Ai on Михаил Ледин

Agents Week в ШАДе: что там интересного

m@ledin.pro (Михаил Ледин) — Mon, 30 Mar 2026 00:00:00 +0000

В ШАДе до 9 апреля открыта регистрация на Agents Week — интенсив про современные AI-агенты, их устройство, оценку качества и продакшн-инженерию.

Что обещают в программе

Судя по описанию, курс покрывает не только общие разговоры про “агентов”, а довольно практический набор тем:

устройство современных агентных систем: LLM, промпты, thought-action-observation, память, инструменты;
проектирование поведения агента: reasoning, оркестрация multi-agent-систем, guardrails;
оценка качества, корректности и устойчивости агентных решений;
продакшн-подходы: мониторинг, масштабирование и эксплуатация под реальной нагрузкой.

Ссылка на регистрацию: shad.yandex.ru/agentsweek

Что полезно знать заранее

Смотреть лекции можно и без отбора. Но если хочется получить доступ к итоговой работе и сертификат, отбор проходить все-таки нужно.

Это хороший компромисс: можно сначала понять, насколько тебе вообще релевантна программа, и только потом решать, идти ли глубже.

Что еще там есть

Кроме самого Agents Week, доступны и материалы прошлых интенсивов:

GPT Week — про работу с большими языковыми моделями;
CV Week — про генеративные диффузионные модели и визуальные системы;
LLM Scaling Week — про инженерные и математические основы работы с большими моделями, включая обучение на крупных GPU-кластерах и методы ускорения.

Если тема агентных систем тебе интересна не на уровне хайпа, а как инженерная дисциплина, выглядит это довольно стояще.

Еще бесплатные курсы по AI-агентам

m@ledin.pro (Михаил Ледин) — Mon, 30 Mar 2026 00:00:00 +0000

Если хочешь не просто смотреть на хайп вокруг агентов, а системно разобраться в теме, сейчас есть сразу несколько бесплатных вариантов, на которые стоит обратить внимание.

1. MIT + Oxford

Курс по разработке AI-агентов, который раньше стоил $2500, сейчас доступен бесплатно:

github.com/ed-donner/agents

Что внутри:

OpenAI SDK, CrewAI, LangGraph, AutoGen, MCP;
проектирование агентных систем и оркестрация;
путь от кода до production-развертывания.

2. Google GEAR

Программа для разработчиков AI-агентов от Google:

developers.google.com/program/gear

Что обещают:

35 учебных кредитов в месяц;
прямые консультации с AI-экспертами Google;
четыре этапа обучения — от базы до enterprise-масштаба;
Agent Development Kit (ADK) и Gemini CLI.

3. Anthropic Academy

Большая подборка бесплатных курсов по Claude:

anthropic.com/learn

По описанию там уже вполне серьезный объем:

287 лекций;
26 часов видео;
33 квиза;
практика с Claude, API, MCP и интеграциями;
интеграции с Amazon Bedrock и Google Vertex AI;
сертификаты по завершении.

Судя по формулировкам, траектория идет от новичка до enterprise-уровня.

Что из этого выглядит полезнее всего

Если нужен прикладной обзор инструментов и агентных фреймворков, я бы смотрел в сторону MIT + Oxford. Если интересует экосистема Google и хочется образовательных кредитов — в GEAR. А если цель глубже разобраться именно в практической работе с Claude, то Anthropic Academy выглядит самым объемным вариантом.

Найм в 2026 году

m@ledin.pro (Михаил Ледин) — Wed, 25 Mar 2026 00:00:00 +0000

Есть ощущение, что рынок найма резко качнулся в сторону работодателя, но это не означает, что жизнь рекрутеров стала проще. Скорее наоборот: вместе с новой властью над воронкой пришел новый тип шума.

Что изменилось на рынке

Когда был рынок кандидата, рекрутеры массово писали специалистам, а те спокойно игнорировали большую часть сообщений. Сейчас ситуация другая: из-за внедрения AI, сокращений и общего давления на бизнес работодатели снова чувствуют себя сильнее.

На бумаге это должно было облегчить найм. Кажется, вот оно — кандидаты начнут охотнее отвечать, а то и сами придут в личку.

