- Дата: 4 ноября 2026 года, около 95 минут
- Гость: Денис Дыбский, co-founder OpenChamber
- Модератор: Андрей Томин
- Для кого: участники без обязательного опыта программирования (PdM, PM, BA, QA, EM, маркетологи)
- Время чтения: около 20 минут
Карта встречи
| Ветка | Главная мысль | Разделы |
|---|---|---|
| Кто гость и что за продукт | Маркетолог, который перешёл к агентной работе. OpenChamber - бесплатная оболочка над OpenCode | 1, 2 |
| Один пульт для всех моделей | Подписки и модели собраны в одном окне, расходы под контролем | 2, 3 |
| Помощники (subagents) | Главный агент раздаёт работу дешёвым помощникам и проверяет их | 4, 5 |
| Ключевая идея: дорогая модель пишет, дешёвая выполняет | Один раз сделать на сильной модели, дальше повторять на дешёвой по инструкции (скиллу) | 6 |
| Память агента | Память нужно строить под себя, и она должна устаревать | 7 |
| Одна задача на нескольких моделях | Режим Fusion: сравнить и склеить ответы | 8 |
| Маркетинг, SEO и поиск через AI | Что Денис видит в трафике и в ответах ChatGPT | 9 |
| Вопросы и риски | Подписки Claude, санкции, вайбкодинг и инженерия | 10, 11 |
| Практика | Как попробовать оркестрацию самому | 12 |
Сразу главное
Три мысли встречи.
Первая: не один чат, а команда агентов. Денис не "вайбкодит" (не просит модель "сделай" и не смотрит, что получится). Он ставит задачи, раздаёт их нескольким агентам, проверяет результат и собирает итог. Это и называется оркестрацией.
Вторая: деньги и лимиты - часть дизайна. Дорогие модели нужны для планирования и архитектуры, дешёвые справляются с повторяемой работой. Умение раскладывать задачи по моделям экономит подписку в разы.
Третья: память и проверка не работают сами. Память агента надо выстраивать под себя, а помощникам доверять нельзя без проверки: Денис прямо говорит, что помощники "точно сделают ошибки", и ставит над ними простой скрипт-контролёр.
Если термины "агент", "скилл" и "контекст" вам знакомы, переходите сразу к разделу 6. Если хотите сразу к практике, то к разделу 12.
1. Кто гость и почему его стоит слушать
По профессии маркетолог, ex co-founder Teslasuit и DŌBRA. За три года собрал 90+ проектов на LLM и агентах, за 2022-2026 годы потратил 50+ миллиардов токенов. Co-founder OpenChamber.
Токен - маленький кусочек текста, который модель читает и пишет (примерно слог или короткое слово). За токены платят, и они же заполняют "память" разговора. Поэтому "сожжённые миллиарды токенов" означают очень большой опыт реальной работы с моделями.
Сам Денис описал путь так: гуманитарное образование, затем маркетинг, свои проекты и стартапы. С моделями работает с первых версий GPT. Он не профессиональный инженер, но на агентной работе перешёл от "вайбкодинга" к "агентному инжинирингу" (раздел 11).
Примеры кейсов, о которых он рассказал:
- интернет-магазин цветов: проект за 30 тысяч (валюту он не назвал) дал плюс 1,5 млн долларов выручки из органического поиска (около +50%);
- автоматизация исследования акций публичных компаний на больших наборах данных;
- новостной портал по агротехнике: больше 2 млн переходов за 12 месяцев из Google Discover (рекомендательная лента Google, показывает материалы под интересы пользователя). Летом трафик почти обнулялся, потом вернулся;
- система, которая отслеживает трафик AI-сайтов и индустрий.
2. OpenChamber: что это и зачем
Харнес (harness) - это "рабочее место" вокруг модели: окно, в котором вы общаетесь с агентом, подключаете инструменты, храните настройки и видите, что агент делает. Модель - сотрудник, харнес - его офис, стол и доступы.
OpenChamber - визуальная оболочка над OpenCode (открытым инструментом для работы с ИИ-агентами; его разрабатывает компания Anomaly). OpenChamber делает отдельная команда, это независимый проект с открытым кодом (лицензия MIT). Что рассказал Денис:
- OpenCode пользуется порядка 20 миллионов человек. OpenChamber полностью бесплатный, без подписок и без аккаунтов, с упором на приватность. Тексты запросов при этом уходят тем провайдерам моделей, которых вы подключили;
- открытый код (open source: любой может прочитать программу): около 12,6 тысячи звёзд на GitHub (это отметки "нравится" у разработчиков), около 80 тысяч активных пользователей в месяц и рост 40-50% в месяц;
- идея появилась у партнёра Дениса Богдана: не хватало хорошей настольной или браузерной оболочки для OpenCode;
- версии: десктоп (macOS, Windows, Linux), веб, мобильные приложения (iOS и Android пока в бета-версии) и расширение для VS Code.
