Oleg: AI

2026 · эксперимент — завершено и проверено 21 мая 2026 года; 542 прогона на 13 подмножествах бенчмарков

Задача

Делает ли ответ надёжнее сборка нескольких дешёвых вызовов языковой модели в структуру — взаимное рецензирование, ансамбли, верификаторы, иерархии, красные и синие команды, поэтапные ворота? Большинство таких схем обосновывают словами, а не измеряют.

Подход

Каждая схема прогонялась на 13 подмножествах бенчмарков (MMLU-Pro, AIME, GPQA-Diamond, TheoremQA, HumanEval+ и других) и оценивалась тестами Макнемара и интервалами Уилсона — примерно за 34 доллара в сумме и без дополнительной стоимости на вопрос. Схемы-кандидаты родились из разбора 26 из 26 записанных ошибок, а не из перебора архитектур наугад.

Результат

Двадцать девять из 31 схемы статистически ничего не дали, одна дала лишь намёк, одна сработала. Та, что сработала, ничего не изменила в структуре: там, где старая схема угадывала, если ни одна внутренняя проверка не прошла, новая делает два строгих прохода исправления, а если и они не проходят — воздерживается. На самых трудных подмножествах это сдвинуло 1 из 15 к 13 из 15 (p = 0,0005) и 0 из 6 к 6 из 6.

Свидетельства

• 542 прогона на 13 подмножествах бенчмарков
• Собственная сводка проекта: 1 победитель, 1 намёк на композируемость, 29 нулевых — доля нулевых 94 %
• Общие расходы — около 34 долларов

Стек

TypeScript

Почти ни одна хитрая многоагентная структура не дала ничего, что я мог бы измерить. Победитель структуры не добавил: два строгих повтора, а потом молчание вместо догадки.

2026 · прототип — строилась с февраля по июль 2026 года; работает локально как система уровня разработчика; собственный экзамен на готовность не сдан

Задача

Общая операционная система для организаций: ядро и API, которые могут запустить и вести многоагентные команды из одной только цели, — не одна фиксированная организация, а набор инструментов, способный создать множество разных.

Подход

Восемь примитивов данных и несколько правил, которые сервер принуждает соблюдать, а не просит: работа выдаётся в аренду и истекает без сигнала жизни; ничто не принимается без артефактов-свидетельств; рискованные действия требуют подписанного одобрения с одноразовым nonce; каждый смоделированный побочный эффект инструмента идёт через один шлюз. Запуски воспроизводятся из эталонных трасс и экспортируются как пакет доказательств, который может проверить третья сторона.

Результат

Запускаемая система, но не размещённый продукт. Её определение готовности — письменный экзамен, который оценивают независимые судьи из двух семейств моделей: реальный сквозной успех, а не зелёные внутренние тесты, — и она его не сдала.

Свидетельства

• 367 исходных файлов TypeScript; 139 файлов тестов
• Верификация как код: проверки на утечку секретов, утечку литералов и дрейф эталонных трасс
• Сопутствующий эмулятор рынка намеренно не подключён к ядру, чтобы ядро не могло оценивать себя по собственному оракулу

Стек

TypeScript · Node.js · Fastify · PostgreSQL · ed25519 signatures

Структурная защита важнее защиты промптами: считай, что любой агент может галлюцинировать.

2026 · прототип — автономный цикл выключен в июне 2026 года; по собственному табло продемонстрировано 0 из 3 миссий

Задача

Движок для изменения существующей кодовой базы, где языковая модель может только предложить патч, а детерминированные проверки решают, что попадёт в код. И второй вопрос: что происходит, когда два разных агента для программирования собирают одну и ту же спецификацию и каждый проверяет другого?

Подход

Обе сборки вышли из одной спецификации — одну писал Codex с Claude как обязательным внешним проверяющим, другую наоборот. Каждая принимает цель и запрос на изменение, строит граф зависимостей, собирает пакеты задач с бюджетом токенов, применяет правки в пределах ограничений по области, хешу и числу строк и прогоняет ворота: CI, приёмка, секреты, SBOM, производительность, мутации. Состояние живёт в SQLite и на диске, никогда — в контексте агента.

Результат

Обе дошли до рабочего детерминированного конвейера с тысячами тестов; ни одна не дошла до автономной версии, описанной в спецификации. 2 187 контейнерных циклов были брошены на три эталонные миссии — выпустить приложение, доказать теоремы в Lean, проверить торговую стратегию в эмуляторе без реальных сделок, — и ни одна не продемонстрирована по собственному табло проекта.

