Cursor повышает ставки. Взяли старую добрую идею Devin.ai и пытаются продать как новое поколение полностью автономной агентской разработки. Кстати, а что там сам Devin.ai? Что-то не видно их в агентской гонке.

https://cursor.com/blog/agent-computer-use

Целый месяц я не писал в канале. Помимо регулярного консалтинга, я был плотно занят запуском первого тренинга по эффективному использованию Claude Code. Первая группа завершила обучение. Результат мне понравился, удалось систематизировать огромное количество разрозненной информации и практического опыта. В запланированные 7 модулей мы не влезли, пришлось расширять на еще один дополнительный модуль. Программу тоже полностью переформатировали для более логичной последовательности раскрытия тем. Теперь тренинг в режиме постоянных мелких улучшений, но уже можно смело проводить и в корпоративном формате. Так что можно немного выдохнуть и вернуться к регулярным постам. :)

Последний месяц получился супер насыщенным и с точки зрения новинок от Anthropic. Есть ощущение, что они пользуются медлительностью OpenAI и хотят быстро застолбить за собой присутствие во всех актуальных агентских областях:

1. Реализовали сразу 3 способа удаленной работы с локальной сессией (remote control, dispatch и channels). Пока работают не идеально, но зато ворвались в нишу «конкурентов OpenClaw». Причем, с фокусом на безопасность, гибкость и переиспользование существующих фичей.

2. Чтобы усилить предыдущий пункт и запрыгнуть в нишу «универсальных персональных ассистентов на локальной машине», в экспериментальном режиме запустили использование computer use в desktop версии для управления приложениями.

3. Реализовали базовую версию Agent Teams в CLI для запуска коммуницирующей команды автономных агентов. Это позволило заявиться в нише «командная агентская разработка».

И теперь, когда OpenAI решит заходить в эти области, то эффект «так это уже есть в Claude Code» будет очень неприятным для них. Сильная конкуренция обычно на руку конечным пользователям, а в данном случае это мы с вами. :)

Если вы думали, что удивить вас уже в мире агентской AI разработки нечем, то встречайте Claude Code плагин для вызова OpenAI Codex (ревью или делегирование задач): https://github.com/openai/codex-plugin-cc

Причем, плагин авторства разработчиков OpenAI. Я подумал «интересная попытка, но нет». А плагин в это время уже набрал 5К звездочек. 🫣

Только вчера написал, что нечем удивить уже в мире агентского AI, а тут Anthropic в ответ: «подержи мое пиво». :) Вчера через банальную проблему в конфигурации утекли все исходники Claude Code. Можно сказать, что npm сделал Claude Code опенсорс продуктом. :)

Исходники оперативно выложили на GitHub, а люди начали клонировать репозитории и исследовать их с помощью агентов. Нашли много чего интересного, от планов на новые фичи и модели до уязвимостей из-за компроментированных зависимостей.

Anthropic уже подал заявку в GitHub и клоны закрывают по DMCA takedown policy. Но, как говорится, из интернета уже ничего не удалишь глобально…

P.S.: Кому интересно почитать про находки в исходном коде, вот одна из статей: https://kuber.studio/blog/AI/Claude-Code's-Entire-Source-Code-Got-Leaked-via-a-Sourcemap-in-npm,-Let's-Talk-About-it

Поделюсь с вами актуальными горячими трендами в мире автономных AI агентов: долгосрочное управление знаниями и настройка полнофункциональных безопасных агентских окружений. Это следующий виток эволюции для увеличения автономности AI агентов и делегирования им полноценных задач даже на сложных проектах.

В феврале инженеры OpenAI опубликовали статью про свой внутренний эксперимент по созданию продукта на 100% с помощью Codex. В процессе они столкнулись с рядом сложностей и прошли непростой путь по построению эффективного агентского окружения. Несколько ключевых пунктов:

- окружение должно иметь полноценные инструменты observability и контроля качества;
- знания по проекту должны быть хорошо структурированы и постоянно развиваться;
- архитектурные решения должны быть зафиксированными и контролироваться детерминированно.

