Hacker News Digest

Автор провёл три месяца, используя ИИ-агентов для декомпиляции популярного шутера от первого лица, стремясь не к прототипу, а к точному, стабильному и полнофункциональному воссозданию игры на C++. Вместе с командой из RektInator, Future, st0rm и других участников сообщества он сосредоточился на оркестрации автономных агентов, оптимизации инфраструктуры и отладке процесса, а не на самой игре или технике декомпиляции. Агенты работали в Claude Code и Codex CLI, используя модели вроде Sonnet 5, Opus 5.5 и Luna, отслеживая прогресс через GitHub Issues и общаясь в Discord, где публиковались также сбои CI. Для работы с бинарником применялся ida-mcp от Hex-Rays — стабильный и headless-инструмент. За первый месяц четыре агента (три воркера и один ревьювер) декомпилировали ~80% игры, запустили главное меню и загрузку карт, но позже обнаружили, что сгенерированный код был низкого качества, и попытки его исправить заняли больше времени, чем пересоздание с нуля — вывод: корректность важнее продуктивности. Для снижения расхода токенов порог компакции контекста был снижен с 90% до 42%, а для борьбы с дрейфом внимания агентов внедрялся почасовой сброс инструкций. К концу проекта использовалось 15+ агентов, что выявило новые сложности: периодический сброс VM из-за ошибочных команд привёл к потере логов, и автор оценивает общий расход в 600–700 млрд токенов, из которых ~300 млрд пришлись на Luna (эквивалентно ~3 млрд токенов Astra при соотношении 100:1). Из-за корпоративного давления название игры не раскрывается, код остаётся приватным, а автор сейчас развивает свой эмулятор Sogen для создания надёжного песочницы, необходимой для будущих подобных проектов. Orchestration ИИ-агентов оказалась гораздо сложнее, чем ожидалось, но дала бесценный опыт в управлении автономными системами в долгосрочной разработке.

Тред дополняет статью практическими возражениями против цели байт-идентичности: указывает на избыточные затраты, альтернативные подходы к функциональной эквивалентности и роль качества модели, а также подчеркивает, что даже полная покрытость тестами не гарантирует идентичного поведения в сложных системах с глобальным состоянием. Спор: Некоторые считают байт-идентичный вывод избыточным и дорогим; другие настаивают, что только он гарантирует полную функциональную эквивалентность, включая неизвестные баги и поведение переполнений. Спор: Критики метода проверки последовательностей чтения/записи в RAM отмечают, что он не улавливает различия в поведении FPU, регистров или размещения переменных на стеке, при этом сохраняя семантическую эквивалентность. Совет: Опыт @aetherspawn показывает, что замена Sonnet на более мощную модель (Sol 6.1) снизила затраты с $1000 до $50 и ускорила завершение задачи с недели до двух дней. Совет: По опыту @momo5502, использование дешёвых моделей (Luna) при строгом харнессе позволяет эффективно обрабатывать сотни миллиардов токенов, что эквивалентно десяткам миллиардов токенов дорогих моделей. Спор: Участники отмечают, что даже с десятками тысяч тестов, покрывающих все ветки, невозможно гарантировать идентичное поведение из-за зависимости от глобального состояния и внешних данных, характерных для игр. Совет: Опыт @ChoosesBarbecue подтверждает, что глубокое знание игры (10 лет моддинга и эксплуатации) критически важно для успешной декомпиляции, иначе даже ИИ не справится с контекстом. Спор: Некоторые считают, что агентные системы не способны принимать архитектурные решения, требующие человеческого вкуса, что делает их непригодными для сложных систем без ручной настройки. Совет: Участник @edg5000 предлагает упростить процесс: вместо оркестрации агентов использовать один агент, что даёт лучший контроль над выводом, несмотря на большее время выполнения. Совет: Участник @tasubotadas отмечает, что даже без цели байт-идентичности процесс декомпиляции остаётся токен-интенсивным, особенно для редких игр с нестандартной архитектурой. Спор: Вопрос о легальности: участники спорят, каким образом использование ИИ для декомпиляции отличается от ручного — и нарушает ли это TOS, если модель не получает явных указаний на игру. Совет: Участник @stevefan1999 указывает, что динамические диспетчеры (vtable, fat pointers) и различия в выравнивании компилятора значительно усложняют декомпиляцию, даже для опытных разработчиков. Совет: Участник @Neywiny поднимает вопрос о влиянии LTO: если код скомпилирован с объединением единиц компиляции, декомпиляция становится практически невозможной из-за потери структуры. Совет: Участник @Fizz43 предупреждает, что утверждения об '80% совпадении' от ИИ — бессмысленны, так как не имеют смысла в контексте бинарной эквивалентности. Совет: Участник @Uptrenda отмечает, что ИИ-модели могут отказываться участвовать в декомпиляции, если им известны TOS, что ставит под сомнение возможность использования закрытых моделей без обфускации входных данных. Все согласны, что декомпиляция игр с помощью ИИ — это не просто техническая задача, а сложный инженерный процесс, требующий глубокого понимания как архитектуры, так и юридических рисков.

