Goose. Отвечал на запросы Claude 4 Sonnet.

Сами запросы:

1. Составь выжимку, о чём говорили в комментариях канала и кто говорил.

2. Изучи более внимательно связи между созданными сущностями. И расскажи, что ты из них узнал.

3. Из всех комментаторов, кого бы ты взял на работу для того, чтобы работать с графовыми RAG-системами? Объясни свой выбор.

Составленные отчёты показались весьма интересными. Некоторые моменты, которые кажутся Sonnet "удивительными", произрастают из вполне конкретных корректно-обработанных комментариев. Он также детально проанализировал всех спамеров, которых собирал к себе Graphiti 🙂

Отчёты закину в комментарии. Если желаете задать ещё какие-то запросы в граф – пишите также в комментарии. А я пришлю ответ от Claude.

Pydantic – одна из самых важных библиотек при создании AI-агентов с помощью Python.

При работе с GenAI важны два аспекта:

1. Контекст. Подготовка данных, которые мы подаём на вход модели.

2. Контроль. Происходит либо за счёт выбора подходящего инструмента (например, модель для inpaint в AI-изображениях), либо за счёт проверки того, что мы получаем в результате работы модели.

Pydantic – это библиотека, которая стала стандартом в вопросах контроля за выводом AI-моделей. Особенно в случае, если модель не поддерживает Structured Output (на этом моменте передаём привет Claude).

Библиотека позволяет задавать как простые, так и достаточно сложные форматы, в которых AI будет выдавать ответ. Можно как строго проверять формат, так и попробовать выполнить приведение к формату. Если удастся осуществить приведение, тогда результат будет признан валидным.

Само собой, Pydantic поддерживается всеми основными библиотеками для написания AI-агентов (пример в документации CrewAI).

Итог: если вы только начинаете создавать первых AI-агентов с помощью Python и по какой-то причине ещё не используете Pydantic, это нужно срочно исправить, изучить документацию по библиотеке и забрать её себе в арсенал. Тем более, документация у них – отличная.

Сегодня наконец-то Veo3 стал доступен по API.

Следовательно, в этот же день на платформе fal.ai, которую я использую для генераций, появилось не только text-to-video, но и image-to-video.

Наконец-то не придётся убеждать Manus в том, что мне надо сгенерировать видео именно в Veo3 и в том, что я достоин генерации (true story: когда Veo3 только появился, мне в чате приходилось убеждать Manus, что у меня корректная подписка для генерации видео).

Стоимость у image-to-video на fal.ai осталась той же, что и для text-to-video: $0.5 за секунду генерации без звука и $0.75 за секунду со звуком.

Да, это $6 за 8-секундное видео со звуком. Но стоит помнить, что Veo3 может генерировать более сложные сцены с меньшего количества попыток. Обеспечивая отличное понимание промпта. Плюс ещё голос и Lipsync на русском языке.

"Как нейросети помогают увеличить продажи фрилансеру?"

На днях проводил эфир для закрытого сообщества с одноимённой темой.

Фактически, разобрал процесс взаимодействия фрилансера с заказчиком на этапы и по каждому этапу дал примеры того, как AI может помочь.

На эфире я не затрагивал сам процесс выполнения заказа. Что логично – фрилансеры бывают разные, поэтому и работа у них разная. Большей части специалистов я едва ли смогу рассказать, как им следует делать непосредственно их работу.

Фактически, все кейсы применения AI помогали в следующих аспектах:

1. Как фрилансеру лучше понять и оценить себя. За какие сроки и стоимость ему будет действительно комфортно выполнить определённый объём работы. Заодно – понять своё место на рынке.

2. Как в процессе работы давать больше, чем ожидает от фрилансера бизнес.

3. Как выстроить равные, партнёрские отношения с заказчиком и работать с доверием друг к другу.

Заметили, да? Всё это возможно сделать и без AI. Но внедрение обозначенных процессов в работу позволяет увеличить LTV от заказчика, а также включает тот самый "сарафан", на который надеятся многие фрилансеры.

Когда я формулировал для себя правила взаимодействия с заказчиками в качестве фрилансера, AI ещё не был инструментом, способным помочь в реализации обозначенных пунктов.

Однако с нейросетями можно сделать больше, потратив меньше времени. Особенно в вопросах выстраивания отношений.

Кейсы применения AI, на самом деле, не особо сложные, но могут оказаться полезными в работе. Как для фрилансеров, так и для тех, кто работает в найме. Ставьте 🔥, если желаете прочитать про них (и не только) подробнее.

История с кардерами на 30000+ рублей. Не совсем про AI.

Я уже несколько раз писал в этом блоге о различных видах мошенничества. Вот пост из раннего про общительных ботов, которые по итогу пытаются развести на деньги. Или о том, как использовать знания об AI при общении со взломщиками личных аккаунтов.

Поэтому сегодняшнюю историю я не мог не рассказать вам. Для того, чтобы показать ещё один потенциальный источник угрозы со стороны мошенников.

