🧰 Люди пробуют, я не успеваю: пять находок про ИИ-агентов
Пять ссылок про ИИ-агентов и одна на вечер.
Сразу оговорюсь: большую часть сам я пока толком не пробовал. Читаю блогеров и тех, кто уже попробовал, и понимаю, что за ними не успеваю.
Но проходить мимо не хочется. У трёх из четырёх репозиториев на GitHub больше 90 тысяч звёзд, так что присмотреться стоит. Выстроил ссылки по нарастающей: сначала память одного агента, в конце общая обвязка на всю команду.
1. Claude-Mem: память для Claude Code между сеансами
Плагин сам записывает, что агент делал с инструментами, сжимает это в сводки и подкладывает в следующие сеансы. Закрыли сеанс, открыли новый, а контекст по проекту на месте.
Искать по этой памяти можно обычными словами. То, что в хранилище попадать не должно, оборачиваете в тег .
Проще всего поставить из маркетплейса плагинов Claude Code: /plugin marketplace add thedotmack/claude-mem, затем /plugin install claude-mem, и перезапустите Claude Code.
README на русском
2. Pi: агент почти без харнеса
Claude Code, ChatGPT и другие фирменные агенты приходят со своим харнесом, то есть обвязкой вокруг модели. Иногда она мешает работать, да и лишние токены может съедать. К тому же такие среды заточены под модели своего вендора.
В Pi обвязки почти нет. Модель подключаете любую: по подписке, по API-ключу или локальную через llama.cpp, Ollama, LM Studio. Инструкции, навыки и расширения добавляете сами. Удобно, если любите всё настраивать и контролировать.
Под Windows работает нативно, через Git Bash или PowerShell. Разрешения на каждую команду не спрашивает, песочницы нет. Непроверенный код документация советует гонять в контейнере.
Документация
3. DeepSeek Harness: харнес, где всё плагин
Открытый харнес от DeepSeek, собранный по принципу «всё плагин». В браузере выбираете папку проекта, и агент читает и правит файлы, запускает команды, ведёт план. Что можно делать без спроса, задаёт политика прав.
Подключаются модели DeepSeek, Anthropic, OpenAI, Kimi, GLM или свой шлюз. Сторонние модели, кстати, идут через pi-ai, библиотеку из проекта Pi.
Проект в ранней версии для разработчиков. Совместимость обещают ломать, аудит безопасности он не проходил. Авторы советуют запускать его в виртуалке или контейнере.
Запускается командой npx @deepseek-ai/dsh web.
Репозиторий
4. Инструкции для агента под GPT-6 Astra
Перевод рекомендаций OpenAI на pimenov.ai, с чеклистом аудита от переводчика. Если за год у вас накопились навыки и AGENTS.md под прежние модели, часть из них Astra может уже мешать.
Например, требование читать документацию перед каждой правкой лучше привязать к типу задачи. А критерии завершения задать заранее, иначе модель может остановиться на первой реализации.
По этой ссылке я переписал свои инструкции, и действительно стало лучше.
Статья
5. TeamAI: один харнес на всю команду
Проект Tencent. Навыки, правила, хуки и MCP-серверы команды живут в общем git-репозитории: на GitHub, GitLab или своём сервере. Кто-то добавил навык, коллеги посмотрели его в мердж-реквесте и приняли, а у остальных он подтянется сам при старте сеанса. Поддерживает Claude Code, Codex, Cursor, Pi, DeepSeek Harness и ещё с десяток агентов.
В бете есть штука поинтереснее. Если сеанс дался с боем (вы перебивали ИИ, поправляли его, отклоняли команды), TeamAI предложит записать урок для команды.
Ставится одной фразой агенту, она есть в README.
Репозиторий
🔶 На вечер
Рассказ Роберта Шекли «Страж-птица», аудиокнига почти на час. Я послушал, очень интересно.
Учёные запускают летающие машины, которые предотвращают убийства. Машины автономные и учатся сами. Центрального управления у них нет, так что удалённо их не отключишь. А что считать вредом, они постепенно начинают решать сами.
Рассказ вышел в 1953 году. Тогда и представить не могли, что нас ждёт в 2026-м. А Шекли, выходит, предсказал. Слушаешь и узнаёшь нынешние разговоры про ИИ.
Слушать на YouTube
Если что-то из пяти находок уже пробовали, напишите в комментариях, как оно в работе с 1С. Мне сэкономите время, а другим подскажете, с чего начать.