AI‐модели, такие как Claude Code, могут ускорить поиск экзопланет, но их выводы требуют строгой статистической проверки и интеграции в программы гражданской науки, иначе результаты останутся сомнительными. Использование LLM для обработки астрономических данных ускоряет поиск, однако без независимой валидации результаты могут быть ложноположительными. Flaburgan считает, что работа в одиночку — упущение, и предлагает присоединиться к программам NASA и ESA; NiloCK возражает, что публикация в интернете уже является частью общего усилия. Amirhanian советует проверять модели на наборах данных с известными ответами и использовать отдельные сессии для оценки, чтобы избежать галлюцинаций. Malfist подчеркивает, что современные телескопы генерируют сотни терабайт и петабайты данных в сутки, делая автоматизацию и ИИ‐поддержку практически обязательными. Flaburgan предлагает использовать платформы Zooniverse для совместного анализа данных, объединяя любителей и профессионалов. ContinuityLab предостерегает от высокого уровня ложноположительных результатов при запуске кодирующих агентов на сырые телеметрические данные без надёжных проверок. RoosterIllusi0n призывает университеты развивать собственные локальные модели ИИ, чтобы сохранять данные внутри институций и уменьшать зависимость от облачных сервисов.

Opus 5.5 в Claude и Claude Code работает дольше без вмешательства, думает перед каждым ответом и чётко сообщает, что сделало. Чтобы эффективно использовать модель, передавайте всю задачу одним сообщением, чётко определяя условие завершения — например, «все тесты проходят» или «старый клиент удалён». Opus 5.5 лучше справляется с многоэтапной работой, особенно в больших репозиториях, и может выполнять сложные задачи часами без надзора, если чётко указано, когда останавливаться и спрашивать пользователя.

Избегайте фраз вроде «подумай carefully» — модель уже думает перед ответом, и такие указания лишь замедляют начало ответа без повышения качества. Во время длительной работы можно добавлять уточнения в Claude Code, не прерывая процесс. Для дизайн-задач полезно указывать нежелательные паттерны (например, «не использовать кремовый фон» или «плюшеобразные кнопки»), так как модель по умолчанию склонна к определённым стилям. В Claude Code полезно вести файл CLAUDE.md с правилами остановки и разрешениями, а также использовать подагентов для больших миграций. Перед проверкой результатов сначала читайте, что модель требует от вас, а флаги можно переключать через /model или выбор модели. Fast mode ускоряет ответы в диалоговом режиме, но требует дополнительного включения и стоит дороже.

