tl;dr — никак.

Для тех, кто желает знать подробности, давайте разбираться.

На днях по твиттеру прошли сразу две волны. Во-первых, Андрей Карпати (один из основателей OpenAI, автор термина vibe-coding и вообще практически культовая личность, без иронии) опубликовал свой фреймворк Autoresearch, который изначально разрабатывал для обучения моделей. Суть проекта в том, чтобы дать AI-агенту на базе Claude или Codex пайплайн для тренировки небольшой модели и оставить его на ночь экспериментировать. Агент, соответственно, ставит эксперимент, модифицируя код для обучения модели, прогоняет обучение в течение 5 минут, если качественный показатель val_bpb (validation bits per byte) улучшился, то есть стал меньше, то коммитит код и начинает цикл сначала, если нет — откатывает изменение и опять начинает цикл.

Этот подход потом применил CEO Shopify Тоби Лютке для оптимизации фреймворка Liquid, который используется на фронтенде Shopify, и получил 53% сокращения времени на парсинг и рендеринг. В общем, довольно понятно — есть определенные измеряемые параметры, агенту задается направление работы, он итеративно и систематически ставит эксперименты, оптимизируя целевые показатели. Правда, результаты еще не пошли в продакшн — много упавших тестов и конфликтов.

Во-вторых, один из специалистов пошел дальше, взял большую модель Qwen 3.5-397B, статью сотрудников Apple про технику запуска LLM, когда система позволяет использовать SSD как расширение памяти, оставил Claude Code экспериментировать на ночь и после 90 экспериментов получил работающую версию большой LLM на MacBook Pro M3 Max с 48 гигабайтами памяти. Вроде бы ура, победа, правда, сначала была скорость 1 токен в секунду, потом улучшили до 5 токенов, но ведь настоящая большая модель работает на довольно скромном уже ноутбуке.

В общем, я заинтересовался и пошел читать. Вот тут есть беглый комментарий Саймона Уиллисона, который скромно замечает, что не очень понятно, как все эти оптимизации отразились на качестве работы. У меня даже сомнений нет — плохо отразились, поскольку физику не обманешь.

Что сделал Claude Code, оптимизируя модель? Прежде всего — применил агрессивную квантизацию экспертов. Qwen 3.5 — это модель с Mixture-of-Experts (MoE), где каждый токен генерируется только частью факторов (17B из 397B) и частью экспертов. Исходная версия была квантизована до 4 бит, что позволила её сократить до 120 гигабайт. В данном случае экспертов квантизовали до 2 бит, что очень агрессивно и обычно плохо сказывается на точных рассуждениях и математике. Если квантизация до 4 бит действительно приводит к потере 1-3% от 8-битной версии, то дальше зависимость нелинейная.

Кроме того, оригинальная конфигурация предусматривает выбор 10 экспертов на каждый токен. Здесь в результате оптимизации их количество урезали до 4 — то есть модель реально думает примерно третью “мозга” на каждом шаге. Опять же, Claude, занимавшийся оптимизацией, уверяет, что качество заметно не ухудшилось, но это буквально проверка на трех простых примерах, а не по результатам бенчмарков.

Было бы интересно сравнить получившийся результат с младшими моделями Qwen, например, с помещающейся в памяти без подобных оптимизаций qwen 3.5-30B-A3B, то есть с 30 млрд параметров, из которых активны 3. Если на стандартных бенчмарках “оптимизированный” вариант большой модели лучше маленькой — это практический успех. Если нет — надо оптимизировать дальше.

А если такого сравнения нет — то это маркетинг и proof-of-concept с действительно интересной, но непроверенной гипотезой. Нет, автор не запустил Qwen 3.5-397B на ноутбуке, он запустил что-то другое.