Свидетельства

• 2 385 коммитов в двух репозиториях, февраль–июль 2026 года; 787 и 346 файлов тестов с 7 162 и 1 848 тестовыми функциями
• Взаимный аудит поймал откат, который удалял исходные файлы вместо их восстановления, и обход защиты от выхода за пределы пути в Windows
• Последовательные самооценки одной сборки давали 52 %, 82 % и 96 % — по разным рубрикам и на разных стадиях, так что это не три оценки одного неизменного снимка

Стек

Python · SQLite · Docker · Lean 4

Блокирующий аудит обязан назвать самую дешёвую проверку, которая опровергла бы его же блокер.

2026 · на паузе — 258 коммитов, февраль–март 2026 года; последние живые запуски датированы 15 апреля 2026 года; собственная оценка: силён как стенд, но объявлять по нему победителя ещё нельзя

Задача

Одну и ту же модель отдают многие провайдеры, и они различаются качеством. Никто не говорит, к какому направлять запросы.

Подход

Проверяет конфигурацию, параллельно отправляет одни и те же выборочные вопросы из публичных бенчмарков каждой паре «модель — провайдер», оценивает детерминированно и сохраняет сырые запросы, ответы и оценки по каждому запуску. Планировщик бюджета проверяет всех провайдеров на нескольких моделях и отсекает слабых для остальных, удерживая полный обход в пределах лимита затрат. Бенчмарк оценивает текст модели; он никогда не выполняет код, созданный моделью.

Результат

Рабочий стенд с реальными живыми запусками в апреле 2026 года. Слой ранжирования работает, но ещё не на той глубине, чтобы публично заявлять о лучшем провайдере, — о чём репозиторий говорит прямо, в таблице того, что запуск может и не может доказать.

Свидетельства

• 597 тестовых функций в 81 файле; 28 368 строк Python в src
• 375 каталогов запусков, включая реальные живые запуски 15 апреля 2026 года
• Явная политика выборки: 40–99 заданий — только дымовой тест; 1 000 и больше — дорожка для публичного сравнения

Стек

Python · pydantic · SQLite · OpenRouter · Docker · GitHub Actions

Каждый отчёт говорит, что запуск может доказать, а что — нет.

2024–2026 · на паузе — исходники заморожены 4 февраля 2026 года после двух лет; несколько правил, которые он породил, до сих пор есть в моих текущих инструкциях для агентов

Задача

Ещё до того, как агентные инструменты для программирования стали обычными: один очень способный терминальный агент, который запускает код, ходит в браузер, делегирует и помнит.

Подход

Корневой агент выводит в терминал текст, вызовы инструментов и результаты, запускает код и шелл, управляет браузером через моторный субагент и порождает молчаливых дочерних агентов с входящими и исходящими сообщениями, бюджетами и оргструктурой. Субагент памяти ведёт автобиографию и сжимает историю для кеширования промптов.

Результат

Он дорос до 17 230 строк библиотечного кода и 43 952 строк тестов в 298 файлах тестов, потом я его приостановил. Это было нулевое поколение фабрики, и оно не могло закрыть большую задачу.

Свидетельства

• 298 файлов тестов под двумя правилами: живые тесты ничего не подменяют; слова агента об использовании инструмента не доказывают, что он его использовал
• Аудит тестового мусора в декабре 2025 года заменил пустые проверки более чем в десяти наборах
• Первый файл тестов — февраль 2024 года

Стек

Node.js · OpenAI SDK · Puppeteer · Jest

Слова — не свидетельство: что инструмент был использован, доказывают артефакты.

2026 · на паузе — Исторический запуск с 25 июля по 12 августа 2026 года; на том срезе приостановлен; 57 письменных разборов; ни один результат не подтверждён кем-то ещё

Задача

Производит ли передовая модель, получив реальные шансы и дисциплинированную проверку, математику одновременно верную и новую? Намеренно ограничено задачами, ответ на которые — конечный объект, который точная арифметика может проверить на одной машине.

Подход

Корневой агент выбирает замороженные цели и записывает, почему каждый маршрут ещё не исчерпан. Чаты-решатели идут параллельно; отдельные агенты восстанавливают каждое утверждение с нуля, проверяют точные сертификаты (рациональная арифметика, SAT с выводом доказательства, символьная алгебра) и ищут в литературе, не было ли этого раньше. Верность, новизна и ценность оцениваются раздельно в журнале, куда можно только дописывать.