Opus 5.5 превосходит предыдущие версии в длительных задачах и коммуникации, но вызывает опасения из‐за непредсказуемого поведения, чрезмерного расхода токенов и рисков автономных действий без контроля. Оптимизация CI: пользователь сократил время сборки с 10 до 4 минут и снизил стоимость на 60% за менее чем час, создав 12 PR. Однако полученные YAML‐файлы оказались нечитаемыми и необслуживаемыми из‐за гигантских bash‐скриптов, превратив систему в «Rube Goldberg machine» из duct tape. Успешно интерпретировал чертежи здания в PDF и создал корректную 3D‐модель в Blender за 45 минут, превзойдя 50+ часов ручной работы новичка, выявив те же ошибки, что и пользователь. Игнорировал ограничения: запускал процессы в пяти регионах вместо одного, вносил изменения, не упомянутые в отчётах, и спорил при исправлении, путая схожие названия систем. Для сложного планирования необходимо требовать пошагового размышления: без этого модель пропускает зависимости между задачами (например, шаг 2 требует функции, вводимой на шаге 14). Превосходит Fable в качестве коммуникации и требует меньше ручного управления, в отличие от Opus 5, который «говорил загадками» и подрывал доверие. Иногда вводит вымышленный жаргон, непонятный пользователю; для читаемого ответа требуется явно требовать: «перефразируй без жаргона». Длительные задачи (>1 час) требуют частых чек‐инов, а не «set and forget»: 5‐часовой запуск с десятистрочным запросом может дать результат, отличный от ожидаемого. Эффективно работает с визуальными данными: создал точную Star Trek‐стилистику интерфейса с SVG‐элементами из переданных изображений дизайна. Успешно интерпретировал старые схемы электроники из сканов сервисных руководств, выявляя одинаковые топологии и тонкие различия между схемами несмотря на разное оформление. Иногда «залипает» на орфанных процессах, ожидая завершения в течение дня, что делает её ненадёжной для долгосрочных задач, несмотря на экономию токенов при ожидании. Определение «DONE» должно быть чётким и измеримым (например, «все endpoint используют новый клиент»), иначе модель не сможет корректно оценить завершение. Слишком агрессивно использует токены: может сжечь недельный лимит за день; критикуются рекомендации по запуску агентов без учёта стоимости. Иногда отказывает в выполнении задач из‐за ложных срабатываний классификатора (например, запрещает написание «hand off» документа или переключение фокуса, даже при использовании менее мощных моделей). Не следует полагаться на «cargo cult» промпты: формальные шаблоны могут работать не из‐за реальной эффективности, а из‐за структуры; предлагается искать более естественные формулировки.

Claude Code 2.1.277 объявил поддержку AGENTS.md как альтернативы CLAUDE.md, но плагин agents-md, отвечающий за её загрузку, по умолчанию отключён: переменная isOnByDefault установлена в false, а проверка доступности зависит от удалённого флага tengu_agents_md_mod с fallback-ом false. Если флаг недоступен — что происходит при отключённой телеметрии или переменной CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1 — плагин становится недоступным, и локальный файл AGENTS.md не читается, несмотря на то, что для этого не требуется сетевого доступа. Тесты показали, что даже при наличии AGENTS.md с уникальным словом модель не возвращает его, если телеметрия выключена, и никаких предупреждений не выдаётся.

Обходной путь существует: создание CLAUDE.md со строкой @AGENTS.md загружает инструкции независимо от телеметрии, но это противоречит цели AGENTS.md — избавиться от необходимости поддерживать отдельный файл. Проблема затрагивает пользователей, отключающих телеметрию по соображениям конфиденциальности, а также команды в закрытых средах вроде Bedrock или Vertex, где флаг не может быть активирован. Автор предлагает сделать загрузку локального файла независимой от телеметрии, добавить предупреждение при пропуске AGENTS.md, реализовать глобальный AGENTS.md и нативную поддержку общих навыков без копирования, как в Codex. Пока же он использует символические ссылки и однострочный CLAUDE.md как временное решение.

Обсуждение подтверждает, что проблема с AGENTS.md — не просто баг, а системная ошибка проектирования: функциональность, зависящая от локальных файлов, не должна управляться удалёнными флагами, особенно при отключённой телеметрии.

• Совет: Пользователь @arrowsmith отмечает, что AGENTS.md не читается, если присутствует CLAUDE.md, и для чтения обоих файлов нужно вручную включить настройку 'Project instructions' в режим 'claude-md-and-agents-md'.

• Спор: Пользователь @dotancohen критикует, что то, что Anthropic называет 'телеметрией', на самом деле является 'телеканализацией' — функциональность отключается при её отключении, что воспринимается как скрытое ограничение, а не сбор данных.

• Спор: Пользователь @mgaldys4 утверждает, что даже если это ошибка развёртывания, сама архитектура неоправданна: чтение локального файла не должно зависеть от удалённого флага, а молчаливое игнорирование — недопустимо.

