2026-02-25 23:22:41

Author: danvoronov

eng_2026/02/2026-02-25-22-43.md eng_2026/02/2026-02-25-20-43.mdeng_2026/02/2026-02-25-22-43.md renamed to eng_2026/02/2026-02-25-20-43.md

@@ -30,4 +30,10 @@ Almost everyone agrees that LLM-generated context files (often via the `/init` c
 
 **Critique of the study:** Lack of code quality measurement (only success rate), Python-only dataset, mostly small/LLM-generated repositories, and models change rapidly — results might differ in a month.
 
+**Documentation in `AGENTS.md`**
+https://vercel.com/blog/agents-md-outperforms-skills-in-our-agent-evals
+Agents write code for new Next.js 16 APIs that were not available in training data. Vercel tested passive documentation (an index of actual doc files) as context in `AGENTS.md`, and it outperformed active "Skills" because the agent doesn't have to decide "should I call the tool now?". 
+
+This demonstrates that a short, smart `AGENTS.md` (8 KB index + one key phrase) is one of the best ways to provide an agent with knowledge the model lacks.
+
 #prompts 

ukr_2026/02/2026-02-12-19-22.md

@@ -2,7 +2,7 @@
 https://code.claude.com/docs/en/fast-mode
 Anthropic додали у Opus 4.6 новий **прискорений** режим генерації, швидкість виводу токенів зростає приблизно в 2,5 раза. При цьому якість відповідей не падає. Коштує значно дорожче (в 6 разів) і доступний як дослідницька функція (preview). Режим доступний й у Github Copilot.
 
-**# GPT‑5.3‑Codex‑Spark**
+**GPT‑5.3‑Codex‑Spark**
 https://openai.com/index/introducing-gpt-5-3-codex-spark/
 GPT-5.3-Codex-Spark — це менша версія GPT-5.3-Codex та модель, оптимізована для генерації коду **у реальному часі** (понад 1000 токенів на секунду) за допомогаю співпраці з компанією Cerebras. Це крок до гібридного Codex з двома режимами — довгостроковими задачами (години/дні) та реального часу. API поки що тільки для партнерів, ціну не називають.
 

ukr_2026/02/2026-02-25-22-43.md

@@ -6,7 +6,7 @@ https://arxiv.org/abs/2602.11988
 
 Ключові мінуси таких файлів: зростання вартості так як агент більше читає файли, запускає тести, виконує зайві дії, бо намагається «виконати всі вимоги» з  `AGENTS.md` де зазвичай вже застарілі інструкції вводять модель в оману.
 
-Якщо писати `AGENTS.md` вручну — тільки мінімальні, точкові вимоги для виправлення конкретних повторюваних помилок агента
+Якщо писати `AGENTS.md` вручну — тільки мінімальні, точкові вимоги для виправлення конкретних повторюваних помилок агента.
 
 [https://www.youtube.com/watch?v=GcNu6wrLTJc](https://www.youtube.com/watch?v=GcNu6wrLTJc)
 
@@ -30,5 +30,9 @@ https://news.ycombinator.com/item?id=47034087
 
 Критика дослідження: відсутність вимірювання якості коду (тільки success rate), датасет тільки Python, переважно маленькі/LLM-генеровані репозиторії, до того ж моделі швидко змінюються — результати можуть через місяць вже не бути таким самим.
 
+**Документація у `AGENTS.md`**
+https://vercel.com/blog/agents-md-outperforms-skills-in-our-agent-evals
+Агенти пишуть код для нових API Next.js 16, яких не було в тренувальних даних. Vercel тестували пасивну документацію (індекс реальних файлів docs), як контекст у AGENTS.md й він перемагає активні Skills, бо агенту не треба приймати рішення “чи викликати інструмент зараз?”. Це показує, що короткий розумний AGENTS.md (8 КБ індекс + одна ключова фраза) — це один з найкращих способів дати агенту знання, яких немає в моделі.
+
 
 #prompts