В своем интервью на тему использования AI агентов Andrej Karpathy также рассказывает, что эффективное управление знаниями и настройка полноценного агентского окружения занимает больше всего времени при работе с AI агентами. Через пару недель он опубликовал завирусившийся пост в X про использование Obsidian для управления знаниями. На фоне такого огромного интереса к этой теме, Андрей описал идею во всех деталях на GitHub, чтобы каждый смог реализовать ее локально со своим AI агентом.

А на прошлой неделе Anthropic запустили Managed Agents и опубликовали статью про переосмысление архитектуры глубокого агентского цикла. Они явно разделили агентский цикл, агентское окружение, инструменты и контекст сессии. Данное разделение позволило упростить настройку окружения и сделать его более безопасным. Ну и конечно же, Anthropic получил новый способ заработка на агентской инфраструктуре. Управление знаниями они еще не придумали как грамотно прикрутить, но думаю это решится в ближайший месяц.

Для баланса, закончить пост хочу коротким интервью Michael Bolin из OpenAI на тему harness engineering и будущего AI агентов для разработки.

Сегодня пятница и можно чуток накинуть на вентилятор. :) На фоне угасающего тренда с использованием OpenClaw и набирающего обороты тренда локальных агентов в целом, в Java комьюнити решили реализовать собственную версию. Встречайте JavaClaw на Spring Boot, Spring AI и JobRunr: https://github.com/jobrunr/javaclaw. За месяц проект собрал невероятных 575 звездочек на GitHub. Сразу ощущается что будущее агентского AI за Java платформой. ;)

Много людей спрашивало будут ли еще тренинги по Claude Code и разработке кастомных агентов на LangChain/LangGraph стеке. Мы подготовили расписание тренингов на май-июнь. Ниже расскажу детальнее про изменения.

Тренинг "Эффективная разработка с Claude Code" снова подрос на один модуль и теперь это 8 полноценных 3-часовых онлайн модулей. Я все еще не очень доволен последней частью по SDD, попробую для следующей группы новый формат сравнения фреймворков. Сейчас запланированы 2 группы на 18 мая - 3 июня и 8 - 24 июня.

В трениг "Разработка автономных AI агентов с помощью LangChain и LangGraph" также добавлен один новый модуль. Он будет посвящен реализации долгосрочных агентских задач с помощью нового deep agents фреймворка на базе LangGraph. В этот же модуль войдет обзор нового сервиса Managed Agents от Anthropic, который позволяет проектировать и запускать агентов без необходимости настраивать и поддерживать свою инфраструктуру. Запланирована только одна группа на 2-25 июня.

Если вы хотели прокачаться в теме агентской разработки, то это отличный шанс. Приходите сами и приглашайте коллег.

Если вы имеете отношение к Java и хотели бы разбавить новости про AI в своем информационном пространстве, то рекомендую обратить внимание на записи докладов конференции Spring I/O 2026. Сама конференция прошла в середине апреля, но доклады почему-то выкладывают постепенно. Что там есть интересного? Последние обновления в Spring Boot 4, новые интеграции в Spring экосистеме, немножко AI, модульный дизайн, работа с API и т.д.

Просматривая список докладов этого года я задумался над одним вопросом - как стоит обрабатывать такие знания в 2026 году? Раньше мы смотрели доклады с конференций по нескольким ключевым причинам: вдохновление, расширение кругозора, накопление новых релевантных знаний для работы.

Вдохновение, пожалуй, меньше всего изменилось. Мы по-прежнему можем вдохновляться чужим опытом и смотреть практические доклады с целью попытаться изменить что-то подобное у себя в организации.

Расширение кругозора претерпело кардинальные изменения за последние годы. Доступ к знаниям стал на порядок проще. И на любой вопрос есть пачка AI ассистентов, которые готовы эти знания упаковать в нужном тебе формате. Ну и поток знаний сейчас сильно превышает способности нашего мозга по его анализу и восприятию. Поэтому мне кажется, что просмотр докладов с целью расширения кругозора уходит в прошлое.

