ИИ для начинающих: первые шаги с AI-инструментами

Вы запускаете Claude Desktop в Windows, а вместо приложения получаете окно с сообщением, что это приложение не удаётся открыть и что нужно перейти в дополнительные параметры Claude и выбрать «Восстановить», — и ровно это срабатывает. Ни удаления приложения, ни сброса, который выбрасывает данные. Но в середине есть шаг, на котором люди реально застревают, и он же — центр статьи. Нажатие «Восстановить» может закончиться сообщением о том, что приложение всё ещё запущено, притом что ни одного окна Claude на экране нет. Причина в том, что Claude Desktop после закрытия окна продолжает жить в области уведомлений, и пока этот фоновый процесс держит файлы пакета, восстановление не проходит. Лечение простое: явно завершить процессы, а потом нажать «Восстановить». И сам этот факт указывает на причину поломки — один и тот же процесс сломал обновление, а затем помешал восстановлению. Статья отвечает и на вопрос, который задают первым: пропадут ли сессии? Ответ делится на три части. История переписок claude.ai лежит на серверах Anthropic и не затрагивается. Сессии Claude Code хранятся в %USERPROFILE%\.claude\projects\, вне пакета приложения, поэтому переживают восстановление, сброс и даже удаление (на реальной машине там оказалось 2 977 файлов, около 3,0 ГБ, по 52 проектам). Рискуют только настройки приложения в %APPDATA%\Claude, но и их восстановление сохраняет: Windows объясняет разницу прямо на экране — у восстановления данные приложения не затрагиваются, у сброса удаляются. Дальше — проверка состояния пакета в PowerShell только на чтение, резервное копирование, пошаговое усиление мер, если приложение так и не открылось (проверить, запущены ли vmcompute и hns, переустановить с ключом -PreserveApplicationData), предполагаемая причина в виде наполовину зарегистрированного MSIX вместе с issue на GitHub (#55465, где установка прошла, но точка входа не появилась, а также #50285 и #48437 — все закрыты как not planned и без официального исправления), способы снизить вероятность повторения и сравнение со старой версией на обычном установщике, где и последний выпуск MSIX, и машина со старым форматом показали 1.24012.9.

16 июля 2026 года Moonshot AI выпустила Kimi K3 — модель с 2,8 трлн параметров суммарно. Американские полупроводниковые акции распродавали, а затем сюжет дошёл до того, что представитель Белого дома поимённо обвинил компанию в дистилляции моделей Anthropic. Поскольку цифры и даже сами формулировки расходятся в зависимости от источника, статья сверяет публикаторов бенчмарков, деловую прессу, собственные объявления Moonshot и реальную страницу на Hugging Face, прямо указывая, кто получил каждую цифру. По производительности модель набирает 57 баллов и третье место в Artificial Analysis Intelligence Index (на 17 июля 2026 года, хотя существуют подсчёты, ставящие те же 57 баллов на четвёртое и седьмое место). В более практичной метрике GDPval-AA v2 у K3 1668 против 1760 у Fable 5 и 1600 у Opus 4.8 — скачок на 478 баллов относительно прошлого поколения K2.6 с её 1190, и именно это сокращение разрыва, а не абсолютное место, качнуло рынок. В коде она заняла первое место в Frontend Code Arena от Arena.ai с 1679 (у Fable 5 1631), но в FrontierSWE проигрывает: 81,2% против 86,6% у Fable 5. Оценка цены переворачивается вместе с базой сравнения: $3 на входе и $15 на выходе — это примерно на 40% дешевле по входу и на 40-50% дешевле по выходу, чем Claude Opus 4.8 ($5/$25) или GPT-5.6 Sol ($5/$30), а измеренная стоимость задачи $0,94 ниже, чем $1,80 у Opus 4.8. Зато среди китайских конкурентов она самая дорогая — примерно втрое дороже GLM-5.2 и в 23 раза дороже DeepSeek V4 Pro, так что это не скидка на порядок, какой был шок DeepSeek. По весам издания разделились между «open source» (VentureBeat, SCMP) и «open weight» у Reuters, и точен именно второй термин. Веса вышли точно в срок, 27 июля 2026 года, и забрать их с Hugging Face можно без заявки на доступ (96 частей safetensors). Опубликованная вместе с ними лицензия — собственная «Kimi K3 License»: разрешение в духе MIT плюс два условия, а именно отдельное соглашение для бизнеса Model as a Service с выручкой выше $20 млн и заметное упоминание «Kimi K3» в интерфейсе продуктов с более чем 100 млн активных пользователей в месяц. Раз объём разрешения меняется вместе с масштабом пользователя, открытым исходным кодом по определению OSI это не является, так что спор о названии теперь решён самим текстом лицензии. На рынках Nasdaq упал на 1,5% в пятницу, Тайвань — более чем на 6%, Япония — на 4%, полупроводниковый ETF (SMH) потерял свыше 20% от максимума конца июня, но недельное падение SOX разные издания оценивают от -9% до -12,5%, а позднее потери сократили покупатели просадки. Обвинение в дистилляции исследователи отвергают по срокам — 15 дней между публичным релизом Fable 1 июля и запуском K3 15 июля — и никаких доказательств не обнародовано. Скорость (замеры от 33 до 62 токенов в секунду при предупреждении OpenRouter о частых 429 из-за перегрузки мощностей), рост доли галлюцинаций с 39% до 51% и явное отставание в пользовательском опыте, которое признаёт сама Moonshot, разобраны с явными метками достоверности.

