Как за неделю создать полноценный сервис, используя разные AI-модели? Разбираем Cursor в бою!

• Начало встречи.  

• Обсуждение подключения к встрече с телефона.  

• LLM-модели делятся на ассистентов, которые отвечают на вопросы и ищут информацию в интернете, и модели, способные писать код.  

• Пример использования модели для поиска курса доллара.  

• Курсор основан на Visual Studio Code и имеет дополнительные функции для работы с агентами.  

• Возможность настройки моделей и подключения облачных агентов.  

• Команда «/s» указывает модели не анализировать файлы проекта, а искать информацию в интернете.  

• Настройка языка ответа модели.  

• Использование ChatGPT, DeepMind и MiniMax для различных задач.  

• Комбинирование моделей для улучшения контекста заданий.  

• Задача по созданию приложения для работы с ClickHouse.  

• Использование QnA для генерации технического задания.  

• DeepMind предлагает дешёвые методы тренировки моделей.  

• DeepMind выпускает модели в открытом доступе.  

• Доработка технического задания с помощью MiniMax.  

• Добавление новых функций для скрипта.  

• Анализ внешних источников и улучшение контекста задания.  

• Пример задачи по планированию отпуска.  

• Третья итерация с MiniMax для уточнения деталей плана.  

• QnA предлагает варианты для анализа.  

• Копирование ТЗ и передача его в MiniMax.  

• MiniMax анализирует детали плана и задаёт дополнительные вопросы.  

• Ответы на вопросы MiniMax формируют новое ТЗ.  

• Обсуждение максимального объёма данных и извлечения фактов и метаданных.  

• Упоминание работы по указанному GUID приложения и поддержки экстеншенов.  

• Вопросы о разрешении качества скриншотов и условном показе визуализаций.  

• Обсуждение фолбека на шаблон и одинакового результата при втором запуске.  

• Структура директории экспорта по приложениям и типам объектов.  

• Отсутствие инкрементального экспорта и параллельной обработки нескольких приложений.  

• Вставка ТЗ и ответов на вопросы в QnA.  

• QnA генерирует готовое ТЗ на основе ответов.  

• Пример использования QnA для планирования отпуска.  

• Возможность корректировки плана после получения результатов.  

• Пример запроса на предложение вариантов отдыха вне России.  

• Повторное использование MiniMax для подтверждения или опровержения предложений.  

• Объяснение работы MCP серверов и их инструментов.  

• Примеры команд для работы с PostgreSQL и MongoDB.  

• Описание функций MCP серверов, таких как получение списка схем и объектов.  

• Вопрос о том, являются ли MCP «лиговскими».  

• Ответ, что MCP не зависят от конкретного провайдера.  

• Автор имеет доступ к различным базам данных через систему «Лиза Алерт».  

• Он может тренироваться на данных, как на «хомячках».  

• Пример работы с базой данных «Статистика», схемой «Паблик» и таблицей «Лара Стат».  

• Использование MS-фишки для изучения таблиц и полей в базе данных.  

• Подключение к базе данных PostgreSQL и загрузка схем.  

• Выполнение трёх запросов для изучения данных.  

• Включение агентского режима для параллельной работы.  

• Изучение схем и таблиц в базе данных MongoDB.  

• Анализ завершён, ИИ самостоятельно придумал описания полей.  

• Задание вопроса о количестве найденных живыми детей в городской среде.  

• Возможность комбинирования данных из разных баз данных PostgreSQL и MongoDB.  

• Пример запроса: для каждой заявки на поиск людей найти количество волонтёров.  

• Итоговые результаты: за пять лет найдено 49 996 детей, из них погибли 479.  

• Доля выживших: 99,05%.  

• Обсуждение настроек моделей и агентов.  

• Использование кастомных моделей, совместимых с ИИ.  

• Описание работы клауд-агентов: проверка изменений в репозитории на GitHub.  

• Недостатки клауд-агентов: зацикливание и высокая стоимость.  

• Возможность открытия браузера внутри курсора.  

• Выбор элементов на сайте, просмотр консоли и CSS-инспектор.  

• Создание копии сайта на основе его структуры CSS и JavaScript.  

• Пример задания: создать одностраничный HTML-файл с одним JavaScript и одним CSS файлом.  

• Инициализация репозитория для каждого проекта.  

• Возможность отката изменений в любой момент.  

• Обсуждение использования локальных и удалённых репозиториев.  

• Предпочтение работы с удалёнными репозиториями на GitHub, GitLab или Gitverse.  

• Преимущества работы с удалёнными репозиториями: возможность откатов изменений и сохранение истории файлов.  

• Процесс настройки VPN через ZiraTier.  

• Использование команд для подключения к серверу и установки необходимых компонентов.  

• Автоматическое выполнение команд и получение ключа подключения.  

• Объяснение работы правил User Rules и Project Rules в LLM.  

• Настройка команд для управления поведением LLM, например, команда «e» для отмены предыдущих действий.  