Где начинается новая проблема

Пишут действительно чаще. Только очень часто это уже не сами кандидаты, а их AI-агенты, настроенные на массовую рассылку откликов.

В итоге рекрутер получает не живую коммуникацию, а поток идеально прилизанных сопроводительных писем и резюме, где существенная часть опыта может оказаться выдуманной или сильно приукрашенной.

То есть вместо проблемы “кандидаты не отвечают” появляется проблема “отвечает не человек”.

Почему это опасно

Если эта практика станет массовой, то доверие между кандидатом и работодателем начнет разрушаться еще до первого интервью. Рекрутер будет сомневаться, что перед ним вообще реальный интерес и реальный опыт. Кандидат, в свою очередь, будет видеть, что без автоматизации его сообщение тонет в шуме.

И это уже не просто про AI в найме, а про то, как AI меняет саму ткань первичного контакта на рынке труда.

Мой текущий AI-сетап

m@ledin.pro (Михаил Ледин) — Tue, 24 Mar 2026 00:00:00 +0000

К концу прошлой недели у меня более-менее устаканился набор инструментов, которыми я реально пользуюсь в работе. Не в формате “вот еще 15 сервисов, которые я когда-то открывал”, а именно как практический стек под повседневные задачи.

Базовый набор

Сейчас основа у меня такая:

OpenCode как AI coding agent;
GPT-5.4 как основная модель для кодинга;
Claude для глубоких исследований и задач, где важнее аккуратное копание в материале, чем чистая скорость.

С GPT-5.4 схема у меня довольно утилитарная: я подключаю несколько аккаунтов к Quotio, а запросы между ними распределяются по round robin. Это делает сетап устойчивее: если один аккаунт отваливается, работа не встает полностью.

Что использую дополнительно

Поверх базового набора периодически подключаю еще несколько инструментов:

ChatGPT Atlas как альтернативу связке Claude Desktop + Google Chrome;
Quotio как более продвинутую альтернативу VibeProxy; под капотом он, как и VibeProxy, опирается на CLIProxyAPI.
Google Gemini для генерации картинок и как дополнительное мнение по задачам.

В кодинге Gemini пока не впечатлил, а вот как вспомогательный инструмент для отдельных сценариев он бывает полезен.

Что здесь для меня важно

Я давно перестал искать один “лучший” инструмент. Гораздо полезнее собрать стек, где у каждого сервиса есть четкая роль: один лучше пишет код, другой лучше исследует, третий удобнее для интеграций, четвертый нужен как запасной канал.

Именно такой набор в реальной работе оказывается устойчивее, чем попытка все задачи закрыть одной-единственной моделью.

Как мне заблочили два аккаунта ChatGPT и почему пришлось писать свой kill switch

m@ledin.pro (Михаил Ледин) — Mon, 23 Mar 2026 00:00:00 +0000

На прошлой неделе мне заблокировали два аккаунта ChatGPT. История получилась неприятная, но полезная: она быстро показала, что полагаться на маркетинговое описание VPN-клиента — плохая идея, если цена ошибки высокая.

Где именно подвел VPN

Я слишком надеялся на kill switch в VPN-клиенте. Предполагалось, что он должен блокировать сетевые подключения, если VPN неактивен, чтобы инструменты не уходили на сервера OpenAI с российского IP.

На практике оказалось, что kill switch работает только в soft-режиме. То есть он защищает от утечки трафика только если соединение упало само по себе. Если же VPN отключить руками, весь трафик сразу уходит через обычный интерфейс.

После этого доверия к такой защите уже не остается, особенно если речь идет о сервисах, для которых география подключения критична.

Что произошло дальше

Судя по всему, Codex в какой-то момент сходил на сервера OpenAI с российского IP. Этого оказалось достаточно, чтобы аккаунты быстро улетели в блок.

Когда работа завязана на AI-инструменты, такой сбой — это не просто раздражающая мелочь, а реальный операционный риск.

Что сделал после этого

Чтобы не зависеть от кривой реализации чужого клиента, мы с Codex написали свой kill switch для macOS:

github.com/mxl/macos-killswitch

Идея простая: если нельзя быть уверенным в готовом решении, значит, критичный кусок надо забирать под свой контроль.