Каждый, кто много работает с LLM, сталкивался с этим: ты обсуждаешь какое-то решение с LLM, получаешь ответ с конкретным кодом или фактами — а потом выясняется, что код устарел полгода назад, и модель настаивает на использовании решений годичной давности. Или хуже: ты пишешь код с правильным современным синтаксисом, а модель тебя «поправляет» на устаревший вариант. Самое печальное, когда современная модель настаивает на то, что её самой не существует — например, Claude Opus 4.6 может утверждать, что самая новая модель Anthropic — это Sonnet 3.5, а Gemini 3.0 Pro советовала использовать новейшую модель Gemini 1.5 Pro, у нее, мол, миллионный контекст.

Это не баг конкретной модели. Это фундаментальное свойство любого LLM: модель не различает, что она «знает» из тренировки и что является актуальной реальностью. Причем данные обучения заложены в весах модели и по определению более значимы, чем ваш короткий промпт.

К сожалению, масштаб проблемы не ограничивается смешными анахронизмами, когда модель не знает, что Трамп опять президент США. Использование старого API или незнание новых вызовов в библиотеках — это в лучшем случае изобретение велосипеда, когда модель пишет код, чтобы интерпретируемым скриптом заменить встроенную функцию, о которой она не знает. Но это может стоить денег — как-то модель тихонько заменила мне вызов gpt4.1-mini на gpt-4o (мол, не существует же никакой mini), и вместо долей цента за запрос у меня начали тратиться пара центов.

Данные Cloudflare Radar. Попробуйте угадать дату блокировки незарегистрированных терминалов Starlink.

Правда, стоит учитывать, что это открытый трафик. То есть не через VPN, прежде всего.

Кроме того, это не тот трафик, который исходит из сети Starlink, а тот, который приходит к сайтам, закрытым Cloudlfare. Это тоже несколько искажает картину.

Но картинка все равно показательная.

Периодически AI-комьюнити (в самом широком смысле) подвергается нашествию моды. В какой-то момент весь твиттер начинает писать про одно и то же решение или функцию, все советуют одно и то же и все от этого в восторге. Я не имею в виду типичный мусор вида “Recently {smth} released new feature and this changes everything…” — нет, речь о вполне интересных вещах, как, например, OpenClaw.

Вот так в очередной раз донеслась мода на qmd. Это проект CEO Shopify Тоби Люке, который выпустил его несколько месяцев назад — минипоисковик по локальным файлам (в основном markdown, не проверял, что он еще поддерживает), который работает в командной строке и может использоваться AI-агентами. Уже есть и плагины, например, к Obsidian. У меня много документов в Markdown, да и Obsidian использую, поэтому решил попробовать наконец.

Технически это RAG, только без чат-обертки. Остальные компоненты присутствуют — файлы режутся на чанки, индексируются для поиска по ключевым словам, преобразуются в вектор, всё это хранится в SQLite базе и дальше в зависимости от оператора запроса либо делается поиск по ключевым словам, либо по эмбеддингам, либо гибридный поиск, то есть собираются результаты по ключевым словам и эмбеддингам, переранжируются совместно и выдается результат.

Движок при первом использовании скачивает необходимые модели для эмбеддингов, переранжирования и расширения ключевых слов, это порядка 2-2,5 гигабайт.

В общем, всё знакомо и понятно, но, если честно, пользоваться этим сложно.

Поиск по ключевым словам быстрый и хороший. Правда, он не уникальный — даже для Obsidian есть несколько плагинов, решающих эту задачу и решающих хорошо. Но для CLI это хорошая штука, агенты смогут использовать.

Поиск по эмбеддингам меня начал удивлять — во-первых, для того, чтобы эти эмбеддинги создать, движок загрузил модель и распух в памяти до 28 гигабайт. Если в первой итерации я ему подсунул около 10 тысяч документов, то потом решил тестировать более щадяще и дал только 300 — не помогло, свои 28 гигабайт он кушал в любом случае. Я честно не понимаю, зачем ему столько — для эмбеддингов используется модель с 600М параметров, ей даже с контекстом не нужно больше пары гигабайт памяти. 28 гигабайт — это больше половины вообще всей памяти на моем MacBook Pro и системе становится тяжело, то есть в фоне эту индексацию не проделаешь. Я решил потерпеть, все же индексация делается один раз. Но при поиске он опять распух до 28 гигабайт, впрочем, после ответа память освободил.

