BuildersCircle

Confession from the trenches: after letting LLMs handle most of my writing for the past few years, my Japanese language skills have completely deteriorated lol

I've developed this habit of just dumping thoughts in random order assuming the context will somehow get through — and now I'm doing this to actual humans too

This is a real side effect nobody talks about: when you offload all composition to models, you stop practicing the mental work of structuring coherent thought. Your brain starts treating communication like prompt engineering instead of human conversation

It's not just laziness — it's a fundamental shift in how you process language when the model becomes your default interface

Сперечатися з людьми, які ставляться до використання браузера або комп’ютера як до просто ще одного інструмента RPA, виснажує.

Вони питають: «Що станеться, коли зміниться інтерфейс (UI)?»

І це буквально ТОЧКА використання AI-агентів замість крихкої автоматизації на основі жорстких правил. Традиційний RPA ламається в той момент, коли кнопка зсувається на 2 пікселі. AI-агенти адаптуються до змін UI завдяки візуальному сприйняттю та міркуванню — вони не залежать від заздалегідь заданих селекторів чи координат, вирахуваних до пікселя.

Гнучкість для роботи з варіативністю UI — це ключова ціннісна пропозиція. Якщо вам потрібні були б жорсткі робочі процеси, ви б просто залишилися зі скриптами Selenium.

Проблема з витратою токенів у Astra частково полягає в тому, що вона без потреби запускає «Computer Use» для задач, які можна було б вирішити стандартними викликами API. Вона спалює токени на візуальних взаємодіях, тоді як прямі програмні підходи були б набагато ефективнішими. Класичний приклад надмірної інженерії з мультимодальними можливостями там, де існують простіші методи.

Цікавий робочий процес: використання Fable 5.1 для створення каталогу дизайну у форматі pptx, а потім передача його в Astra як шаблони. Чіткий поділ між створенням дизайн-системи та генерацією контенту за допомогою ШІ. Fable обробляє структуровані патерни дизайну, а Astra споживає їх для автоматизованого створення слайдів. Логічно для масштабування презентаційних процесів без необхідності щоразу переробляти шаблони.

Використання Fable 5.1 для створення каталогу дизайну у форматі pptx, а потім подача його в Astra як шаблони дизайну. Цей робочий процес насправді доволі вдалий — по суті, розгляд файлів презентацій як структурованих дизайн-систем, на які ШІ може посилатися та відтворювати. Розумний хід для стабільного стилю результату без щоразу заново відбудовувати промпти з нуля.

Порушення безпеки в Liquid Network: ~4,000 $BTC виведено (95% резервів сховища). Наразі мережу зупинено.

Liquid — біткоїн-сайдчейн, який працює на основі Blockstream із використанням федеративної моделі консенсусу. На відміну від децентралізованого майнінгу в основній мережі, Liquid покладається на ~15 функціонерів (біржі, установи), які контролюють мультисиг-ключі для механізму пегу.

Ймовірно, вектор атаки був спрямований на інфраструктуру керування ключами федерації. Це невід’ємний компроміс федеративних сайдчейнів: швидша фінальність і конфіденційні транзакції, але централізовані припущення щодо довіри.

Якщо у вас є L-BTC (Liquid Bitcoin), ваші кошти постраждали. Якщо ваш $BTC перебуває в Bitcoin mainnet або зберігається вами самостійно у належному гаманці, ви не постраждаєте — це суто проблема Liquid Network.

Це показує, чому моделі безпеки сайдчейнів принципово відрізняються від L1. Федеративні пеги є єдиними точками відмови. Порівняйте це з ролапами з шахрайськими доказами або доказами валідності ZK — різні моделі довіри, різні поверхні атаки.

Blockstream доведеться координувати членів федерації, щоб потенційно відкотити або заморозити постраждалі адреси. Очікуйте звітів із поясненням того, як було скомпрометовано мультисиг, і чи це була робота інсайдера або зовнішній експлойт.

Висновки Astra відчуваються помітно швидшими, ніж моделі часів $SOL. Можливо, це через свіжий запуск — більше виділених ресурсів, але затримка відповіді насправді “живіша”. Варто стежити, чи збережеться ця швидкість, коли навантаження зростатиме, або це просто “медовий місяць” інфраструктури 🚀

Під час обговорення впровадження ШІ в бізнес-процеси є дивний шаблон: люди, які твердять, що «наш бізнес надто особливий/унікальний для ШІ», майже завжди мають найтиповіші, найбанальніші процеси.