Последняя причина самая интересная. Раньше мы накапливали знания в нашем мозге. Эти знания помогали нам потом в работе и жизни. Безусловно, кто-то делал себе заметки по результатам прочтения книг, статей и просмотра видео. Но их оперативная доступность в момент принятия решений была очень низкой.

В 2026 году мы привыкли работать с AI ассистентами, агентами и инструментами. Поэтому большая часть решений принимается с их помощью. И доступность накопленных знаний полностью меняется. Теперь по вашим заметкам AI ассистенты могут задавать релевантные вопросы по ходу работы, а для хранения персональных знаний появилось 100500 удобных инструментов.

И это наводит на мысль - а нужно ли с целью накопления знаний смотреть видео докладов в современных реалиях? Или нужно взять описание доклада, слайды, транскрипт, видео и попросить AI ассистента сделать детальное глубокое саммари с дополнительным ресерчем? А потом просмотреть саммари и принять решение, будут ли эти знания полезны в персональной базе знаний. Если да, то трансформировать их в нужный формат и загрузить в свою персональную базу знаний.

Что вы думаете по этому поводу? Изменились ли ваши подходы к потреблению и обработке информации? Останется ли при таком подходе мотивация у докладчиков готовить доклады и выступать на конференциях?

Завтра мы стартуем тренинг по разработке автономных агентов на стеке LangChain/LangGraph. Есть еще несколько доступных мест для желающих запрыгнуть в группу в последний момент. Следующий раз такая возможность будет не раньше октября.

За 8 модулей тренинга участники пройдут длинный путь от понимания как работают LLM до реализации, запуска, оценки и мониторинга агентов различной сложности на популярном open source стеке. По дороге мы разберемся с агентской памятью, работой с приватными данными, существующими инструментами и протоколом MCP, а также концепцией deep agents в сравнении с Managed Agents (новинкой от Anthropic).

Присоединяйтесь, будет интересно!

На днях в работе с одним из клиентов услышал фразу «JIRA у нас настраивать некому, роли ScrumMaster у нас нет». И все на звонке покивали головами, мол так и есть. От этого как-то стало очень грустно. Как мы пришли за эти годы от революционного Agile Manifesto и Scrum фреймворка, культурных и диджитал трансформаций, построения адаптивных организаций к ожиданиям по настройке JIRA?

Один фактор обесценивания роли ScrumMaster безусловно в массовой коммерческой сертификации после базовых тренингов. Но чтобы так…

Неожиданно освободилось 2 места на тренинг по эффективному использованию Claude Code, который стартует сегодня 8 июня. Отличная возможность принять решение в последний момент и присоединиться к группе!

За 8 (или 9) модулей тренинга участники научатся конфигурировать Claude Code под свои потребности, строить надежное агентское окружение для разработки, параллельно работать с несколькими задачами одновременно, мониторить и контролировать затраты. По дороге мы разберемся со скилами, подагентами, написанием спецификаций и другими современными решениями из мира context engineering.

Присоединяйтесь, будет интересно!

Вы наверняка видели подобные мемы или читали шутки про абсурдность метрики количества потраченных токенов сотрудниками компании. Хочу слегка набросить на вентилятор и почелленжить бесполезность данной метрики.

Для чего мы вообще придумываем метрики? Чтобы измерять и контролировать какой-то процесс. Особенно процесс, который находится на этапе раннего внедрения. Достаточно очевидно, что хорошая метрика должна измерять ценность процесса (outcome а не output). И с этой точки зрения метрика количества потраченных токенов действительно абсурдна. Ведь совершенно непонятно на что были потрачены токены и принесло ли это хоть какую-то пользу. Мало того, можно очень легко стать непобедимым чемпионом по этой метрике. Для этого достаточно поломать практики кэширования контекста, на которых держится вся экономика использования моделей в агентском цикле.

