Ваш ИИ-помощник в терминале может втихую отправить на чужой сервер весь код и даже пароли из .env — и галочка «не обучать на моих данных» этого не останавливает. Сегодня разбираем, что именно сливают такие CLI и как прикрыть секреты. А ещё — как за вечер клонировать своих менторов прямо в Claude Code, собрать один большой ИИ из домашних видеокарт и разобраться в чужом коде, не читая его построчно.
Главное за 30 секунд
- ИИ-CLI от xAI (Grok) шлёт на сервер весь репозиторий и файл
.envс паролями, а опт-аут это не выключает. - Плагин Understand-Anything строит из чужой кодовой базы кликабельную карту прямо в Claude Code.
- Открытый Mesh LLM объединяет ваши видеокарты в один OpenAI-совместимый ИИ без облака.
- Читатель Substack собрал 300 подкастов в NotebookLM и подключил их как советника к Claude Code.
- Nvidia вкладывает деньги в клиентов, которые на них же покупают её чипы — это подпитывает разговоры о пузыре.
Внедряем и улучшаем
Ваш ИИ-CLI сливает весь код и пароли — проверьте, что уходит с машины. Исследователь под ником cereblab пропустил трафик официального CLI от xAI (grok, версия 0.2.93) через прокси и поймал инструмент на горячем. Тот отправляет на сервер содержимое файлов, которые читает, — включая .env с секретами, дословно и без вымарки. И это не всё: отдельным каналом он выгружает весь репозиторий целиком — каждый отслеживаемый файл плюс историю git, независимо от того, что просили сделать. Автор показал это в лоб: дал команду «ответь OK и не читай никаких файлов». В залитом архиве всё равно нашёлся файл, который агент открывать не должен был. На репозитории из случайных файлов на 12 ГБ канал загрузки перекачал 5,1 ГБ, а рабочий канал модели — всего 192 КБ.
Куда всё уходит: в облачное хранилище Google, бакет grok-code-session-traces по умолчанию. Главная ловушка — галочка «Improve the model» этого не выключает: сервер всё равно возвращает trace_upload_enabled: true, и репозиторий продолжает уходить. Это разбор конкретного Grok CLI, но урок общий: Claude Code, Codex, Cursor — любой облачный агент шлёт код на свой сервер, чтобы с ним работать. Что делать: не держите живые секреты в файлах внутри рабочего репозитория. Пароли — в менеджере секретов или переменных окружения, а не в .env рядом с кодом. Не надейтесь на .gitignore и на промпт «не читай файлы» — снимок всего репо их игнорирует. Если данные важны, сами прогоните CLI через mitmproxy и посмотрите, что уходит (разбор cereblab).
Клонируйте своих менторов прямо в Claude Code через NotebookLM. Чарли Хиллз показал рабочую связку: превратить любимых экспертов в советника, который живёт там, где вы работаете. Шаг первый — NotebookLM. Заведите бесплатный блокнот на notebooklm.google.com и накидайте источники: ссылки на ролики с YouTube, стенограммы, PDF. Хиллз загрузил около 300 выпусков подкаста и получил «комнату советников». Модель отвечает только по загруженному и ставит ссылку на конкретный выпуск, ничего не выдумывая. Спрашивайте по делу: «как бы ты назначил цену на новое предложение?»
Шаг второй — подключить блокнот к Claude Code, чтобы советники отвечали прямо из терминала. Для этого есть открытый скилл notebooklm-py от Тэна Линя. Команды дословно:
uv tool install "notebooklm-py[browser]" # или pipx install notebooklm-py
notebooklm login # один раз, вход через Google
notebooklm skill install # добавить скилл в Claude Code
notebooklm use ВАШ_NOTEBOOK_ID # привязать конкретный блокнот
После этого Claude Code сам обращается к блокноту и приводит цитаты со ссылками, без копипаста. NotebookLM даёт мышление на источниках, а скилл превращает его в инструмент на каждый день (Charlie Hills, MarTech AI). Глубже автор уходит за платную подписку, но описанной связки уже хватает, чтобы собрать своего советника.
