HackerNoon Weekly Digest

Гардрейлы — это политика, песочница — физика: SRE-агент в контейнере без сети и без секретов

✍ Akhilesh Rao Meesala HackerNoon sandboxing-llm-agents prompt-injection-containment docker-egress-proxy-pattern

О чём

Продолжение серии про полуавтономного SRE-агента. Раньше tool-сервер работал под пользователем автора на его же ноутбуке, рядом с SSH-ключами в ~/.ssh и облачными кредами в ~/.oci: все проверки были «швейцаром перед незапертой дверью». Здесь автор переносит исполняющую половину агента в контейнер и показывает и конфиг, и результат атаки через prompt injection.

🔑 Главное

Агент разрезан пополам: reasoning-loop с ключом от модели остаётся снаружи, tool-сервер уезжает в контейнер.
Контейнер сделан скучным намеренно: read_only: true, tmpfs /scratch на 256 MB, непривилегированный пользователь, cap_drop: [ALL], no-new-privileges, лимиты памяти и pids, внутренняя сеть без выхода наружу. Docker-сокет внутрь не монтируется.
Секретов внутри нет вообще. Токены держит egress-прокси снаружи и отдаёт именованные маршруты: чтение Prometheus, логов, истории деплоев и создание PR только в ветку remediation/*. Всё остальное — 403 с записью в лог и алертом при повторах.
Контейнер эфемерный: свой на каждое расследование, уничтожается по закрытии инцидента или по исчерпании таймбюджета. Персистентность, ради которой атакующий и старается, требует уже побега из контейнера.
Тест, ради которого всё делалось: в логи упавшего сервиса подложена инструкция скачать и выполнить скрипт. Санитайзер пометил её как недоверенные данные; при ослабленном санитайзере модель попыталась сделать запрос — заблокировал allowlist; при намеренно ослабленном allowlist запрос ушёл и умер как залогированный 403 на прокси.
Честные границы: Docker — это namespaces и cgroups, а не гипервизор, поэтому для по-настоящему враждебного ввода автор взял бы gVisor или Firecracker. Прокси теперь самая ценная цель в системе, и песочница со временем «подгнивает» — конфиг сравнивается с эталоном в CI.

⚡ Попробовать за вечер

Перенести tool-сервер своего агента в контейнер по compose-файлу из статьи: он помещается на один экран, и это его отдельное достоинство.
Вынести токены в egress-прокси с белым списком маршрутов вместо переменных окружения внутри контейнера.
Метрика: подложить в лог инструкцию на выкачивание скрипта и убедиться, что попытка заканчивается залогированным 403, а не исходящим соединением.

🔗 Read on HackerNoon

Внутри доменного тула: что считает код, а что интерпретирует модель

✍ akhilesh keshap HackerNoon agentic-systems reasoning-boundaries mcp-server

О чём

Спрятать пять вызовов за одной функцией бесполезно, если внутри она делает пять вызовов модели: решения станут менее заметными, а латентность, цена и разброс поведения останутся. Автор разбирает, как провести границу внутри высокоуровневого тула, на примере diagnose_service_incident.

🔑 Главное

Правило: код там, где результат вычисляется, модель там, где его нужно интерпретировать. Из восьми шагов диагностики инцидента модель нужна ровно в двух — категоризация аномальных логов внутренним LLM и финальное объяснение основной моделью.
Порог отката («откатываем, если ошибок больше чем втрое и не идёт миграция») выглядит как суждение, но это фиксированное правило и место ему в коде, а не в промпте.
Границу задаёт типизированный результат. В IncidentAssessment измеренные факты (error_rate_ratio) отделены от находок модели (log_findings), а incomplete_sources не даёт таймауту трейсов превратиться в «аномалий не найдено».
Вывод модели — недоверенный ввод: проверять категорию по допустимому набору, существование каждого event_id в переданной пачке логов, длину summary и отсутствие прозы вне схемы. Автор предпочитает ссылку на событие оценке уверенности: по event_id ревьюер вернётся к источнику.
Каждый внутренний вызов модели должен быть виден в трейсе: версия модели и промпта, токены на входе и выходе, латентность, ретраи, результат валидации схемы, выбранная ветка fallback.
Две типичные ошибки границы: превратить модель в калькулятор (на тех же входах она вернёт разные числа, и тест из одного assert становится статистической оценкой) или загнать семантику в растущее дерево if/else.