А что если мы взглянем на процесс внедрения AI в организации немного с другой стороны и разобьем его на 2 этапа:

1. Adoption. Массовое ознакомление сотрудников с AI инструментами и старт практического применения.

2. Delivery. Оценка использования AI и тюнинг для достижения максимальной пользы организации.

Зачем нам эти этапы? Потому что новые практики можно внедрять либо в глубину либо в ширину. В глубину - это когда мы хорошо настраиваем практику в одной команде или проекте, потом во втором, в третьем и дальше масштабируем опыт на всю организацию. В ширину - это когда мы сразу пытаемся запустить новую практику максимально широко в организации, а потом донастраиваем эмпирически на базе полученного опыта. Первый подход дешевле и надежнее, но сильно дольше по времени. Второй подход значительно быстрее, но сильно дороже и рискованнее.

С AI основным фактором является временной. Все боятся опоздать и отстать от глобальной революции. Поэтому формат «в глубину» могут позволить себе небольшие организации. А большие вынуждены идти «в ширину». И тогда наши 2 этапа становятся очень явными, а к ним нужно придумать метрики для измерения и контроля.

Для этапа adoption важно понимать что достигнута максимальная ширина и у людей не будет на втором этапе отговорки типа «мы просто еще не ознакомились с AI инструментами и не начали с ними работать, а так бы уже ого-го сколько сделали». Поэтому метрика количества потраченных токенов идеально подходит для данного этапа. Она позволяет:

1. Найти кто сопротивляется новой реальности и не готов адаптироваться.

2. Понять кто не готов инвестировать в свое обучение и использует AI инструменты неэффективно.

3. Найти потенциальные островки инноваций и исследовать их на предмет генерации ценности.

4. Взять под контроль на раннем этапе массовое использование LLM API и построить эффективную инфраструктуру.

5. Встряхнуть слегка организацию глобальной метрикой. Особенно важно для медленных энтерпрайз организаций.

Дорого? Однозначно! Может интерпретироваться неоднозначно? Так и будет! Зато максимально быстро на всю ширину организации.

А дальше начинается этап delivery, на котором можно брать конкретных людей, команды, проекты и тюнить использование AI для достижения максимальной ценности. В процессе будут увольнения, настройка эффективной инфраструктуры, тюнинг или замена инструментов, адаптация процессов и т.д. Но это уже совсем другая история со своими метриками…

З Днем Незалежності, Україна та всі українці! Цінуйте незалежність та свободу, тому що дуже багато людей віддали за неї своє життя. Слава Україні!

8 и 9 сентября проходит бесплатная онлайн конференция IntelliJ IDEA Conf от компании JetBrains. В программе интересные доклады про AI, Java экосистему и IDE, конечно же. Но я хотел написать не про сами доклады, а про формат конференции. Вот что меня зацепило:

1. Профессиональная запись в студии. Это дает качественную вовлеченную картинку для участников и на порядок приятнее чем домашние сетапы.

2. Участие в каждом докладе хоста с релевантным опытом и знаниями. Это превращает формат доклада в формат рассказа и местами даже диалога. Что снова таки гораздо приятнее смотреть участникам чем монолог докладчика в экран без обратной связи.

3. Яркая и продуманная структура экрана в зависимости от ситуации. Слайды и спикер, спикер и хост крупным планом, спикер крупным планом и т.д.

4. Простота трансляции. Используется обычная YouTube трансляция, что позволяет включить конференцию на любом устройстве без дополнительной конфигурации и переходить между устройствами.

Отличный пример как сделать онлайн конференцию приятнее для участников и докладчиков.

Второй день сейчас в прямом эфире: https://www.youtube.com/live/sTcx0EvILr4?is=jurCdKyBOZ6Uvv7v

Первый день доступен в записи: https://www.youtube.com/live/fi_mGfiBs4M?is=Naj1IfH1FSQmCOcS

Совсем недавно Anthropic сделал permission режим auto режимом по умолчанию в CLI для индивидуальных планов. Мотивация простая и понятная - снизить порог входа для пользователей, дать более приятный опыт со старта и сжигать лимиты подписки быстрее (за счет дополнительного вызова модели на каждый вызов bash команды).

