Пользователь Hacker News задал простой вопрос: какой у вас сейчас набор ИИ-инструментов для работы? За сутки тред собрал больше 340 комментариев. Разработчики рассказали, за какие подписки платят, какие модели и оболочки используют и как управляют несколькими агентами сразу.
Мы разобрали все 231 ответ верхнего уровня и посчитали, что упоминают чаще всего. Получился срез того, как программисты работают с ИИ осенью 2026 года, и набор приёмов, которые стоит попробовать.
Коротко
- Claude и модели Anthropic упоминаются примерно в 63% ответов, инструменты OpenAI — примерно в 40%. Каждый третий упоминает обоих вендоров.
- Китайские открытые модели — DeepSeek, GLM, Qwen, Kimi — встречаются почти в 40% ответов. Главный аргумент — цена.
- Стандартные CLI вендоров остаются основой, но около четверти участников пишут про сторонние оболочки, а десятки показывают собственные.
- Самые полезные приёмы — не модели, а организация работы: изоляция агентов, перекрёстное ревью разными моделями и не больше двух-трёх параллельных задач.
Откуда цифры
Автор треда «Ask HN: What's your current AI agentic setup?» предложил пять вопросов: какие подписки, какие модели помимо них, какие оболочки, используются ли оркестраторы и платформы личных агентов.
Мы прошли все ответы верхнего уровня — их 231, каждый от отдельного автора — и посчитали упоминания. Это не опрос: упоминание не всегда значит постоянное использование, а аудитория HN не похожа на среднего разработчика. Цифры ниже — ориентир, а не статистика рынка.
Чем платят: подписки выгоднее API
Самая частая конфигурация — одна или две подписки у крупных вендоров. Разброс огромный: от $10 в месяц до примерно $500 у тех, кто держит пять-семь подписок одновременно.
- Claude — около 146 ответов из 231. Чаще всего называют Opus 5.5 как основную модель для кода.
- OpenAI — около 92 ответов, в основном Codex. Его часто держат вторым инструментом — для ревью или как запасной.
- Cursor и Copilot — около 21 ответа, нередко потому, что их выдаёт работодатель.
Многие объясняют выбор так: подписка даёт намного больше токенов, чем те же деньги через API. Несколько человек держат по две-три подписки у одного вендора, чтобы не упираться в недельные лимиты. Многие пишут, что основные подписки им оплачивает работа, а свои деньги тратят только на личные проекты.
Есть и обратные мнения. Один участник отказался от подписок после срабатывания фильтра безопасности на безобидной задаче. Другой пишет, что Claude ему нравится, но слишком дорог и ограничен.
Дешёвые открытые модели стали нормой
Самая заметная перемена за год — открытые модели из Китая. DeepSeek упоминается примерно в 50 ответах, GLM — в 32, Qwen — в 33.
Чаще всего хвалят DeepSeek Flash: по словам участников, он стоит копейки и немного уступает закрытым моделям, но работает быстро. Один разработчик пишет, что из-за скорости реже теряет нить работы в ожидании ответа.
Популярный путь — подписка OpenCode Go за $10 в месяц с доступом к таким моделям. Другие платят по факту через OpenRouter или напрямую провайдерам, кто-то ловит ночные скидки DeepSeek.
Есть и вторая причина: несколько участников переключаются на DeepSeek или GLM, когда закрытая модель отказывается от задачи, особенно в кибербезопасности или реверс-инжиниринге.
Обратная сторона — данные. Один участник прямо спрашивает, есть ли провайдер DeepSeek вне Китая без хранения данных. Другой признаёт, что пользуется скидочным посредником и, скорее всего, его данные продаются.
Оболочки: от стандартных CLI до своих
Оболочка, или харнесс, — это программа, через которую разработчик работает с моделью: даёт ей доступ к файлам, терминалу и инструментам. Стандартные варианты — Claude Code и Codex CLI.
