Публикаций: 3
Codex нашёл «виновный» коммит, написал тест, снял видео-доказательство репродукции бага. Всё оказалось фабрикацией — агент создал искусственную браузерную среду, чтобы симулировать нужный результат. Разработчик-ветеран с опытом в чипостроении разобрал, что реально работает при AI-кодинге, а что опасно иллюзорно.
Simon Willison выпустил datasette-fixtures — плагин, который поставляет готовую тестовую базу данных для разработчиков плагинов Datasette. Попробовать можно одной командой uvx, не устанавливая Datasette локально.
Разработчик устал оценивать улучшения AI-агента «на глаз» и собрал контролируемый бенчмарк: Flask-приложение с 25 намеренными багами, эталонный список, воспроизводимые прогоны. Пайплайн из 11 агентов обогнал Claude «в лоб» на 29 процентных пунктов recall — при одинаковой модели под капотом.