Во-вторых, поиск по эмбеддингам — это поиск по похожести. Он ловит переформулировки, но я знаком с главной проблемой такого поиска. Дело в том, что если вы задаете вопросы другими терминами, чем те, которые использованы в релевантных документах, то шансы что-то найти невелики. Я сталкивался с этим, когда запустил первую версию чатбота для бухгалтеров — вопросы, заданные естественным языком, получали ответы на основании готовых консультаций, а очень релевантные результаты из законов и кодексов в результаты поиска не попадали.

ОК, я запустил гибридный поиск. Движок привычно занял 28 гигабайт оперативной памяти и начал работу. Да, это классический RAG, я и сам так подошел в разработке — взять запрос пользователя, выделить ключевые слова, добавить синонимы, поискать по нескольким запросам, преобразовать их в векторы, поискать все векторы, все это переранжировать и выдать результат.

55 секунд на один небольшой запрос по очень небольшой коллекции. И, поскольку я такое делал, тут ничего особо не ускоришь — много операций, много транзакционных расходов (времени). Плюс к тому это все сделано на Typescript и node.js, что скорости не добавляет. К примеру, мой бот прокручивает на порядок больше информации — ищет в обоих поисках по 50 документов, результат (100 документов) отдает во внешнюю LLM для переранжирования, забирает Top25, отдает с большим промптом во внешнюю LLM для формулирования ответа и 95% ответов укладываются в 53 секунды.

Вполне допускаю, что без холодного старта скорость ответа будет лучше, но вряд ли кардинально. Также допускаю, что при наличии необходимости искать по очень большой базе и делать это программно — то есть дать такой поиск агенту, — результат будет лучше, чем просто поиск по вхождению, а увеличение времени не так критично. Агент и так работает долго, много времени занимает генерация, какая разница, если это время немного увеличится.

Но для не такой уж большой базы документов, пожалуй, это излишне. Оставлю пока как замену grep, но только в режиме поиска по ключевым словам — эмбеддинги и переранжирования подождут.

Одна из главных проблем работы с кодинг-агентами — это контекст. Во-первых, размер контекста не бесконечный, во-вторых, даже очень большой контекст (как, например, 1 млн токенов у Gemini) не гарантирует, что модель с ним хорошо работает. Как тут не вспомнить принцип Шерлока Холмса, который сравнивал человеческий мозг с чердаком, где всё должно быть аккуратно разложено, чтобы им можно было воспользоваться.

Есть много способов организовать работу того же Claude Code, чтобы не захламлять контекст лишними токенами. Но так или иначе, по мере развития проекта, над которым вы работаете с агентом, в нем накапливается большое количество информации, которое хорошо бы держать доступной для агента. А если проектов много, какая-то информация, конфигурации, субагенты и скиллы начинают выноситься на уровень пользователя (не говоря о том, что часто типичная установка MCP серверов или скиллов норовит вписать себя именно на уровень пользователя) и присутствовать в результате в контексте вообще всех проектов.

Недавно Anthropic выложили очень полезную статью, подробно описывающую то, как Claude Code работает с памятью. Плохая новость — это не приводит к автоматической перестройке всех проектов. Этим придется заняться самому пользователю.

Хорошая новость — для этого можно привлечь сам Claude Code. Попробуйте для начала на одном проекте. Запустите Claude Code в проекте и дайте ему следующую инструкцию:

Прочитай https://code.claude.com/docs/en/memory. Проанализируй текущую память проекта и дай предложения в соответствии с рекомендациями статьи.

Claude Code прекрасно воспринимает инструкции на любом языке, можно не заморачиваться обязательным английским — тем более, что память он в итоге перепишет на английском. Скорее всего, он предложит превратить память проекта (~/.claude/projects/projectID/memory/MEMORY.md) в некое оглавление, а текущее содержание разделить на специфические файлы по темам — в этом случае на старте загружаться будут только несколько десятков строк основного файла, а файлы по темам будут подгружаться по необходимости. Кроме того, он увидит дублирующие инструкции в этих файлах и CLAUDE.md проекта и в итоге дойдет до ваших основных файлов (~/.claude/CLAUDE.md) и предложит переделать и их.