Результат

Горстка небольших локально проверенных объектов и точных сертификатов — ни один не прошёл рецензирование, ни один не подтверждён извне — и ни одного решения громкой проблемы. Одно чёткое разделение: цели с заданной формой ответа вернули верную математику в заданных рамках 5 раз из 5; цели на открытый поиск или изобретение — 0 из 4.

Свидетельства

• Записан 261 чат-решатель; принятые результаты заново выведены локально в точной арифметике, остальные утверждения помечены как невоспроизведённые или ожидающие
• Собственный журнал проекта: ни одного проверенного решения известной открытой проблемы и ни одной новой теоремы с внешним рецензированием; одна отборочная партия прошла проверку новизны 0 из 5
• 57 датированных разборов, каждый называет один способ, которым автоматическое рассуждение обмануло само себя

Стек

Python · sympy · z3 · python-flint · SAT with LRAT proofs · C++

В файле, куда только дописывают, ошибочной чаще всего оказывается именно первая находка — поэтому чинить нужно чтение, а не запись.

2026 · прототип — собран на четырёхчасовом хакатоне сообщества 29 августа 2026 года; 11 пул-реквестов принято в публичный репозиторий комнаты

Задача

Сроки и обещания приходят вразброс — по почте, в чатах, в расшифровках звонков и на скриншотах. Люди переносят их в трекеры вручную, и часть всплывает за день до срока.

Подход

Читает папку разнородного текста, извлекает обязательства по структурированной схеме и проверяет, что каждое извлечённое утверждение несёт точную цитату из источника. Результаты сливаются в реестр со стабильными идентификаторами: второй прогон обновляет статусы вместо дублирования, а повторный прогон на тех же данных делает ноль вызовов модели, потому что источники хешируются. Адаптер комнаты берёт фиксированную опорную дату, так что его приёмочный корпус не протухает за ночь; собственный же резолвер опорной даты в движке, если дата не задана, по-прежнему берёт системные часы.

Результат

Движок извлечения, приёмочный стенд, не зависящий от движка, небольшая веб-консоль, два выходных корпуса по 24 сценария и 93 юнит-теста — всё принято в тот же день. Тем же днём я провёл аудит и записал, где он всё ещё ошибается, — в том числе что общая проверка комнаты дала ложный зелёный, 16 из 16, на выводе с неверным владельцем, неверной датой и дублем.

Свидетельства

• 11 пул-реквестов принято в основной репозиторий 29 августа 2026 года
• 93 юнит-теста в трёх модулях; 24 сценария продублированы в два выходных корпуса (48 папок)
• Разбор после хакатона перечисляет реальные оставшиеся дефекты: нет отката при свежем прогоне; смысловое качество на реальном провайдере не измерено

Стек

Python · FastAPI · pytest · Playwright · Codex and Claude CLIs as interchangeable backends

На первом экране моей консоли было 38 элементов управления против 12 у демо комнаты — перегруженная вместо минимальной, — и в тот же день я записал первопричину.

2026 · эксперимент — один завершённый прогон 31 марта 2026 года; собранный им навык не установлен в моих текущих глобальных каталогах навыков

Задача

Как заставить ИИ работать так, как работаешь ты? Не шлифовкой промптов, а наблюдением за собой.

Подход

Просканировать все локальные сессии Codex и Claude, сгруппировать их по проектам с точными числами и происхождением, синтезировать независимый анализ по каждому проекту, затем свести их в один набор рабочих правил — где стоит планка доказательства, когда расширять область, что считается свидетельством. Каждое утверждение помечено как прямое наблюдение, вывод или заявление агента.

Результат

2 874 файла сессий разложены по 21 проектной группе на одной машине, 3 074 сессии — на другой. Прогон породил сводный навык; он не установлен в моих текущих глобальных каталогах навыков.

Свидетельства

• Завершённый прогон записал validation_passed: true
• Группы с низкой уверенностью помечены с указанием причин

Стек

Python

Отвечай за реальный результат; не останавливайся на дешёвых зелёных галочках.

2026 · эксперимент — июль 2026 года; отчёт предпочитает не называть число, чем позволить ИИ его оценить

Задача

Я регулярно даю одному ИИ проверять план или результат другого. Ловит ли это реальные проблемы или это театр процесса? Построено, чтобы измерить, а не предположить.

Подход

Инвентаризировать 20 163 записи моих собственных агентных сессий на двух машинах, свернуть их в 976 канонических событий аудита и связать 964 с сессией, которую они проверяли. Заранее зарегистрированные метрики с явными знаменателями и спроектированные отрицательные контроли — все 976 контрольных сравнений в итоговом отчёте всё ещё помечены как ожидающие; ворота между фазами; проход вычистки секретов, доказанный подложенным секретом и проверкой, что он пойман. Прежде чем что-либо измерять, каждый измерительный инструмент сам прошёл аудит.

