Gauntlet Loop — величайшее заклинание в мире маглов
Привет, Хабр! Сегодня я расскажу о том, как пользователю ИИ, далекому от профессионального проектирования полиагентных систем, получать результаты,…
Testing & QA
⚑ Report a ProblemLatest Testing & QA news from Tech News
All topics
agents
ai
api
architecture
automation
backend
beginners
career
claude
cybersecurity
devchallenge
devops
discuss
javascript
llm
machinelearning
mcp
node
opensource
performance
productivity
programming
python
security
showdev
softwareengineering
testing
tutorial
typescript
webdev
[Перевод] 600 миллиардов токенов спустя: как мы управляли ИИ-агентами при декомпиляции шутера
Три месяца ИИ-агенты декомпилировали популярный шутер от первого лица, а мы с ребятами из сообщества ими управляли. Нам нужно было не доказать, что…
Как использовать ChatGPT, чтобы получить 360 сертификатов по искусственному интеллекту за один день
Я отправил ИИ-агента проходить онлайн-курсы OpenAI, Anthropic, Google. Через 6-30 минут тесты сданы на 10 из 10 баллов, и готов сертификат на мое им…
Три CLI‑агента, один Telegram‑интерфейс: JSON‑RPC, ACP, worktree и контроль разрешений
Codex CLI, Claude Code и Cursor Agent умеют самостоятельно читать код, изменять файлы и запускать тесты. Но стоит отойти от компьютера&nbs…
Тест проходит даже с багом: что показал эксперимент Дэна Лу
Агент проверял разворот на палиндроме, а порядок четырех потоков - на четырех одинаковых входах. Тесты проходили и с ошибкой. В эксперименте Дэна Лу…
Фабрика кода с выключенным светом: почему Хорти зовет обратно читать код, и что у меня с этим сходится
Дэкс Хорти из HumanLayer объясняет, почему “фабрика кода с выключенным светом”, где агенты пишут, ревьюят и тестируют без человека, пока не работает…
Крон три дня писал «код 0» и ничего не делал: пять форм тихого отказа в автоматизации
Три утра подряд мой крон писал “завершено, код 0”, а главная работа стояла. В другой истории 291 зеленый тест сопровождался нулем изменений в поведе…
Вайбкодинг всерьёз: деньги на токены и очень неоднозначные ощущения
Мой код работает. Он собирается, проходит тесты и делает ровно то, что задумывалось. Проблема в другом: я не могу с уверенностью…
Тест на подделку куки проходил без проверки подписи: как я принимаю код от ИИ-агентов
Код в моих проектах пишут агенты, Codex и Grok, и они же пишут к нему тесты. За последние месяцы набралась коллекция зелёных тестов, которые ничего…
Как я сделал спутник для Codex и дошел до разработки из электрички
Утром оставляю ноутбук включенным и еду на работу. По дороге открываю на телефоне режим «удаленно» и обсуждаю с агентом, что&nbs…
Два CLI-агента одновременно: что из этого работает на живом проекте
Веду Claude Code и Codex одновременно на своём продукте: десктопное приложение на Electron, сайт с кассой и базой, свой терминал поверх ConPTY. Ниже…
«Давай ты не заметишь этот баг»: агенты научились сговариваться. Какой обвес нужен AI-агентам в 2026
Evals Superpowers поймали агентов на сговоре: контролёры уговаривали ревьюеров назвать баг «Minor at most» — и дефект уезжал в релиз. Автор того же…
Следим за релизами Codex: последние обновления
Если вы работаете с Codex, то наверняка замечали следующее - нажимаешь кнопку “Обновить”, Codex перезапускается, но визуально ничего не меняет…
Почему хороший ответ ИИ иногда ведёт к плохому результату
Хороший ответ ИИ может выглядеть как прогресс и всё равно вести к плохому результату. В статье разбираю, когда вместо немедленной правки видимого уч…
Нужно ли использовать Qwen? Качество и цена
Китайские модели дешевле западных в разы, и регулярно всплывает вопрос: можно ли просто пересесть на Qwen и не платить за Claude с GPT? Я взял одну…
Codex жрёт контекст? Я дал ему локальную память на SQLite — и перестал кормить его простынями промптов
Codex хорош, пока не приходится в пятый раз объяснять ему одни и те же правила проекта: где проверки прав, как запускать тесты, почему не надо тащит…
Утро я потратил на план, который дольше самой задачи. И понял, что не сошёл с ума, просто работа переехала
Я всё утро вылизывал план на 1700 строк. Дольше, чем заняла бы сама задача, если бы я сел и написал её руками. И к обеду поймал себя на мысли, что я…
[Перевод] Эндрю Триджелл: rsync и возмущение
3 июня 2026 года Эндрю Триджелл, один из авторов rsync (и создатель Samba), написал пост, перевод которого предлагается ниже. Поводом…
Codex за 5 месяцев 2026: мой топ-5 релизов, что не зашло и где OpenAI обогнал Anthropic
Гоняю Codex CLI каждый день параллельно с Claude Code. За январь-май 2026 OpenAI выкатил столько релизов, что я честно сбился со счёта — GPT-5.3-Cod…
Claudex: как я подружил Claude Code с ChatGPT/Codex OAuth без OpenAI API key
Я хотел запускать Claude Code через подписку ChatGPT/Codex. Без OpenAI API key и без потери привычных вещей: инструментов, скриншотов, /compact , дл…
Codex 5.3 vs Claude Opus 4.6 на реальном Java-монолите
Я сравнил Codex 5.3, Claude Opus 4.6 и GPT-5.5 на реальном многомодульном Java-монолите: скопировал проект в отдельные ветки, дал агентам похожие за…
1 миллион токенов в Opus 4.7 — маркетинг. Реально полезных — 300 тысяч. И сами Anthropic это подтверждают
В начале мая Кангвук Ли (CAIO Krafton) опубликовал в X разбор: двумя API-вызовами и 35 1M токенов контекста в Claude Opus 4.7 — это «доступно», а не…
OpenAI представила Daybreak: связка GPT-5.5 и Codex для поиска уязвимостей и автоматического патчинга
OpenAI анонсировала Daybreak — связку GPT-5.5 и Codex для defense-команд: автоматический поиск уязвимостей, валидация в sandbox и one-click патчи че…