В очередной раз помучал агентскую систему для ученых (она по научным статьям ищет), и передал весь собранный контекст в GPT 5.5 Pro с вопросом:

Почему на людей действует музыка, какая сейчас главная научная теория?

Ответ примерно такой – мозг обожает угадывать, что будет дальше, поэтому нам нравится музыка 💃💃💃

Музыка – в каокй-то степени легкий тренажёр предсказаний, мозг слушает ритм, мелодию, гармонию, голос, бас, паузы – и всё время строит прогноз: “ага, сейчас будет вот эта нота”, “тут должен упасть бит”, “сейчас припев”, “ну давай уже возьми этот аккорд, не мучай”

И «удовольствие от прослушивания музыки» начинается не когда музыка предсказуемая, и не когда она хаотичная, а когда она где-то между: человек угадывает куда всё идёт, но его всё равно чуть-чуть обманывают

Представьте: вы ждёте, что песня сейчас перейдет к припеву, а она делает микропаузу – на полсекунды – и потом раз, припев. Вроде ничего не произошло, просто ожидаемый звук пришёл чуть позже, но мозг такой: 👏 ~OH MY 👏 – то есть мы буквально радуемся хорошо оформленной задержке

Сейчас главное теория примерно такая: мозг получает удовольствие от связи между ожиданием, сюрпризом и разрешением ожиданий – музыка умеет создавать напряжение, держать его, а потом отпускать, поэтому хороший трек ощущается не как набор звуков, а как маленькая эмоциональная история (хороший пример 1, 2, 3, 4)

И конечно же в ситеме «восприятия музыки» активен не только слух – память, движение, тело, дофамин, старые ассоциации, странные сцены из прошлого, поэтому одна и та же песня может для одного человека быть “обычный трек”, а для другого – портал в Казантип, дискотека в школе и тп 

Если теория верная, то в быту это выглядит примерно так:

– бит-дроп приносит удовольствие не сам по себе, а потому что перед ним тебя аккуратно держали в ожидании (известная песня «не расслабляйся» – первые 30 секунд про это же)

– грустная музыка может нравиться, потому что она даёт безопасную версию грусти мозгу – эмоция есть, а реальной катастрофы нет, а не потому что вы грустный и Том Йорк украл вашу душу

– “мурашки от музыки” часто появляются в момент сильного совпадения: ожидал, напрягся, дождался – и мозг выдал маленький фейерверк дофамина

– earwormer (приедливая мелодия) — это, возможно, кусок музыки, который слишком хорошо застрял в предсказательной машине: простой, повторяемый, но с маленькой незавершённостью внутри 

В общем, с нетерпением жду когда музыкантам дадут доступный МРТ-симулятор (ну или эту штуку на музыку натравят), кучу АИ и укодинг агентов и они сломают наши дофамин-лупы

Вот тут можно целиком анализ почитать

tldr: живой – значит на движениях 🥳

Если вы попали в место, где люди носят немного приоткрытые ноуты в руках или просто оставляют ноут приоткрытыми на столах – вы в хорошем месте, держитесь его 😊

В ChatGPT iOS/Android наконец-то обновили кодинг агента Codex:
https://openai.com/index/work-with-codex-from-anywhere/

Обновляемся 👨‍💻🎉

Я потестировал – нужно много раз перезапустить Codex и все заработает: в целом, вы просто даете доступ ChatGPT аппу управлять сессиями Codex на вашем компьютере, также как и у Claude Code – есть даже галка "не дать компьютеру уснуть" пока агент работает

То есть простыми словами, чат с Codex показывается и у вас на компьютере, и в приложении ChatGPT – это удобно когда куда-то уходишь, и нужно агенту дать следующую команду чтобы он не простаивал

Я теперь еще больше подсяду на эту фигню, спасибо OpenAI 😂

Я вообще не фанат симуляторов гонок, но Forza Horizon 6 продала мне новую часть только за этот режим 🤔

Тут целиком видео на IGN

Не отпускает меня как-то ожидание хтони, от того куда идет мир разработки софта

Сегодня в ИТ индустрии часто обсуждают АИ-навыки разработчиков, в контексте типа:

❔– а насколько инструмент Х ускоряет АИ-разработчика vs не-AI разработчика?
❔– а вот кто эту кучу слопа ревьювить будет, а?
❔– а вот пузырь лопнет и посмотрим как окупаться будут LLM эти ваши, сразу вспомните что кожаный выгоднее

Это же все временные разговоры как по мне – потому что многие участники упускают главную мысль – корпорации ЗАСТАВЯТ заадоптить АИ-кодинг агентов и как только корпорациям не оставят выбора, вот тогда реальная адаптация АИ-кодинг агентов и случится

И заставит не CEO, не АИ-упоротые, не уговоры, не корпоративная пропаганда – заставит старый добрый зеленый Бенджамин Франклин и его коллеги:

Вы же слышали, про Mythos от Anthropic? Если коротко, это не только хорошая кодинг модель, но и модель которая умеет взламывать софт (и чинить дыры соответственно) – подключаешь ее в Claude Code, и вот у тебя уже лучше кибер-оружие на сегодня (у OpenAI есть свой аналог – серия моделей Cyber)