Мультиагентный сетап в OpenCode

m@ledin.pro (Михаил Ледин) — Mon, 23 Mar 2026 00:00:00 +0000

Сейчас тестирую мультиагентный процесс в OpenCode, где разные агенты берут на себя разные роли по цепочке разработки. Интерес тут не в том, что “агентов много”, а в том, что их взаимодействие можно выстроить как почти полноценный конвейер.

Как выглядит цепочка

На первом сценарии developer делает задачу, а затем code-reviewer и security-auditor параллельно проводят ревью результата. Всем этим управляет conductor, который следит за процессом и дергает нужных агентов в нужный момент.

На втором сценарии в работу включается уже продуктовая часть. Агент product дописывает user story, после чего QA и architect проверяют качество описания. Дальше architect разбивает историю на задачи с учетом максимального распараллеливания.

Потом снова вступают developer-агенты, а после них — ревьюеры и тестовые роли вроде test-coverage и test-runner.

Что здесь самое интересное

Главный вопрос для меня не в том, может ли один агент что-то написать. Это уже не особенно удивляет. Интереснее другое: можно ли собрать из нескольких специализированных ролей процесс, где качество держится не за счет одного “суперагента”, а за счет правильной оркестрации.

Если такая схема работает стабильно, то следующий шаг очевиден: думать не только о промптах для одного агента, а об архитектуре всей агентной системы.

ИИхак дня: как удалять приложения вместе с хвостами

m@ledin.pro (Михаил Ледин) — Wed, 18 Mar 2026 00:00:00 +0000

Одна из бытовых задач на macOS, которая стабильно бесит, — это удаление приложений вместе со всем мусором, который они оставляют после себя: агентами, демонами, конфигами, CLI-утилитами и прочими следами. Обычно для этого либо нужен ручной аудит системы, либо какая-нибудь платная утилита в духе CleanMyMac.

Что я попробовал

У меня на машине оставался Citrix Workspace с прошлой работы. Вместо того чтобы идти по стандартному пути с гуглением, я просто дал Codex задачу в лоб:

Мне нужно удалить Citrix Workspace с этой машины

Codex выдал подробный план: что проверить, какие процессы выгрузить, какие файлы и служебные сущности относятся к приложению и что безопасно удалить.

После подтверждения он сам прошелся по шагам и довел зачистку до конца.

Почему это полезно

В этом сценарии AI не делает ничего магического. Он просто очень хорошо справляется с рутинной системной задачей, где раньше приходилось либо доверяться непрозрачной утилите, либо тратить время на ручную проверку десятков путей и процессов.

Для меня это хороший пример практической пользы: не “сделай стартап”, а реши конкретную мелкую проблему на моей машине быстро и проверяемо.

Где здесь главный выигрыш

Раньше за такую зачистку отвечали в основном платные приложения, и проверить качество их работы было сложно. С AI-подходом шаги хотя бы видны, а значит, гораздо проще понять, что именно будет удалено и почему.

Telegram MCP в Claude и ChatGPT

m@ledin.pro (Михаил Ледин) — Tue, 17 Mar 2026 00:00:00 +0000

Я хотел подключить Telegram к Claude и ChatGPT так, чтобы можно было массово подгружать сообщения из каналов в контекст и работать с ними прямо из AI-инструмента. Казалось бы, задача простая: взять готовый MCP-сервер, подключить и пользоваться. На практике пришлось немного допилить чужой проект.

Что не хватало из коробки

В качестве основы я взял telegram-mcp.

После подключения выяснилось, что для реальной работы не хватает нескольких вещей:

не распознаются расшаренные папки Telegram;
поиск чатов по умолчанию ограничен 20 результатами;
нет глобального поиска по сообщениям.

Раньше такой набор недочетов означал бы полноценное мини-исследование: нужно разобраться в чужом Python-коде, понять, как работает MTProto, и только потом что-то править. Сейчас на это ушло буквально пару часов — Codex помог быстро дотащить изменения до рабочего состояния и даже оформить PR.