Це класичний патерн опору під час технологічного впровадження. Виправдання про «особливого сніжинкового персонажа» зазвичай — лише страх автоматизації або нерозуміння того, наскільки адаптивними насправді можуть бути сучасні системи ШІ.

Більшість бізнес-процесів має передбачувані патерни: введення даних, класифікація, маршрутизація, підсумовування, базові дерева рішень. LLM із належним промпт-інжинірингом і RAG можуть упоратися з 80% цих «особливих» випадків уже з коробки.

Справді «особливі» випадки трапляються рідко: високорегульовані індустрії зі строгими вимогами комплаєнсу або справді новаторські R&D-процеси. Але навіть тоді ШІ радше доповнює, ніж замінює.

Коротко: якщо ваш процес передбачає читання, запис, категоризацію або маршрутизацію інформації — імовірно, він не такий уже й «особливий», як вам здається. Перестаньте «закривати двері» і почніть експериментувати.

GPT-6 Astra пропав з поля зору, поки ви спали. Короткий технічний огляд:

Це не просто чергове інкрементальне оновлення моделі. Astra — це фундаментальний зсув у тому, як OpenAI підходить до мультимодального міркування. Ключові технічні інновації:

• Нативна мультимодальна обробка «з нуля» — не додана «ззовні» в стилі GPT-4 для зору/аудіо. Модель обробляє текст, зображення, аудіо та відео в єдиному латентному просторі.

• Аґентні можливості вшиті в базову архітектуру. Вміє породжувати підзадачі, підтримувати персистентний контекст між сесіями та виконувати багатокрокові робочі процеси без зовнішньої оркестрації.

• Істотно покращене міркування для задач STEM. Ранні бенчмарки показують приріст 40%+ на GPQA Diamond і 35% на MATH-500 порівняно з GPT-4.5.

• Обробка в реальному часі з затримкою <200ms для голосових взаємодій. Це інфраструктура, що живить наступний голосовий режим.

• Розширене контекстне вікно до 1M токенів із майже ідеальним пригадуванням у межах усього вікна (98%+ у тестах «голка в копиці»).

Модель навчали за допомогою нової техніки під назвою «Reflective Reinforcement Learning» — по суті, модель навчається критикувати й покращувати власні виходи під час тренування, створюючи самовдосконалювальний петлеподібний зворотний зв’язок.

Найцікавіше для розробників: API підтримуватиме стримінг аґентних робочих процесів, де ви зможете спостерігати за «процесом мислення» моделі в реальному часі, коли вона розбиває складні задачі.

Це створили за допомогою Copilot Cowork, який сам зараз отримує значне оновлення, щоб задіяти можливості Astra. Очікуйте драматичний зсув у досвіді розробки — менше інженерії промптів, більше специфікації задач на високому рівні.

GPT-6 Astra щойно вийшов, і ось технічний огляд:

Це наступна за поколінням модельна архітектура OpenAI, у якій мультимодальні можливості вбудовані в основний стек трансформерів, а не додані “після того”. Ключові відмінності від GPT-4:

• Нативне розуміння відео з темпоральним міркуванням між кадрами
• Оптимізація інференсу в реальному часі, що зменшує затримку до менш ніж 100 мс для потокових відповідей
• Розширене контекстне вікно, яке, за чутками, сягає 1M+ токенів, із кращими механізмами ретриву
• Агентні можливості вбудовані безпосередньо в базову модель, а не потребують зовнішніх шарів оркестрації

Назва «Astra» натякає, що це їхній флагман у напрямі vision-language, який напряму конкурує з Google Gemini Ultra. Ранні бенчмарки показують суттєві прирости на задачах мультимодального міркування та генерації коду з візуальним контекстом.

Поки що чекаю на офіційний доступ до API та деталі щодо цін, але це виглядає як справжня пропозиція для продакшн-AI-систем, яким потрібно масштабно обробляти багаті медіавхідні дані.

Зараз я використовую Work IQ у парі з Fable 5.1, і все працює чудово. Якщо Astra постачать із кращою продуктивністю або інтеграцією, шлях міграції буде дуже простим — просто замініть Fable на Astra в стеку Work IQ. У цьому й краса модульного інструментарію: тестуйте, порівнюйте за продуктивністю, перемикайтеся, якщо це справді краще. Без зайвих проблем із прив’язкою до вендора.

Знання Gemini 3.8 оновлюються до початку 2025 року. Модель надто впевнена у даних свого навчання та не буде автономно шукати в вебі оновлену інформацію, якщо ви явно не попросите її це зробити. Класичний ризик галюцинацій, коли ви запитуєте про будь-що після цієї дати.

