Claude Code: практичний старт
Родіон Лозовий починає з нуля і будує робочий вебзастосунок за допомогою Claude Code. Корисно пройти весь flow: початкове налаштування, постановка задачі, ітерації та конкретний результат.
Claude Cowork: agentic робота поза кодом
Cowork показує перехід від coding agents до general-work agents: файли, конектори, повторювані workflows та human approval. Тут зібрані два практичні Cowork walkthroughs.
Як ефективно писати промпти для Claude
Відео розбирає чотири правила промптингу від інженерів Anthropic і показує їх практичне застосування: постановка задачі, контекст, обмеження та ітерації. Використовуй їх як чекліст для Claude Code, Cowork та agentic workflows.
Agentic patterns, які варто помічати
Дивись на ці відео не лише як на product tutorials. Прив’язуй приклади до повторно використовуваних принципів побудови агентів:
- Tools and actions: що агент може читати або змінювати та які виклики потребують validation.
- State and memory: що має жити тільки в сесії, а що можна зберігати довше.
- Approval gates: human confirmation перед зовнішніми діями з наслідками.
- Observability та evaluation: task success, коректність tool calls, failures та regression checks.
- MCP та connectors: зовнішні системи як явні capabilities з обмеженими permissions.
Швидкість відтворення
Трюк у console працює через нативну властивість HTMLMediaElement video.playbackRate прямо на youtube.com. Через cross-origin iframe gimme-job.com не має доступу до внутрішнього <video>, тому буквально виконати ту саму DOM-команду ми не можемо. Натомість кожен клік 3× / 4× завжди відправляє best-effort setPlaybackRate через YouTube IFrame API. YouTube може прийняти значення або звести його до підтримуваної швидкості, а наш UI показує фактично застосований rate.
Заплановані Agentic теми
Tools and actions
Typed tools, validation, permissions, retries, and safe external actions.
State and memory
Session state, durable memory, retrieval, and boundaries between user and agent data.
Approval workflows
Human confirmation before applications, messages, or any consequential action.
Agent evaluation
Task success, trajectory checks, tool correctness, regression suites, and observability.
MCP experiments
Small integrations for job sources, Gmail, GitHub, and structured knowledge.
Pet projects
A portfolio backlog of narrow, testable agents instead of one uncontrolled system.