Вот тут удержитесь от полной переделки — проверьте, как это пройдет с одним проектом. Если он не предложит сделать бэкап текущих файлов, напомните про это, дайте сделать все правки. Перезайдите в сессию — claude –resume, — и посмотрите на результат.

Мне на довольно развесистом проекте с десятками сессий и большому количеству данных в памяти удалось снизить начальную занятость контекста до 11% от общего окна — это очень неплохой результат, в среднем без подобной реорганизации легко обнаружить начальный контекст на уровне 25-30%. Учитывая, что после 140-150k токенов (при общем окне в 200k) модели становится тяжело помнить начало сессии, выигрыш сразу становится ощутим в практической работе.

Оставайтесь с нами, у меня еще много всяких соображений накопилось на эту тему и не только.

Это было быстро — меньше недели я попрыгал по разным менеджерам паролей и вернулся обратно на 1Password.

Прошлая серия остановилась на Bitwarden. Я честно пытался им пользоваться — то есть перенес на него все, включил интеграцию, выключил интеграцию браузеров и системы с предшественником. Но, когда начинаешь пользоваться постоянно и оказывается, что даже после настройки привычные операции требуют больше действий, выдерживаешь недолго.

Прежде всего, настройка нужна. Например, по умолчанию десктопное приложение и расширение в браузере — это две сущности, не подозревающие друг о друге. Надо пойти в настройки и включить “browser integration”. Я практически уверен, что найдется человек, которому важно подключить один vault в браузере, а другой на остальном десктопе, но почему это дефолт?

Даже с настройкой — почему после гашения экрана, когда приложение блокирует базу, оно не может разблокироваться просто TouchID, почему оно все равно требует нажать мышкой на “Unlock”? Почему запрос от ssh-agent вообще нельзя подтвердить TouchID? Как ни странно, я знаю, почему — потому что Bitwarden сделано на Electron, поэтому в лучших традициях кросс-платформенной разработки игнорирует интерфейс любой платформы. А заодно и логику UX.

Я потерпел и пересел опять на Strongbox. Там ведь даже корректно импортировались ssh ключи, подумал я. Я был наполовину прав. Они импортировались, но не как ключи, а как записи, где все элементы (private key, public key и fingerprint) были вставлены как кастомные поля. Ключ вроде есть, но, оказывается, его надо импортировать заново и отметить галочку “ssh-agent”.

Впрочем, я бы потерпел, если бы не странный баг — каждый раз после гашения экрана вместо приложения я видел Database Manager, который сообщал мне, что Authentification cancelled. Интенсивное исследование показало, что, скорее всего, приложение проверяет контекст биометрии, получает отказ от системы (macos сбрасывает авторизацию при гашении экрана), но вместо повторного запроса повторяет проверку несколько раз и в итоге выдает ошибку. То есть несколько раз в день я вместо одного касания должен несколько раз нажать “ОК” и в итоге загрузить базу вручную.

Итог — я вернулся на 1Password. Я по-прежнему считаю, что компания не должна с бухты-барахты повышать цены на четверть, но никто другой даже на эту разницу не заработал.

За один день разочаровался сразу в двух (если точнее считать, то даже в трех) продуктах. Но сначала о первом.

Отменил подписку на Google AI Ultra. Я практически не использовал его на полную мощность, но пользовался уникальной для этой подписки функцией Deep Think — несколько раз она давала действительно интересные результаты out-of-the-box. И они её развивали — и с каждым таким развитием её полезность ощущалась меньше, зато глючила она на порядок больше. Например, просто отказывалась отвечать со словами “Вас много, а я одна”. Не шучу — буквально ответ выглядел как “Очень много людей сейчас пользуются этой функцией”. Причем, как мне пришлось выяснить, лимит в 10 сообщений благополучно расходовался — один раз после двух содержательных ответов между отлупами мне сообщили, что лимит всё, приходите завтра.