Базовая установка Telegram MCP

Сначала нужно развернуть сам сервер:

git clone https://github.com/chigwell/telegram-mcp.git
cd telegram-mcp

Дальше поставить uv и зависимости:

curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync

После этого нужно сгенерировать session string и подготовить .env:

uv run session_string_generator.py
cp .env.example .env

И наконец — создать свое Telegram-приложение на my.telegram.org/apps, получить TELEGRAM_API_ID и TELEGRAM_API_HASH и прописать их в .env.

Как подключить к Claude

В claude_desktop_config.json нужно добавить MCP-сервер:

"mcpServers": {
  "telegram-mcp": {
    "command": "uv",
    "args": [
      "--directory",
      "/path/to/telegram-mcp",
      "run",
      "main.py"
    ]
  }
}

После перезапуска Claude Desktop сервер должен появиться в Customize => Connectors => Desktop.

И дальше уже можно делать вполне прикладные запросы вроде: “Напиши саммари по 20 последним сообщениям из Telegram”.

Почему с ChatGPT сложнее

У ChatGPT проблема в том, что он не умеет работать с локальными MCP-серверами так же напрямую, как Claude Desktop. Теоретически можно поднять публичный MCP-сервер и подключить его через свое приложение для ChatGPT, но это означает выводить наружу сервис, который имеет доступ к личному Telegram-аккаунту. Даже с авторизацией это выглядит как плохая идея.

Поэтому более практичный путь — использовать сторонний клиент, который умеет и в модели OpenAI, и в локальные MCP-серверы.

Вариант с OpenCode

В качестве такого клиента подойдет OpenCode.

В ~/.config/opencode/opencode.json можно добавить локальный MCP так:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "telegram": {
      "type": "local",
      "command": ["uv", "--directory", "/Users/michaelledin/Documents/projects/telegram-mcp", "run", "main.py"],
      "enabled": true
    }
  }
}

После этого остается подключить OpenAI-аккаунт через /connect, а затем проверить через /mcp, что сервер действительно в статусе connected.

Что в этом самое интересное

Для меня важнее всего здесь не сам Telegram MCP, а скорость, с которой теперь можно закрывать такие инфраструктурные задачи. Еще недавно на подобную доработку чужого проекта уходила бы неделя. Сейчас это обычная вечерняя инженерная задача.

Обновил `ai-devcontainer`

m@ledin.pro (Михаил Ледин) — Tue, 17 Mar 2026 00:00:00 +0000

В ai-devcontainer закинул две небольшие, но полезные доработки: добавил более подробный гайд по установке в проект и поправил настройки фаервола для Codex.

Что изменилось

Первая часть — документация. Чем больше в окружении автоматизации, тем важнее, чтобы его можно было подключить без ручного шаманства и чтения исходников. Поэтому я дополнил инструкции по установке так, чтобы devcontainer было проще интегрировать в новый проект.

Вторая часть — сетевые ограничения. Я подправил firewall-настройки для Codex, чтобы поведение внутри контейнера было более предсказуемым и не ломало рабочий процесс.

Где смотреть

Репозиторий здесь: github.com/mxl/ai-devcontainer

Если используешь devcontainers как безопасную песочницу для AI-агентов, это обновление должно быть полезным.

ChatGPT Plus за рубли через SmartAIPack

m@ledin.pro (Михаил Ледин) — Mon, 16 Mar 2026 00:00:00 +0000

Одна из самых банальных, но неприятных проблем вокруг AI-инструментов — не настройка и не качество моделей, а оплата. Не у всех есть зарубежные карты, а искать посредников на маркетплейсах рискованно: слишком легко нарваться на сомнительные схемы.

Какой вариант я нашел

Я наткнулся на сервис smartaipack.ru. Его продвигают люди, которым я склонен доверять, в частности Глеб Кудрявцев из канала @gleb_pro_ai.

Они предлагают оформить ChatGPT Plus-подписку за рубли. По сути это способ получить доступ не только к самому ChatGPT, но и к Codex, без необходимости самому решать вопрос с зарубежной оплатой.

Цена заявлена примерно на уровне обычной подписки: около $20 в пересчете по текущему курсу, то есть примерно 1590 рублей.

Важный нюанс

Подписка оформляется не на твой личный аккаунт. Вместо этого тебе дают логин и пароль от уже готового аккаунта.