Но есть и обратная сторона медали. Многие пользователи благодаря этому не вникают в permission систему вообще и не задумываются об изоляции локального окружения. Все и так выглядит безопасным - умная модель сама оценивает каждую выполняемую команду, что тут может пойти не так? Да очень много чего, режим auto не может защитить от многих векторов атаки и для адекватной работы требует предварительной настройки в виде описания своего рабочего окружения.

А в ручном режиме разве лучше и безопаснее? Конечно нет, потому что среднестатистический пользователь на порядок хуже может проанализировать риски исполняемых команд и принять ответственное решение. НО, при ручном режиме, пользователь для избавления от неудобства постоянных ручных ревью получал мотивацию разобраться с permission системой и возможностями изоляции окружений. И прочитать в документации, что auto режим не делает использование Claude Code безопасным от слова совсем.

Для любопытных поделюсь простым и элегантным примером одного из возможных векторов атаки, который отлично работает в режиме auto: https://embracethered.com/blog/posts/2026/breaking-claude-code-opus-5-and-automode/

Берегите себя и свои агентские окружения!

Наконец удалось финализировать планы по консалтингу до конца года и выделить время на публичные тренинги. Но, обо всем по порядку.

Сначала хочу похвастаться. Я наконец нашел время сделать себе персональный вебсайт и собрать на нем всю ключевую информацию про мою консалтинговую деятельность - alimenkou.com. Раньше на это ушло бы очень много времени и усилий. В современных реалиях AI агенты позволили закрыть 95% фактической ручной работы.

Также, я наконец перевез сайт xpinjection.com с WordPress на движок генерации статического контента и теперь все изменения на 100% делаются с помощью AI агентов. В рамках переезда появился перевод всего контента на английский, упорядочились материалы и расписание, обновилось описание услуг и тренингов, а также сделано много мелких правок и улучшений. И главное, теперь весь цикл изменений можно легко делать хоть с мобильного телефона на пляже.

Первый публичный тренинг "Эфективная разработка с Claude Code" мы запланировали на 26 октября - 20 ноября. Программа тренинга обновилась и расширилась - теперь это целый месяц обучения 3 раза в неделю (12 модулей по 3 часа). Я постарался интегрировать в тренинг свой свежий опыт построения AI-driven SDLC в крупных организациях. Больше внимания будет уделено кастомизации и конфигурации Claude Code под свои нужды, организации командной работы, построению AI-driven SDLC, эффективному использованию токенов. Регистрация уже открыта, присоединяйтесь!

На ноябрь планируем проведение нового тренинга по разработке AI агентов в Java стеке с использованием LangChain4j, Spring AI и парочки альтернатив. Часто на тренинги по LangChain/LangGraph приходят Java разработчики и не хотят менять свой основной привычный стек разработки. Отсюда возникла идея взять несколько наиболее популярных AI фреймворков из мира Java и показать что с ними уже можно делать, а где до сих пор остаются пробелы. Анонс и детальную программу подготовим на следующей неделе!

Если вы ищете чем заняться на выходных пока на улице дождь, рекомендую глянуть доклады с конференции Devoxx Belgium 2026. Конференция только завершилась и все видео уже доступны на YouTube: https://youtube.com/playlist?list=PLKlmOVksNGoE&si=_BvX8q8qFK4hR4ig.

Из интересного, есть практические доклады про опыт внедрения AI-native SDLC в энтерпрайз компаниях, про архитектуру и ее важность в эру AI. Удивительно мало в этом году докладов про Java и экосистему вокруг нее. Большинство докладов про прикладные аспекты разработки.

Приятного просмотра!

По понятным причинам, большинство компаний сейчас хотят себе AI-native SDLC (мне больше нравится термин AI-driven SDLC, но он пока проигрывает по популярности использования). И тут их поджидает неприятный сюрприз - текущая архитектура, процессы и команды зачастую просто не готовы к таким изменениям. Они строились под совершенно другие реалии, в основе которых лежали два фундаментальных ограничения: «писать код руками долго и сложно» и «люди могут освоить и поддерживать узкий спектр знаний».

