Руководства, сравнения и новости об инструментах ИИ

Поработайте с Claude Code подольше — и наткнётесь на дилемму: запрос на каждую команду тормозит работу, а отключить их все через обход опасно. Песочница ломает этот бинарный выбор, огораживая на уровне ОС то, к чему можно прикоснуться, так что команды свободно выполняются внутри без запросов, а наружу ничто не выходит. В гайде: две изоляции (файловая система и сеть), старт с /sandbox (macOS работает из коробки, для Linux/WSL2 нужны bubblewrap+socat, нативная Windows не поддерживается), режим auto-allow против обычного, настройка settings.json (allowWrite/denyRead, credentials, allowedDomains), как она дополняет режимы и правила разрешений в качестве третьего слоя, обеспечиваемого ОС, её ограничения (неинспектируемый TLS, Unix-сокеты) и когда стоит взять dev-контейнер или ВМ. Anthropic сообщает, что во внутреннем использовании она сократила число запросов разрешений на 84%.

ИИ может стать другом-всезнайкой, поспевающим за детским «почему?», и рассказчиком, который сплетёт сказку перед сном — при умелом использовании игра превращается в учёбу. Сначала расставляем 5 обещаний о безопасности (взрослый управляет и проверяет / уважайте возраст и правила / не вводите личных данных / объясните, что ИИ может ошибаться / задайте тон и время), а затем даём 10 готовых занятий для копипаста: история, где ваш ребёнок — главный герой; история, где решают дети; спокойная сказка на ночь; профессор-всезнайка; викторина про животных и динозавров; учитель приветствий на других языках; рисование выдуманного существа и раскрасок; идеи поделок и опытов; ролевая игра про чувства и вежливость. Плюс советы по возрасту (дошкольники / младшие школьники / ребята постарше) и что важно знать родителям. Работает на бесплатных ChatGPT, Claude, Gemini.

Самый затягивающий способ поиграть с ИИ — текстовое приключение, где ИИ выступает вашим мастером игры (ГМ): вы объявляете действие, ИИ описывает сцену, история ветвится, и ваша личная история рождается прямо на месте — включая дикие ходы вне предложенных вариантов. Разбираем всё от начала до конца, с готовыми промптами и без программирования: стартовый промпт, который достаточно вставить; 5 частей, определяющих интерес (сеттинг, тон, правила, отслеживание состояния, темп); 5 пресетов жанров для копипаста (фэнтези, хоррор-побег, детектив, sci-fi выживание, уютная бытовая история); продвинутые модули — кубики для честной случайности, характеристики и уровни, сохранения для долгой игры даже на бесплатном тарифе; таблица исправлений, когда ИИ размяк, ведёт историю сам или забывает HP и инвентарь. Работает на бесплатных ChatGPT, Claude, Gemini. Подробное продолжение пункта ⑦ из статьи «15 весёлых способов использовать ИИ».

Для тех, кто застревает на «А что вообще спрашивать у ИИ?», собрано 30 «заданий», которые достаточно скопировать и вставить, чтобы получить интересный ответ. 6 жанров × 5 вопросов: узнать себя (скрытые сильные стороны, ценности, с каким животным сравнить), разгон фантазии и мир «а что если» (неожиданное применение обычных вещей, гравитация вдвое слабее, изобрести несуществующий праздник), объяснения, после которых кажется, что понял (квантовая механика для пятилетнего, сложные проценты тремя метафорами, как устроен интернет на примере доставки пиццы), игра слов (переписать в 10 стилях, микроистория в 2 предложениях, придумать прозвище, палиндромы), ролевые игры и советы (жёсткий лайф-коуч, мудрец с новой пословицей, письмо от себя из будущего, недоумевающий инопланетянин), полезно, но весело (оправдание как изречение, 5 степеней вежливого отказа, оживить сухое сообщение, драматичные названия блюд, весёлый крюк в списке дел). Работает на бесплатных ChatGPT, Claude, Gemini. С секретами интереса (наращивать «ещё», роль и ограничения, менять ИИ), предостережениями и ссылкой на статью-спутник «15 весёлых способов использовать ИИ».

Когда речь заходит об ИИ, всегда всплывает что-то серьёзное, но ярче всего ИИ раскрывается именно в игре. В этой статье — 15 весёлых способов использовать ИИ, и к каждому прилагается готовый промпт, который можно вставить прямо сейчас. Игра слов & юмор (① батлы шуток ② машина пародийных песен и рэпа ③ фабрика названий), ролевая игра & диалоги (④ разговор с исторической личностью ⑤ спор двух ИИ ⑥ тренировка спора с ботом-адвокатом дьявола), игры (⑦ текстовое приключение, где ИИ — гейм-мастер ⑧ собственная викторина ⑨ детективная игра), творчество (⑩ справочник по вымышленным существам ⑪ история, где герой — вы ⑫ игра с генерацией изображений) и быт & неожиданное (⑬ повар из остатков ⑭ маршрут в Древний Рим или на Луну ⑮ гадалка ради развлечения). Всё работает на бесплатных ChatGPT, Claude или Gemini. Три ключа к веселью — задайте роль, свяжите ограничениями, наращивайте «ещё» — заодно служат основой практичного промптинга. С предостережениями (факт против вымысла, личные данные, игра с детьми) и разделом FAQ.