Обновление Gemini Pro до версии 3.1 сделал что-то чудовищное. Такого масштаба подхалимства не было даже у той версии ChatGPT, которую разработчики аварийно закатывали обратно по этой причине. Если, не дай бог, ты не предупреждаешь модель, что никакого отношения к содержанию статьи или документа не имеешь, то получаешь набор елейной патоки, за которой не понимаешь итоговый смысл. Вот буквально — я показал документ, перетерпел восхваления, сказал, что это не моя статья и вот что я про это думаю. В ответ:

Снимаю шляпу. Вы копнули на уровень парадигмы и управленческой психологии… Ваш анализ абсолютно точен… Ваша ирония бьет в десятку… Вы гениально сформулировали… Ваша мысль — это корень… Вы правы на 100%.

Я, видимо, еще недостаточно постарел, чтобы находить удовольствие в таких восхвалениях за свои деньги, причем очень немаленькие — 270 долларов в месяц.

Если добавить, что после обновления на 3.1 модель стала чаще игнорировать кастомные инструкции — а там есть жесткое указание считать данные обучения устаревшими и проверять их поиском в интернете, — и объяснять, что модель Gemini хороша, поскольку в новейшей версии 1.5 Pro окно контекста увеличено до 1 млн токенов, — то совсем непонятно, за что платить деньги.

В общем, концентрируюсь на Claude, где у меня Max подписка. Кстати, по всем наблюдениям, Claude намного меньше склонен соглашаться и хвалить пользователя и не отклоняется от инструкций проверять информацию, которая могла бы устареть. Это не говоря о том, что в разработке это лучшая модель и Claude Code у меня работает сразу в нескольких экземплярах.

Я много лет использую для управления своими паролями 1Password. Пожалуй, это лучшее решение, которое за десятилетия выросло в продукт, практически полностью закрывающий потребности даже продвинутого пользователя.

Но вот на неделе прилетело письмо о повышении подписки. Да, я использую уже давно 1Password 8, который держит хранилище паролей не в файле (его можно было разместить на любом диске, включая iCloud), а в своем сервисе. Изменение не то, чтобы существенное — 12 долларов в год мне, разумеется, по карману, — но поощрять компанию, которая вдруг (с марта, то есть предупредили за месяц) поднимает стоимость всех подписок на четверть, я совершенно не хочу. И пошел смотреть альтернативы.

Несмотря на всё богатство выбора — даже у Proton, где я плачу за почту, есть хранилище паролей, — особого разнообразия нет. Дело в том, что я, кроме паролей и прочей текстовой информации, храню в 1Password ssh-ключи и, благодаря интеграции с ssh-agent, удобно ими пользуюсь, одобряя соединение с сервером через TouchID ноутбука. У большинства менеджеров такой функции нет, поэтому остаются всего три — Bitwarden, KeePassXC и StrongBox.

StrongBox — это практически 1Password 7 по функциональности, он хранит пароли в файле, умеет импортировать всё из файла экспорта 1Password. Правда, интерфейс несколько иной, нет в нем вылизанности десятилетий разработки, и при этом многие интересные функции есть только в Pro версии, которая доступна за 25 долларов в год. Дешевле, чем у 1Password, конечно, но мне же не цена важна. Впрочем, они с ходу предлагают 3 месяца пробной подписки, есть возможность протестировать со всех сторон.

Отсутствие вылизанности выглядит, например, так — каждый раз на старте вам показывают Database Manager, где надо выбрать нужный файл с базой паролей. Нет, можно догадаться, что за кнопкой Properties скрывается опция “Launch on startup” и это начнет приводить к запуску нужной базы сразу с приложением, но можно ведь и не заставлять пользователя искать эту опцию?

StrongBox при импорте создает правильный .kdbx файл, который подходит KeePassXC. Так что его я тоже попробовал.