Результат

Тринадцать из четырнадцати инструментов не прошли собственный аудит. Первый пилот описан как провал, единица анализа переделана, а отчёт оставляет главный вопрос без ответа и говорит об этом в первом же абзаце. Уцелели три ограниченных наблюдения: рецензенты нашли конкретные дефекты в инструментах; рой аудиторов стоил вдвое больше оценки (26 пунктов недельной квоты против 13); более дешёвая переработка плана потеряла или перевернула семь принятых исправлений. Ни одно из них не отвечает на вопрос об окупаемости.

Свидетельства

• 20 163 нормализованные записи сессий; 976 событий аудита, 964 связаны с проверяемой сессией
• Прогон превысил собственный бюджет на использование моделей и остановил себя по собственному правилу
• Его итоговый аудит нашёл пять собственных прогонов после даты отсечки внутри измеряемой выборки и устаревший журнал затрат; и то и другое исключено или обновлено до итогового отчёта

Стек

Python

На аудит уходит только то, что ты уже считаешь рискованным, поэтому чисто отделить вклад аудита от этого отбора нельзя.

2024 · прототип — публичный репозиторий; 15 коммитов с 9 по 17 ноября 2024 года, потом ничего; README называет его довольно ранней стадией разработки

Задача

Дать инструменту командной строки запрос на обычном языке и позволить ему писать файлы, применять диффы, запускать команды шелла и управлять браузером, пока он не скажет, что закончил.

Подход

Протокол команд в скобках между моделью и инструментом, в цикле до тех пор, пока модель не выдаст токен завершения; он мог чередовать два семейства моделей через один API.

Результат

Честный ранний прототип, заброшенный через восемь дней. Теперь я запускаю супервизор для двух коммерческих.

Свидетельства

• Публичный репозиторий, не форк

Стек

Node.js · Puppeteer · OpenRouter

Ссылки

GitHub

Ранний эксперимент с агентом для программирования, сделанный ещё до фабрики.

2025 · эксперимент — ноябрь–декабрь 2025 года; три рабочих прототипа, ни один не выпущен

Задача

Как агентные инструменты для программирования планируют, тестируют и проваливаются? Вопрос был об инструментах, а не о том, какое приложение выпускать.

Подход

Одно продуктовое задание — веб-приложение, показывающее, как мебель будет смотреться на фото комнаты, — отдано Kiro, затем Claude Code, затем Codex, каждому со своим файлом требований и тестовой дисциплиной.

Результат

Три рабочих прототипа. Один шёл от спецификации с тестами на свойствах; у второго были браузерные тесты, которые нашли перекрывающий клики слой и баг с блокировкой файла; третий работал под строгим правилом живых сквозных тестов без подмен, с прогонами скриншотов.

Свидетельства

• Три кодовые базы от 6 700 до 22 000 строк исходников, без зависимостей и сгенерированных данных, каждая со своими тестами

Стек

Node.js · Express · SQLite · Playwright

Упражнение в оценке инструментов, а не в выпуске продукта.

2026 · для себя — в ежедневном использовании с 19 августа 2026 года; восемь чистых циклов развёртывания

Задача

У Proton Calendar нет API. Я хотел добавлять события с телефона одной обычной фразой, по-русски или по-английски, не отдавая ни одному сервису пароль от календаря.

Подход

Закрытая страница на небольшом сервере превращает текст в карточки предпросмотра; неоднозначные пункты становятся вопросами, а не догадками. Подтверждённые карточки ждут в очереди, переживающей сбои. Рабочий процесс на моём ПК забирает их — он всегда подключается только наружу, — создаёт каждое событие через мой собственный уже залогиненный браузер, затем перезагружает вид дня и снова находит событие, и только потом сообщает об успехе. Телефон продолжает работать, пока ПК спит.

Результат

Работает и используется каждый день. У той же оболочки с тех пор появилась вкладка продуктов, где агент, управляющий браузером, наполняет корзину в пределах лимита на заказ, и вкладка расписаний для Telegram.

