Ссылки #402

За прошедшую неделю собрал 42 ссылки.

💻 Персональный софт

Software for One Адам Ваксман написал для себя и семьи пять приложений: трекер сна, трекер тренировок, план подготовки к марафону, викторину по джазовым аккордам и хранилище медицинских записей. Каждое заняло дни, а не месяцы, вся инфраструктура обходится примерно в $160 в месяц. Вывод автора: ограничивает теперь не сложность и не цена, а воображение.

📄 Форматы

Twenty Years of Pandoc Джон МакФарлейн подводит итог двадцати лет Pandoc — конвертера, который он начал писать, чтобы выучить Haskell. Вместо прямых замен по регуляркам, как делали тогдашние реализации Markdown, он собрал парсер с промежуточным AST, и это определило всё остальное. Сегодня — 51 входной формат и 76 выходных, больше 600 контрибьюторов. Отдельно про LLM: они умеют конвертировать форматы, но Pandoc дешевле по энергии и даёт детерминированный результат.

🛠 Инструменты

claude-thermos Локальный reverse proxy, который не даёт протухнуть prompt cache в Claude Code. Пока главный агент ждёт сабагента дольше пяти минут, кэш истекает, и вся история переписывается по цене записи вместо чтения — на длинных сессиях это около 20% счёта. Прокси замечает такие окна простоя и отправляет копию запроса с max_tokens: 1, чтобы префикс остался тёплым. Запускается через uvx claude-thermos вместо claude, логирует сэкономленные токены и доллары.

🤖 Агенты

Pi, Minimal and Performant Разбор того, почему минималистичный агент Pi — четыре инструмента и системный промпт меньше 1000 токенов — выиграл по цене в бенчмарке Databricks при лучшем pass-rate. Главная причина по замерам: Pi отправляет примерно втрое меньше контекста за ход. Автор считает, что модели достаточно хорошо освоили терминал, чтобы обвязка перестала возить с собой готовые сценарии, и ставит на расширяемость — пример такого расширения pi-autoresearch от Shopify.

Prime Agent: A self-improving RLM agent Открытый фреймворк, где у агента единственный инструмент — постоянный IPython-kernel. Контекст становится обычной переменной, сабагенты вызываются как функции, а сам агент на ходу правит свои промпты, скиллы, память и набор сабагентов. На ARC-AGI 3 — 95,5% Best@1, чуть выше человеческого экспертного базиса в 95,4%. Из побочного: эмуляторы SEGA Genesis и Game Boy Color и 100k+ очков в Factorio. Под сам фреймворк модели ещё никто не обучал.

⚡ Производительность

Git: my git stash -p optimization in Git 2.55 Адам Джонсон рассказывает, как ускорил git stash -p. Команда поднимала временный индекс отдельным процессом git read-tree HEAD, из-за чего терялись закэшированные stat-данные и метки fsmonitor, и перед первым же вопросом Git делал lstat() по всем файлам. Починка — собирать временный индекс внутри процесса. В монорепозитории Rippling это дало ускорение в 53 раза: с 34,8 секунды до 0,66.

На этой неделе в подборке: софт, написанный для одного человека, двадцать лет Pandoc, грелка для prompt cache, два взгляда на устройство агентов и ускорение git stash -p в 53 раза.

Хорошей вам недели!