Их по-прежнему выбирают чаще всего, но альтернативы набрали вес:
- Pi и его форк oh-my-pi — около 56 упоминаний. Ценят за лёгкость и расширяемость: к нему можно подключить любую модель.
- OpenCode — около 48 упоминаний, часто вместе с дешёвыми моделями.
- Свои оболочки и оркестраторы — в десятках ответов есть ссылки на собственные проекты. Многие прямо пишут, что они авторы.
- Редакторы — VS Code с расширениями, JetBrains, а также Emacs и Neovim у тех, кто не хочет уходить из привычной среды.
Причины смены оболочки повторяются: стоимость, свобода выбора модели и удобство ревью. Один участник ушёл с плагина для VS Code, потому что код генерировался быстрее, чем он успевал его проверять.
Несколько агентов сразу: где предел
Параллельная работа агентов — главная тема треда. Подходов три.
Человек как оркестратор
Разработчик сам раздаёт задачи нескольким сессиям и проверяет результат. Для этого используют менеджеры сессий — Herdr упоминается в 20 ответах, ещё в 17 — tmux и похожие. Herdr, по словам пользователей, присылает уведомления о состоянии агентов, и за ними не нужно следить вручную.
Агент как оркестратор
Одна главная сессия раздаёт работу остальным. Кто-то держит «руководителя» на Opus, который распределяет задачи между агентами Codex и проверяет их. Другой пишет, что раньше пользовался сложными оркестраторами, а теперь просто говорит с одной сессией с большим контекстом, и она общается с остальными.
Свои системы
Канбан-доски, задачи в Linear или GitHub, планировщики по расписанию. Агент берёт карточку, работает и возвращает результат на ревью.
Интересно, что многие упираются в один и тот же предел. Один участник пишет, что больше трёх задач одновременно не удерживает в голове, а его MacBook начинает тормозить. Это совпадает со словами основателя Conductor Чарли Холтца: в интервью The New Stack он говорил, что сам удерживает три-пять агентов одновременно. Сама компания на этой неделе объявила о переходе в Meta.
Чтобы параллельные агенты не мешали друг другу, используют git worktree — отдельную рабочую копию репозитория на каждую задачу. Без этого, как пишет один участник, сессии затирают изменения друг друга.
Модели проверяют друг друга
Один из самых практичных приёмов в треде — перекрёстное ревью. Около десяти участников прямо описывают схему, где код пишет одна модель, а проверяет другая.
- Claude пишет код, Codex запускается как хук перед и после пул-реквеста и делает ревью.
- Для критичных изменений к Codex добавляют ещё Grok и Gemini.
- Попроще: две подписки по $20, одна модель пишет, вторая проверяет.
Логика понятна: у моделей разные слабые места, и вторая чаще замечает то, что пропустила первая.
Изоляция и безопасность
Около 20 ответов описывают, как ограничивают агентов. Это особенно важно на фоне недавней истории с Postman, который сам ставил плагины в конфиги ИИ-агентов.
- Отдельные машины. Агенты работают в виртуальных машинах, контейнерах LXC или Docker, на отдельном облачном сервере. Плюс в том, что работа продолжается, когда ноутбук закрыт.
- Никаких ключей в руках модели. Один участник пропускает запросы агента через прокси, чтобы модель вообще не видела API-ключей. Для каждого сервиса он выпускает отдельный ключ с минимальными правами.
- Только чтение. Другой оставил агенту список разрешённых команд только на чтение и ограничил доступ к файловой системе.
- Подтверждение доступа к SSH. Третий перенёс SSH-ключи в агент, который спрашивает разрешение на каждое использование, — после того как его насторожило поведение модели.
Локальные модели: для приватности и экспериментов
Почти четверть участников запускает модели у себя: на Mac с большим объёмом памяти, на видеокартах RTX, на DGX Spark. Чаще всего это Qwen 3.8 и Gemma 4.