3 августа, прогуливаясь воскресным вечером по моллу, я получаю SMS о списании с моей карты банка FAB (First Abu Dhabi Bank) 1711 MYR в пользу компании Facebook (вот уж где действительно стоит упомянуть, какие они на самом деле экстремисты). Конкретно – за пополнение аккаунта Facebook Ads. Естественно, платёж я не проводил.

Тут же пытаюсь дозвониться до службы поддержки. Пока дозваниваюсь – приходит ещё одно SMS об ещё одной попытке снятия средств. Она не увенчалась успехом, потому что на карте просто не было необходимой суммы – буквально за два дня до этого я снимал с этого счёта наличные.

Дело в том, что в ОАЭ часть операций с "доверенными" компаниями может проходить без OTP (SMS с номером для подтверждения). Как вы понимаете, Малазийскому аккаунту Facebook Ads мой банк очень доверяет, а вот я – не очень.

Как вообще данные карты утекли?

Подозреваю, что тут дело как раз-таки в AI-сервисах. В рамках подготовки материалов к практикуму по AI-видео я тестировал множество сервисов (в том числе и неизвестных мне ранее) для решения тех или иных задач. И в какой-то момент потерял бдительность. На 30000 рублей.

Что было дальше?

На следующий день, в понедельник 4 августа, я поехал в банк. Под внимательным взором сотрудницы банка заполнил форму о неправомерном снятии средств, сфорографировал её на телефон и отправил на специальный e-mail (можно было и полностью онлайн это сделать, но я предпочёл получить консультацию о правильности заполнения). Заодно удостоверился, что карту мне уже выпускают новую и скоро доставят на дом.

А потом – тишина. Даже не было сообщения после отправки формы о том, что "да, мы получили твой e-mail. Всё с ним хорошо!". Через сутки я отправил ещё одно сообщение (с текстом "вы там ничего не потеряли?") на тот же e-mail и в ответ пришло – "Мы получили твой e-mail".

Вообще, деньги от того перевода ещё три дня висели в статусе "Hold". И я надеялся, что форму обработают быстро и они попросту не успеют уйти…

11 августа мне на почту приходит письмо "Здравствуйте! Мы зарегистрировали ваше обращение под номером XXXXX". И рядом ещё одно письмо: "Мы ничего не потеряли. Зарегистрировали ваше обращение под номером XXXXX".

На тот момент деньги уже окончательно покинули мой счёт и вышли из статуса "Hold". Стоит ли говорить, что надежды на их возвращение у меня не осталось?

Сегодня, 16 августа, мне на счёт вернули деньги. Чему я очень рад. Так как у меня с малазийскими кардерами не настолько тёплые отношения, чтобы делать столь щедрые подарки.

Для чего этот пост?

Ещё раз напомнить: сохраняйте бдительность. Особенно, если вы регулярно тестируете (в том числе – платные) AI-сервисы (да и вообще делаете платежи в интернете). Большая часть белых сервисов проводит платежи с использованием Stripe / Link / Paypal / ApplePay / GooglePay. Если малоизвестный сервис просит вводить данные карты у себя в личном кабинете (и не предлагает альтернатив), то это, скорее всего, мошенники.

В одном из следующих постов расскажу, как теперь я выстроил систему взаимодействия с картами, чтобы кардеры, даже имея данные карты, не могли с неё снять значимых сумм.

Про Hooks в Claude Code.

Чем глубже я изучаю Claude Code, тем больше убеждаюсь, что решение от Anthropic – ультимативный инструмент для AI-Coding.

В обзоре на Kiro, что был чуть больше месяца назад, я очень тепло отозвался о функциональности Agent Hooks.

Просто на тот момент я не знал, что Claude Code даёт в своих Hooks куда больше возможностей.

Самая главная особенность Hooks – добавление большей детерменированности в процесс написания кода.

Claude Code позволяет подключиться через хук в любой момент, начиная от отправки пользователем промпта, заканчивая уведомлением от Claude Code о завершении работы, и выполнить необходимое действие. При этом мы можем как принудительно запустить другого агента, так и выполнить произвольный код или команду в терминале.

Документацию на официальном сайте изучать тут, а примеры в референсах можно посмотреть здесь.

Несколько примеров использования Hooks для вдохновения:

1. Максим опубликовал классный geek-пример того, как он на свой Stream Deck (там буква r после t) выводит информацию о запущенных проектах в Claude Code.

2. А в этом видео разработчик построил полноценную систему, которая в real-time-режиме отслеживает всё, что делают AI-агенты и субагенты в процессе работы Claude Code.

3. Или вот репозиторий, в котором через хуки реализован TDD-надсмотрщик, неустанно бдящий, чтобы Claude Code следовал Test-driven-подходу в разработке (AI-агентов хлебом не корми – дай только срезать углы).

Итог: hooks – ещё один инструмент, позволяющий добавить контроля при взаимодействии с Claude Code. Это тот самый момент, когда от открывающихся с инструментом возможностей захватывает дух 🔥