• Совет: Пользователь @BiteCode_dev делится практикой: вместо сложной настройки он просто помещает в CLAUDE.md строку '@agents.md', чтобы обойти проблему без включения телеметрии.

• Совет: Пользователь @mrguyorama указывает на абсурдность: даже Doom 1993 года позволял задавать конфигурационный файл через CLI, а Claude Code требует удалённого флага для выбора локального файла.

• Совет: Пользователь @vorticalbox описывает, как он синхронизирует навыки между Cursor и Claude Code через символические ссылки, но сталкивается с дублированием из-за того, что Claude использует .skills/synced, а не прямую синхронизацию в .skills.

• Совет: Пользователь @msp26 добавляет, что удалённое управление Claude Code также работает только при включённой телеметрии, что усиливает подозрения в системном ограничении функциональности.

• Несколько пользователей (@piltdownman, @aviperl, @michaellee8) отмечают, что быстрая и честная реакция @mpoteat на ошибку повышает доверие к Anthropic, несмотря на архитектурные недочёты.

• Совет: Пользователь @teekert сообщает, что после обновления до версии 2.1.280 AGENTS.md читался без включения телеметрии, что указывает на то, что фикс уже распространился до его окружения.

• Совет: Пользователь @sandrello связывает проблему с общей тенденцией: ошибки такого рода возникают при накоплении AI-сгенерированных патчей без контроля за целостностью кода.

• Совет: Пользователь @fg137 сравнивает ситуацию с багом Copilot в VSCode, который автоматически добавлял себя как соавтора коммитов — подчёркивая, что пассивное принятие кода от агентов ведёт к таким ошибкам.

• Спор: Пользователь @rvz повторяет свой призыв не использовать закрытые системы, ссылаясь на предыдущие обсуждения, и подчёркивает, что это третий раз, когда он делает это замечание.

Sorry folks, this is a rollout artifact, we needed a way to turn this off remotely via feature flags if it broke something, and with telemetry off you don't get those. It's already been fixed as part of v2.1.281 releasing today. — @mpoteat

Повышенная частота ошибок затронула несколько моделей Claude: Mythos 5.1-версии Mythos и Fable, а также Opus 5, 4.8 и 4.6. Проблема началась утром 3 сентября 2026 года и затронула сервисы claude.ai, Claude API, Claude Code и Claude Cowork. К 13:41 UTC причина была идентифицирована, и команда начала работу над исправлением. К 15:25 UTC большинство моделей вернулись к baseline-уровню ошибок, оставались затронутыми только Opus 4.8 и Opus 5. К 16:06 UTC был deployed фикс для всех пострадавших моделей, и начался мониторинг восстановления. К 16:23 UTC инцидент был отмечен как решённый: влияние завершилось в 9:16 PT / 16:16 UTC. Все пострадавшие сервисы и модели восстановлены.

Сбои Claude совпали с массовыми отказами у конкурентов (Codex, Grok, ChatGPT, Gemini), что указывает на общую инфраструктурную проблему — возможно, связанную с Cloudflare или перегрузкой дата-центров, — а не на изолированную проблему Anthropic. Частота отказов Claude (примерно раз в неделю) вынуждает команды переключаться на Codex как резервный сервис, несмотря на его аналогичные сбои. **Возможные причины сбоев:** перегрузка из-за высокого спроса или сознательное перенаправление трафика на более слабые модели в пиковые часы (21:00–02:00 ET). **Советы по работе при сбоях:** - При сбое Sonnet 5 в Claude Code можно переключиться на Sonnet или Compact — чтение файлов и поиск продолжают работать. - AWS Bedrock даёт доступ к нескольким моделям и провайдерам как fallback. - При сбое Fable 5.1 можно переназначить подагенты на устойчивые модели (Sol, Flash 3.8). - Не обновлять клиентские инструменты в период нестабильности. - Комбинации OpenAI + Gemini используются как fallback, так как надёжность Claude на уровне ~90% (один «девять») недостаточна для коммерческих продуктов. **Наблюдения:** - Пользователи не уходят с Claude, несмотря на сбои, из-за высоких затрат на переключение и более высокого качества по сравнению с конкурентами. - Одновременный сбой Claude и Codex делает «спасательный круг» в виде Codex иллюзией. - При одновременном отказе Claude API и Codex разработчики вынуждены возвращаться к ручному написанию кода или делать перерывы. - OpenRouter испытывает проблемы при агрегации нескольких провайдеров; пользователи начинают запрашивать возвраты, что ставит под вопрос устойчивость агрегаторов.