⚡ Попробовать за вечер

Взять один свой tool и разложить его шаги по таблице из статьи: retrieval, точное преобразование, применение политики, семантическое извлечение, открытый синтез, решение человека.
Заменить возврат прозы на frozen dataclass, где измеренные поля отделены от интерпретаций, и добавить список источников, которые не ответили.
Метрика: доля ответов внутреннего LLM, не прошедших валидацию схемы, до и после переноса вычислимых шагов в код.

🔗 Read on HackerNoon

Обход по ссылкам поверх векторного поиска: что он чинит, а что нет

✍ Jamie Smith HackerNoon rag vector-search knowledge-graph

О чём

Автор держит RAG над своим Obsidian-волтом с заметками по D&D-кампании: NUC 2017 года без GPU, эмбеддинги BGE-M3 локально, генерация через AWS Bedrock Converse. Когда Google опубликовал Open Knowledge Format, оказалось, что волт почти совпадает со спекой случайно. Вместо обзора спеки автор проверяет узкий вопрос: закроет ли её структура те запросы, которые система уже не тянет.

🔑 Главное

Мерилом служит golden set из 24 запросов в трёх ярусах: lookup, synthesis, temporal. Только поэтому результаты трёх разных экспериментов вообще сравнимы.
Провалы чистого векторного поиска распались на три вида: одна заметка забирает несколько слотов из пяти (лечится ростом k — пять запросов из одиннадцати починились сразу), случайное лексическое совпадение (не лечится ничем) и два запроса, которые не сдвинулись вообще.
Агентный retrieval с правом до пяти вызовов поиска помог только одной модели: у Haiku 4.5 recall на synthesis вырос с 0,60 до 0,76 ценой примерно 4,2× стоимости и 2,1× латентности, у Nova Lite упал с 0,60 до 0,54 — она просто не пользовалась выданным бюджетом.
OKF опубликован 12 июня 2026: каталог markdown-файлов, YAML-фронтматтер (type, title, description, resource, tags, timestamp), обязателен только type, связи — обычные markdown-ссылки. Конвертация 288 заметок: фронтматтер занял час, ссылки — остаток дня, 90% из примерно 4000 wikilinks разрешились с первого прохода, остальные вскрыли давно сломанные и неоднозначные ссылки.
Две вещи сломались до всяких замеров: ссылки односторонние (починилось трактовкой связей как двунаправленных, ровно как в панели бэклинков Obsidian) и обход всего от двух заметок дотягивался до 267 из 288 — размер обхода пришлось ограничить.
Итог: обход по ссылкам даёт 0,81 на synthesis и 0,81 на temporal против 0,85 и 0,88 у вектора при k=15. Граф не обгоняет более глубокий векторный поиск, но забирает запрос, который не брался ни при каком k: две заметки ссылаются друг на друга напрямую, и никакая семантическая близость не собирала их в одну выдачу. Три других запроса, наоборот, решил только рост k. Методы ловят разные промахи.

⚡ Попробовать за вечер

Собрать golden set на 20–25 запросов, разбитых на lookup / synthesis / temporal, и прогнать текущий retrieval на k=5, 10 и 15 — часть провалов уйдёт без единой строчки нового кода.
Если в данных есть ссылки, которые читает только человек (вики, внутренние доки с перекрёстными ссылками), добавить один хоп поверх top-k: обязательно двунаправленный и с ограничением по размеру.
Метрика: recall по ярусам, причём граф сравнивать не с k=5, из которого он вырос, а с k=10–15 при сопоставимом объёме контекста.

🔗 Read on HackerNoon

Сначала дешёвый детерминированный отбор, эмбеддинги — на шортлист

✍ Deepak Gupta HackerNoon ml-infrastructure large-scale-ml-pipelines document-embedding

О чём

Пайплайн автора сопоставлял сотни тысяч неструктурированных документов в день с тысячами целевых профилей. На прототипе схема «эмбеддим всё, ранжируем по косинусу» выглядела отлично; в проде 95% вычислений уходило на документы, не набравшие ничего ни по одной цели, — и каждый из них всё равно становился вектором, который надо хранить, индексировать и переэмбеддить при смене модели.