Ему важно сделать продукт доступным не только программистам: в нём "есть все инструменты, которыми вы и так пользуетесь", а любой сервис подключается через MCP (стандартный разъём между агентом и сервисом, описание стандарта) или просто просьбой к агенту.
3. Один пульт для всех подписок и моделей
Денис называет OpenChamber контрольной панелью: в одном окне видны все модели и подписки, и можно следить за расходами.
Что в этой панели:
- подключаются подписки Claude и ChatGPT; панель показывает недельный лимит Claude (у Дениса на момент показа 29%);
- есть недорогая подписка OpenCode Go (10 долларов в месяц) и сервис OpenCode Zen, где часть моделей бесплатна: для простых задач подписка не нужна.;
- 225 провайдеров моделей (провайдер - компания или сервис, который даёт доступ к моделям) подключаются одной кнопкой, в том числе через сервис-посредник OpenRouter;
- встроенный браузер, MCP, интеграции с Figma, GitLab и другими сервисами;
- обычное для чатов: выбор глубины размышления, режим "планировать или строить", голосовой ввод.
Денис работает с двумя-пятью проектами в день одновременно: часть в Claude Code, большую часть переносит в OpenChamber, чтобы управлять всем из одного места. Он сам предупреждает: у него предвзятость в пользу продукта, "никому ничего не продаю, попробуйте, не зайдёт - ок".
4. Подбор модели под задачу и помощники (subagents)
Подбор модели. Дорогие модели стоят дорого, лимиты убегают быстро. Поэтому часть оркестрации - отправлять простые задачи на дешёвые модели, а сложные на сильные (Opus и Fable - сильные (и дорогие) модели Claude от Anthropic, плюс модели OpenAI, создателя ChatGPT). В OpenChamber для этого есть встроенный "классификатор": быстрая модель, которая по тексту задачи выбирает подходящую. Со временем выбор можно подстраивать через память: "для такой задачи хочу такую модель". Он советует пробовать на своих задачах, потому что заранее сказать, хорошо ли это сработает у вас, нельзя.
Это модель Jev от компании TypeSafe AI: она не ведёт диалог, а за доли секунды относит запрос к категории (простой, исследование, реализация, сложный), и по категории выбирается модель. В OpenChamber это режим Auto Model Routing; он включается в настройках.
Помощники (subagents). Андрей объяснил это так: главный агент - как отдел, у него много сотрудников, которые приносят работу, а он её проверяет и собирает. Денис согласился: помощник - дешёвый исполнитель с собственным "рабочим столом" (отдельным контекстом), а главный агент, как правило, сильнее и проверяет за ним, потому что кто-то из помощников может соврать ("а такое часто бывает").
Что показал Денис вживую:
- Задача: найти инвестиционные раунды за последние 30 дней в 10 направлениях AI.
- Он написал агенту: запусти 10 помощников, по одному на направление. Не все модели сами догадываются так делать, поэтому такое правило можно записать в память.
- В интерфейсе видно дерево: главный агент и вложенные помощники. Любого можно открыть и посмотреть его контекст и источники.
- Итог пришёл за 2 минуты 55 секунд: топ-3 по каждому направлению, около 90 найденных раундов, плюс автоматическая сводка в одну строку.
Что важно знать про помощников:
- помощники нужны там, где нужна скорость или большой объём данных; задачи надо уметь распараллелить;
- они съедают много: один помощник на Claude Code тратит 200-400 тысяч токенов, поэтому исследования быстро выжирают пятичасовой лимит подписки;
- максимум, который он запускал: 27 помощников сразу. Mac с 8 ГБ памяти (M1, 2020 года) не выдержал;
- помощники стали более самостоятельными, потому что модели дообучили делегировать и склеивать результат;
- на Claude-моделях помощниками обычно работают Sonnet или Haiku (более лёгкие и дешёвые модели Claude);
- любопытное наблюдение: "AI пришёл нас разгрузить, а в итоге загружает ещё больше".