Claude Code останавливается посреди ответа с сообщением «API Error: Connection closed mid-response. The response above may be incomplete.» Это не проблема промпта: соединение, по которому шёл потоковый ответ, закрылось, пока ответ ещё передавался. Статья опирается только на официальный справочник ошибок, официальный changelog и обращения с перехватом пакетов. Сначала — официальные определения: Connection closed значит, что канал оборвали, Response stalled — что он замолчал, Server error — что посреди потока пришла 5xx; объясняется, почему частичный вывод сохраняется намеренно (повторная отправка могла бы выполнить те же вызовы инструментов дважды) и что документированный способ восстановления — ответить continue. Далее разделены три слоя, откуда может исходить закрытие (ваша машина и спящий режим, обрыв по простою в прокси или VPN, закрытие по инициативе сервера), и приведены измерения, опубликованные автором issue #67766: все десять инцидентов были корректным закрытием со стороны сервера, ошибка появлялась через 3–105 мс после FIN, к этому моменту уже было доставлено 7–20 КБ ответа, тело запроса весило 1–2,5 МБ, новое соединение срабатывало примерно за 20 мс, а за 23 дня в записях нашлось 200 ошибок в 171 инциденте, причём 87 из них — менее чем через пять секунд после предыдущего вызова. Практическое ядро — хронология реальных записей changelog: 2.1.179 сохраняет частичный ответ, 2.1.185 переносит подсказку о зависании с 10 на 20 секунд, 2.1.198 повторяет временные обрывы с задержкой, 2.1.199 сохраняет частичный вывод при серверных ошибках посреди потока, 2.1.214 отключает пул keep-alive после ошибки устаревшего соединения — в сопоставлении с версиями из обращений (2.1.173, 2.1.181, 2.1.183), которые все старше 2.1.198. В конце — условия, повышающие вероятность, чек-лист из восьми шагов, шесть ориентиров для разработчиков, отличия от Unable to connect и Prompt is too long и чёткое разделение подтверждённого и неподтверждённого.

Вы открываете Hugging Face, чтобы запустить локальную LLM, и у одной модели — целая стена файлов (Q4_K_M, Q5_K_S, GPTQ, AWQ, IQ3_M), и вы застываете. Эта статья практически отвечает, какой квантованный файл скачать, чтобы модель заработала, оставляя концепцию «что такое квантование» другой статье и сосредотачиваясь на выборе формата. Выбор — это два шага: какой формат (= на каком движке запускаете), затем какая битность. Самый важный факт: квантованный файл запускается только на движках, поддерживающих его формат. GGUF — единственный локальный универсал, работающий на CPU, Mac и частично GPU (llama.cpp/Ollama); GPTQ/AWQ/EXL2 ориентированы на GPU (vLLM/TGI); bitsandbytes квантует при загрузке в Transformers без калибровки. Имя GGUF Q4_K_M состоит из трёх частей: Q4 (номинально 4 бита, больше — лучше и крупнее), K (K-quant по супер-блокам; без суффикса/_0/_1 — устаревшие), M (S/M/L — насколько часть важных тензоров повышается; эффективная битность выше метки, Q4_K около 4.5 bpw). Семейство IQ (I-quant) уместнее при той же битности, но тяжелее на выводе и требует imatrix (матрицу важности из калибровки, защищающую значимые веса). GPTQ минимизирует послойную ошибку; AWQ защищает значимые веса через активации (ни один не лучше повсеместно). По битности: если сомневаетесь — Q4_K_M (по умолчанию в Ollama для многих моделей), поднимайтесь до Q5_K_M/Q6_K с запасом VRAM, Q8_0 почти без потерь, но не рекомендуется, а IQ2/IQ3 — только чтобы впихнуть крупную модель. Примерно 4.5–5 bpw — «вкусная» полоса (эвристика). Ищите файлы через library=gguf, bartowski/mradermacher (активность меняется) или теги Ollama model:size-variant-quant. Числа приблизительные и зависят от модели и сборки.