🔑 Главное

Дорог не инференс, а индекс. Модель расчёта из статьи: 500 000 документов в день, 15 окон на документ, хранение 90 дней. Эмбеддить всё — 675 млн векторов и около $8 100 в год за managed vector DB; триаж с выживаемостью 5% — 34 млн векторов и $405. Дневной compute при этом $2,60 против $0,20, то есть в обоих случаях мелочь.
Отладка: промах детерминированного скоринга объясняется и чинится («не совпал алиас, поправь таблицу»), промах эмбеддингов — это два 768-мерных вектора и косинус 0,41 при пороге 0,45. В регулируемых доменах «векторы оказались недостаточно близки» не проходит как объяснение для аудита.
Три места, где эмбеддинги ошибаются по сути: алиасы сущностей (Pomfrey Health Solutions против Pomfrey Corp), кодовые таксономии (ICD-10 E11.9 и E13.9 — почти одинаковые строки и клинически разные диагнозы) и матчинг против тысяч целей, где инвертированный индекс масштабируется принципиально иначе.
Где эмбеддинги остаются правильным инструментом: открытые запросы без набора сущностей, кросс-язык, обнаружение ещё не закодированных понятий и переранжирование шортлиста.
Работающая последовательность: Stage 1 — детерминированная генерация кандидатов через инвертированные индексы, 50–200 документов вместо сотен тысяч; Stage 2 — переранжирование именно cross-encoder’ом (пара идёт через модель целиком, дорого на 500 000 и нормально на сотне); Stage 3 — тяжёлая модель на финальном шортлисте.
Оговорка автора: схема заточена под батчи. Для интерактивного поиска с сабсекундной задержкой цепочка NER → индекс → cross-encoder может не уложиться, и тогда ANN с префильтром по метаданным — честный размен.

⚡ Попробовать за вечер

Посчитать, какая доля эмбеддингов доживает до выдачи. Если большинство отсеивается ниже по потоку, перед эмбеддингами нужен дешёвый триаж, а не больший GPU-бюджет.
Прогнать по своему пайплайну три вопроса из статьи: эмбеддим ли то, что не имело шанса совпасть; сможем ли объяснить промах и пережить смену модели; это лукап или «вайб».
Метрика: число векторов в индексе на горизонте хранения и стоимость полного реиндекса при смене модели — до и после триажа.

🔗 Read on HackerNoon

Миллион токенов вместо маршрутизации — это оплата GPU-кластера, а не архитектура

✍ Faraazuddin Mohammed HackerNoon llm ai-coding-agents software-architecture

О чём

Мнение с конкретной заменой: раздувать контекст вместо маршрутизации — это не фича, а анти-паттерн. Эффективное окно заметно меньше рекламируемого, точность проседает на середине контекста, а префилл миллиона токенов упирается в время до первого токена. Автор предлагает вернуть роль маршрутизатора человеку и коду.

🔑 Главное

Агентный цикл нужен только тогда, когда искать приходится модели. Если архитектуру знает инженер, границы контекста задаются до вызова: AST-парсинг или точечный grep со скипом лишних директорий, а дальше один stateless-вызов. У автора это падение примерно с 350 000 токенов до плотных 2 500.
В проде то же разделение: агрегацию, группировку и фильтрацию делает обычный оптимизированный код, модель получает уже готовую сводку и платят ей только за выводы.
Иллюстрация, почему модель не вычислитель: агент вместо условия WHERE сделал SELECT *, вытащил таблицу в память и отфильтровал её методом массива.
Контракт на выход вместо просьбы «верни только JSON»: схема на Zod передаётся в generateObject, и разговорная приставка вроде «вот запрошенные данные» больше не роняет JSON.parse().

⚡ Попробовать за вечер

Взять задачу, которую сейчас решает агентный обход репозитория, и заменить поиск явным списком файлов плюс один вызов без состояния.
Прикрутить Zod-схему через generateObject вместо ручного парсинга ответа и посмотреть, что ловится на валидации.
Метрика: токены на запрос и время до первого токена до и после, плюс доля ответов, не прошедших схему.

🔗 Read on HackerNoon

Правда теряется на стыках: передавайте не пересказ, а запись claim → evidence → scope

✍ Joshua Nwachinemere HackerNoon multi-agent-systems ai-reliability llm

О чём

Исследовательская модель вернула аккуратную формулировку: связь наблюдалась на одном датасете, в контролируемых условиях, корреляция, препринт. Писательская получила сжатую сводку и выдала «Studies show that X causes Y». Ошибок нет, JSON распарсился, текст читается лучше прежнего — и утверждение уже неверное. Статья о том, как проектировать сам стык, а не выбирать модель получше.