Так вот, Anthropic и OpenAI уже сегодня не дают доступ к этим моделям людям с улицы – нужно пройти аудит компании, чтобы получить доступ – то есть, большинство читателей никогда не получат доступ к актуальным аналогам Mythos и gpt-cyber, так как помимо цены за токен, тупо не дадут куда деньги дать чтобы это все заработало

Это сильно усложнит жизнь китайским лабам – так как они тренируют модели генерируя датасеты из моделей американских лаб (Anthropic прямым текстом про воровство данных говорит) – не так важно как вы к этому относитесь, важно что из-за «доступа по спискам» к Mythos / gpt-5.5-cyber в опенсорсе аналог появится позже, скорее всего займет больше года, но Mythos в опенсорсе точно появится

И будет примерно так, в первый же месяц Mythos-модели в опенсорсе какие-то злоумышленники запустят рой своих агентов с этой моделью, и те начнут хакать автоматом всех кто не партер OpenAI или Anthropic – я на днях читал отчет Google по безопасности в интернете, они уже ловят сигналы таких агентских систем, которые тупо ходят по интернету и с LLM и занимаются хакингом

Как только, первая крупная компания достаточно сильно пострадает от какого-то вируса шифровальщика на всю корп-сеть, сразу окажется что АИ кодинг агенты массово адаптируемы и очень нужны, и вообще не предмет споров в IT-департаменте компании, а предмет выживания корпорации – такие вещи очень быстро адаптируют, так как бизнес не терпит убытков

В итоге, те кому доступ к Mythos/Cyber сериям моделей дали – получат доступ к агенту-защитнику который не только по умолчанию лучший кодинг агент, с лучшими тулами для разработки софта, но и лучший эксперт по IT-безопасности возможный на этой планете в момент времени

А все кто не в клубе, АИ-лицом не вышли, получат 24/7 атаки на свой софт – и побегут обращаться к OpenAI и Anthropic за помощью, помощью в которой могут и отказать – если ты, например, не союзник США, или не поддержал стратегические интересы США или в целом недостаточно богат, или недостаточно большой чтобы считаться корпорацией, конечно, системы похуже для таких клиентов тоже появятся

Короче, я уверен что основные деньги OpenAI-Anthropic еще даже не начали зарабатывать

Пузырь АИ или не пузырь, это не так важно, мне кажется важный этап это – кто и когда первая корпорация поляжет от АИ-агентской атаки – сразу с этого момента – руками написанный бекенд-софт теряет смысл

Не знаю как вы, а я жду АИ-хтони 😋

⚙️ Меня немного запарило, что все кодинг агенты не умеют из коробки делать актуальных на сегодня агентов, потому что внутри – модели еще не обучены всем современным агентским трюкам – поэтому я прошелся по исходникам Codex, Claude Code и других популярных уроков по созданию агентов, работу с кешами, авто-сжатием контекста и тп, и собрал скилл agents-best-practices который чинит эту проблему – причем, там отдельно прописано, что эти знания для всех видов агентов, не только для кодинга:

Там нет кода, есть текстовые справочники на темы – мне помогло:

Архитектура агентного harness
Как устроить runtime вокруг модели: контекст, инструменты, permissions, память, наблюдаемость и остановочные условия.

Agentic loop
Базовый цикл: модель → tool call → валидация → permission check → выполнение → observation → следующий шаг или финальный ответ.

System prompts и инструкции
Как проектировать слои промптов: global, workspace, domain-specific, task-level и runtime reminders.

Tools и permissions
Как делать инструменты узкими, типизированными, безопасными, проверяемыми и разделёнными по risk class.

Planning mode
Как отделять планирование от исполнения: read-only exploration, план-артефакт, approval и потом мутации.

Goal-like loop
Как задавать долгоживущие цели с budget, checkpoints, validation criteria и stop condition. Это вместо Ralph Loop.

Context, memory и auto-compaction
Как управлять контекстом, делать retrieval, сохранять рабочее состояние и сжимать историю без потери критичных данных.

Prompt caching и cost-aware context
Как строить стабильные prompt-prefixes, deterministic tool ordering и cache-friendly agent runtime.

Skills и progressive disclosure
Как подключать reusable workflows: короткий skill index сначала, полные инструкции только при необходимости.

MCP и external connectors
Как подключать внешние системы через governed connectors: namespacing, auth, permissions, audit logs и least privilege.

Security, approvals и sandboxing
Prompt injection, secrets, approval flows, draft-vs-commit, sandbox для open-world tools.

Observability и evals
Как логировать agent runs, tool calls, approvals, compactions, failures и тестировать harness на реальные failure modes.

Provider API patterns
Практики для OpenAI, Anthropic и OpenAI-compatible API без привязки к одному провайдеру.

Checklists и coverage audit
Готовые списки для проверки: перед запуском, перед добавлением tools, перед подключением skills/connectors и перед продом.

Клевый UX прототип для АИ-галереи фотографий, я бы пользовался ☕️