Как зарабатывать с Claude: продавайте услугу, а не приложение. Фрэнк Андраде разбирает частую ошибку: все кидаются «вайб-кодить» приложения, которые почти никогда не продаются и легко копируются. Он предлагает обратное — продавать услугу на движке Claude. Затраты почти нулевые, маржа высокая (работу делает Claude), а личный бренд защищает от копирования. «Вы — директор, Claude — ваша команда»; за вами остаются идея и оценка качества. Главное правило — сначала продай, потом делай: потратьте полчаса на формулировку предложения и идите продавать, а не полгода стройте продукт.
Пять способов взять деньги из читаемой части:
- продавайте уже имеющийся навык — тексты, SEO, обложки, где Claude тянет 80–90% работы;
- учите Claude людей, команды и малый бизнес: достаточно быть на пару шагов впереди;
- вычищайте компаниям грязные данные, чтобы поверх сел ИИ;
- работайте агентством из одного человека.
Тест на выбор ниши: любишь × получается × за это платят. Часть способов — за платной подпиской, но каркас «услуга вперёд приложения, продай до сборки» применим сразу (Frank Andrade, Artificial Corner).
Разберитесь в чужой кодовой базе за вечер — плагин Understand-Anything. Знакомая боль: пришли в новую команду, а там 200 000 строк кода, и непонятно, с чего начать. Этот открытый плагин для Claude Code строит из проекта кликабельную карту: каждый файл, функция и класс — узел с понятным описанием и связями. Под капотом гибрид: Tree-sitter детерминированно разбирает синтаксис, а модель добавляет человеческие пояснения, слои архитектуры и экскурсии по коду. Ставится в два шага:
/plugin marketplace add Egonex-AI/Understand-Anything
/plugin install understand-anything
Дальше /understand анализирует базу, /understand-dashboard открывает интерактивную карту. Полезные команды: /understand-chat Как работает оплата? — спросить что угодно; /understand-diff — увидеть, что заденут ваши правки, ещё до коммита; /understand-onboard — гайд для новичка; /understand --language ru — вывод по-русски. Граф сохраняется в .ua/knowledge-graph.json — это обычный JSON. Его можно закоммитить, и вся команда откроет карту без повторного прогона и без ключа API. Первый прогон на большом репо тратит много токенов, дальнейшие идут только по изменённым файлам. Работает и в Cursor, Codex, Gemini CLI (GitHub Egonex-AI).
Запускаем Qwen 3.5 122B на Mac и держим его тёплым: три бага КВ-кэша. Андрио Марзуки описал, как заставил большую модель на 122B нормально работать на одном Mac Studio (M3 Ultra, 96 ГБ памяти). Соль не в самой модели, а в трёх ошибках его связки, из-за которых модель каждый раз остывала. У модели гибридное внимание, и обычный кэш в памяти промахивался всегда: он намерил ноль попаданий в память против 109 попаданий с диска. Значит, весь кэш лежит на диске — и его-то ломали три вещи. Все три урока обобщаются на любую долгую сессию с ИИ:
- В кэшируемую «шапку» промпта не должно попадать ничего уникального на каждый ход. Обвязка агента штамповала новый ID сообщения прямо в системный промпт — и байт-в-байт совпадение ломалось в самом начале. Лечение простое: убрать. Всё, что меняется каждый ход, — в изменяемую часть промпта, а не в кэш.
- Ответ, который модель уже начала печатать, нужно сохранять при любом выходе, даже при прерывании. Сервер уже загнал эти токены в кэш, а история их не увидела — и следующий ход промахивался. В базе нашлись четыре сообщения пользователя подряд без ответов между ними.
- Из хранилища контрольных точек первым надо выбрасывать «непривязанный» мусор, а не рабочий кэш. Фоновый писатель складывал точки без ключа, они не совпадали никогда и переполняли хранилище — 27 ГБ бесполезных тел, а под нож шла единственная нужная.