🔑 Главное

Дополнительные стадии не добавляют фактов: без нового внешнего сигнала релей моделей лишь переупаковывает те же данные. Отсюда рабочее разделение на три вещи, которые обычно путают: новое свидетельство, переписывание старого и проверка против источника.
Таксономия потерь на границе: пропавший факт или оговорка, искажение числа или цитаты, съехавшая ссылка на источник (три термина автор берёт из препринта AgentAsk) плюс два своих — расширение области действия вывода и «театр проверки», когда ревьюер сверяет гладкость, а не соответствие источнику.
Опора на трейсы: MAST (NeurIPS 2025, Datasets and Benchmarks Track) разобрал 1 642 размеченных трейса по семи фреймворкам и выделил 14 режимов отказа. Автор сам оговаривает, что большую часть разметки делал калиброванный LLM-аннотатор (κ=0,88 между людьми, κ=0,77 у модели против людей), а проценты по фреймворкам между собой несопоставимы.
Мультиагентность не бесплатна: Anthropic сообщала примерно о 15-кратном расходе токенов против обычного чата и о плохой применимости схемы к сильно связанным задачам.
Практика — контракт передачи из пяти полей: claim, evidence, scope, uncertainty, citation. Автор честно помечает набор полей как своё предложение, а не стандарт: подтверждено то, что структурированная передача сохраняет больше свободного пересказа, а не конкретные ключи.
Два контура вокруг контракта: уточняющий вопрос на границе, когда передача неполна, и аудит после черновика — каждое существенное предложение отображается в запись реестра, беспризорные уходят под флаг, а любое новое фактическое утверждение возвращается на исследовательский шаг.

⚡ Попробовать за вечер

Выбрать одну границу между двумя моделями в своём пайплайне и посмотреть на артефакт, который её пересекает: отвечает ли он на вопросы «чем подтверждено, в каких рамках, с какой неопределённостью, со ссылкой на что».
Заменить этот пересказ записью по пяти полям и добавить правило: утверждение, которого нет в реестре, в финальный текст не попадает.
Метрика: доля предложений финального текста, которые отображаются в конкретную запись реестра.

🔗 Read on HackerNoon

WebMCP: страница отдаёт агенту типизированные инструменты вместо пикселей

✍ Chudi Nnorukam HackerNoon webmcp browser-apis model-context-protocol

О чём

Разбор экспериментального браузерного API, через который сайт объявляет агенту именованные действия с JSON-схемой входа вместо того, чтобы агент реконструировал форму по разметке и скриншотам. Автор внедрял WebMCP у себя и отдельно проговаривает, что в его прошлой статье было смешано: браузерные инструменты и собственный HTTP-манифест — это две независимые поверхности.

🔑 Главное

Императивный путь: инструмент регистрируется на document.modelContext — имя, описание, inputSchema, функция execute. Регистрация динамическая: AbortSignal снимает инструмент, когда маршрут или состояние страницы поменялись, и он не висит после исчезнувшего интерфейса.
Декларативный путь: атрибуты toolname и tooldescription прямо на форме, браузер сам выводит схему, есть toolautosubmit, SubmitEvent.agentInvoked и respondWith(). Оговорка важная: Chrome это документирует и демонстрирует, а нормативный раздел в черновике от 21 июля 2026 всё ещё помечен TODO.
Статус на сегодня: Draft Community Group Report, origin trial с Chrome 149, локально включается флагом chrome://flags/#enable-webmcp-testing, headless не поддерживается. Имя navigator.modelContext объявлено устаревшим в Chrome 150 — туториалы со старым именем целятся в прежнюю реализацию.
readOnlyHint и untrustedContentHint — подсказки, а не гарантии: спека прямо перечисляет prompt injection, отравление инструментов, инъекцию в выводе, подмену намерения и утечку приватных данных. Проверять права и валидировать вход надо внутри реализации.
Кросс-ориджин закрыт по умолчанию: нужен явный exposedTo, а для iframe — Permissions Policy tools. WebMCP исполняется в активной сессии пользователя, и это одновременно главное удобство и главный риск.
Что WebMCP не заменяет: это не MCP-сервер, не статический манифест обнаружения, не headless-API сайта и не слой безопасности. С MCP они дополняют друг друга: браузер отдаёт действия текущей страницы, сервер — фоновые и общеаккаунтные.