Свидетельства

• Рабочий процесс действует через мой уже залогиненный браузер: у сервиса нет пути ввода учётных данных, и он никогда не вводит пароль или код второго фактора
• Дифференциальный тестовый режим заново подкладывает каждый баг, от которого стоит защита, и требует, чтобы тест его поймал, — 15 режимов
• Релизы — неизменяемые датированные каталоги, переключаемые одним переименованием симлинка, с автоматическим откатом
• В логах никогда нет текста событий, заголовков или токенов; модель никогда не видит содержимое календаря
• 10 311 строк кода и 10 368 строк тестов в 78 собственных файлах

Стек

Node.js · puppeteer-core · Claude CLI with a JSON schema · Caddy · systemd · Windows Task Scheduler

Дубль события или заказа хуже видимого сбоя: задание, на которое ПК так и не ответил, помечается как «возможно, существует» и никогда не повторяется автоматически.

2026 · в архиве — сделана по просьбе другого человека и не развивается с июля 2026 года; публичное дерево релиза по-прежнему работает здесь, с 25 файлами тестов и сквозным набором на нескольких браузерных движках

Задача

Инструменты рисования хорошо создают одну фигуру и плохо меняют двести.

Подход

Перо, фигуры, выделение, выравнивание и распределение, отмена и повтор на фиксированном холсте — плюс живая консоль JavaScript поверх небольшого API рисования. Каждый запуск выполняется в свежем realm QuickJS внутри воркера без DOM, хранилища, сети, таймеров и eval. Realm не может тронуть документ; он возвращает предлагаемый пакет операций, который приложение проверяет и применяет как один шаг отмены или отклоняет целиком.

Результат

Разовая вещь: кто-то попросил, она вышла и с тех пор не развивается. Она по-прежнему работает на этом сервере, без аккаунта и без серверной копии рисунка; встроенный сервер слушает только loopback и никогда не читает тело запроса.

Свидетельства

• Публичный репозиторий (исходники видны; лицензия не выдана, так что повторное использование не разрешено)
• 25 файлов тестов, сквозной набор на нескольких браузерных движках, сборки рантайма с адресацией по содержимому, заголовки CSP
• Три коммита за один день: публичное дерево — чистый релиз по белому списку, а не история разработки

Стек

JavaScript · QuickJS in WebAssembly · Playwright · Node.js

Ссылки

Открыть · GitHub

Консоль изолирована не удалением опасных функций: она работает в среде, где их никогда не было, а её вывод — лишь предложение, которое проверяет доверенная сторона.

2026 · для себя — в ежедневном использовании; он запускает параллельные прогоны агентов, стоящие за большей частью работы 2026 года

Задача

Запускать ИИ-агента для программирования в неинтерактивном режиме — значит смотреть на сырой поток JSON и гадать, работает процесс или завис, — а агент, решивший спросить человека, может заблокироваться навсегда без единой ошибки.

Подход

Две обёртки по 18 строк, по одной на семейство агентов, поверх одного ядра-супервизора: запустить отсоединённый прогон, сливать его поток на диск, вести живой файл статуса, слать приватные сигналы жизни, чтобы тихий прогон никогда не выглядел зависшим, и вернуть один чистый итоговый ответ с осмысленным кодом выхода. Блокировка прогона — рекомендательная блокировка ОС, а не lock-файл. Путь «спросить человека» закрыт на уровне супервизора, потому что супервизор — это и есть маршрут без присмотра.

Результат

В ежедневном использовании на Windows и Linux. Сопутствующий набор читает собственные журналы сессий агентов и сообщает, сколько стоил каждый прогон по проекту, модели и дню; цену незнакомой модели он не угадывает, а отказывается считать.

Свидетельства

• Python без зависимостей; в наборе учёта использования 130 тестовых функций
• Один прогон просидел 11 минут почти без нагрузки на процессор и без единого вызова инструмента, прежде чем путь блокирующего вопроса закрыли
• Секреты вычищаются из показываемого stderr; ответ агента никогда не меняется

Стек

Python, standard library only · Windows Job Objects · SQLite

Ни одна операция очистки не ищет по имени исполняемого файла или процесса.

2026 · для себя — работает с июня 2026 года; общий журнал по-прежнему пополняется

Задача

Горстка фоновых утилит для одной машины — горячие клавиши виртуальных рабочих столов, которых нет в Windows, горячая клавиша выключения экрана, менеджер частоты процессора и батареи, настройщик приоритетов, запрос целей, стикеры, — каждая должна стартовать при входе, возвращаться после падения и никогда не доставать, пока всё в порядке.

Подход

Один менеджер автозапуска владеет таблицей утилит: при старте он проверяет каждую запись, скрыто запускает отсутствующие и показывает уведомление только при настоящем сбое. Автоматический перезапуск после падения настроен для одной из них (стикеров); у запроса целей автозапуск выключен. Утилиты, которым нужны повышенные права, запрашиваются через свою запланированную задачу и никогда не стартуют как копия с пониженным уровнем целостности. У связующего кода есть собственный файл тестов.