#статья
Пять ссылок про ИИ-агентов и одна на вечер.
Сразу оговорюсь: большую часть сам я пока толком не пробовал. Читаю блогеров и тех, кто уже попробовал, и понимаю, что за ними не успеваю.
Но проходить мимо не хочется. У трёх из четырёх репозиториев на GitHub больше 90 тысяч звёзд, так что присмотреться стоит. Выстроил ссылки по нарастающей: сначала память одного агента, в конце общая обвязка на всю команду.
1. Claude-Mem: память для Claude Code между сеансами
Плагин сам записывает, что агент делал с инструментами, сжимает это в сводки и подкладывает в следующие сеансы. Закрыли сеанс, открыли новый, а контекст по проекту на месте.
Искать по этой памяти можно обычными словами. То, что в хранилище попадать не должно, оборачиваете в тег .
Проще всего поставить из маркетплейса плагинов Claude Code: /plugin marketplace add thedotmack/claude-mem, затем /plugin install claude-mem, и перезапустите Claude Code.
README на русском
2. Pi: агент почти без харнеса
Claude Code, ChatGPT и другие фирменные агенты приходят со своим харнесом, то есть обвязкой вокруг модели. Иногда она мешает работать, да и лишние токены может съедать. К тому же такие среды заточены под модели своего вендора.
В Pi обвязки почти нет. Модель подключаете любую: по подписке, по API-ключу или локальную через llama.cpp, Ollama, LM Studio. Инструкции, навыки и расширения добавляете сами. Удобно, если любите всё настраивать и контролировать.
Под Windows работает нативно, через Git Bash или PowerShell. Разрешения на каждую команду не спрашивает, песочницы нет. Непроверенный код документация советует гонять в контейнере.
Документация
3. DeepSeek Harness: харнес, где всё плагин
Открытый харнес от DeepSeek, собранный по принципу «всё плагин». В браузере выбираете папку проекта, и агент читает и правит файлы, запускает команды, ведёт план. Что можно делать без спроса, задаёт политика прав.
Подключаются модели DeepSeek, Anthropic, OpenAI, Kimi, GLM или свой шлюз. Сторонние модели, кстати, идут через pi-ai, библиотеку из проекта Pi.
Проект в ранней версии для разработчиков. Совместимость обещают ломать, аудит безопасности он не проходил. Авторы советуют запускать его в виртуалке или контейнере.
Запускается командой npx @deepseek-ai/dsh web.
Репозиторий
4. Инструкции для агента под GPT-6 Astra
Перевод рекомендаций OpenAI на pimenov.ai, с чеклистом аудита от переводчика. Если за год у вас накопились навыки и AGENTS.md под прежние модели, часть из них Astra может уже мешать.
Например, требование читать документацию перед каждой правкой лучше привязать к типу задачи. А критерии завершения задать заранее, иначе модель может остановиться на первой реализации.
По этой ссылке я переписал свои инструкции, и действительно стало лучше.
Статья
5. TeamAI: один харнес на всю команду
Проект Tencent. Навыки, правила, хуки и MCP-серверы команды живут в общем git-репозитории: на GitHub, GitLab или своём сервере. Кто-то добавил навык, коллеги посмотрели его в мердж-реквесте и приняли, а у остальных он подтянется сам при старте сеанса. Поддерживает Claude Code, Codex, Cursor, Pi, DeepSeek Harness и ещё с десяток агентов.
В бете есть штука поинтереснее. Если сеанс дался с боем (вы перебивали ИИ, поправляли его, отклоняли команды), TeamAI предложит записать урок для команды.
Ставится одной фразой агенту, она есть в README.
Репозиторий
🔶 На вечер
Рассказ Роберта Шекли «Страж-птица», аудиокнига почти на час. Я послушал, очень интересно.
Учёные запускают летающие машины, которые предотвращают убийства. Машины автономные и учатся сами. Центрального управления у них нет, так что удалённо их не отключишь. А что считать вредом, они постепенно начинают решать сами.
Рассказ вышел в 1953 году. Тогда и представить не могли, что нас ждёт в 2026-м. А Шекли, выходит, предсказал. Слушаешь и узнаёшь нынешние разговоры про ИИ.
Слушать на YouTube
Если что-то из пяти находок уже пробовали, напишите в комментариях, как оно в работе с 1С. Мне сэкономите время, а другим подскажете, с чего начать.
#статья