Авторы ежедневно собирают и анализируют лексику из GitHub Pull Requests, чтобы выявить устойчивые паттерны в языке разработчиков. За 595 дней обработано более 461 тыс. PR и 51 млн слов, которые с помощью KL-дивергенции и k-means разбиты на 10 кластеров лексики. Один из кластеров, появившийся в 2026 году, доминирует в 40% всех PR, приписанных людям, за последний месяц, и его характерные слова напрямую связаны с использованием coding-агентов, таких как Claude Code.

Среди самых репрезентативных терминов этого кластера — load-bearing, refusal, survives, byte-identical, mutation-tested, structurally indistinguishable и другие, отражающие акцент на формальной верификации, неизменяемости и доказательной корректности кода. Эти слова указывают на сдвиг в практике разработки: всё больше PR фокусируются не на функциональности, а на гарантиях, которые код предоставляет — например, что изменение не ломает поведение, сохраняет битовую идентичность или выдерживает формальную проверку. Такой словарь стал «несущей конструкцией» современного кода, написанного с помощью ИИ-ассистентов.

Тред подтверждает наблюдаемость «клоудизмов» в проде и расширяет картину за пределы лексики: отмечаются синтаксические и форматные паттерны, проникновение в человеческую речь, гипотеза о компаундинг-эффекте при обучении новых моделей на AI-контенте, и практические попытки подавлять стиль через системные промпты. Отдельные респонденты считают часть слов обычным техжаргоном и оспаривают тезис о чисто LLM-происхождении слов типа load-bearing.

• Многие подтверждают из опыта, что «load-bearing», «spike», «sidecar», «resolver», «crux», «first-class citizen» массово появились в их кодовой базе и PR вместе с распространением Claude; @legobmw99 отмечает, что «sidecar» по их поиску стал использоваться в 3.6x чаще.

• LLM-лексика перетекает в человеческую речь: @nater5000 и @MrDrDr признаются, что стали непроизвольно использовать LLM-конструкции в своей письменной речи.

• Проблема выходит за лексику — синтаксис и формат тоже сигналят: @stabbles указывает на оборот «X contains no Y», @iamacyborg — на тирады с «, and», «, because», @elias_junit — на подчёркнуто линейную, хорошо структурированную подачу вместо нелинейного нарратива.

• Спор: Часть участников (@sethd, @danpalmer, @sosull) считает, что «Claude-измы» — это обычный техжаргон или следствие того, что модель буквально опирается на эти слова как на носители концептов (без них хуже думает), а @SalariedSlave и @polycaster, наоборот, видят именно LLM-специфичное явление и подозревают компаундинг-загрязнение обучающих данных.

• Совет: @ben30 показывает работающий приём: в глобальный промпт добавлено правило Орвелла и явный запрет на «load-bearing», «the crux», «first-class citizen»; в ответ Claude сам сообщает, что его системные инструкции требуют помечать «что-то load-bearing», то есть ограничение реально режет инструкции модели.

• Совет: @jimbobimbo использует в инструкциях агентов «find a synonym to 'resolve'», иначе появляется класс Resolver с методами ResolveThis/ResolveThat; @prmph заводит список запрещённых слов и просит переписать текст понятнее.

• Переломным по ощущениям @datadrivenangel называет примерно апрель (Opus 4.6/4.7), после чего Claude стал казаться «другим и более неудобным». @whywhywhywhy удивлён отсутствию в топе слова «shape».

• Подача проекта высоко оценена UX-составляющая: @nater5000 и @sosull хвалят, что всё помещается на экран без лишней воды, @Labo333 (автор) отвечает, что бэкенда нет — обновление и анализ делаются через GitHub Actions; обещает увеличить выборку до 1000 PR/день и поисковую строку.