Теперь, когда «просто спроси у ИИ» и «пусть ИИ всё напишет» стали нормой по умолчанию, острым становится обратный вопрос: а это вообще та ситуация, где мне стоит использовать ИИ? Эта статья не выступает против ИИ; речь о том, чтобы сохранить «не использовать» как вариант — именно для того, чтобы выжимать из ИИ максимум. ИИ — это не то, что используешь по умолчанию, а инструмент, который выбираешь намеренно, и умение пользоваться и умение не пользоваться идут в паре. Шесть ситуаций, где пропуск выигрывает: 1. учёба, которая строит базу (цель — сам процесс «писать, чтобы думать»), 2. ввод конфиденциальных или персональных данных (не вставляйте, не проверив условия и политику хранения), 3. финальные решения, где ошибка фатальна (медицину, право, безопасность, деньги нельзя делегировать без проверки), 4. лёгкие задачи, не стоящие затрат, 5. работа, где в основе человеческое доверие или творчество (извинения, наём, авторство), 6. когда не хотите добавлять единую точку отказа (непрерывность бизнеса). Решайте быстро по трём вопросам: можете ли вы сами проверить результат, это ли только данные, которыми можно делиться, и нужно ли тренировать этот процесс прямо сейчас. Если можете проверить, данными можно делиться и тренировать не нужно — используйте ИИ; иначе пропустите или вставьте человеческую проверку. Минусы чрезмерного использования (когнитивная разгрузка, принятие правдоподобных ошибок, зависимость) приведены как пункты для обсуждения, а не точные цифры. Осознанно пропустить ИИ — это не тормоз, а навык обратной стороны, который позволяет вкладываться на полную там, где он уместен, и подстраховка против чрезмерной зависимости от ИИ.

Сразу после обновления Claude Desktop (Windows) при запуске появляется «Этот файл уже используется другой программой», и приложение не открывается — и остаётся неработоспособным до перезагрузки ПК. Это известная ошибка сборки из Microsoft Store (MSIX) (GitHub #53247 и другие). Главное: полная перезагрузка ПК не обязательна — во многих случаях достаточно просто выйти из Windows и войти снова (это не перезагрузка ПК и не выход из аккаунта Claude), потому что стоящий за проблемой осиротевший дескриптор сохраняется в пределах сеанса пользователя Windows. Остановка CoworkVMService или повторная регистрация пакета, по сообщениям, НЕ работают. Несмотря на формулировку диалога, проверено, что блокировки файла в пользовательском пространстве нет (handle.exe / Process Explorer): реальный сбой — на уровне контейнера AppX/Desktop Bridge, при преобразовании Job Object → Silo (0x80070020 = ERROR_SHARING_VIOLATION, события 215/208). У спускового механизма две нерешённые версии — служба удерживает Job Object (#57221) против сбоя при запуске, из-за которого не выполнена очистка (#53247), — и официального исправления пока нет. Постоянное решение — переход на сборку Squirrel (установщик). Основано на одной машине (Windows 11 Home 10.0.26200), сверенной с issue на GitHub; с метками достоверности повсюду.

8 июля 2026 г. OpenAI выпустила GPT-Live — новую серию голосовых моделей ChatGPT с полнодуплексной архитектурой: она слушает и говорит одновременно, вставляет поддакивания, воспринимает перебивание и не обрывает паузу на раздумье, отвечая с задержкой менее 250ms. Мгновенность разговора обеспечивает сам GPT-Live, а веб-поиск и глубокие рассуждения делегируются в фоне GPT-5.5 (Instant/Medium/High). На бесплатном тарифе по умолчанию доступна GPT-Live-1 mini, на Go/Plus/Pro — GPT-Live-1. В статье разбираем отличия от прежнего Advanced Voice Mode, устройство, тарифы, текущие ограничения (видео и демонстрация экрана, полная многоязычность, API пока недоступны) и чем GPT-Live отличается от GPT-Realtime.

