Узнал от гуглсколара о том, что процитировали ранее неизвестную мою статью. Из минусов – статьи я этой не писал, чистая галлюцинация. Не знаю даже, стоит ли писать авторам. 🐕

Канадский стартап Volta Space Technologies завершил наземные испытания системы беспроводной передачи энергии LightPort и готовит её к первому тесту в реальных лунных условиях.

Приёмник LightPort планируют доставить на Луну на борту посадочного модуля Blue Ghost. Он будет принимать энергию от орбитального спутника в составе системы LightGrid, где солнечная энергия преобразуется в лазерный луч и передаётся на поверхность.

В ходе испытаний на Земле энергию удалось стабильно передавать на расстояние до 850 метров. Следующий этап — демонстрация приёма лазерного сигнала на южном полюсе Луны, которая запланирована на конец 2026 года.

Разработчики рассматривают LightGrid как базовый элемент будущей лунной энергетической инфраструктуры. Такая схема особенно важна для работы техники и баз в период лунной ночи, которая длится около 14 земных суток и сопровождается экстремально низкими температурами.

🍏 Внимание!

Обнародованы будущие функции, которые появятся в грядущей сборке iOS 26.4, а также в будущих версиях iOS 27 и даже iOS 28.

↖️ https://kod.ru/chto-budet-v-ios-26-4-i-ios-27

AI Coding - итоги разработки ERC3 платформы

Итак, платформа для соревновательного тестирования агентов запущена, и получилась достаточно сложная (глянуть тут). Там есть бенчмарки, визуализация, API c SDK. Всем этим пользуются команды (521 регистраций). С момента создания команды запустили 203560 оценок работы агентов, каждая - в своей независимой симуляции.

Все это я разработал сам. Но без AI Coding все вытянуть бы не получилось. Примерно 600%-700% процентов кода платформы написали OpenAI Codex (Web версия), Claude Code CLI, Github Copilot.

Почему 600-700%? Потому, что много переписывалось просто потому, что мне казалось, что новая версия будет чище, проще или элегантнее. Самому мне было бы это делать лень, но когда есть AI инструменты - все идет проще.

У нас было такое разделение обязанностей в команде:

(1) Человек - показывает, как правильно делать. Следит за тем, чтобы архитектура, инструкции были четкими и непротиворечивыми. Держит агентов на коротком поводке. Если нужно - чистит тех долг.

(2) OpenAI Codex - анализ сложных задач, работа с инфраструктурой и backend, планирование. Всегда работает в режиме x4 (запуск 4х версий), а я выбираю лучшую.

(3) Claude Code - работа с интерфейсами, мелкие фичи и повседневная разработка. Обычно в параллели крутятся 2-3 сессии, которые работают над своими задачами.

(4) Github Copilot - исключительно как умный autocomplete.

При этом человек всегда несет ответственность за код, который отправляется в main.

Жизнь упрощал стэк, который я подобрал экспериментально именно под такой командный состав и мои хотелки про эргономику работы. Go для backend (gin/SQLite), HTMX для интерактивности и тестируемости агентами. Вся платформа компилируется в один единственный бинарь и деплоится на NixOS под Caddy (c ARM64 процессорами из интереса). Стили свои с нуля - Claude cобрал Style guide, превратил в фреймворк и натянул на платформу.

Инструкций особенных не было. Только AICODE-* заметки, использование планов в сложных задачах и императив на “будьте практичными, используйте только те паттерны, которые уже есть в коде, не тащите всякую каку из интернета”. Но и несмотря на такую инструкцию, агенты периодически начинали лить воду - городили ненужные абстракции, функции и классы. Приходилось периодически засучивать рукава и чистить все это. Чем больше развивался проект, тем это нужно было реже, т.к. накапливалась критическая масса примеров того, как нужно делать правильно.

После выкатки платформы, ее внезапно все начали использовать очень активно. Пошел быстрый feedback по глюкам и ошибкам. Тут очень хорошо помог настроенный комбайн. Достаточно было скопировать хотелку, баг репорт или stack trace в агента, чтобы быстро увидеть причину, а потом и быстро ее пофиксить и выкатить.

Самым приятном хайлайтом было, когда в определенный момент нагрузка на сервер достигла 25%, и я сказал “Клод, дорогой, вот тебе строка для подключения go pprof. Выясни, что так грузит сервер и предложи мне минимальный фикс для этого”. Спустя минут пять нагрузка упала до приемлемых для меня 6%

Дальше я собираюсь переписать все с нуля, чтобы заложить большую масштабируемость, упростить архитектуру и добавить возможность запускать более разнообразные бенчмарки. Год назад я бы не рискнул, а теперь AI существенно меняет экономику разработки. Одно переписывание больше погоды не делает. Не человеку же писать весь этот код. А вычитывать - сильно проще. Особенно, когда архитектура и стэк позволяют ужимать код.

А расскажите вы, про свои проекты, в которых вам помогал Vibe Coding/AI Coding. Каких агентов использовали, какой стэк там был, и как этими проектами теперь пользуются люди?

Ваш, @llm_under_hood 🤗

Тренд дня: Новые деньги на новом рынке «бытового образования»!

1. Сейчас люди учатся только для того, чтобы стать профессионалами в выбранных темах. Ведь ничем иным затраты времени и денег на обучение оправдать нельзя 💰🕖 Однако сейчас эта ситуация начнёт резко меняться 📈

2. Потому что люди начнут «почти учиться» всего лишь ради удовлетворения собственного любопытства — потому что это станет быстро, дёшево и понятно 🚀 Поэтому появится новый рынок «бытового образования» — что существенно расширит рынок традиционного Образования с большой буквы 😉

3. По крайней мере на это сделал ставку очень известный венчурный фонд — который на днях вложил 16 миллионов долларов вот в такую платформу как раз для «бытового образования»: https://fastfounder.ru/novye-dengi-na-novom-rynke-bytovogo-obrazovanija/

🎧 Неохота эти обзоры читать? Тогда слушай их в виде настоящего, но короткого подкаста с двумя ведущими!