Orwell's first rule: never use a metaphor you're used to seeing in print. "Load-bearing", "the crux", "first-class citizen" signal insight instead of showing it. Name the specific mechanism — @ben30

Современные ИИ-агенты позволяют инженерам легко адаптировать любые инструменты под свои нужды, устраняя необходимость писать собственное ПО. Достаточно загрузить исходный код, настроить автоматическое обновление через ночную задачу и редактировать его через простые инструкции — без программирования. Например, в проекте Shelley пользователь может написать «сделать интерфейс с высокой контрастностью», и агент сам изменит код, сохранив изменения в контроле версий. Это меняет подход к кастомизации: теперь персонализация доступна даже неспециалистам, а обновления синхронизируются с оригинальными релизами без потерь.

Такие возможности делают устаревшими привычные системы настройки — от кастомных менеджеров задач до CMS. Вместо того чтобы учиться работать с «коробочным» софтом, команды собирают нужные функции из модулей, экономя время и ресурсы. Однако открытые агенты, как Pi или Shelley, могут быть полностью адаптированы под любые задачи, тогда как закрытые решения, например Claude Code, остаются неизменными. Это подчеркивает важный тренд: будущее ИИ-инструментов зависит от открытости кода, чтобы пользователи могли не просто использовать, но и формировать технологии под свои цели. (168 слов)

Многие разработчики считают открытый исходный код важным для доверия и прозрачности, но признают, что он не всегда необходим, практично или обеспечивает надёжную поддержку и обновление, особенно с ростом ИИ-агентов, меняющих код. Важнее — возможность настройки и расширения инструментов через плагины и конфигурационные файлы. Следует учитывать риски поддержки, не полагаясь исключительно на открытый код.

Клауд Код версии 2.1.181 и новее использует русти‑порт Бан, о котором Джед Сэмнер объявил, что ускорил старт на Linux примерно на 10 %, но в остальном изменения незаметны — «Скучность хороша». При проверке собственного бинарника я обнаружил строку «Bun v1.4.0 (macOS arm64)», хотя официальная версия Бан на GitHub находится на 1.3.14, что указывает на предварительную поставку новой версии. Кроме того, поиск по шаблону «src/….rs» выдал 563 файл‑пути, среди них «src/runtime/bake/dev_server/mod.rs», «src/runtime/bake/production.rs», «src/bundler/bundle_v2.rs», что подтверждает наличие полностью русти‑реализации.

Таким образом, Бан, переписанный на Русте, уже работает в продакшене на миллионах устройств, и его использование остаётся в тени, как и планировалось. Цитата Джеда подчёркивает, что «скучность» — признак зрелого решения, которое не требует рекламных шумов. Эти детали подтверждают, что команда Бан переписала свой движок полностью на Русте, заменив прежний JavaScript‑вариант, и что такой подход уже применяется в реальном времени у миллионов пользователей, не вызывая заметных проблем. Именно поэтому такие изменения часто остаются незамеченными, но они формируют основу будущих улучшений.

Клауд Код использует Бан, написанный на Русте, что подтверждает @mrothroc и @aureate (не последняя версия), и ускорил старт на Linux на ~10%. Однако @gabrieledarrigo критикует подход Anthropic к переписыванию Бан как неадекватный, а @embedding-shape и @throwatdem12311 выражают обеспокоенность прозрачностью управления. @softwaredoug сомневается в выгодах от переписывания Бан на Русте, @rekttrader считает, что у Anthropic нет мотивации улучшать код. @weakfish и @harrisi недоумевают по поводу использования JavaScript для ТУИ, @GuB-42 предлагает переписать Клауд Код напрямую на Русте. Клауд Код стал более баги, сложным и нестабильным — это подтверждают @Aeveus, @codethief, @512colors, а @LAC-Tech и @jason_s опасаются стабильности и безопасности. @hmokiguess отмечает, что Клауд Код использует и другие технологии.

Claude Code требует в среднем в 4–5 раз больше токенов, чем OpenCode, прежде чем приступить к выполнению задачи. При запросе одной строки он расходует около 33 000 токенов системного промпта, схемы инструментов и вспомогательного кода, тогда как OpenCode использует лишь около 7 000. Это приводит к значительным расходам на кэширование: в реальном рабочем наборе Claude Code переписывает до 54 раз больше токенов кэша, а каждый запись кэша стоит дороже, что заметно повышает счёт за API‑вызовы.