• Пример использования команды «e» для удаления файлов и начала нового контекста.  

• Необходимость предоставления агенту доступа на запись в каталог для создания структуры проекта.  

• Автоматическое создание файлов и папок в проекте при открытии папки.  

• Зависимость процесса создания структуры от используемой модели LLM.  

• Обзор различных моделей LLM: GPT-5.2, Compose, GPT-4.7 и других.  

• Сравнение качества написания кода и стоимости моделей.  

• Возможность использования моделей LLM локально при наличии достаточной видеопамяти.  

• Возможность автоматизации работы агента с Git: коммит, пуш и тегирование изменений.  

• Пример команды для автоматизации: «/g» для выполнения действий с Git.  

• Идея автоматизации существенных изменений в исходном коде через системные настройки.  

• Автоматические процессы могут вызвать проблемы, которые сложно исправить.  

• Агентская разработка использует гид для сохранения контекста модели.  

• Пример: компания «Курсор» запустила множество агентов для написания веб-браузера на языке программирования Rust.  

• Визуализация показывает, как агенты выполняют функции и направления работы.  

• Каждый кружок на визуализации представляет одну функцию.  

• Веб-браузер, написанный агентами, содержит три миллиона строк кода.  

• Человечек на визуализации, вероятно, является агентом высокого уровня, который нарезает задачи для других агентов.  

• Агенты пишут код, автотесты и билды для разных систем.  

• Репозиторий доступен для просмотра.  

• В долгосрочных проектах агенты могут меняться, но модель остаётся прежней.  

• Информация о проекте, например, схема базы данных, должна храниться отдельно.  

• ЛЛМка использует контекстное окно до 200 тысяч токенов для работы.  

• Необходимо вести историю изменений в файлах проекта.  

• Шаблоны для хранения изменений через markdown-файлы.  

• Пример: создание папки «чек-чек» для хранения списка изменённых файлов и их описаний.  

• На этапе разработки можно вводить дополнительную папку для самодокументирования.  

• Самодокументирование дополняется конкретными описаниями и событиями.  

• Промтинг использует модели для анализа научных публикаций.  

• Модель парсит научные публикации и показывает подходы к решению задач.  

• Пример использования: поиск решений сложных задач в области IT-разработки.  

• Научные статьи можно просматривать в виде PDF или EPUB.  

• Комментарии к статьям помогают понять контекст и источники информации.  

• Возможность получения полного текста статьи для дальнейшего анализа.  

• Исследование основано на сайте с инструкциями по промтингу.  

• Промт на 35 тысяч токенов содержит все возможные ответы.  

• Информация на сайте помогает адаптировать исследования под конкретные запросы.  

• Сайт рекомендуется для изучения, информация бесплатная.  

• Промт загружает контекст для решения задач из статьи.  

• Модели не знают контекста пользователя, что предотвращает предвзятость.  

• Формирование нового контекста для каждой задачи.  

• Автор переключается между моделями для избежания предвзятости.  

• Предпочитает модели без памяти, чтобы они не сужали контекст.  

• Автор переделывает сайт, используя LLM для разработки.  

• Техническое задание составляется за 3–6 часов.  

• ТЗ на поисковый движок содержит 2600 строк.  

• Описываются этапы разработки, интеграция с системой и безопасность.  

• LLM создаёт ТЗ для BI-портала за 30 минут.  

• Прототип портала создаётся за 10 минут.  

• Минималистичное ТЗ и прототип портала без написания кода.  

• Уточнение вопросов с помощью LLM.  

• Автор рассказывает о своём опыте использования LLM для кодинга.  

• Ранее тратил 100–150 долларов в месяц на LLM, теперь купил модель «Зайка» за 288 долларов.  

• У него есть квота, которую он не знает, как использовать.  

• Сайт был создан за неделю с помощью LLM, GPT-5 и Compose.  

• На сайте настроена автоматическая публикация статей на основе RSS-лент.  

• Пайплайн из восьми этапов включает извлечение текста, перевод, подготовку статьи, копирование картинок и публикацию.  

• После написания статьи запускается генерация SEO-тегов.  

• LLM предлагает исправления орфографии и синтаксиса.  

• Планируется создание полностью автоматического новостного сайта.  

• Реализована мультитреовость: один вопрос отправляется в несколько моделей.  

• Модели формируют независимые ответы, а итоговый ответ выбирается на основе консенсуса.  

• Пример использования: изменение цвета кнопки на основе ответов моделей.  

• Планируется создание конвейера задач с участием разных моделей.  

• Модели общаются между собой, создавая готовый ответ.  

• Приложение работает в реальном времени и компилируется для Windows, Mac и Linux.  

• Можно использовать множество бесплатных моделей в OpenAI.  

• Пять бесплатных моделей могут выполнить одну задачу, подводя итоги и внося изменения.  

• Конвейер задач позволяет эффективно использовать ресурсы.