KeePassXC — это форк KeePass, который не разрабатывается уже несколько лет, полностью, как уверяет автор, написанный нативно, на C++, в отличие от KeePassX. Впрочем, внешний вид у него явно кросс-платформенный, то есть выглядящий одинаково плохо на всех платформах. В нем есть все нужные функции, кроме удобства. Меню не отличается последовательностью, опции находятся в довольно разных местах, но это даже не так плохо по сравнению с основными проблемами. Программа не умеет работать в фоне — это вообще что-то странное для утилиты по определению резидентной. То есть реально, если вы закроете окно программы, она закончит работу и расширение в браузере будет плакать, что вы, наверное, впервые запустили его и оно не видит программу.

Даже поддержка TouchID выглядит странно. Вы включаете поддержку “Quick Unlock” и рассчитываете, что некоторое время сможете разблокировать доступ через TouchID. Неа — вы закрываете программу (помните, она не умеет работать в фоне и реально прекращает работу при этом), открываете ее опять — никаких признаков включенного TouchID, вводите парольную фразу. Знаете, как пользоваться? Ввести пароль, разблокировать базу, заблокировать ее обратно — и тут вы увидите кнопку с изображением TouchID, на которую надо нажать мышкой и тогда оно запросит авторизацию через TouchID. Я не могу себе представить более безумного понимания usability и испытываю желание при встрече с разработчиком крепко пожать ему горло.

Короче, я в итоге остановился на Bitwarden. Он тоже всё умеет, тоже, правда, не без вопросов к usability, но зато совершенно бесплатен, если хранилище разворачивать самостоятельно, с помощью Vaultwarden. У меня личной инфраструктуры достаточно, чтобы всегда найти, где запустить еще один небольшой контейнер и привязать к нему субдомен, так что это не проблема. Визуальных шероховатостей там более чем достаточно, но пока я серьезно помучался только с теми самыми ключами — почему-то импортировать их штатно Bitwarden не захотел, вручную опция отсутствовала, поэтому пришлось поставить пакет CLI и добавить ключи так.

Попробуем пока, как оно будет срабатывать в привычных действиях — собственно, два конкурента именно на таких и отвалились очень быстро.

Чей-то бот сошел с ума и начал открывать issues (багрепорты) в репозитории Claude Code. Там таких несколько, про Etihad спрашивает, про аэропорты. Интересно, что его заставило так свихнуться?

Я, конечно, поддался модному веянию и завел себе OpenClaw — фреймворк, состоящий из персонального агента и большого количества обвязок вокруг. Не могу сказать, что использую его на полную мощность, но все же наблюдения уже можно оформлять.

У меня есть достаточное количество не очень активной техники Apple, куда можно было бы поставить OpenClaw — ну, знаете, как народ вдруг повально начал покупать базовую версию mac mini специально для бота. Но я все же не стал этого делать — я не вижу особых проблем с безопасностью, но и особых причин разворачивать бота именно так тоже не заметно. Разве что немалое количество скиллов, которые идут в комплекте с ботом, рекомендуется ставить через Homebrew, ну так совершенно необязательно следовать этим рекомендациям, бинарники везде бинарники.

За две недели использования я нашел только одну проблему, которая бы решилась использованием macos — если хочется, чтобы бот работал с хранилищем Obsidian, то это хранилище не должно находиться в iCloud, как у меня было. Впрочем, я перенес пока хранилище на Cloudflare R2 с достаточно щедрым бесплатным планом — посмотрим, что будет.

Должен признаться — я пользуюсь спеллчекером, когда пишу на украинском. Я никогда не изучал язык — когда я впервые в жизни пошел в школу в Украине, то спросил у учительницы украинского «Как мне догнать остальных в классе?». В ответ я услышал примерно то, что знают все — «Где вы были восемь лет», то есть «А как вы догоните, если у вас оценок со второго по десятый класс нет?». Это понятно, потому что еще за месяц до этого я изучал в школе азербайджанский.

Поэтому я получил право вообще не ходить на уроки украинского языка и литературы, хотя за это пришлось сдавать не один, а два выпускных экзамена по выбору (в один день, между прочим). Высшее образование также не повлияло на уровень украинского — первая техническая документация на железной дороге на украинском появилась именно тогда, когда я уже закончил учиться, а делал я это в Днепре.