Если хочется быстрее - нужно делать параллельно. Чтобы делать параллельно, нужно больше людей. Люди обладают узкими техническими навыками, поэтому нужны разные специализации разработчиков. Так как они работают над одной фичей, то нужно объединить их в команды. У бизнеса нет времени и желания готовить качественные артефакты для разработки - введем дополнительные роли как бизнес-аналитик или проектный менеджер. Вдобавок к узкой специализации, разработчики не могут объективно проверять свою работу. Добавим в команду QA инженеров. Вот у нас и получилась современная команда разработки из FE, BE, QA и дополнительных ролей.

Теперь вокруг этой команды возникают процессы разработки. Так как качественно обмениваться информацией в IT мы не научились (документацию писать руками не любит никто, а поддерживать ее сложно), то будем собираться на многочисленные митинги и обсуждать голосом. Так как разрабатывать долго, то нужно тщательнее планировать куда потратить свои усилия и когда ожидать результатов. Появляется еще больше митингов. При параллельной работе над фичей нужно синхронизировать усилия. Тут появляются трекеры задач, чаты, дейлики и другие привычные нам атрибуты.

Можно продолжать долго, но надеюсь общую суть причинно-следственных связей вы уловили. А теперь представьте, что оба фундаментальных ограничения больше не являются актуальными. С помощью AI инструментов мы можем очень быстро генерировать код любой сложности и использовать спектр знаний любой ширины. Получится ли натянуть AI по-настоящему эффективно на существующие реалии в компаниях и получить ускорение в разы?

Очень сомневаюсь. А практика показывает, что результаты получаются далекими от ожиданий. Разработчики начинают генерировать в разы больше кода и создают огромную нагрузку на этап тестирования, который в большинстве компаний остался ручным или полуручным с фокусом на end-to-end тестирование. И тут появляется целый пучок новых проблем от масштабирования окружений до экстренной минимизации ручного тестирования. Если бизнес по-прежнему не вовлекается в процесс разработки, то возникает еще более забавный эффект «слопогенерации». Раньше, во время долгой разработки, у команды возникали дополнительные вопросы к бизнесу и ответы находились до завершения работы. Сейчас же LLM способны закрыть все пробелы догадками или предположениями, из которых потом генерируется решение. И чем таких пробелов больше, тем дальше решение будет от ожиданий бизнеса. Это всего лишь пара примеров ожидаемых эффектов.

Каким же компаниям AI-native SDLC «из коробки»поможет выйти на новый уровень производительности? Тем, у кого уже есть такие практики как сервисная архитектура с разделением по доменному принципу, Continuous Delivery, QA стратегия с прицелом на максимальную автоматизацию, маленькие доменные команды с вовлеченным PO, легко масштабируемая инфраструктура и т.д. То есть, AI снова делает сильных кратно сильнее, а слабых не особо усиливает.

Поэтому внедрение AI-native SDLC - это не про AI инструменты и модели, а про внутреннюю трансформацию организации. А она на порядок сложнее чем внедрение новых инструментов.

Напоминаю, что через 2 недели, 26 октября стартует мой тренинг Effective development with Claude Code. Данной теме там будет уделено достаточно много внимания в последних нескольких модулях. Присоединяйтесь, еще осталось 5 мест!

Многие из вас наверняка слышали об опубликованных на этой неделе двух уязвимостях в PHP, найденных с помощью AI агентов. Пишут что эти уязвимости жили на протяжении более 10 лет. Сильно сочувствую всем, у кого что-то критичное на PHP торчит наружу из инфраструктуры. Вас ожидает не очень веселая неделька.

Но меня больше всего удивил пост на эту тему от одного из секьюрити инженеров. Его команда смогла подтвердить одну из уязвимостей, используя простой промпт «find bad vulnerabilities in PHP» и одну из передовых моделей. То есть, простейший пропмт с заданным направлением работы дает результат, который эксперты в области безопасности не могли получить более 10 лет.

Нам конечно в посте не рассказывают про настройки harness для этого агента, думаю они принесли большой вклад в результат. Но уровень современных моделей на таких практических примерах отлично демонстрирует полную беспомощность людей уже сегодня. Интересное будущее нас ожидает в ближайшие годы.