В OpenChamber можно описать текстом запланированную задачу, например "10 числа каждого месяца обновлять объём запросов по роботам в Google". Чтобы она сработала, OpenChamber должен быть запущен (задачи выполняются, пока работает сервер программы; у настольной версии это работающее приложение). Недавний апдейт ускорил некоторые процессы (в первую очередь работу помощников) в 3-5 раз по затратам процессорного времени.
5. Как проверять работу помощников
Денис говорит: помощники "точно сделают ошибки, и это нормально", их задача перелопатить большой объём. Поэтому у него несколько приёмов защиты:
- Проверка простым скриптом, без ИИ. Это небольшая программа с чёткими правилами. Например, она ловит дубли: если у двух записей совпадают размер раунда, похожее название компании и часть инвесторов, это один раунд. Такой скрипт описан в скилле, и его запускает главный агент после помощников.
- Главный агент мощнее помощников. Он смотрит, где помощник мог "соврать".
Для особо важных выводов Денис использует ещё один приём: сначала тяжёлый анализ на максимальном размышлении сильной модели, затем перепроверка через другую модель, чтобы найти нестыковки.
Он также упомянул "оценки качества" (evaluations): работу агентов оценивают либо отдельной моделью-судьёй, либо маленькими детерминированными скриптами, чтобы понять, какая модель лучше и где больше ошибок. Над всем этим он остаётся "надзирателем".
Уверенный ответ помощника не доказательство. Если в вашем процессе есть правила, которые можно проверить без ИИ (дубли, пустые поля, суммы), оформите их скриптом и поручите запускать после каждого прогона.
6. Ключевая идея: дорогая модель пишет инструкцию, дешёвая выполняет
Самый переносимый лайфхак встречи. Скилл - это набор инструкций под типовую задачу: куда ходить, какие источники брать, какие правила, как проверять, в каком виде отдать результат.
Схема, которую использует Денис:
- Сложная повторяемая задача решается один раз на сильной модели (в его случае Claude Code).
- Вы даёте комментарии, задача прогоняется ещё раз, получается идеальный результат в нужном формате.
- Вы просите сильную модель написать максимально подробный скилл по тому подходу, который она использовала.
- Этот скилл отдаётся быстрой дешёвой модели (у Дениса это Muse), и она "тупо следует инструкции".
Почему это работает: сильная модель знает, что скилл - это набор правил и ограничений, и пишет его соответственно, а дешёвая модель умеет следовать инструкции. Подписка за 200 долларов в месяц лучше тратится на планирование и архитектуру, а не на поиск инвестраундов: "слишком простая задача для фронтир-модели". Часть его новостных проектов уже работает на дешёвых моделях по скиллам, написанным Opus.
Выберите работу, которую делаете регулярно (например, еженедельный обзор конкурентов). Решите её один раз в сильной модели, поправьте результат и прогоните ещё раз. Затем попросите ту же модель описать подход как подробный скилл: цель, источники, шаги, признаки ошибок, формат итога и один пример хорошего результата. Этот скилл и отдавайте дешёвой модели.
7. Память агента: у Дениса шесть слоёв
Денис отдельно подчеркнул, что почти никто не уделяет внимания памяти агентов: универсальных подходов нет, и над этим в OpenChamber сейчас идёт отдельная работа.
Контекст - это то, что агент "видит" прямо сейчас: ваши сообщения, инструкции, файлы. В обычном чате контекст это ваш текст. В большом проекте файлов много, и агент либо ищет по тексту, либо использует смысловой (векторный) поиск, который находит похожие по смыслу куски документов.
Своя схема Дениса:
Подробности:
- Слой 1. Глобальный файл правил Claude (текстовый файл с вашими стандартными инструкциями, который агент читает в начале каждой сессии): 824 строки, 42 раздела. Он тратит много: первый запрос в Claude Code съедает около 120 тысяч токенов, то есть 10% окна в миллион. Денис сознательно платит эту цену, чтобы не повторять критичное и не помнить это самому.
- Слой 2. Автопамять проекта: агент записывает важное, и то, что вы просили запомнить.
- Слой 3. Документы проекта: README, статус (handoff, записка о том, на чём остановились), найденные подвохи, процесс, требования и личные предпочтения. Пример предпочтения: если агент признаёт ошибку, пусть напишет заглавными "ТЫ ПРАВ", чтобы это было видно сразу.
- Слой 4. Карта знаний по всем проектам (личный проект Дениса Enable.AI): индекс проектов, скриптов, настроек. Пример: из любого проекта агент знает, что настроенные прокси (настройки подключения через промежуточный сервер) лежат в Enable.AI, и подключает их, не требуя объяснений. Денис называет это "единым окном" и "intelligence on demand" (знание по запросу).