Результат

Работает месяцами: общий журнал по-прежнему пополняется. В набор входит демон клавиатурного хука, который сам себя перевзводит, потому что Windows молча снимает медленные хуки без ошибки, и задача очистки, которая убрала утёкшие процессы браузерной автоматизации за 2 171 записанный прогон с февраля 2026 года.

Свидетельства

• Общий журнал автоматизации на 10 МБ, по-прежнему пополняется
• Сигнал жизни клавиатурного хука каждые пятнадцать минут, чтобы мёртвый хук был обнаружим, а не загадочен
• 2 171 записанный прогон очистки с февраля 2026 года

Стек

PowerShell · Python · Node.js · Win32 via ctypes

Молчит, пока не сломается: фоновый инструмент не должен прерывать работу, пока всё исправно.

2026 · для себя — в ежедневном использовании; строится с февраля 2026 года

Задача

Обычные приложения-стикеры занимают место на панели задач, показывают элементы интерфейса, которыми вы не пользуетесь, и теряют заметки при падении машины.

Подход

Окна без рамки и без места на панели задач. Заметка показывает только текст, пока не в фокусе, а затем открывает заголовок, увеличивая окно, а не сжимая поле для письма. Неактивные заметки отрисовывают Markdown, активные становятся сырым текстом; вставленный HTML, перетащенные файлы и картинки из буфера превращаются в Markdown с локальными вложениями. Закрытие переносит заметку в восстановимую корзину. Автосохранение атомарно, с резервной копией, плюс ежедневный снимок.

Результат

В ежедневном использовании. 10 737 строк Python с набором тестов на 9 979 строк.

Свидетельства

• 455 тестовых функций плюс 7 тестов на свойствах против 10 737 строк приложения
• Спецификация, записанная как требования R1–R29 с условием приёмки
• Каждый положительный тест поведения на оконное событие имеет пару — тест на ложное срабатывание, где то же событие происходит без смены состояния

Стек

Python · Tkinter · Win32 via ctypes · hypothesis

Ссылки

GitHub

R7: детали интерфейса должны прятаться, когда не нужны.

2026 · для себя — активно правится по август 2026 года; зарегистрирован у менеджера автозапуска, автозапуск сейчас выключен

Задача

Раз в период небольшой диалог спрашивает цели на этот период и оценку прошлого.

Подход

Резидентное приложение спрашивает по скользящему периоду, привязанному к последнему ответу. Оно отслеживает рабочие сессии по горячей клавише, завершает их после бездействия, исключая простой, и переживает сон и гибернацию. Необязательный вложенный план позволяет задачам нести баллы прямо в своём тексте.

Результат

Зарегистрирован у супервизора. Его поведение закреплено документом требований из 43 пунктов, который должен обновляться в том же изменении, что и код, с таблицей устаревших пунктов и двумя жёсткими инвариантами.

Свидетельства

• 5 878 строк; 88 тестовых функций
• Требования A1–A43, таблица устаревшего, таблица выведенного поведения, жёсткие инварианты D1–D2
• Явно пустое отличается от отсутствующего: период, где вы сказали «планов нет», считается заполненным

Стек

Python · Tkinter · Windows idle and hotkey APIs

Меняешь поведение — обновляешь файл требований в том же наборе изменений; иначе работа не завершена.

2026 · для себя — работает, со сторожем на сигнале жизни резидента

Задача

Вокруг одного вопроса разрослись несколько скриптов — блокировка после активного использования, блокировка в полночь, блокировка по кнопке питания, — у каждого свой таймер, файл состояния и способ ломаться.

Подход

Один процесс с одним конечным автоматом и четырьмя режимами: резидент, который отслеживает активное использование и показывает перетаскиваемый обратный отсчёт; дневной запасной вариант, который отказывается действовать по устаревшему сроку; режим кнопки питания, который блокирует экран, если не может прочитать свидетельство свежести; сторож, который проверяет сигнал жизни резидента. Установщик экспортирует каждую запланированную задачу, которую трогает, прежде чем что-то менять, и умеет откатываться.

Результат

Работает. Он сводит блокировку по активному использованию, по расписанию и по кнопке питания в одну программу.

Свидетельства

• 43 проверки самотестирования, включая отрицательный самотест
• Пробный режим сообщает «действовать», «отложить» или «подавить как устаревшее», не блокируя экран
• Его предок — скрипт 2023 года на 12 строк, гасивший монитор одним сообщением Win32

Стек

Python · Win32 via ctypes · Windows Scheduled Tasks

Проверка, которая всегда возвращала «чисто», — не проверка.

