ВОПЛОЩАЕМ ИДЕИ В ЖИЗНЬ
Мы — мейкеры. Маленькая команда. AI-native. Выпускаем open source с нуля.
Bootstrapped. Без VC. Делаем open source инструменты для реальных проблем и выборочно сотрудничаем с командами, которые строят что-то значимое.
Что мы делаем
Три столпа нашей работы
Делаем open source
Создаём инструменты и выпускаем их открыто. От AI-runtime до утилит деплоя — если нужно нам, мы строим и делимся.
AI-native рабочий процесс
Маленькая команда, огромный выход. ИИ — ядро всего, не надстройка, а способ ежедневной работы.
Выборочное партнёрство
Премиальные партнёрства с командами, которые делают что-то значимое. Не агентство. Не дёшево. Выборочно и качественно.
Что мы создали
Open source инструменты от нашей команды
Runtime AI-агентов — один бинарь, любая модель, любая область
Сообществный реестр специализированных AI-агентов
Семантический поиск по коду через MCP
Управление памятью ИИ через MCP
MCP-сервер файловой системы для ИИ
Единая Rust-библиотека провайдеров ИИ
Для мейкеров
Следите за нашим путём. Читайте блог. Используйте наши open source инструменты. Узнайте, как маленькая команда выпускает софт с AI-native процессами.
Читать блогДля команд
Нужен взгляд мейкера? Мы выборочно сотрудничаем с командами, которые ценят качество и хотят проверенного исполнения на значимых проектах.
ПоговоримСвежее в блоге
Строим открыто. Делимся тем, что узнаём.
Один файл SQLite, 1 Гц и ноль облака: как устроен local-first трекер времени для Mac
Приземлённое руководство по проектированию local-first десктоп-приложения: почему один встроенный файл SQLite лучше облачной БД для одного пользователя, как сырые сэмплы на 1 Гц сворачиваются в человеческие сессии, проектирование схемы под временные интервалы, WAL и устойчивость к сбоям, и честные компромиссы владения своими данными.
Почему Мы Выполняем Распознавание Речи Полностью На Устройстве: Математика Задержки и Приватности
Облачный speech-to-text проигрывает по бюджету, который умещается на салфетке. Вот математика полного цикла, которая заставила Vext запускать и речевую модель, и LLM для очистки на устройстве, плюс фреймворк принятия решения облако-или-локально для вашей собственной аудиофункции.
Уроки создания единого слоя LLM-провайдеров на Rust
Чему мы научились, выпустив octolib — библиотеку на Rust, лежащую в основе нашего AI-стека: как абстрагировать множество LLM-провайдеров, нормализовать tool calls и учёт токенов и пережить день, когда формат рассуждений модели вернул 400.