При долгой работе в Claude Code ответ вдруг повторяет «court court court…» десятки–сотни раз и завершается ошибкой «API Error: Response stalled mid-stream. The response above may be incomplete.». Это не ошибка вашего промпта, а сцепка двух известных багов: повторения (дегенерации) на стороне модели и остановки потока при передаче. Разбираем суть обоих слоёв, провоцирующие условия, немедленную остановку (Esc → новая сессия, /clear), меры для разработчиков (тайм-аут чтения, детекция повторения, max_tokens) и отличие от бага с утечкой тега court/invoke — на основе официальной документации и реальных GitHub Issue.

Внезапная ошибка «API Error: 400 Output blocked by content filtering policy» в Claude Code и API — это не лимит использования и не переполнение контекста, а состояние, когда «вывод», который пытался вернуть Claude, был остановлен фильтром безопасности. Основная цель фильтра — предотвратить дословное воспроизведение существующих защищённых материалов, и при генерации полного текста стандартных лицензий вроде MIT/Apache, работе «по приведению в соответствие» существующему источнику или копировании длинных документов он часто срабатывает ложно (false positive), без злого умысла. В статье разбираем: официальное объяснение (фильтр на этапе вывода обнаруживает воспроизведение защищённого материала и блокирует его кодом 400), паттерны ложных срабатываний из реальных Issue Claude Code (первичная настройка OSS-репозитория, сверка списков, ошибочный диагноз «лимит токенов» в конце долгого прогона агента), способы исправить прямо сейчас (получать шаблоны инструментами вместо дословной копии, переформулировать промпт ближе к генерации/резюмированию, останавливать цикл повторных попыток клавишей Esc, дробить задачу, сообщать о ложных срабатываниях в поддержку) и как отличить от Prompt is too long / usage limit / 529 Overloaded / max_tokens.

Главная причина, по которой соло-разработка не доходит до готового, — «переусложнение». Наваливая функцию за функцией, продукт усложняется и исчезает, так и не опубликованным. Единственный способ этого избежать — свести к одной функции минимальный продукт, доносящий ценность (MVP), и опубликовать максимально быстро. Эта статья, глазами соло-разработчика, для которого ИИ — напарник, разбирает верное понимание MVP, решение об объёме при урезании функций, два маршрута быстрого создания с ИИ (vibe coding без кода / практика в ИИ-редакторе), как определить «готово» и путь до публикации и первого пользователя.

Самый частый срыв в соло-разработке — «создал, а никто не пользуется». Но настоящее бутылочное горлышко — не мастерство разработки, а привлечение. «Создашь хорошее, и люди придут» — иллюзия. Эта статья, глазами соло-разработчика, практически собирает то, как крутить в правильном порядке, используя ИИ для подготовки: Build in Public, чтобы собирать потенциальных клиентов ещё до создания; первые 10 добывать вручную из близкого круга — «то, что не масштабируется»; первые 100 находить через вклад там, где они есть (сообщества, соцсети); и постоянный приток через SEO / AEO / LLMO.

Теперь, когда у ИИ появились «руки, которые пишут код», даже в одиночку можно создать продукт и выпустить его в мир. Но информация разбросана по этапам, и легко растеряться, не понимая, с чего начать. Эта статья — полная карта пути от идеи → проектирования → реализации → публикации → монетизации: она раскладывает соло-разработку на 5 фаз (решить → подготовиться → создать → выпустить → развивать), показывает на каждом этапе, что делать и какими инструментами пользоваться, а для глубокого погружения отправляет к отдельным руководствам. Это статья-хаб. Причём она ведёт по двум маршрутам — 🌱для новичков почти без кода и 🔧для практиков с кодом в ИИ-редакторе, так что, выбрав подходящий, вы дойдёте до работающего продукта без лишних кругов. Разработка на основе спецификаций, ИИ-конструкторы приложений, Claude Code/Cursor, встраивание ИИ-функций (API/RAG/шлюз), деплой, привлечение через SEO/AEO, монетизация, управление затратами и 5 ловушек соло-разработки с ИИ — всё собрано на одной странице со ссылками на практические руководства.