2026 · для себя — больше 400 000 замеров с мая 2026 года; адрес закрытый

Задача

Два ИИ-инструмента для программирования выдают работу пятичасовыми и недельными квотами, которые видно только изнутри инструмента.

Подход

Каждую минуту опросчик шлёт запрос на один токен и читает настоящие заголовки лимитов в ответах провайдеров — три аккаунта, шесть датчиков, — фиксирует цикл одной транзакцией и рисует график с разбивкой, какой проект и какая модель сколько потратили. Он измеряет, а не оценивает: имена заголовков найдены дампом строк из бинарника инструмента и подтверждены одним реальным запросом.

Результат

Работает с мая 2026 года. Честно задокументированная цена: сам опрос списывается с тех самых квот, которые измеряет, — около 14 400 токенов в день при одном опросе в минуту.

Свидетельства

• 48 тестовых функций
• Исправление в бою 12 августа 2026 года: один воркер держал 332 полузакрытых сокета; TLS вынесен на обратный прокси и проверен при 40 одновременных соединениях из пяти регионов

Стек

Python · Flask · gunicorn · SQLite · Caddy

Она измеряет, а не оценивает, и говорит, сколько стоит измерение: около 14 400 токенов в день из той самой квоты, которую рисует.

2026 · для себя — в активном использовании; 122 журнала сессий с марта 2026 года; одна починка сохранила все 22 живые панели

Задача

Моя цель — легко видеть, работает агент или по какой-то причине остановился.

Подход

Запускает и присматривает за многими одновременными агентными сессиями в tmux на нескольких машинах. Истинное состояние каждой панели — готова, работает, ждёт разрешения, упала, простаивает, завершена — берётся из детерминированных хуков жизненного цикла, а не из разбора текста агента, и выводится как редко меняющийся заголовок панели, читаемый с телефона на Android. Ежечасный сторож архивирует приватный экран каждой панели, исключает любой экран, в котором может быть секрет, одним вызовом модели спрашивает, действительно ли агент застрял, перепроверяет в изоляции и только потом отправляет одно фиксированное нажатие.

Результат

Работает. Сопутствующий инструмент показывает много панелей сразу и отправляет ввод только тем, которые небольшая проверка из конфигурации считает готовыми, после пробного прогона и подтверждения.

Свидетельства

• Сторож: 1 369 строк плюс 721 строка тестов
• Правило: не убивать, не пересоздавать и не заменять существующую живую панель агента — починки ложатся на работающий флот

Стек

tmux · shell · Python · Termux

Индикатор состояния, который спамит телефон, — это баг.

2026 · для себя — питает вкладку продуктов в pcal; сам никогда не заказывает и не открывает корзину

Задача

Покупательской половине моего телефонного ассистента нужно было знать, что я на самом деле покупаю.

Подход

Читает мою собственную историю заказов из сервиса доставки через мой залогиненный браузер — ни один запрос никогда не собирается вне страницы, это закреплено в коде — и ранжирует магазины и товары с периодом полураспада 45 дней.

Результат

Работает. Он также опроверг задокументированное допущение на реальных данных: поле, которое все считают идентификатором товара, покрывало до 17 разных товаров в 7 магазинах. Это категория. README хранит неверное утверждение и измерение бок о бок.

Свидетельства

• Самотест из 179 проверок, 19 из которых запускают намеренно неверную конструкцию и утверждают, что она даёт неверный ответ, — 13 неверных конструкций, 4 из них были живыми дефектами на тот момент
• 2 684 строки JavaScript в 14 файлах

Стек

Node.js · puppeteer-core

Тринадцать заведомо неверных конструкций — и для каждой доказано, что она даёт неверный ответ.

2026 · сдан — передан клиенту в июле 2026 года с руководством владельца; с тех пор не запущен — домен, данные эквайринга и юридические реквизиты должен предоставить клиент, а временный предзапусковый хостинг выключен

Задача

Дистрибьютору косметики нужен был готовый к работе магазин на русском и узбекском с курьерской доставкой и пунктами выдачи, а также передача, с которой справится владелец без технической подготовки.

Подход

WordPress и WooCommerce на собственной дочерней теме с тремя специально написанными плагинами: переключатель языка, плагин способов доставки и анимированный фон. Оплата картой подключена, но оставлена выключенной до появления собственных данных эквайринга клиента.

Результат

Сдан с руководством владельца на простом языке, которое говорит, что не сделано, — постоянный домен, данные эквайринга, юридические реквизиты, — вместо объявления победы. Клиент эти последние шаги не сделал, так что магазин так и не открылся для публики.