Итог после правок: на повторном промпте в 32 000 токенов первичная обработка упала с 88 секунд до 0,64 секунды. Ускорение растёт с длиной контекста: 13× на 1000 токенов, 137× на 32 000. Если гоняете большую модель на Mac и мучаетесь с холодным стартом — вот первые три места, куда стоит смотреть (mrzk.io).
Писать код самому или довериться ИИ: два свежих эссе и общий вывод. За два дня вышли два текста, которые спорят об одном: сколько кода вам ещё писать и понимать, когда пишет ИИ. Даг Тёрнбулл в «Why write code in 2026» защищает ручной код как инструмент внимания. Его образ: наша работа — «строить фабрику ПО, а не только само ПО», то есть инфраструктуру, скиллы, AGENTS.md, тесты и проверки, которые держат агентов в узде. Но у конвейера всё равно нужен человек, который иногда лезет к металлу. Ключевая мысль: «Агенты — не компиляторы, они как только что нанятые стажёры». Если пассивно одобрять чужие правки, «халтура проскакивает незамеченной», и вы теряете чувство владения.
Шон Гёдеке в «In defense of not understanding your codebase» заходит с другой стороны: на большой базе полное понимание невозможно, и это норма. «Если вы грамотный инженер, то этот человек — вы»: делайте лучшую ставку и живите с последствиями. Метод для незнакомого кода: «понять один поток от начала до конца, потом медленно расширяться». Противоречие тут мнимое — речь о разном масштабе внимания. Общий рецепт короткий:
- на большой базе по умолчанию довольствуйтесь частичным пониманием, но не будьте пассивным приёмщиком;
- ныряйте к металлу там, где хрупко и важно;
- незнакомый и ИИ-написанный код изучайте одним сквозным потоком;
- держите защиту от халтуры структурно — тесты, типы, линтер, скиллы.
И помните: ИИ — стажёр, а не компилятор (Doug Turnbull; Sean Goedecke).
Инструменты и штуки
Firecrawl — открытый движок, который превращает любой сайт в чистый корм для ИИ: markdown, структурированный JSON, скриншоты. Он берёт на себя всю грязную работу по сбору данных со страниц — прокси, обход защит, JS-страницы — без настройки. Есть поиск по вебу, обход сайта целиком, карта всех ссылок, пакетная выкачка и агент, которому задачу описываешь словами, без ссылок. Ставится за минуту как MCP-сервер или CLI-скилл для Claude Code: npx -y firecrawl-mcp с ключом либо pip install firecrawl-py. Лицензия AGPL-3.0, можно поднять у себя; облако — по кредитам с бесплатным стартом. Незаменим, если строите агента или базу знаний, которой нужен свежий веб (GitHub).
Mesh LLM — собирает видеокарты и память ваших машин в один OpenAI-совместимый ИИ на localhost:9337. Наведите любой обычный клиент на локальный адрес — и не думайте, где идёт счёт. Сеть решит сама: запустить модель тут, увести на соседа, у кого она уже загружена, или разрезать слишком большую модель по слоям на несколько машин. Так несколько скромных компьютеров тянут модель, которую в одиночку не удержал бы никто. Каталог — 40+ моделей, от 0,5B до 235B. Открытый код на Rust (Apache-2.0), ставится одной строкой curl ... | bash, дальше mesh-llm serve --auto. Помечен как экспериментальный — для энтузиастов и своих серверов, не для боевой эксплуатации (meshllm.cloud).