Нет, как можно услышать, я на украинском говорю, конечно, понимаю его, да, как видите, даже пишу — однако делаю ошибки, а это невыносимо, потому что в других языках я очень быстро вижу ошибки и вообще перфекционист. Поэтому я пользуюсь спеллчекером и тщательно проверяю любой текст, даже комментарии — потому что перепутаю «и» с «і» и сразу вспомнят и об Одессе, и о Яндексе.

Я пользуюсь LanguageTool — это очень мощная штука, но она проверяет орфографию, пунктуацию и почти не ловит русизмы. Более того — в некоторых случаях именно моя самая большая проблема с «і» и «и» пролазит, поскольку само слово может правильно писаться и так, и так (такій, такий, это соответственно женский и мужской род местоимения). В общем, я помучился и решил посмотреть, что с этим и русизмами можно сделать.

Оказалось, что LanguageTool — это открытый продукт, который можно расширять, правда, только если вы разворачиваете его у себя. Это меня никогда не пугало, поэтому Claude получил задание и начал выполнять.

Мы (меня уже спрашивали, почему “мы” — скромный я, не могу приписать себе заслугу нескольких LLM) взяли корпус UA-GEC — это корпус ошибок, составленный Grammarly и выложенный в open-source. Из него вытащили разделы, где собраны ошибки по стилю, беглости, сочетаемости и калькам. Кроме того, добавили правила по согласованию. Первый вариант содержал более 1000 правил и давал кучу false positives. Пришлось переделывать, тестировать, но в итоге вроде бы получилось неплохо. Впрочем, конечно, не идеально.

Если кому-то интересно попробовать или даже пользоваться постоянно — вот репозиторий, содержащий и сами правила, и инструкцию по локальному развертыванию (вам понадобится Docker). Если найдете ошибки или есть что добавить — там можно отправить issue или даже сделать PR.

Иногда книги бывают тяжелыми, но необходимыми. Я сейчас прочитал первый том книги Андрея Кураева “Мифология русских войн” и могу сказать, что это именно такая книга.

Начиная с утверждения, что книга посвящена спору с популярным нарративом российской пропаганды «Россия никогда ни на кого не нападала, всегда расширялась мирно и сохранила все народы, присоединившиеся к ней», автор начинает, как он предупреждает, “высыпать факты”. Вы будете смеяться, но действительно начинает с печенегов и половцев, точнее, с князей Святослава и Олега.

Цитаты и ссылки составляют примерно две трети текста первого тома. Это летописи, сказания, дневники, хроники, воспоминания, переписка — очень большой и тщательно отобранный массив информации, который очень убедительно показывает, что Московия, а затем Россия, вела захватнические войны, покоряла (то есть оккупировала) соседние территории, убивала и изгоняла коренное население и т. д.

Я не знаю, хотел ли отец Андрей такого эффекта, но когда читаешь это подряд (а должен признаться, что это даже затягивает), возникает ужасный образ страны, где собственных ресурсов практически не было, поэтому всю свою историю, то есть почти тысячу лет, она грабила соседей, затем захватывала их земли, уничтожала города и села с населением, занималась настоящим геноцидом (хотя именно это слово автор почти не использует) и … гадила. То есть, действительно — свидетельства самых разных времен, хоть Московского царства, хоть войны с Наполеоном, хоть первой мировой, вспоминают, что после российских войск всегда все было разрушено, разбито и обмазано экскрементами.

Поэтому все то, что мы видели последние четыре года в новостях и соцсетях — это не что-то новое, не результат какой-то особой деградации россиян при Путине, это так было всегда. Об этом Кураев пишет еще в предисловии — вспоминает, что и в истории Европы были войны, пытки, уничтожение городов, геноцид населения колоний, но Европа от этого прошлого уходит, осознает его, в то время как Россия им любуется, «расчесывает прежние обиды» и даже повторяет, как мы видим, «подвиги» дедов.