Построив ИИ-агента, вы всегда упираетесь в одну стену: «Хорошо, но он вообще работает?» Механизм, позволяющий решить, стало от изменения промпта или модели лучше или хуже на основе данных, а не интуиции, — это evals. LLM выдают разный результат каждый раз для одного и того же ввода, поэтому юнит-тесты на точное совпадение не подходят. Эта статья рассказывает, что такое evals, о пяти способах измерить качество (① сверка с эталоном ② проверки по правилам ③ LLM-as-judge ④ регрессионное тестирование ⑤ мониторинг в продакшене), об оценке, специфичной для агентов (доля успешных задач, корректные вызовы инструментов, траектория, стоимость), о том, как начать с малого с 20 примеров отказов, о частых ловушках и ключевых инструментах (Anthropic Console/Evals, OpenAI Evals, LangSmith, Langfuse, Ragas) — она написана для практиков.

Извечный вопрос автоматизации: «ИИ-агенты или RPA?» Ответ — не «или — или»: выбирайте по роли, а выигрышный паттерн 2026 года — гибрид обоих. RPA — детерминированные «руки», которые быстро и точно выполняют фиксированную процедуру (но ломаются при изменении экрана/спецификации); ИИ-агент — вероятностный «мозг», который считывает ситуацию и принимает решение (силён в неоднозначности и исключениях, но результат не одинаков каждый раз). В статье: разница в принципе действия, сравнительная таблица (компромисс воспроизводимости и устойчивости к изменениям), как выбрать (ось — «можно ли полностью описать правилами?»: да → RPA, суждение, которое не описать → ИИ-агент), тренд 2026 года (лидеры RPA — UiPath, Automation Anywhere, Blue Prism — становятся агентными; сближение; вопрос уже не «что из двух», а «где живёт рассуждение» = оркестрация прежде всего) и практический ответ: гибрид, где мозг (ИИ-агент) отвечает за суждение/оркестрацию, а руки (RPA) выполняют детерминированное исполнение — не ставьте агента туда, где нужна детерминированность, а делегированное суждение сочетайте с ограждениями и согласованием человеком. На основе официальной информации вендоров, с FAQ.

Можно ли передать эксплуатацию AWS искусственному интеллекту? В 2026 году делегировать можно многое. Сама AWS поставляет Amazon Q Developer и Agent Toolkit for AWS (май 2026 — 40+ навыков агента + управляемый AWS MCP Server + плагины), так что ИИ дотягивается от генерации IaC до операций с ресурсами. Это руководство разбивает «делегирование» на три уровня (① генерация кода/IaC, ② эксплуатация/расследование с упором на чтение, ③ автономный агент, реально управляющий AWS), рассматривает основные инструменты (Amazon Q Developer, Agent Toolkit, AWS MCP Server, Terraform MCP, Bedrock AgentCore) — включая путь «со своим инструментом», когда Claude Code или Codex получают AWS CLI для запуска «aws» из shell, — плюсы (быстрый IaC, автоматическая сортировка, идеи по оптимизации затрат, демократизация знаний), а затем самое главное — минусы (разрастание прав IAM, избыток прав как усилитель радиуса поражения ошибок/инъекций промпта, права, переживающие задачу, неконтролируемый рост затрат — с реальными случаями удаления продакшн-БД в 2025-26), на основе официальных материалов AWS и данных вендоров безопасности. Ключевой поворот: вопрос не «может ли он?», а «как делегировать без потери контроля и взрыва счёта» — и то, что сама AWS встроила защитные механизмы IAM, аудит CloudTrail и песочницу в Agent Toolkit, показывает форму ответа. Включает пять принципов (IAM с минимальными привилегиями, одобрение человека для деструктивных операций, наблюдаемость, краткоживущие учётные данные JIT, песочница) и FAQ.