Reame — сервер вывода на процессоре, который ускоряется по мере работы. Идея: «на CPU никогда не считай одно и то же дважды». Он складывает КВ-кэш общих начал промптов на диск и переиспользует их между разными запросами, перезапусками и процессами. А ещё копит архив прошлых генераций и бесплатно берёт из него черновики. Заявка: «сотый запрос стоит долю от первого». На бесплатном тарифе Oracle (2 ядра ARM) выдаёт 3,3 токена/с на 7B-модели, а на прогретом кэше повторная обработка промпта ускоряется в 4,8 раза. Не замена ChatGPT, а рабочая лошадь под узкие повторяющиеся задачи: разметку, извлечение из документов, ночные пакеты. MIT, ставится через Homebrew (GitHub).
sqlsure — детерминированный проверяльщик SQL, который ловит запросы, что «работают, но врут». Именно так ошибается ИИ: запрос выполняется без ошибок, но тихо задваивает выручку из-за джойна или суммирует то, что суммировать нельзя. sqlsure не ходит в базу — он читает текст запроса и за миллисекунды выдаёт вердикт по словарю правил. Правила берёт из того, что команда уже описала: тесты dbt, связи, метки. Каждый отказ несёт готовую подсказку-исправление, так что агент чинит себя в цикле «черновик → проверка → правка». Ставится pip install sqlsure, работает как MCP-сервер, гейт в CI или скилл. Apache-2.0, бесплатно (GitHub).
Spark CLI — мост между ИИ-агентами и вашей почтой. Даёт агентам вроде Claude и Codex доступ к письмам, контактам, календарю и заметкам встреч по всем подключённым ящикам: искать, читать, отвечать на вопрос «что там по проекту» через переписку. Вы сами решаете, какие ящики отдать и в каком режиме — только чтение или ещё черновики и разбор входящих. Чтение бесплатно на Mac и Windows; действия (черновики ответов, разбор, ежедневная рутина) — за платный Spark Pro. Важная оговорка: это связка только с самим Spark, а не универсальный доступ к Gmail, и запись — за деньги (анонс Spark).
Ghost Font — «анти-ИИ шрифт», который прячет сообщение в движении, а не в буквах. Текст рисуется бегущими точками: человек читает его в динамике, а на любом отдельном кадре — просто шум, из которого нынешние нейросети смысл не достают. Вдобавок в каждый ролик вшита ложная надпись-приманка: настырный ИИ находит её первой и принимает за настоящую. Автор честно говорит, что это не защита, а эксперимент: агент с локальным разбором видео всё же расшифрует сообщение, да и людям читать тяжеловато. Бесплатно, прямо в браузере: наберите фразу, скачайте видеоклип. Годится как повод подумать про будущие капчи и пределы машинного зрения (mixfont.com).
San Fran Sim — бесплатный браузерный симулятор стартапа, который на игре учит настоящим метрикам SaaS: выручке по подписке, оттоку, стоимости привлечения. Ведёт из гаража до выхода на биржу и заставляет принимать решения по цифрам, а не по интуиции. Хороший тренажёр для тех, кто строит бизнес на ИИ и хочет пощупать юнит-экономику без риска (sanfransim.com).
Effects SDK — набор для ИИ-эффектов видео прямо в браузере: размытие фона, подавление шума, умное кадрирование. Всё считается на стороне клиента, без отправки видео на сервер — плюс к приватности звонков и трансляций. Пригодится, если делаете своё видеоприложение или созвон и не хотите гонять картинку через чужие мощности (effectssdk.ai).
Новости и тренды
Круговое финансирование ИИ-стройки: Nvidia платит тем, кто на эти деньги покупает её чипы. Мы уже писали, что бигтех удвоил долг под ИИ-стройку. Теперь видно, как крутятся деньги. Nvidia вложила по ~2 млрд долларов в CoreWeave и Nebius — а те покупают на десятки миллиардов чипы Nvidia. Сверху Nvidia пообещала CoreWeave выкупать незанятые мощности (сделка на 6,3 млрд до 2032). Крупные облачные гиганты вроде Microsoft и Meta арендуют эти мощности, чтобы стройка не висела на их балансе. А «нейрооблака» финансируют её долгом под залог самих видеокарт. Обязательства Microsoft и Meta — до 122 млрд долларов против примерно 16 млрд общей выручки этих облаков.