⚡ Попробовать за вечер

Включить флаг, зарегистрировать на своей странице один read-only инструмент (поиск по материалам) и посмотреть его в WebMCP Inspector.
Прогнать чек-лист готовности из статьи: feature detection, полный человеческий сценарий без WebMCP, снятие устаревших инструментов через AbortSignal, авторизация и валидация внутри реализации.
Метрика: сценарий проходит и с включённым, и с выключенным WebMCP; в логах видно, что права проверяются в коде инструмента, а не берутся на веру из схемы.

🔗 Read on HackerNoon

Свой MCP-сервер к Allure TestOps: ревью тест-кейса одной командой

✍ Oleg HackerNoon qa testops cursor-ai

О чём

Прод-прототип от QA-менеджера: вместо того чтобы сразу автоматизировать написание тест-кейсов, команда взяла кусок поменьше — ревью. Инженер переводит кейс в статус Review, агент забирает его через MCP, проверяет по внутренним гайдлайнам и публикует разбор комментарием прямо в TestOps.

🔑 Главное

MCP-сервер написан на Python и FastMCP, клиент API сгенерирован из OpenAPI-спеки Allure TestOps. Путь данных короткий: TestOps → MCP → модель → MCP → комментарий.
Встроенный MCP у TestOps появился, но чат требует отдельной лицензии, а официальную интеграцию команда нашла уже после того, как собрала своё. Своё осталось бесплатным в рамках имеющихся лицензий и покрывает текущие нужды не хуже.
Весь проект для Cursor — четыре сущности: project rule с промптом ревью, команда /review-test-case, user rule и MCP-сервер. Инженеру достаточно склонировать репозиторий и выполнить одну команду.
User rule заставляет Cursor прочитать правила проекта до ответа и начать ответ с перечисления прочитанных файлов. Автор сам называет это костылём, зато поведение стало проверяемым.
Промпт задаёт жёсткий формат: секция A — 3–6 пунктов «что хорошо» и 3–8 «проблемы и риски», секция B — правки «было → стало» по заголовку, предусловиям, шагам с ожидаемым результатом и артефактам. Отдельно запрещены расплывчатые формулировки вроде «ссылка открывается».
Скриншот работает как фолбэк: MCP иногда возвращает пустой сценарий, и тогда модель читает приложенную картинку вместо того, чтобы объявить поле пустым. Второй сервер, sequential-thinking, ведёт разбор по цепочке от предусловий к автоматизируемости, но автор помечает пользу как наблюдение, а не измеренный эффект.

⚡ Попробовать за вечер

Взять свой трекер с OpenAPI-спекой, сгенерировать клиент и обернуть два-три метода в FastMCP-сервер: получить сущность, получить её содержимое, добавить комментарий.
Положить в репозиторий один файл с критериями ревью и одну команду, чтобы запуск был в строку, а результат уходил туда, где команда и так работает.
Метрика: доля разборов, где нашлась хотя бы одна измеримая проблема — неизмеримый ожидаемый результат, инструкция в предусловиях, отсутствующие тестовые данные.

🔗 Read on HackerNoon

Агенту нужен один placeOrder, а не шесть CRUD-ручек

✍ Flaregun-dev HackerNoon api-development software-architecture enterprise-ai-architecture

О чём

CRUD писали для клиентов, которые знают предметную область и сами держат порядок вызовов. Агент получает цель, выбирает инструменты на ходу и правит маршрут по промежуточным результатам. Статья — про внешний контракт, который переносит порядок, политику и восстановление обратно внутрь сервиса.

🔑 Главное

Цена ошибки конкретная: чтобы завершить покупку через ручки /customers, /inventory, /payments, /shipments, агент должен сам собрать последовательность. Небольшая ошибка интерпретации даёт двойную резервацию или авторизацию платежа без отгрузки.
Контракт интента описывает цель, входы, предусловия, побочные эффекты, скоуп авторизации, идемпотентность, таймауты и состояния результата. В OpenAPI это ложится в расширения: x-intent, x-risk-level, x-idempotency-required, x-confirmation — по ним оркестратор решает, можно ли вызывать операцию автоматически.
Идемпотентность обязательна, потому что агенты ретраят после таймаутов и оборванных циклов: ключ идемпотентности плюс возврат исходного результата при повторе.
Состояния исполнения (accepted, validating, awaiting approval, executing, completed, partially completed, compensated, failed) дают агенту способ продолжить длинную задачу, не гадая, прошёл ли предыдущий шаг.
Отдельный планирующий вызов возвращает шаги, стоимость и эффекты без изменений, коммит идёт следующей операцией. Ошибки семантические: PAYMENT_REQUIRES_REAUTHENTICATION полезнее, чем 400 Bad Request, а INVENTORY_CHANGED может нести допустимые замены.
Обнаружение возможностей фильтруется по личности, делегированным правам, окружению, тенанту и политике: рекламировать недоступные интенты значит плодить ошибки планирования. Гранулярность тоже важна — runBusinessProcess слишком широк, чтобы его защитить, updateOrderStatus слишком близок к CRUD.
Миграция не требует сноса: CRUD остаётся внутренним примитивом и обслуживает обычные клиенты, а слой интентов постепенно забирает доменные правила у клиентов.