- Слой 5. Ночное сканирование кода и требований личным инструментом Дениса: раз в сутки, около 5-6 утра, по 18 самым важным проектам.
- Слой 6. Скиллы: 193 глобальных.
Денис честно говорит, что это "оверинжиниринг для обычного использования": документ памяти он обновляет вручную, а часть файлов устарела. Лучшая память строится под ваш способ работы.
Что нашло исследование OpenChamber про память. Команда взяла из научной базы Semantic Scholar около 15,6 тысячи аннотаций, отобрала 3283 работы 2023-2026 годов про память ИИ-агентов и разобрала их по темам. Подробности в статье в блоге OpenChamber (25 октября 2026). Главное:
- доля работ про процедурную память и скиллы выросла в 3,7 раза с 2024 по 2026 год (с 2,3% до 8,4%);
- самоэволюционирующие агенты (которые сами улучшают свои инструкции): доля выросла в 4,3 раза с 2024 по 2026 год;
- слово agentic ("агентный"): частота выросла в 14 раз с 2024 по 2026 год (с 14 до 201 упоминания на тысячу работ);
- темы "забывание" и "устаревание данных" встречаются в одних и тех же работах в 2,5 раза чаще, чем случайно;
- практический вывод Дениса: память должна устаревать. Факт нужно записывать с датой, чтобы старое не перезаписывалось слепо и не мешало новому.
Для обработки очень больших наборов документов Денис советует не запускать помощника на каждый документ, а использовать пакетный подход с одним и тем же набором полей для всех (как колонки в Excel).
8. Fusion: одну задачу на нескольких моделях
Денис показал режим Fusion: один и тот же запрос запускается на нескольких моделях (в демо три), затем выбирается модель, которая склеивает результаты. Режим с таким названием первым сделал OpenRouter: несколько моделей отвечают параллельно, судья сравнивает ответы, и модель пишет итог. В OpenChamber кнопка называется Start Fusion, в документации это Multi-run ("запуск на нескольких моделях").
- Opus справился за 2 минуты 22 секунды, DeepSeek думал заметно дольше.
- Польза двойная: иногда одна модель находит то, что пропускают остальные, а ещё это наглядный способ увидеть, насколько модели различаются по интеллекту.
- Сам Денис называет это "ради фана", но иногда с большой практической ценностью.
Это как показать один и тот же отчёт трём разным консультантам и попросить четвёртого свести мнения в одно.
9. Маркетинг, SEO и видимость в AI-поиске
Это ответы Дениса на вопросы участников.
- Волатильность Google. Сейчас "дикая волатильность", поддерживать стабильный органический трафик очень сложно. Агенты помогают понять, что пошло не так и какие гипотезы проверить, особенно на анализе больших объёмов данных из Search Console (бесплатный инструмент Google, где владелец сайта видит, по каким запросам его находят) и аналитики.
- Не всё получается. Из четырёх запущенных новостных сайтов два упали в ноль, он их закрыл. Подход философский: работает, развиваю; не работает, закрываю.
- Почему режут контент. Обновления Google в этом году режут контент не за то, что он создан AI, а за нарушение соотношения: число ссылающихся доменов и скорость прироста нового контента.
- Reddit. Google стал меньше показывать Reddit, чего он не ожидал.
- Видимость в ответах AI. У Дениса есть свой инструмент, который проверяет упоминаемость в AI-поиске. С середины августа он заметил резкое падение страниц-сравнений в цитированиях, а запросы, которые ChatGPT формирует сам при поиске, сменились на более "официальные": с оператором site: и официальными сайтами брендов. Около 60% контента в ответе берётся не с первой и даже не со второй страницы Google.
- Где хорошо работают агенты: подбор данных, ключевые запросы, глубокая аналитика. Специализация Дениса: текстовый контент, без видео и аудио.
10. Куда движется продукт и как команда слушает пользователей
- Чтобы быстро найти респондентов, команда разместила сообщение в самом приложении как часть обновления. В результате около 40 человек захотели поговорить (с 37 поговорили), ещё 412 человек ответили на 14 открытых вопросов. Это дало ответы, за что пользователи готовы платить и куда уйдут, если продукт исчезнет.