Для тестов, экспериментов и open source-задач это может быть нормальным вариантом. Но если речь идет о рабочих данных, NDA, внутреннем коде или любой чувствительной информации, я бы относился к такой схеме очень осторожно.

Даже если аккаунт выглядит чистым и в нем нет чужой истории, ключевой вопрос остается прежним: это не твой личный контур доверия.

Как я к этому отношусь

Я взял такой вариант на месяц, чтобы спокойно поиграться с Codex и понять, насколько он мне подходит в реальной работе. Параллельно запросил у поддержки информацию, можно ли сохранить доступ к аккаунту после окончания подписки.

Когда получу ответ, можно будет уже более трезво оценить, подходит ли этот вариант не только для теста, но и для более длительного использования.

ИИхак дня: VibeProxy и `ai-shell`

m@ledin.pro (Михаил Ледин) — Mon, 16 Mar 2026 00:00:00 +0000

У многих сторонних AI-инструментов есть одна неприятная особенность: они хотят работать с моделями OpenAI или Anthropic только через API. Это значит, что нужно заводить отдельный API-ключ, пополнять баланс и платить поминутно за запросы — даже если у тебя уже есть обычная подписка ChatGPT Plus или Claude.

Где возникает проблема

Сторонние coding assistants обычно требуют переменные вроде OPENAI_API_ENDPOINT и OPENAI_KEY. Формально все выглядит просто, но на практике подписочный аккаунт не дает тебе API-доступ. Хочешь пользоваться — иди и отдельно пополняй API-биллинг.

Именно здесь многие внезапно понимают, что стоимость через API легко становится заметно выше, чем работа по обычной подписке.

Что помогает обойти ограничение

Для macOS есть приложение VibeProxy.

Оно позволяет проксировать доступ так, чтобы инструменты, ожидающие API-подключение, могли работать через локальную точку входа.

Базовый сценарий такой:

Ставишь VibeProxy из релизов
Добавляешь аккаунт Claude Code или Codex
Настраиваешь нужный инструмент под локальный endpoint

Пример на `ai-shell`

Один из полезных примеров — ai-shell.

Это утилита для тех случаев, когда ты в сотый раз забываешь точный синтаксис терминальной команды и не хочешь снова лезть в поиск. Она позволяет формулировать задачу человеческим языком и получать готовую команду с пояснением.

После установки и настройки VibeProxy конфигурация выглядит так:

npm install -g @builder.io/ai-shell

ai config set OPENAI_API_ENDPOINT=http://localhost:8317/v1
ai config set OPENAI_KEY=dummy
ai config set MODEL=gpt-5.2

Ключ здесь формальный — подойдет любая строка. Главное, что запрос уходит в локальный прокси.

Дальше можно просто написать:

ai list open ports

И инструмент сам предложит подходящую команду, объяснит, что она делает, и предложит ее запустить.

Почему это удобно

Такие утилиты особенно хороши не для магии, а для мелкой повседневной экономии времени. Когда не нужно отвлекаться на поиск синтаксиса, терминал становится заметно приятнее.

Для меня это хороший пример того, как AI полезен не только в генерации кода, но и в бытовых инженерных задачах.

Потратил недельный лимит в Claude Code за 5 дней

m@ledin.pro (Михаил Ледин) — Mon, 16 Mar 2026 00:00:00 +0000

За пять дней я полностью съел недельный лимит в Claude Code и на остаток недели переключился на Codex. Этот переход неожиданно оказался полезным: пришлось быстро привести рабочее окружение в состояние, где можно без боли перескакивать между агентами и не ломать доступ к остальным репозиториям.

Что обновил в devcontainer

В свой ai-devcontainer я добавил поддержку Codex, чтобы среда одинаково хорошо подходила и для Claude Code, и для Codex. Идея простая: если инструменты меняются, инфраструктура вокруг них не должна заставлять заново собирать весь сетап.

Отдельно я добавил инструкции по настройке Personal Access Token для gh (GitHub CLI). Это особенно важно, если запускать агентов в максимально автономном режиме: без ограничений они могут случайно залезть не в тот репозиторий или выполнить лишние действия в GitHub-аккаунте.