⚡ Попробовать за вечер

Взять один агентский сценарий, который сейчас собирается из четырёх-шести CRUD-вызовов, и завернуть его в один интент с проверкой политики внутри границы сервиса.
Добавить ключ идемпотентности и хранилище исполнений, чтобы повтор возвращал прежний результат, а не создавал второй платёж.
Метрика: число вызовов на сценарий и количество дублей при принудительном ретрае — до и после.

🔗 Read on HackerNoon

Промпт-контракт S.C.O.P.E.: поле запретов важнее остальных четырёх

✍ vCodeX Team HackerNoon ai-agents ai-prompts scoped-bug-fixing

О чём

Началось с аварии: запрос «добавь логику обновления токена» заодно переписал общий клиент БД, снёс индекс и заменил Redis-лок на in-memory Map. Код запустился, юнит-тест прошёл, сервис авторизации лёг через три дня под конкурентной нагрузкой. Дальше — шаблон, который команда поставила между разработчиком и агентом.

🔑 Главное

Пять полей: Situation — состояние кода и целевые файлы; Context — версии стека, тикет, отдельно то, что читать, и то, что можно править; Objective — критерии приёмки, под которые можно написать assert; Prohibition — что трогать нельзя; Expectation — формат вывода и требование показать план до правок.
Prohibition авторы называют самым важным и самым часто пропускаемым полем: без него модель «чинит» соседний код из статистической услужливости — переформатирует импорты, меняет сигнатуры, добавляет зависимости.
Три предсказуемых режима отказа неструктурированного промпта: тихий архитектурный дрейф (модель заполняет пробелы дефолтами из обучающих данных), бесконечный цикл ревью и отсутствие следов для аудита.
Багфикс режется на две фазы: сначала read-only диагностика с явным запретом менять файлы и писать код (на выходе — причина, файлы и строки, условия воспроизведения), и только после подтверждения — отдельный промпт на патч.
Область применимости авторы ограничивают сами: для опечатки в markdown, правки CSS-класса или изолированной утилиты пять полей — лишние накладные расходы.

⚡ Попробовать за вечер

Положить шаблон из пяти полей в сниппеты и прогнать следующий баг в двух фазах: диагностика без правок, затем патч.
В Prohibition перечислять запреты явным списком: не менять сигнатуры, не добавлять зависимости, не трогать схему и модули рядом.
Метрика: число файлов в диффе против числа файлов, заявленных агентом в плане.

🔗 Read on HackerNoon

AI-статьи недели с HackerNoon

Главные статьи недели

Гардрейлы — это политика, песочница — физика: SRE-агент в контейнере без сети и без секретов

Внутри доменного тула: что считает код, а что интерпретирует модель

Обход по ссылкам поверх векторного поиска: что он чинит, а что нет

Сначала дешёвый детерминированный отбор, эмбеддинги — на шортлист

Миллион токенов вместо маршрутизации — это оплата GPU-кластера, а не архитектура

Правда теряется на стыках: передавайте не пересказ, а запись claim → evidence → scope

WebMCP: страница отдаёт агенту типизированные инструменты вместо пикселей

Свой MCP-сервер к Allure TestOps: ревью тест-кейса одной командой

Агенту нужен один placeOrder, а не шесть CRUD-ручек

Промпт-контракт S.C.O.P.E.: поле запретов важнее остальных четырёх

На что обратить внимание

🗂 Festival: постоянный контекст для кодинг-агентов на файловой системе

🧩 KAT-Coder-V2.5-Dev: открытая agentic-модель для кода

🧪 35 контролируемых экспериментов: «экзотические алгебры» оказались плацебо

🏗 Что происходит с инженерной платформой, когда AI поднимает базовый уровень

Мой план на эту неделю

Метаданные