- Денис ожидает, что такие продукты скоро станут "коммодити" (сильно похожими), поэтому команда смотрит в сторону маркетинга, продакт-менеджмента и других ролей, где порог входа выше, чем у программистов. Задачи вроде исследования рынка, ICP (профиль идеального клиента), LinkedIn и лидогенерации снижают порог входа почти до уровня обычного чата.
- Монетизация придёт позже.
- Команда ищет founding engineer (инженера, у которого в будущем будет доля в продукте): автономного, умеющего оркестрировать агентов; нужен инженер по образованию, вайбкодеров не берут.
11. Вопросы, которые прозвучали
Вайбкодинг или инженерия. Денис уже не вайбкодит: с Claude Code он держит архитектуру в голове, советуется с моделями, старшие модели использует для проектирования. Это "агентный инжиниринг", а не профессиональная инженерия. Вайбкодинг был около полугода назад.
Работает ли на подсанкционных рынках. Ограничений нет специально: в продукте нет аккаунтов, он open source. Но внутри стоит OpenCode: если он блокируется в стране, то и OpenChamber там не заработает. Денис не знает, как обстоит дело в России и Беларуси.
Не против ли Claude подписку не из их приложения. Денис ответил, что OpenChamber подключает подписку Claude через официальный SDK (набор инструментов для разработчиков), без обходов, и претензий команда не получала. Риск он видит в том, что Anthropic может счесть такое использование злоупотреблением.
Как ссылаться из одного чата на другой. Ответ Дениса: через проект Enable.AI, где собрана информация обо всех проектах и возможностях; из любого проекта можно обратиться к другому или к конкретной возможности.
Что про SEO и Google. Ответы собраны в разделе 9.
12. Как попробовать оркестрацию самому
Практические шаги для тех, кто не пишет код.
1. Установите OpenChamber как обычное приложение. Откройте openchamber.dev/download, скачайте версию для своей системы (macOS, Windows или Linux), откройте файл и установите, как любую программу. Отдельно ничего ставить не нужно: настольная версия уже содержит собственную копию OpenCode. Если установщик нужен напрямую, он лежит на странице релизов.
2. Подключите то, что у вас уже есть. Перед работой нужен хотя бы один "провайдер" (подключение к компании, которая даёт модель). Откройте Settings, затем Providers, затем Add provider и выберите провайдера. Войти можно по API-ключу (длинный секретный код из личного кабинета провайдера) или через "device flow": программа покажет ссылку и короткий код, вы открываете ссылку, вводите код и подтверждаете вход. Если не хотите платить на старте, у OpenCode есть бесплатные модели.
3. Подписка или API-ключ. Подписку Claude или ChatGPT можно подключить, но самый спокойный вариант для рабочих задач - API-ключ: условия использования у него однозначные.
4. Начните с одного главного агента и дешёвых помощников на маленькой реальной задаче. Не берите большой проект. Возьмите задачу, которая естественно делится на части: например, собрать сведения по пяти конкурентам. Напишите главному агенту простыми словами: запусти по одному помощнику на каждого конкурента и потом сведи результат в таблицу. Модель для главного агента выбирается в строке сообщения; какие модели использовать помощникам, можно прямо написать в задаче или настроить в Settings -> Agents.
5. Проверяйте работу помощников. Помощники ошибаются, это нормально. Заведите короткий чек-лист: все ли пять конкурентов на месте, нет ли пустых ячеек, у каждого ли факта есть ссылка на источник, нет ли дублей. Если правила чёткие, попросите агента оформить проверку маленьким скриптом и запускать после каждого прогона. Вы можете не уметь программировать: скрипт напишет агент, а вы только читаете его описание.
6. После удачного первого прогона превратите его в скилл. Когда результат вас устроил, попросите сильную модель описать, как она это делала, в виде подробной инструкции: цель, источники, шаги, как проверять, формат итога. В следующий раз отдайте эту инструкцию дешёвой модели. Так вы платите за сложное решение один раз, а повторяете дёшево.
7. Настройте память осознанно и дайте ей устаревать. Начните с двух файлов: правила работы (как вы хотите общаться с агентом, что всегда делать и чего не делать) и статус проекта (что сделано и что дальше). В каждом новом чате просите агента сначала прочитать оба. Факты записывайте с датой и раз в месяц убирайте устаревшие: лишняя старая память мешает не меньше, чем её отсутствие.
8. Сравните модели на одной задаче. Возьмите один запрос и запустите его сразу на двух-трёх моделях (в OpenChamber это Multi-run, он же Fusion). Сравните ответы: где модели расходятся, там и стоит смотреть внимательнее. Это быстрый способ понять, какая модель подходит вашей работе.