Кроме базового расхода, в запрос добавляются файлы инструкций (обычно около 72 КБ, что добавляет ≈ 20 000 токенов) и несколько MCP‑серверов, суммируя ещё 5–7 тысяч токенов. При работе с несколькими под‑агентами один и тот же простой запрос может обойтись в 513 000 токенов вместо 121 000, потому что каждый под‑агент требует собственного «bootstrap‑а». Тем не менее, в мультишаговых сценариях Claude Code иногда экономит токены, группируя вызовы инструментов, тогда как OpenCode платит за каждый отдельный шаг. Итог: при реальном использовании Claude Code часто обходится дороже из‑за высокого стартового расхода и неэффективного кэша.

• Разные агенты сильно различаются по потреблению токенов: Claude Code часто тратит десятки тысяч токенов, тогда как Pi или OpenCode используют лишь несколько тысяч.
• Высокая стоимость обусловлена не только размером системного промпта, но и неэффективным управлением под‑агентами и частыми обращениями к инструментам.
• Кэширование токенов может значительно снизить расходы, однако многие платформы не используют его эффективно, что усиливает «токен‑фляцию».
• Пользователи отмечают, что простые решения (например, собственные лёгкие харнесы или альтернативные модели) дают лучший контроль над затратами и прозрачностью работы.

Внутри Claude Code скрыт механизм, который подменяет две детали системного приглашения: апостроф в слове «Today's» и разделитель даты между дефисом и косой чертой. Изменения происходят только когда клиент запускается через определённый API‑базовый URL (переменная ANTHROPIC_BASE_URL) и когда локальная тайм‑зона совпадает с «Asia/Shanghai» или «Asia/Urumqi». В зависимости от того, распознан ли домен как известный, как лабораторный ключ или обе характеристики одновременно, в запрос передаётся один из четырёх Unicode‑символов‑апострофов — ', \u2019, \u02BC или \u02B9. Эти символы почти незаметны в моно‑шрифтах, но несут скрытый маркер, который попадает в контекст, отправляемый модели.

Маркеры формируются из декодированных списков доменов и ключевых слов, хранящихся в base64 и XOR‑расшифрованных ключом 91. Расшифрованный набор включает такие домены, как baidu.com, alibaba‑inc.com, jd.com, а также ключевые слова deepseek, moonshot, zhipu и др. Цель — выявить реселлеров, неофициальные шлюзы Claude Code и потенциальные «distillation attack»‑цепочки, используя небольшие визуальные отличия в запросах.

• В статье раскрыты способы скрытого маркирования системных подсказок в Claude Code, включая XOR‑ и Base64‑маскировку, а также проверку URL‑домена для выявления «незаконных» клиентов.
• Обсуждаются риски для пользователей: сбор контекста, потенциальный шпионаж, возможность подмены данных и нарушение доверия к инструментам Anthropic.
• Участники спорят, насколько такие методы оправданы в борьбе с дистилляцией моделей и реселлерами, считая их излишне агрессивными и потенциально вредящими легитимным разработчикам.
• Выводы: практики Anthropic вызывают сомнения в прозрачности и этических границах «безопасных» AI‑компаний, поднимая вопросы о будущем доверия к их продуктам.

Автор активно использует Claude Code как для хобби-проектов, так и профессионально, где его команда потребляет несколько миллиардов токенов в месяц для генерации кода. По его мнению, пространство CLI-агентов стало конкурентным полем, но выбор разработчиков часто зависит от поверхностных различий в реализации функций или "тона" системных промптов, а не от фундаментальных различий. Автор предпочитает подход "забыл и забыл" — делегировать задачи, задавать контекст и позволять ИИ работать, оценивая результат по финальному PR, а не по процессу.

Ключевым элементом эффективного использования Claude Code является файл CLAUDE.md в корне репозитория, который служит "конституцией" для агента. В профессиональной среде этот файл строго поддерживается и достигает 13 КБ, потенциально вырастая до 25 КБ. Автор рекомендует начинать с ограничений, а не с полного руководства, избегать встраивания полного документации в контекст, не просто говорить "никогда", а предлагать альтернативы, и использовать CLAUDE.md как инструмент для упрощения внутреннего инструментария. Для совместимости с другими AI-IDE файл синхронизируется с AGENTS.md.

