#autonomous_agents — Public Fediverse posts on home.social

Habr @[email protected] · 2026-05-07 · 12:12 UTC

Я месяц гонял /goal в Codex CLI. Переломная команда для работы с AI-агентами или самый дорогой способ написать код?

OpenAI выпустил Codex CLI 0.128.0 с командой /goal — автономным режимом, в котором агент сам пишет код, тестирует, рефлексирует и долбит цель часами. На практике первое, что замечаешь — счётчик токенов скачет в 3-5 раз непредсказуемо. Не вдвое — в пять. Месяц использования в команде. Главные находки: исследователи подхватили первыми (а не разработчики). При упирании в quota wall MCP-вызовы молча отваливаются. Соседняя команда /side неожиданно стала использоваться для расшифровки англицизмов GPT-5.5. В статье: разбор архитектуры /goal (5 слоёв, инжекция системного промпта против proxy signals), реальный публичный кейс — +25% fps за час в GPT-5.5 xhigh, грабли с непредсказуемыми токенами и quota walls, когда /goal стабильно ломается. Антипафос. Никакого AI-евангелизма.

https://habr.com/ru/articles/1032606/

#OpenAI_Codex #goal #Ralph_loop #agentic_coding #GPT55 #AI_агенты #autonomous_agents

#autonomous_agents #ai_агенты #gpt55 #agentic_coding #ralph_loop #goal

Habr @[email protected] · 2026-05-07 · 12:12 UTC

Я месяц гонял /goal в Codex CLI. Переломная команда для работы с AI-агентами или самый дорогой способ написать код?

OpenAI выпустил Codex CLI 0.128.0 с командой /goal — автономным режимом, в котором агент сам пишет код, тестирует, рефлексирует и долбит цель часами. На практике первое, что замечаешь — счётчик токенов скачет в 3-5 раз непредсказуемо. Не вдвое — в пять. Месяц использования в команде. Главные находки: исследователи подхватили первыми (а не разработчики). При упирании в quota wall MCP-вызовы молча отваливаются. Соседняя команда /side неожиданно стала использоваться для расшифровки англицизмов GPT-5.5. В статье: разбор архитектуры /goal (5 слоёв, инжекция системного промпта против proxy signals), реальный публичный кейс — +25% fps за час в GPT-5.5 xhigh, грабли с непредсказуемыми токенами и quota walls, когда /goal стабильно ломается. Антипафос. Никакого AI-евангелизма.

https://habr.com/ru/articles/1032606/

#OpenAI_Codex #goal #Ralph_loop #agentic_coding #GPT55 #AI_агенты #autonomous_agents

#autonomous_agents #ai_агенты #gpt55 #agentic_coding #ralph_loop #goal

Habr @[email protected] · 2026-05-07 · 12:12 UTC

Я месяц гонял /goal в Codex CLI. Переломная команда для работы с AI-агентами или самый дорогой способ написать код?

OpenAI выпустил Codex CLI 0.128.0 с командой /goal — автономным режимом, в котором агент сам пишет код, тестирует, рефлексирует и долбит цель часами. На практике первое, что замечаешь — счётчик токенов скачет в 3-5 раз непредсказуемо. Не вдвое — в пять. Месяц использования в команде. Главные находки: исследователи подхватили первыми (а не разработчики). При упирании в quota wall MCP-вызовы молча отваливаются. Соседняя команда /side неожиданно стала использоваться для расшифровки англицизмов GPT-5.5. В статье: разбор архитектуры /goal (5 слоёв, инжекция системного промпта против proxy signals), реальный публичный кейс — +25% fps за час в GPT-5.5 xhigh, грабли с непредсказуемыми токенами и quota walls, когда /goal стабильно ломается. Антипафос. Никакого AI-евангелизма.

https://habr.com/ru/articles/1032606/

#OpenAI_Codex #goal #Ralph_loop #agentic_coding #GPT55 #AI_агенты #autonomous_agents

#autonomous_agents #ai_агенты #gpt55 #agentic_coding #ralph_loop #goal

Habr @[email protected] · 2026-05-07 · 12:12 UTC

Я месяц гонял /goal в Codex CLI. Переломная команда для работы с AI-агентами или самый дорогой способ написать код?

OpenAI выпустил Codex CLI 0.128.0 с командой /goal — автономным режимом, в котором агент сам пишет код, тестирует, рефлексирует и долбит цель часами. На практике первое, что замечаешь — счётчик токенов скачет в 3-5 раз непредсказуемо. Не вдвое — в пять. Месяц использования в команде. Главные находки: исследователи подхватили первыми (а не разработчики). При упирании в quota wall MCP-вызовы молча отваливаются. Соседняя команда /side неожиданно стала использоваться для расшифровки англицизмов GPT-5.5. В статье: разбор архитектуры /goal (5 слоёв, инжекция системного промпта против proxy signals), реальный публичный кейс — +25% fps за час в GPT-5.5 xhigh, грабли с непредсказуемыми токенами и quota walls, когда /goal стабильно ломается. Антипафос. Никакого AI-евангелизма.

https://habr.com/ru/articles/1032606/

#OpenAI_Codex #goal #Ralph_loop #agentic_coding #GPT55 #AI_агенты #autonomous_agents

#openai_codex #goal #ralph_loop #agentic_coding #gpt55 #ai_агенты

hasamba @[email protected] · 2026-02-09 · 19:49 UTC

----------------

🛠️ Tool
===================

Executive summary: RedAmon is an agentic red‑team framework (v1.1.0) designed to automate offensive security workflows from reconnaissance through exploitation and post‑exploitation without human intervention. The project combines autonomous AI decisioning with modular tool servers and graph-based analysis to represent and drive engagement state.

Key features:
• Autonomous agents: The framework coordinates AI-driven agents for multi-stage operations, including task decomposition, evidence synthesis, and action selection.
• Graph-oriented analysis: The platform uses a graph database to model relationships discovered during recon and to persist findings for planning and attribution.
• Modular tool servers: The architecture exposes MCP-style tool servers for common scanners and exploit utilities such as MCP Naabu, MCP Nuclei, and MCP Metasploit to perform targeted operations.
• Multi-provider AI support: The system supports multiple AI providers, with Anthropic recommended and OpenAI supported as alternatives, plus optional integrations for web search and NVD lookups.

Technical implementation (conceptual):
• Orchestration layer: An agent orchestrator schedules tasks, aggregates outputs, and updates the persistent graph to guide subsequent actions.
• Service decomposition: Distinct services provide the web UI, agent API, recon orchestrator, and backend databases; tool execution is handled by isolated MCP servers.
• Data model: Findings, assets, and action outcomes are stored in a graph model for pathfinding, attack surface enumeration, and chaining of exploitation steps.

Use cases:
• Continuous red‑team exercises where human oversight is limited and repeatable autonomous scenarios are required.
• Research and simulation of multi-stage attack paths for purple team validation and threat emulation.
• Educational demonstrations of agentic offensive automation in controlled lab environments.

Limitations and considerations:
• The framework is explicitly intended for authorized testing and research; legal and ethical constraints apply.
• Autonomous operation increases the risk profile; careful scoping and safeguards are necessary when running real engagements.
• Dependence on external AI providers affects cost, latency, and behavior determinism.

References:
• RedAmon v1.1.0 (tool release), Anthropic, OpenAI, Neo4j, MCP Naabu, MCP Nuclei, MCP Metasploit.

🔹 tool #AI #redteam #autonomous_agents #recon

🔗 Source: https://github.com/samugit83/redamon

#recon #autonomous_agents #redteam #ai