Книга издана в Германии и продается на Amazon и в европейских книжных магазинах.

Повелся на упоминания в Facebook и купил книгу Орыси Демской “Одеса. Степом і Морем розказана історія”. Мало того, что разочаровался, так еще и заставлял себя дочитывать, хотя книга откровенно маленькая — электронная версия на iPad мне показывала 76 страниц, причем увеличенным текстом.

Когда открываешь книгу, которая, судя по названию, посвящена Одессе, языкам и истории, то, зная, что автор книги является ученой, ожидаешь встретить изложение научных фактов, да, в популярной форме, но приведенных точно и достаточно полно объясненных, с обоснованием и выводами. Чего точно не ожидаешь — это столкнуться с постоянными повторами странных поэтических выражений, как будто вставленных скриптами или LLM (например, «выгін лука тепер Одеської затоки», или постоянные напоминания «того самого року», после чего обязательно приводятся еще два события, непонятно как связанные с упомянутой датой). Или с фантазиями вроде предположения, что милетские основатели колонии на берегах Черного моря изгоняли туда всех неугодных, в частности, — евреев. На самом деле в то время, 5-6 века до нашей эры, евреи страдали от вавилонского пленения и в Ионию не переселялись. Утверждения о том, что среди жителей Северного Причерноморья того времени были семиты, основаны на надписях на свинцовых табличках, найденных на острове Березань и в Ольвии, но они большинством ученых считаются финикийскими.

Видимо, автор, постоянно перечисляя языки, на которых говорили на месте, где сейчас расположена Одесса, пыталась показать, что здесь всегда было много чего, многие жили и на многих языках говорили, а главный язык Российской империи господствовал лишь пару веков, однако это, по моему мнению, получилось неубедительно. Так же не удалось убедительно показать, что украинский язык здесь имеет право на главенствующее положение — в основном рассказывается об интеллигенции, активистах «Просвиты» и о базарах, что, по мнению автора, иллюстрирует, что вокруг Одессы был украинский язык. Попыток хотя бы объяснить, почему он там был, не предпринимается — это отдельно странно. Как можно было пытаться доказать что-то об украинском языке вокруг Одессы и не упомянуть ни одно поселение козаков, поселившихся здесь после разгрома Запорожской Сечи (а некоторые селились еще до этого) — не понимаю. Хотя то же Усатово в тексте есть в рассказе об Усатовской культуре — но в качестве иллюстрации прилеплено (ну, а как еще назвать фотографию, никак не относящуюся к содержанию?) фото креста на козацком кладбище в Усатово.

Откровенно говоря, это какая-то нелепая пропаганда. Написанная довольно плохим стилем. Своего рода лингвистический TikTok. Поэтому ссылку не даю.

Интересный проект — скрипт выкачивает данные карты для выбранного города и делает из нее постер.

Попробовал для Одессы — вышло неплохо.

Есть все-таки небольшая надежда в Америке.

Том Морелло из Rage Against the Machine на прошлой неделе участвовал в концерте в центре Миннеаполиса и обратился к публике со словами:

Brothers and sisters, thank you for welcoming us to the Battle of Minneapolis. My friends, if it looks like fascism, sounds like fascism, acts like fascism, dresses like fascism, talks like fascism, kills like fascism and lies like fascism, brothers and sisters, it’s fucking fascism. It’s here, it’s now, it’s in my city, it’s in your city and it must be resisted, protested, defended against, stood up to, exposed, ousted, overthrown and driven out. By who? By you. By me. Minneapolis is an inspiration to the entire nation. You have heroically stood up against ICE, stood up against Trump, stood up against this terrible rising tide of state terror. You’ve stood up for your neighbors and for yourselves and for democracy and for justice. Ain’t nobody coming to save us, except us. And brothers and sisters, you are showing the way. To that end, we would like to begin our program with an old Native American war chant. We encourage you to singalong, in this very room Prince created a revolution, now it’s our turn.

И его группа сыграла Killing in the Name Of, где весь текст спела публика.