Приложение А. Вопросы участников (по темам)
| Тема вопроса | Ответ в двух словах | Раздел |
|---|---|---|
| Что изменилось в SEO и Google Search, как это повлияло на работу | Высокая волатильность, агенты помогают в аналитике, ссылочная масса и скорость контента | 9 |
| Топ-3-4 примера находок за 6 месяцев | Инсайты не сенсационные: правило про ссылающиеся домены, падение Reddit, смена запросов ChatGPT; тему вынесли на отдельный созвон | 9 |
| Вайбкодишь или инженеришь | Агентный инжиниринг | 11 |
| Как перепроверять результат помощников | Скрипт-проверка и сильный главный агент | 5 |
| Покажи запрос, как ты раздаёшь задачи и сколько их в день | Живой показ 10 помощников; число в день не называл | 4 |
| Как ссылаться из одного агентского чата на другой | Единый проект-справочник Enable.AI | 7, 11 |
| Работает ли на подсанкционных рынках | Зависит от OpenCode; Денис не знает | 11 |
| Не против ли Claude подключать подписку не через их приложение | Через официальный SDK, претензий не было, риск остаётся | 11 |
Приложение Б. Словарик
- Агент. Программа на основе модели, которая не только отвечает, но и действует: открывает файлы, ищет в интернете, вызывает инструменты.
- Оркестрация. Управление несколькими агентами и моделями: кто что делает, на какой модели, как проверяется. Аналог руководителя проекта.
- Харнес (harness). Оболочка вокруг модели: интерфейс, инструменты, настройки, память. Модель - сотрудник, харнес - его рабочее место.
- Помощник (subagent). Отдельный исполнитель, которого запускает главный агент; у него свой контекст.
- Скилл. Файл с инструкцией под типовую задачу. Аналог карточки процедуры на полке.
- Контекст. Всё, что модель видит в текущий момент: ваши сообщения, файлы, правила.
- Токен. Кусочек текста, единица счёта модели.
- Провайдер. Компания или сервис, который даёт доступ к моделям.
- Reasoning (глубина размышления). Настройка, сколько модель "думает" перед ответом: больше думает, дороже и дольше.
- Детерминированная проверка. Скрипт с жёсткими правилами: один и тот же вход всегда даёт один и тот же вывод. Противоположность ИИ, который может ответить по-разному.
- MCP. Стандартный разъём, через который агент подключается к сервису (Figma, GitLab и т.д.).
- Fusion. Запуск одной задачи на нескольких моделях с последующим объединением результатов: отдельная модель-судья сравнивает ответы, после чего модель пишет итог.
- Open source. Открытый код: любой может прочитать программу и проверить, что она делает.
- Google Discover. Лента рекомендаций Google, показывает материалы под интересы пользователя.
- Search Console. Бесплатный инструмент Google, где владелец сайта видит, по каким запросам его находят.
- Evaluations. Оценка качества работы агентов: модель-судья или скрипт.
Ссылки
- openchamber.dev - главная страница OpenChamber: что это, платформы, загрузка.
- Скачать OpenChamber - установка настольной версии.
- GitHub OpenChamber - открытый код, лицензия MIT, релизы.
- Документация - все разделы справки.
- Установка и быстрый старт - пошаговый первый запуск.
- Провайдеры и модели - как подключить модель.
- Multi-run - запуск одной задачи на нескольких моделях.
- Запланированные задачи - задачи по расписанию.
- Auto Model Routing - автоподбор модели под задачу.
- Безопасность - пароль, данные, приватность.
- Блог: исследование памяти агентов - первоисточник цифр раздела 7.
- Блог: Jev от TypeSafe AI - что за модель подбирает модель под задачу.
- OpenCode - основа, на которой работает OpenChamber.
- OpenCode Go - подписка за 10 долларов в месяц и список моделей.
- OpenRouter Fusion - откуда взята идея Fusion.
- MCP - что такое стандарт подключения сервисов.
- Google Discover и Search Console - документация Google по терминам раздела 9.
Спасибо и что дальше
Спасибо Денису Дыбскому за открытый и очень практичный разговор. Попробовать OpenChamber можно на openchamber.dev.
AI Sandbox Lab (aisandboxlab.com) проводит практические группы для тех, кто не пишет код и хочет перейти от чата в браузере к агентам в рабочих процессах. 7-я группа уже собрана, сейчас на сайте открыта предзапись в 9-ю группу (декабрь, даты уточняются).