Свидетельства

• 287 из 287 цен каталога сверены с исходным каталогом; 4 устаревшие исправлены
• Оформление заказа проверено в реальном браузере вплоть до размещения заказа — и намеренно без него

Стек

WordPress · WooCommerce · PHP

Остановился на последнем обратимом шаге: ни один заказ не отправлен.

2025–2026 · эксперимент — сборщики стаканов проверены вживую 30 августа 2026 года — ни одного пропущенного дня с апреля; исследовательский код не менялся с мая 2026 года

Задача

Найти реальное измеримое преимущество на рынке предсказаний с системой, которая воспроизводима и защищена от утечки данных из будущего, — или прийти к чёткому выводу, что преимущества нет. Системы-чёрные ящики, которые нельзя проверить на утечку, исключены в документе о рамках.

Подход

Оценивать трейдеров по их истории, сводить поток лучших в оценки вероятностей и прогонять каждую идею по лестнице продвижения из шести ступеней с числовыми порогами, прежде чем она сможет коснуться денег: доходность вне выборки выше издержек с бутстреп-интервалом, не включающим ноль, два независимых окна с одинаковым знаком, тридцать дней проспективных результатов в пределах половины бэктеста, проверенный аварийный выключатель. Собственный API биржи нужную историю не отдавал, поэтому данные о сделках читаются прямо из блокчейна через пул RPC-эндпоинтов, который учится, какие узлы быстрые, у каких обрезана история и какого размера запрос каждый принимает.

Результат

Вошло примерно двадцать идей; большинство погибло на тестах вне выборки, с записанными числами. В симуляции маркетмейкинг проиграл неблагоприятному отбору на 7 830 токенах. Единственный сигнал, дошедший до проспективного отслеживания, не воспроизвёл свой бэктест на 808 000 бумажных сигналов. Уцелели стенд и данные: стаканы примерно по 10 000 рынков, снимаемые каждые две минуты с февраля 2026 года, — с пропусками в первые месяцы и без единого с конца апреля.

Свидетельства

• 286 283 строки Python в 721 файле; 265 файлов тестов, 1 430 тестовых функций
• 633 174 файла с лучшими ценами стакана в 177 дневных архивах, последние 128 дней без пропусков; высокочастотный сборщик на 5,9 запроса в секунду без единого срабатывания лимита
• Журнал из 707 датированных записей; 7 датированных расследований, одно — матрица гипотез на 863 строки с «ожидаемым, если верно» и «ожидаемым, если неверно» для каждой проверки
• Операционное руководство для агента с числовыми триггерами: заявка, не подтверждённая тридцать минут, обязана открыть расследование с двумя независимыми датчиками

Стек

Python · SQLite · Polygon JSON-RPC · systemd

Стратегия не мертва, пока не проверена в полном масштабе с верными допущениями, — и никогда не проверяй на 20 рынках, когда доступны 3 000.

2024 · эксперимент — январь–октябрь 2024 года; так и не ответил ни на один запрос

Задача

Что на самом деле нужно, чтобы построить поисковик по вебу? Начать с самого низа.

Подход

Десять параллельных потоков обхода по списку из десяти миллионов доменов, с ручной обработкой Brotli, gzip и deflate; собственный DNS-кеш, потому что настоящим узким местом было разрешение имён; бенчмарки двух способов побитового пересечения списков вхождений; эксперименты с раскладкой индекса.

Результат

До индекса, отвечающего на запросы, дело так и не дошло.

Свидетельства

• Сохранились 17 файлов экспериментов; краулер ожидает список из десяти миллионов доменов, которого в дереве больше нет

Стек

Node.js · cheerio

2018 · в архиве — сделана примерно за два месяца

Задача

Десяток вариантов одного приложения, каждому нужны свои строки, иконка, скриншоты и описание в магазине.

Подход

Скрипт клонирует проект-шаблон по разу на вариант, накладывает данные этого варианта, переписывает имена и содержимое, переводит строки, компилирует и публикует. Иконки и скриншоты для магазина генерируются случайной функцией с зерном из хеша имени приложения, с проверкой цветового расстояния, чтобы схемы оставались различимыми.

Результат

Десяток именованных вариантов, каждый сгенерирован из своих данных и имени.

Свидетельства

• 18 КБ оркестрирующего JavaScript в шести файлах плюс данные для каждого варианта
• Автоматический шаг публикации в магазине

Стек

Node.js · Android

Из одного и того же имени всегда собирается одно и то же приложение.