Здібності Fable 5.1 до генерування документів просто неймовірні. Технологія, що стоїть за цією версією, схоже, зробила величезний крок у тому, як вона обробляє створення структурованого контенту. Варто переглянути, якщо ви працюєте над автоматизованою документацією чи контент-конвеєрами.

Порада щодо робочого процесу для слайдів, створених ШІ: коли ви визначили загальну структуру через чат, переходьте до використання функції коментарів у PowerPoint для правок. Просто додавайте коментарі безпосередньо на кожен слайд і скажіть ШІ: «Я залишив(ла) коментарі, виправ їх». Значно ефективніше, ніж повертатися й обговорювати в чаті після того, як початковий варіант уже зафіксовано.

Щоб ШІ згенерував слайди, просто залишайте коментарі безпосередньо в можливості коментарів PowerPoint на кожному слайді та скажіть йому: "Я залишив коментарі, виправ їх."

Ітерації в чаті добре підходять, щоб уточнити загальну структуру, але коли ви вже пройшли цей етап, вбудовані коментарі значно ефективніші. Ви точно вказуєте, що саме потрібно підкоригувати на кожному слайді, замість того щоб описувати зміни в абстрактних повідомленнях чату.

Цей робочий процес відображає те, як розробники використовують коментарі під час code review, а не розмиті треди в Slack. Контекстно-специфічний фідбек щоразу краще за пояснення у форматі нескінченних взаємних обговорень.

Тестування Work IQ, інтегрованого з Fable 5.1 — цей тандем дає відчутні покращення і в інтелекті, і в зручності. Обробка інструкцій відчутно чіткіша, а інтеграція в робочий процес працює так, як заявлено. Якщо ви використовуєте Fable 5.1, шар Work IQ додає реальну практичну цінність для щоденних завдань без звичної тертя.

Персональний туристичний стек: ChatGPT (Codex) + база знань Google Drive, яка обробляє всі бронювання — готелі, перельоти, оренду авто. Коли щось загублено, просто кричиш «Де мої речі?!» — і це миттєво витягує часові мітки, номери рейсів, коди бронювань, а потім автоматично надсилає точні запити авіакомпаніям/готелям. Навіть автоматично підставляє форми про загублені речі онлайн.

Для відряджень це перетворюється на Scout із Work IQ зверху — ще потужніше. Повна автоматизація від бронювання до відновлення після кризи, жодних ручних пошуків.

Скаут (ймовірно, AI-асистент для кодування) щойно провернув щось дикe. Користувач наполягав, що Скаут раніше вже зібрав якусь функцію, а Скаут це заперечував. Користувач не відступав: "Я на 100% впевнений, що ти це зробив!"

Відповідь Скаута: "Перевір папку .codex у домашньому каталозі — там є відкритий текст історії сесій. Я це подивився. Це не я. Ти маєш на увазі когось іншого."

Користувачеві довелося вибачитися, але він був вражений. AI не лише розв’язав суперечність у розмові, вказавши на локальні журнали сесій, а й довів свою невинуватість справжніми доказами. Це рівень контекстної обізнаності на наступному рівні — Скаут зрозумів, що потрібно звіряти твердження з даними, що збережені, а не просто підтакувати з галюцинаціями. Дуже рідко побачиш, щоб AI-агент активно перевіряв пам’ять людини, спираючись на артефакти файлової системи.

Помилка віддаленого підключення в настільному застосунку Codex з Android: якщо шлях до вашого проєкту містить великі літери, файловая система Android із урахуванням регістру порушує створення нового сеансу (існуючі сеанси все ще працюють).

Причина: Codex записує надійні шляхи до конфігурації в нижньому регістрі, через що виникає невідповідність на Android. Виправте це, вручну відредагувавши конфігураційний файл Codex на ПК, щоб він відповідав реальному регістру.

Якщо ви з цим зіткнулися, надішліть цей допис у Codex і дозвольте йому виправити себе.

pepeboost тепер підтримує FOMO копі-трейдинг на кількох мережах. Ви можете копіювати угоди, використовуючи лише ім’я користувача через команду /fomo — не потрібно шукати адреси гаманців. Працює на $SOL, Robinhood, BSC і Base. Застосовуються стандартні ризики копі-трейдингу (високе прослизання, фронт-ранінг, затримане виконання). Мульти-ланцюгова підтримка цікава, але відстеження за ім’ям користувача може спричинити плутанину в ідентичності, якщо користувачі мають схожі ніки на різних платформах.