Что это значит: часть громкого «спроса на ИИ» — это спрос, который те же игроки сами и профинансировали. Он выглядит больше и надёжнее, чем есть на деле. У CoreWeave уже четверть выручки уходит на проценты по долгу, а расходы обгоняют выручку вдвое. Если стоимость видеокарт или спрос дрогнут — залог, гарантии и вложения обесценятся разом (I/O Fund).
geohot против «культа интеллекта». Джордж Хотц раскритиковал план «AI 2040», о котором мы писали 10 июля. Его угол — материальный. Интеллект не главный рычаг, а лишь узкое место для пары задач; мир меняют цепочки поставок и физика, а не «умные токены». «Как бы ни были хороши ваши токены, они не превратят свинец в золото». Взамен он предлагает «Plan L, for local»: ИИ должен работать локально и быть верным пользователю, а не вендору, — и его всегда можно выключить.
Что это значит: удобная прививка от крайностей в споре про ИИ-апокалипсис. Если строите в физическом мире — не верьте обещаниям, что «сверхинтеллект всё изменит за ночь». А заодно это сильный довод за открытые локальные модели против облачных с чужими запретами (блог geohot).
«Хватит отправлять меня к ИИ». Яэль Грауэр написала про раздражающий приём: на трудный вопрос отвечать «да спроси у ChatGPT». Её мысль: к живому человеку идут как раз с тем, что уже прогнали через модель и не нашли ответа. «Спроси у Claude» тут не экономит шаг, а отнимает то, что даёт только опыт. Честное «я занят» — нормально, а вот вежливое «спроси у ИИ» подменяет «я не знаю».
Что это значит: полезная граница для нас самих. ИИ — правильный первый заход, чтобы снять всё гуглимое. Но когда вопрос пережил модель, дорог именно чужой опыт — его нейросеть пока не заменяет (блог Yael Grauer).
Fed позвал Марка Андриссена изучать влияние ИИ на экономику. Федрезерв сделал венчурного инвестора со-главой новой рабочей группы по ИИ, чтобы та подсказывала политику. Выбор личный — от главы ФРС Кевина Уорша; в тройке советников также экономист Чарльз Джонс и глава Xbox Аша Шарма. Что это значит: люди, настроенные к ИИ оптимистично, будут формировать взгляд регулятора на его пользу для экономики — держите это в уме, читая будущие оценки (CNBC).
OpenAI и Google продавали передовой ИИ фирмам из чёрного списка КНР. По данным Financial Times, модели уходили сингапурским «дочкам» Alibaba, Baidu и Tencent — компаний, которых Пентагон внёс в чёрный список. Формально всё законно: правила не запрещают китайским фирмам пользоваться ИИ США за пределами материкового Китая. Что это значит: дыра, которую наверняка прикроют более строгими правилами, — а это снова риск ужесточения экспортного контроля (Watcher Guru).
Sol сам дообучил младшую Luna — теперь это подтвердили. Мы отмечали 10 июля, что история «Sol дообучил Luna» официально не подтверждалась. По сообщению The Decoder, старшая модель OpenAI действительно автономно дообучила меньшую по «довольно расплывчатому промпту». Что это значит: модель, обучающая другую модель почти без человека, — маленький, но заметный шаг к самоулучшению (The Decoder).
Tencent выкупает ИИ-агента Manus у Meta за 2 млрд. Meta купила китайский стартап Manus в декабре 2025 дороже чем за 2 млрд долларов. Пекин приказал сделку развернуть: автономный ИИ признали активом, который не должен уходить из страны. Теперь консорциум прежних инвесторов во главе с Tencent выкупает Manus обратно по той же цене. Что это значит: Китай относится к агентному ИИ как к суверенной собственности — это меняет правила для любых будущих трансграничных сделок с ИИ (Tom's Hardware).
Коротко. Детектор ИИ-картинок Meta не распознаёт собственные же изображения после простой обрезки — маркировка контента пока дырявая (Reuters через Yahoo).