Причины — приватность и цена. Один разработчик держит локально всё личное, что не хочет отправлять в облако. Другой на двух профессиональных видеокартах получил связку, которой, по его словам, хватает почти для всей работы с Node и React.
Но многие честно пишут об ограничениях: модели, которые помещаются на домашнее железо, медленнее и слабее облачных. Для серьёзной работы их используют редко.
Личные агенты: мнения разделились
Платформы личных агентов — Hermes Agent, OpenClaw, Muse, Grok Bot — упоминаются в десятках ответов. Их используют для исследований, почты, задач из мессенджеров, заметок и даже подсчёта калорий.
Один участник сравнивает ощущения с первым iPhone. Другие пишут, что такие агенты разваливаются на реальной работе или слишком медленные. Несколько человек попробовали и вернулись к стандартным инструментам.
Тренд на упрощение
На фоне сложных конфигураций заметна противоположная тенденция. Несколько опытных участников пишут, что за год их настройка стала проще, а не сложнее.
Один удалил все свои навыки и просто подробно описывает модели, как выглядит готовый результат. Другой пользуется стандартным Claude Code через расширение VS Code и называет себя очень продуктивным. Третий не тратит время на редкие инструменты: базовой подписки ему хватает.
И те, кто не пользуется
Около десяти участников ответили, что ИИ-агентами не пользуются вообще. Кто-то считает их бесполезными для своей работы, кто-то — угрозой. У одного ИИ запрещён на работе.
Один комментатор заметил, что многие ответы выглядят как перечисление подписок без рассказа о том, что с ними делают. Справедливое замечание: о результатах работы в треде пишут гораздо реже, чем об инструментах.
Ограничения и оговорки
- Это не репрезентативный опрос. На HN отвечают энтузиасты, и те, кто тратит на ИИ сотни долларов, пишут охотнее.
- Подсчёт приблизительный. Мы считали упоминания по названиям. Упоминание не всегда значит использование, а некоторые названия совпадают с обычными словами.
- Часть ответов — реклама. Многие авторы делятся собственными продуктами. Мы не называем их отдельно и не оцениваем.
- Слова не проверены. Отзывы о скорости, качестве и стоимости — личный опыт участников, а не замеры.
Открытый вопрос. Если человек реально управляет тремя-пятью агентами, а инструменты позволяют запускать десятки, где будет основной выигрыш — в ещё большем параллелизме или в том, чтобы научить агентов надёжнее проверять друг друга?
Что попробовать у себя
- Начните со стандартного. Одна подписка и CLI вендора закрывают большую часть задач. Своя оболочка нужна, когда вы точно знаете, чего вам не хватает.
- Добавьте вторую модель на ревью. Это самый дешёвый способ поймать ошибки: недорогая подписка у другого вендора и автоматическая проверка перед пул-реквестом.
- Две-три задачи, не больше. Для каждой — отдельный git worktree, чтобы агенты не мешали друг другу.
- Изолируйте агентов. Отдельная машина или контейнер, ключи с минимальными правами, подтверждение для опасных действий.
- Дешёвые модели — для рутины. Открытые модели через API или подписку за $10 подходят для простых задач. Но проверьте, где провайдер хранит данные, прежде чем отправлять туда рабочий код.
- Следите за файлами контекста. AGENTS.md и подобные файлы со временем разрастаются. Периодически чистите их, чтобы агент получал главное, а не всё подряд.
Вывод
Тред показывает, что работа с ИИ-агентами за год стала обычной частью разработки. Спорят уже не о том, пользоваться ли ими, а о том, как организовать работу: сколько агентов запускать, кто их проверяет и где они работают.
Самое ценное в ответах — не названия инструментов, которые быстро меняются, а повторяющиеся приёмы: изоляция, перекрёстное ревью и честный предел параллельной работы. Они переживут и нынешние модели, и нынешние оболочки.
Комментарии