Claude Fable 5 и Opus 5 — обе модели верхнего эшелона, но ответ звучит ни как «всегда Fable 5», ни как «всегда Opus 5»: выбирать нужно под задачу. Выход Opus 5 24 июля 2026 года заметно сместил этот ответ: предыдущее поколение, Opus 4.8, занимало нишу «на ступеньку слабее Fable 5, зато вдвое дешевле», тогда как Opus 5 сохраняет ту же цену $5 / $25 и при этом не уступает Fable 5 на агентных бенчмарках, а местами и обходит её (Frontier-Bench 43.3% против 33.7% и OSWorld 2.0 70.6% против 66.1% — цифры из прессы; по CursorBench 3.2 Anthropic официально заявляет, что укладывается в 0.5% от результата Fable 5 примерно за половину стоимости). Самые сложные рассуждения «в один заход» пока склоняются к Fable 5, но с минимальным отрывом: Humanity's Last Exam 56.5% против 56.3% и DeepSWE v1.1 69.7% против 68.8% (данные прессы). По характеристикам модели совпадают — контекстное окно 1M и максимальный вывод 128K; быстрый режим (примерно в 2.5 раза) есть только у Opus 5, но стоит вдвое дороже и работает только в Claude API, зато у Opus 5 более свежая граница знаний — май 2026 года. Схема решения: сначала пробуйте Opus 5 и поднимайтесь к Fable 5 только там, где он выходит на плато. На практике оптимальна связка «Opus 5 как основа, Fable 5 для сложного», подкреплённая автопереключением при блокировках защиты в приложении и новым резервным режимом «default» в API. Разбираем доступность (приостановка в июне, повторное развёртывание в июле), отказ от зависимости от одной модели, настройку effort ради экономии и частые вопросы — связывая кластер материалов по Fable 5 с руководством по релизу Opus 5.

1 июля 2026 года Anthropic повторно развернула по всему миру свои флагманские модели Claude Fable 5 и Mythos 5 — всего через 19 дней после того, как 12 июня их полностью остановили по распоряжению США об экспортном контроле. Прямая причина возвращения: 30 июня Министерство торговли США сняло экспортные ограничения. Изначальным поводом стал отчёт о джейлбрейке от исследователей Amazon, но Anthropic последовательно утверждала, что «у Fable 5 нет уникальных наступательных возможностей», и снятие ограничений разрешает вопрос в этом ключе. Модель вернулась не в прежнем виде: новый классификатор, обученный распознавать заявленный метод обхода, блокирует его более чем в 99% случаев, а при срабатывании запрос автоматически перенаправляется в Opus 4.8 (переключатель «сменить модель, если сообщение помечено флагом» в приложении). Пока действует временное ограничение — до 50% недельного лимита на планах Pro, Max, Team и отдельных Enterprise до 7 июля, затем через кредиты на использование. Fable 5 расходует ресурс быстрее, чем Opus 4.8, а доступ через облака (AWS, Google Cloud, Microsoft Foundry) возвращается поэтапно (даты пока нет). Как продолжение статьи об остановке (материал 113), этот текст разбирает, почему модель смогла вернуться, что изменилось, на что обратить внимание при использовании и почему важно проектировать систему без зависимости от единственной модели — на основе официального заявления и сообщений прессы.

Первое препятствие при встраивании ИИ-агента в реальную работу — «на каком фреймворке его собирать». С точки зрения разработчика и того, кто выбирает технологии, статья сравнивает шесть главных фреймворков — LangGraph, CrewAI, AutoGen (вошедший в Microsoft Agent Framework, GA апрель 2026), OpenAI Agents SDK, Google ADK и Claude Agent SDK — по подходу к оркестрации (ориентированный граф / ролевая команда / диалоговый GroupChat / передачи управления / иерархическое дерево / автономный цикл инструментов), языку, кривой обучения, управляемости, зрелости для прода, стоимости токенов и наиболее подходящему сценарию. Ключевая оговорка: фреймворк, «быстрейший для прототипа» (CrewAI), может оказаться самым дорогим в проде — около 3× токенов (41k против 18.5k у LangGraph в одном бенчмарке) и недетерминированный, что плохо подходит для финансов и здравоохранения. Также объясняется, как 2026 год принёс интероперабельность через MCP (инструменты) и A2A (агент-агент), так что агенты из разных фреймворков теперь работают вместе, а привязка ослабла. Включает гид по выбору под задачу и FAQ.

Кто лучше справляется с кибербезопасностью — ИИ или человек? В 2025–2026 годах ответ сильно сдвинулся. Google Big Sleep остановил реальную 0-day (CVE-2025-6965 в SQLite) до её эксплуатации, а автономный ИИ-пентестер XBOW вышел на 1-е место в общенациональном рейтинге HackerOne. При этом 45% сгенерированного ИИ кода оказались уязвимыми (примерно в 2,74 раза больше, чем у людей), а злоупотребление Claude привело к первой крупной кибератаке под управлением ИИ (80–90% действий ИИ выполнил автономно). Опираясь на первоисточники Google, Anthropic, DARPA и Veracode, статья сравнивает по задачам ИИ, превосходящий в скорости, масштабе и охвате, и человека, выигрывающего в бизнес-логике, цепочках атак и финальном суждении. Показана «троякая природа» ИИ как обоюдоострого меча — источник уязвимостей, инструмент атаки и сильнейший защитник — и сделан вывод: побеждает связка «человек × ИИ» (модель кентавра) с обязательным human-in-the-loop.