Samoučící se agenti 👀

Jeden z nejlepších způsobů, jak napsat lepší kód: Pomocí vlastních specializovaných agentů je automaticky kontrolujte při každém odeslání do úložiště. Pracuji s @baz_scm a oni automaticky vygenerují vlastní agenty recenzentů na základě vašeho vlastního stylu kódování a pravidel. Toto je první nástroj, který jsem viděl dělat toto. Ze tří různých způsobů, jak vytvořit agenta v Baz, je můj oblíbený ten, který definujete na základě svých pravidel pomocí výzvy a otestujete jej na hřišti před nasazením. Podívejte se na video a odkaz níže. Baz na tom se mnou spolupracoval.

Další skvělá aktualizace protokolu AG-AI! Protokol AG-UI (Agent-User Interaction) umožňuje integrovat agenty do frontendových aplikací.

Copilot v režimu Beat je doslova bestie! Až do včerejška jsem si toho nebyl vědom a vypadá to dobře (a trochu šíleně!) Beast Mode je vlastní režim chatu, který dává @code's Copilot některé superschopnosti:. Namísto použití výchozího "agenta" Copilota můžete pro všechno použít režim Beast. Očekávat: • Více plánování • Větší využití nástrojů • Větší využití internetu • Více tvrdohlavosti • Méně držení v ruce • Menší strach z jednání Pokud máte pocit, že máte štěstí, vyzkoušejte režim Beast. Nedoporučuji používat Beast Mode na vašich kódových základnách za 250 000 $/rok, pokud nejste šéf. Zde je video, jak to povolit. Níže naleznete odkaz s pokyny:

1 hodina praxe je 100x lepší než 10 hodin tutoriálů. Lidé rádi všechno příliš komplikují, ale mistrovství ve vytváření softwaru pochází z dodržování velmi jednoduchého procesu: Sestavování → nasazování → sdílení → vylepšování → opakování V tuto chvíli nepotřebujete další výukovou lekci. Co potřebujete, je začít kódovat a získat zpětnou vazbu, která vám pomůže se zlepšit. Myslím, že se vám to bude líbit: Pokud jste vibe-kodér, měli byste se podívat na @YouWareAI (právě spustili živé vysílání a spolupracují se mnou). Jejich nápad je geniální: je to platforma, kde můžete vytvářet aplikace s umělou inteligencí a získávat zpětnou vazbu, návštěvnost a komunitu podporovatelů. Nic takového tam není. Funguje to následovně: Krok 1: Můžete procházet, co budují ostatní. Můžete se inspirovat trendy aplikacemi a dokonce i remixovat existující projekt. Zde je odkaz: Krok 2: Můžete začít vytvářet svou aplikaci v angličtině. Je to platforma pro kódování vibrací. Krok 3: Zveřejněte svou aplikaci a získejte okamžitou zpětnou vazbu. Lidé ji mohou lajkovat, komentovat ji, nebo ji dokonce forkovat a vylepšovat. Žádné místní nastavení. Žádná šablona. Zdá se to jako perfektní zdroj, který každému pomůže postoupit na vyšší úroveň.

Umělá inteligence a vzdělávání v oblasti strojového učení jsou nefunkční. Pokud se chcete stát výzkumníkem, dobře, ale pokud chcete začít řešit problémy, existuje jen velmi málo zdrojů, které vás naučí praktické lekce. Opravuji to. Zde jsou některá z témat, kterým se věnuji ve své živé kohortě AI/ML Engineer: 1. Jak formulovat problémy 2. Jak zpracovávat data pro trénování a nasazování modelů 3. Jak stavět RAG systémy 4. Jak hodnotit žádosti 5. Jak tyto aplikace nasadit 6. Jak tyto aplikace testovat v produkci 7. Jak optimalizovat tyto aplikace 9. Jak používat monitoring a observability 10. Jak používat MCP a A2A Zapomeňte na teoretické koncepty a knihy. Naučíte se zde přímo ze zkušenosti. Další kohorta začíná za 2 týdny. • Je to živé (ale i nahrané) • Je to těžké • Je to praktické • Je to velká zábava A co je důležitější: Pomůže vám to stát se řádově produktivnějšími. Odkaz níže:

Ode dneška se vracím k @code + Copilot místo kurzoru. Slyšel jsem od mnoha lidí, kteří chválili několik posledních iterací Copilotu. Když jsem to zkoušela naposledy, moc se mi to nelíbilo, ale od té doby už je to pár měsíců. Obecně platí, že použití @code je lepší než použití jakékoli vidlice. Jediná věc, která mě nutí poohlédnout se jinde, je funkčnost umělé inteligence, ale pokud Copilot dokáže dosáhnout 90-95 % schopností Cursoru, neodešel bych. Ozvu se, až budu vědět víc.

Web scraping je kritická dovednost, a přesto o něm nikdo nemluví. Jak si myslíte, že společnosti školí své velké jazykové modely? Odkud si myslíte, že data pocházejí? Ale web scraping jde nad rámec toho všeho. Představte si, že dáte agentovi umělé inteligence přístup k jakýmkoli veřejným online datům v reálném čase! Rád tomu říkám "web-scrapping on demand" a jsem si docela jistý, že to odemkne neomezený výkon pro aplikace AI. Nahrál jsem krátké video, abych vám ukázal, jak to můžete udělat pomocí @apify. Mluvil jsem o nich již dříve a spolupracují se mnou na tomto příspěvku. Mají jednu z nejlepších open-source knihoven pro stírání webu a automatizaci prohlížeče: Ale je to mnohem lepší než toto! MCP můžete použít k připojení vašich AI agentů a aplikací k platformě Apify a použít jakéhokoli specializovaného aktéra na vyžádání k scrapingu a zpracování online dat. Ve videu jsem pomocí kurzoru v reálném čase škrábal příspěvky na LinkedIn se slovy "Machine Learning". Fungovalo to jako kouzlo bez nutnosti kódu! Zde je odkaz na platformu: Přemýšlejte o tomto: Nyní můžete své aplikace umělé inteligence zásobovat libovolnými veřejnými daty na vyžádání! Nejsme připraveni na to, co přijde.

Front-end vývoj není mrtvý. Jde jen o to, že jsme teď všichni front-end vývojáři.

Myslím, že modelové společnosti podvádějí. Tokeny dotované VC nakonec skončí. Na tyto společnosti je vyvíjen obrovský tlak, aby vydělávaly peníze. Na ulici se říká, že tyto společnosti nejsou motivovány k tomu, aby vám nabízely "nejlepší" inteligenci, ale místo toho vám poskytují "levnou" inteligenci. Možná platíte za jeden dobrý, drahý model, ale na pozadí se omezíte na levnější a horší model. Všichni jsme to zažili: 1. Tento model je úžasný! 2. Odebírám tento model! 3. Nic nepřekoná tento model! 4. Děje se něco s tímto modelem? 5. Myslím, že model nerfli. 6. Model je odpad. Přecházím k jinému dodavateli Kdo může říct, že nás v zákulisí nelákají a nepřepínají? Opravdu dostáváme to, za co platíme? Jsou tyto "neomezené tokeny" skutečně "neomezené"?