STOR OPPDATERING for AG-UI! De 3 AI-native protokollene: MCP, A2A og AG-UI. Det er enorm adopsjon over hele linja, og kontinuerlige, massive oppdateringer for hver av disse protokollene. Her er noen massive oppdateringer for AG-UI: For de av dere som ikke har hørt det, lar AG-UI (Agent-User Interaction Protocol) deg integrere agenter i frontend-applikasjoner. Det gir deg: • Oppdateringer i sanntid • Orkestrering av verktøy • Delt foranderlig tilstand • Sikkerhetsgrenser • UI-synkronisering De har nettopp oppdatert protokollen, og her er hva som er nytt: 1. AG-UI har nå en CLI! 2. Pydantic AI er nå AG-UI-kompatibel. 2. Ny 10 ganger enklere flyt for å bygge flere AG-UI-klienter. 3. Forhåndsutgivelse av et håndtrykk mellom AG-UI og A2A. 5. Du kan nå visualisere A2A-interaksjonene dine. 6. A2A-interaksjoner kan nå ut til brukere. 7. Det er en fullstendig fornyet bidragsflyt. Du kan bygge din første AG-UI-drevne applikasjon med en enkelt kommando: $ npx create-ag-ui-app min-agent-app Sjekk protokollen GitHub-repositoriet:

Selvlærende agenter 👀

En av de beste måtene å skrive bedre kode på: Bruk tilpassede, spesialiserte agenter til å se gjennom den automatisk hver gang du sender til repositoriet. Jeg jobber med @baz_scm, og de vil automatisk generere tilpassede anmelderagenter basert på din egen kodestil og regler. Dette er det første verktøyet jeg har sett gjøre dette. Av de tre forskjellige måtene å opprette en agent på i Baz, er min favoritt en der du definerer basert på reglene dine via forespørsel og tester den på lekeplassen før du distribuerer. Sjekk ut videoen og lenken nedenfor. Baz samarbeidet med meg om dette.

Nok en kul oppdatering for AG-AI-protokollen! AG-UI-protokollen (Agent-User Interaction) lar deg integrere agenter i frontend-applikasjoner.

Copilot i Beat Mode er bokstavelig talt et beist! Jeg var ikke klar over dette før i går, og det ser bra ut (og litt sprøtt!) Beast Mode er en tilpasset chat-modus som gir @code Copilot noen superkrefter:. I stedet for å bruke Copilots standard "Agent", kan du bruke Beast Mode til alt. Forvente: • Mer planlegging • Mer verktøybruk • Mer internettbruk • Mer stahet • Mindre håndgrep • Mindre frykt for å handle Hvis du føler deg heldig, prøv Beast Mode. Jeg anbefaler ikke å bruke Beast Mode på kodebasene dine på $250 000/år ennå, med mindre du er sjefen. Her er en video om hvordan du aktiverer det. Du finner lenken med instruksjoner nedenfor:

1 times praksis er 100 ganger bedre enn 10 timer med opplæring. Folk elsker å overkomplisere alt, men mestring i å bygge programvare kommer fra å følge en veldig enkel prosess: Bygg → distribuer → del → forbedre → gjenta Du trenger ikke en annen opplæring akkurat nå. Det du trenger er å begynne å kode og få tilbakemeldinger som hjelper deg med å forbedre deg. Jeg tror du kommer til å elske dette: Hvis du er en vibe-koder, bør du sjekke ut @YouWareAI (de gikk nettopp live og samarbeider med meg). Ideen deres er genial: det er en plattform der du kan bygge AI-applikasjoner og få tilbakemeldinger, trafikk og et fellesskap av støttespillere. Det er ingenting som dette der ute. Slik fungerer det: Trinn 1: Du kan bla gjennom hva andre bygger. Du kan få inspirasjon fra populære applikasjoner, og til og med remikse et eksisterende prosjekt. Her er lenken: Trinn 2: Du kan begynne å bygge appen din på engelsk. Det er en vibe-kodingsplattform. Trinn 3: Publiser søknaden din og få umiddelbar tilbakemelding. Folk kan like det, kommentere det eller til og med forgrene det og forbedre det. Ingen lokalt oppsett. Ingen boilerplate. Virker som den perfekte ressursen for å hjelpe alle opp i nivå.

AI og maskinlæringsutdanning er ødelagt. Hvis du ønsker å bli forsker, greit, men hvis du vil begynne å løse problemer, er det svært få ressurser som vil lære deg praktiske leksjoner. Jeg fikser det. Her er noen av emnene jeg dekker i min live AI/ML Engineer-kohort: 1. Hvordan ramme inn problemer 2. Hvordan behandle data for å lære opp og distribuere modeller 3. Hvordan bygge RAG-systemer 4. Hvordan evaluere søknader 5. Hvordan distribuere disse applikasjonene 6. Hvordan teste disse applikasjonene i produksjon 7. Hvordan optimalisere disse applikasjonene 9. Hvordan bruke overvåking og observerbarhet 10. Hvordan du bruker MCP og A2A Glem teoretiske konsepter og bøker. Du lærer her direkte av erfaring. Neste kohort starter om 2 uker. • Det er live (men også spilt inn) • Det er tøft • Det er praktisk • Det er veldig gøy Og enda viktigere: Det kommer til å hjelpe deg å bli en størrelsesorden mer produktiv. Lenke nedenfor:

Fra og med i dag går jeg tilbake til @code + Copilot i stedet for Cursor. Jeg har hørt fra mange mennesker som har berømmet de siste iterasjonene av Copilot. Sist gang jeg prøvde det, likte jeg det ikke, men det er noen måneder siden den gang. Generelt er det bedre å bruke @code enn å bruke en hvilken som helst gaffel. Det eneste som tvinger meg til å se andre steder er AI-funksjonalitet, men hvis Copilot kan nå 90-95 % av Cursors evner, ville jeg ikke dra. Jeg rapporterer tilbake når jeg vet mer.

Nettskraping er en kritisk ferdighet, og likevel er det ingen som snakker om det. Hvordan tror du bedrifter trener sine store språkmodeller? Hvor tror du dataene kommer fra? Men nettskraping går utover alt dette. Tenk deg å gi en AI-agent tilgang til alle offentlige nettdata i sanntid! Jeg liker å kalle dette "web-scrapping on demand", og jeg er ganske sikker på at det kommer til å låse opp ubegrenset kraft for AI-applikasjoner. Jeg spilte inn en rask video for å vise deg hvordan du kan gjøre dette ved hjelp av @apify. Jeg har snakket om dem før, og de samarbeider med meg om dette innlegget. De har et av de beste åpen kildekode-nettskrapings- og nettleserautomatiseringsbibliotekene der ute: Men det blir mye bedre enn dette! Du kan bruke MCP til å koble AI-agentene og applikasjonene dine til Apify-plattformen og bruke en hvilken som helst spesialisert aktør på forespørsel for å skrape og behandle nettdata. I videoen brukte jeg Cursor til å skrape LinkedIn-innlegg med ordene "Machine Learning" i sanntid. Fungerte som en sjarm uten behov for kode! Her er en lenke til plattformen: Tenk på dette: Du kan nå mate AI-applikasjonene dine med alle offentlige data på forespørsel! Vi er ikke klare for det som kommer.

Front-end-utvikling er ikke død. Det er bare det at vi alle er front-end-utviklere nå.