ТЕХНО БЛОГ

Расскажу, почему я вообще полез искать монитор расхода токенов. Обычно, когда я работаю над какой-то задачей, то целиком погружаюсь в тему. В голове, как правило, собирается хрупкая ментальная паутина из кусочков разной информации: сама задача, куски кода, пересекающиеся идеи из множества открытых вкладок, документация, сохраненные статьи, ответы из разных LLM-ок и прочее, прочее. И вот, посреди всего этого, как правило в самый неожиданный момент, твоя главная LLM-ка сообщает, что квота закончилась.

Восемь лет MacUpdater тихо делал одну из самых неблагодарных работ в macOS: отслеживал устаревшие приложения и позволял обновлять их одним кликом. Около 6800 приложений обновлялись в реальном времени, ещё для примерно 100 000 хранились данные о версиях. Затем, 1 января 2026 года, CoreCode свернули проект.

Если у тебя всё ещё установлен MacUpdater 3.5, он продолжит работать. CoreCode выпустили финальную бесплатную версию со всеми Pro-функциями, а сервер базы данных планируют поддерживать до конца 2026 года. Но ежедневная работа по поддержке, которая делала этот инструмент действительно полезным, закончилась. Это уже приводит к ложным срабатываниям, и чем дальше, тем хуже. Так что для всех нас, кто стремится поддерживать свои приложения в актуальном состоянии, вопрос, чем заменить MacUpdater, очень актуален.

В этом месяце AI начал управлять бизнесом, а не просто ассистировать. Март был про то, как AI начал действовать. Апрель - про то, как он начал управлять. Агенты теперь ведут переговоры по контрактам, работают на собственном железе и встраиваются прямо в терминал, ещё до того как ты откроешь файл. Эпоха “AI как чат-бот” закончилась.

Семь вещей, заслуживающих внимания.

1. Harness Engineering - это теперь и есть настоящая работа

Все предсказывали смерть профессии разработчика. Потом Anthropic случайно слил 512 000 строк кода своего Claude Code CLI. И дело не в самом факте утечки, а в том, что внутри: не тонкая обёртка над моделью, а массивная scaffolding-система с управлением памятью, self-healing циклами запросов и слоями координации между агентами (включая что-то под названием KAIROS background daemon), которые не дают модели “схлопнуться” под собственным весом.

Февраль был шумным: анонсы, демо, громкие заявления. Март прошёл тише, но то, что реально вышло в продакшн, важнее того, что показали на сцене. Тема месяца: AI-модели больше не просто отвечают на вопросы. Они кликают кнопки, пишут код, удаляют письма (об этом ниже) и работают на железе, которое ещё год назад казалось фантастикой.

Семь вещей, на которые стоит обратить внимание.

1. AI теперь управляет твоим компьютером

Годами главным узким местом была интеграция. Если у софта нет API, AI не мог к нему подступиться. Это меняется.

Cloudflare недавно выпустил в открытую бету Dynamic Workers - быстрые песочницы для AI агентов. Компания утверждает, что они работают в 100 раз быстрее обычных контейнеров при выполнении кода, сгенерированного AI-агентами. Заявление довольно серьёзное. Давай разберёмся, что за ним стоит.

Контейнеры слишком тяжёлые для AI-агентов

Современные AI агенты не просто отвечают на вопросы, они могут писать и выполнять код на лету. Агент может сгенерировать небольшой скрипт, чтобы вызвать API, обработать данные или выполнить задачу. Этот код нужно где-то запустить на выполнение. С точки зрения безопасности, делать это лучше в sandbox, изолированно от всей остальной системы.

Я начал пользоваться Obsidian уже давно. Раза три начинал и бросал. Но теперь он поселился на моих устройствах надолго, и постепенно врастает в мои рабочие и личные процессы. Впереди ещё долгий путь, чтобы научиться пользоваться им эффективно. Меня привлекает то, что всё хранится локально в обычных Markdown файлах, работает очень стабильно, синхронизируется на разных устройствах легко и быстро (с помощью Syncthing) и огромная вселенная плагинов. Если ты ещё не пробовал приложение, то рекомендую начать с официального сайта.

Если ты когда-нибудь пытался показать табличные данные на Hugo-сайте, то знаешь, как быстро всё идёт наперекосяк. Скажем, у тебя есть нормальный CSV файл с рейтингами приложений, сравнением цен или результатами бенчмарков. Чтобы превратить его в красивую таблицу на странице, придётся либо возиться с разметкой Markdown, либо писать HTML руками. Оба варианта так себе, и оба плохо масштабируются.

Я сталкивался с этим достаточно часто, чтобы в итоге сделать нормальный инструмент, шорткод csv-table. В нём ты просто указываешь CSV файл и получаешь стилизованную, сортируемую, адаптивную HTML таблицу. Одна строка в контенте, ноль ручной разметки.

Есть такое замечательное приложение Raycast, которое успешно помогло заменить несколько платных утилит. Давно им пользуюсь и оно уже настолько вросло в повседневную рутинную работу на MacBook, что стало просто мышечной памятью. Странно, что Apple не смогла дотянуть свой Spotlight до такого уровня, но это уже другая тема.

Если интересно, почему именно Raycast, то читай статью Alfred vs Raycast vs Monarch. Там есть полезные советы по использованию Raycast.

Экосистема Raycast

Мощь Raycast заключается не только в нём самом и его удобствах. Его дополнительным огромным преимуществом является развитая экосистема расширений (дополнений, extensions), которых на день публикации этой статьи, доступно почти 2,000. За счёт них ты можешь расширить функциональные возможности, удобство, добавить работу со сторонними приложениями прямо из Raycast и сделать много чего другого.

Распознавание лиц - ключевая технология, лежащая в основе множества решений: от разблокировки смартфонов до комплексных систем безопасности. Сегодня на рынке представлено десятки моделей, каждая из которых обещает высокую точность и скорость работы. Но как разобраться в этом многообразии и выбрать подходящую именно для твоего проекта?

Будь то мобильное приложение с распознаванием лиц в реальном времени или система видеонаблюдения с высокими требованиями к точности, правильный выбор модели критичен. Изучение сравнительных тестов и обзоров ведущих алгоритмов детекции и трекинга лиц - это первый шаг к эффективному внедрению технологии. Такой подход поможет не только сэкономить ресурсы, но и добиться стабильной и быстрой работы решения в реальных условиях.

Бурный рост больших языковых моделей создал новую проблему для разработчиков: как эффективно управлять доступом ко множеству LLM-провайдеров, не запутавшись в разных API, моделях ценообразования и методах аутентификации.

Для решения этой проблемы появились два популярных сервиса - OpenRouter и LiteLLM. Оба инструмента обещают упростить интеграцию с LLM, но используют принципиально разные подходы. Эта статья поможет тебе понять, какое решение лучше подойдет для твоих задач.

Независимо от того, создаешь ли ты чат-бота, разрабатываешь аналитику на базе AI или инструменты для генерации контента, выбор правильного LLM gateway может существенно повлиять на стоимость, производительность и масштабируемость твоего проекта.