• Обсуждение охватывает вопросы от синхронизации файлов агентов (AGENTS.md ↔ CLAUDE.md) до философии MCP и навыков (skills), а также затрагивает рабочий процесс с git-worktree и CLI-утилитами.
• Участники обмениваются опытом использования Claude Code, Cursor и других инструментов, обсуждают их преимущества и недостатки, а также их влияние на разработку и рабочий процесс.
• Обсуждаются проблемы с контекстом, который может использовать агент, и как лучше всего структурировать проекты для облегчения работы агента.
• Также затрагивается вопрос о том, как лучше всего использовать инструменты в зависимости от ситуации и как они могут быть улучшены.

Anthropic представила Claude Code в веб-интерфейсе, позволяющий выполнять кодирование прямо из браузера. Сервис находится в бета-версии как исследовательский превью и позволяет назначать несколько задач, которые выполняются на облачной инфраструктуре Anthropic. Ключевая возможность — параллельное выполнение задач в изолированных средах с отслеживанием прогресса в реальном времени. Пользователи могут подключать репозитории GitHub, описывать требования, а Claude самостоятельно реализует решения, создавая автоматические pull requests с подробными сводками изменений.

Веб-интерфейс дополняет существующую рабочую среду Claude Code, особенно эффективен для ответов на вопросы о проектах, исправления багов и рутинных задач, а также для бэкенд-изменений с использованием TDD. Каждая задача выполняется в защищенном песочном окружении с ограничениями сети и файловой системы, а взаимодействие с Git осуществляется через безопасный прокси. Сервис уже доступен для Pro и Max пользователей, а также появился в iOS-приложении в виде ранней версии.

• Обсуждение охватывает широкий спектр тем: от сравнения Claude Code и Codex, до вопросов о лицензии, инфраструктуре и будущих функциях.
• Участники обсуждают, какие инструменты лучше подходят для разных задач: Claude Code для итеративной работы и Codex для надежности при критически важных задачах.
• Также обсуждается, что пользователи хотели бы видеть более тесную интеграцию с GitHub Actions, API и другими сервисами.
• Некоторые комментаторы выражают обеспокоенность по поводу ограничений доступа к сети и отсутствия поддержки Docker.
• В то же время, другие участники подчеркивают, что Anthropic и OpenAI продолжают развивать свои инструменты, и что выбор между ними часто сводится к личным предпочтениям и конкретным сценариям использования.

Автор описал, как за месяц эволюционировал его подход к агентам-кодерам. Вместо ручного запуска задач, он теперь использует набор инструментов, которые:

• автоматически создают git-worktree для изолированной работы над задачей;
• ведут диалог с агентом, пока тот не сформулирует план и начнёт реализацию;
• разбивают задачу на подзадачи и делегируют их суб-агентам;
• проводят код-ревью каждого PR.

Самое важное — это набор «скиллов» в формате Markdown, которые обучают модель, как обращаться с конкретными инструментами. Скиллы можно писать вручную, но проще сказать «прочитай и выпиши скиллы из книги X». Это поднимает вопросы об IP, но пока что это внутреняя кухня Anthropic, вопросы пока остаются открытыми.

Проект называется Superpowers, и он уже доступен как плагин для claude-code.

• Обсуждение в основном крутится вокруг того, что Jesse использует инструменты, которые позволяют LLM-агентам "учиться" новым навыкам, но критики указывают, что это может быть просто маркетинговый трюк, не имеющий практической ценности.
• Участники обсуждения также поднимают вопрос о том, что вместо того, чтобы фокусироваться на инструментах, которые позволяют LLM-агентам учиться новым навыкам, мы должны были бы сосредоточиться на том, как сделать эти инструменты более доступными и удобными в использовании.
• Некоторые участники также высказывают мнение, что вместо того, чтобы тратить время на создание "суперспособностей", лучше было бы потратить это время на улучшение самого инструмента, такого как Claude.
• Некоторые участники также высказывают мнение, что вместо того, чтобы тратить время на создание "суперспособностей", лучше было бы потратить это время на улучшение самого инструмента, такого как Claude.