Зачем это вообще нужно

Когда работаешь с AI-агентами всерьез, переключение между инструментами перестает быть редким исключением. Сегодня уперся в лимит одного инструмента, завтра тестируешь другой, послезавтра сравниваешь качество выполнения задач. В этот момент выигрывает не тот, у кого один “идеальный” агент, а тот, у кого окружение собрано так, что замена инструмента занимает минуты, а не полдня.

Где посмотреть

Репозиторий лежит тут: github.com/mxl/ai-devcontainer

Если будешь пробовать, забирай, тестируй и пиши, чего не хватает или что работает не так.

Почему сессия Claude Code съедает лимит быстрее ожидания

m@ledin.pro (Михаил Ледин) — Wed, 11 Mar 2026 00:00:00 +0000

Смотрю — использую всего 10% контекста. Думаю — всё ок, мне хватит лимита 5-часовой сессии тарифа Pro. Но он тает на глазах.

Оказалось, дело не в проценте, а в двух вещах, которые включены по умолчанию.

🧠 1M контекст по умолчанию

Claude Code по умолчанию включает расширенный контекст в 1 миллион токенов. Если не знаешь об этом, то кажется, что 10% — немного, но 10% от 1 миллиона — это 100 тыс. токенов! При этом обычный размер контекста — это 200 тыс. токенов, то есть эти 10% на самом деле - 50% обычного контекста!

Решение — отключить расширенный контекст через переменную среды в терминале:

export CLAUDE_CODE_DISABLE_1M_CONTEXT=1

Либо добавить настройку в ~/.claude/settings.json:

{
    "env": {
        "CLAUDE_CODE_DISABLE_1M_CONTEXT": "1"
    }
}

🔌 MCP-серверы Claude Desktop

Вторая проблема — по умолчанию подключаются все MCP-серверы из Claude Desktop: Google Calendar, Gmail, Slack… Каждый добавляет свои инструменты в контекст, при этом в Claude Code они не нужны.

Решение — отключить MCP-серверы через переменную среды в терминале:

export ENABLE_CLAUDEAI_MCP_SERVERS=false

Или добавить настройку в ~/.claude/settings.json:

{
    "env": {
        "ENABLE_CLAUDEAI_MCP_SERVERS": "false"
    }
}

📌 Короче

Смотри не только на процент заполненности контекста, но и на его размер
MCP-серверы Claude Desktop засоряют контекст для Claude Code

#ClaudeCode #оптимизация

Ai on Михаил Ледин

Agents Week в ШАДе: что там интересного

Что обещают в программе

Что полезно знать заранее

Что еще там есть

Еще бесплатные курсы по AI-агентам

1. MIT + Oxford

2. Google GEAR

3. Anthropic Academy

Что из этого выглядит полезнее всего

Найм в 2026 году

Что изменилось на рынке

Где начинается новая проблема

Почему это опасно

Мой текущий AI-сетап

Базовый набор

Что использую дополнительно

Что здесь для меня важно

Как мне заблочили два аккаунта ChatGPT и почему пришлось писать свой kill switch

Где именно подвел VPN

Что произошло дальше

Что сделал после этого

Мультиагентный сетап в OpenCode

Как выглядит цепочка

Что здесь самое интересное

ИИхак дня: как удалять приложения вместе с хвостами

Что я попробовал

Почему это полезно

Где здесь главный выигрыш

Telegram MCP в Claude и ChatGPT

Что не хватало из коробки

Базовая установка Telegram MCP

Как подключить к Claude

Почему с ChatGPT сложнее

Вариант с OpenCode

Что в этом самое интересное

Обновил `ai-devcontainer`

Что изменилось

Где смотреть

ChatGPT Plus за рубли через SmartAIPack

Какой вариант я нашел

Важный нюанс

Как я к этому отношусь

ИИхак дня: VibeProxy и `ai-shell`

Где возникает проблема

Что помогает обойти ограничение

Пример на ai-shell

Почему это удобно

Потратил недельный лимит в Claude Code за 5 дней

Что обновил в devcontainer

Зачем это вообще нужно

Где посмотреть

Почему сессия Claude Code съедает лимит быстрее ожидания

🧠 1M контекст по умолчанию

🔌 MCP-серверы Claude Desktop

📌 Короче

Пример на `ai-shell`