Slow Post: когда план пяти постов съедает час, а ночью работают две open-модели на ноутбуке

Редакция 26 октября 2026 г.

Ручное планирование контента для соло-разработчика легко превращается в отдельную смену: в кейсе Abeera Lodhi замерила 67 минут только на заголовки, теги и черновые outline для пяти публикаций на DEV. Ответ у неё локальный пайплайн Slow Post: Gemma 3 4B через Ollama пишет черновики, TabPFN-3.5 на том же ноутбуке ранжирует упаковку, а правила в AGENTS.md и ночной Task Scheduler держат процесс без облачного inference.

Две модели вместо «LLM судит сам себя»

Принцип автора звучит так: Gemma writes, the data decides. Генеративная модель не ставит оценки своим же текстам; за это отвечает отдельный табличный компонент. Для vibe coding это та же развилка, что в IDE: либо агент сам себе судья (и непонятно, где «подкрутили» метрику), либо генератор и скорер разведены, как агент и внешний инструмент.

Роль	Модель	Где крутится
Текст и один rewrite	Gemma 3 4B (`gemma3:4b`)	Ollama, CPU, 16 GB RAM, без GPU
Вероятность ≥1 реакции	TabPFN-3.5 (Prior Labs)	Локально, без hosted-клиента TabPFN

Веса TabPFN помечены как non-commercial; код приложения под MIT. Сеть нужна для DEV API и скачивания весов, не для отправки черновиков в облачный inference.

От часа планирования к ночному оркестру

Перед автоматизацией автор включил таймер и вручную собрал пять идей: для каждой заголовок, теги и грубый outline. Итог те же 67 минут; это не время чтения статьи и не длительность машинного прогона.

После сборки Slow Post (Python 3.14, Streamlit) картина по её замеру другая:

	Вручную	С Slow Post
Время человека	67 мин	около 2 мин на бриф
Машина	нет	7–11 мин в реальных прогонах (399–668 с); полный прогон пяти черновиков на CPU 668 с (черновики, backtest, скоринг, один rewrite, повторный скоринг)

Утром интерфейс не обещает магии: либо «strong ideas», либо честное Nothing stands out… / Go back to sleep как продуктовая фича, а не провал пайплайна.

Заголовок про «две open-модели, пока я сплю» относится к двум локальным ML-этапам в одном приложении, а не к паре автономных coding-агентов в Cursor. Цепочка из шести шагов:

Brief: короткое описание темы; старт сейчас или Schedule for tonight, затем разовая задача в Windows Task Scheduler.
Gemma drafts: пять structured-черновиков (title, tags, cover idea, outline, reading time, предложенные день и час).
TabPFN scores: признаки считает обычный код; метки Strong / промежуточная / Weak по порогам из backtest.
What-if: по одному изменению (день, час, длина, cover, main tag); подсказки делятся на «Backed by the data» и «The model's guess».
Gemma revises + TabPFN judges: не-Strong получают один rewrite; сохраняется вариант с лучшим скором TabPFN.
Verdict: утренний экран Good morning. Your run is ready.

В AGENTS.md зафиксировано: Gemma и TabPFN не запускаются одновременно. На 16 GB RAM это условие стабильности, не прихоть. Проект собирали с Claude Code (research → PRD → technical design → правила в репозитории); в коде 104 fast-теста.

Gemma writes, the data decides — формулировку стоит вынести в свои rules, если повторяете схему «агент пишет, отдельный скорер решает».

Слабый сигнал TabPFN и рамка Hacktoberfest

Для скоринга выкачали 44 428 публичных постов DEV через API (посты не моложе 14 дней, чтобы реакции стабилизировались), 8 полей без имён авторов. В полной выборке 15,6% постов имели хотя бы одну реакцию; в тестовой неделе backtest 21,6% overall и 36,0% в top 10% по модели, lift top 10% 1,67× (95% CI 1,37–1,97), ROC AUC 0,588.

Автор ограничивает интерпретацию: модель видит упаковку (день, час, теги, cover, форма title), а не глубину идеи; шаг rewrite может поднимать band, потому что TabPFN одновременно цель и судья переписанных черновиков. Внешней валидации на живом DEV после публикации нет. Прототип под Instagram (Kaggle, 1 599 постов одного аккаунта) в backtest не обогнал baseline; «no signal» оставили в UI как напоминание.

Проверка планировщика: overnight-задача на 2 черновика, завершение за 268 с, вердикт «2 strong ideas», затем задача удалена.

Проект подан на Hacktoberfest Open-Source AI Challenge: Slow and Steady (Week 3), с заявками Best Use of TabPFN и Best Use of Gemma. Для соло на Windows практично помнить: overnight scheduling только под Windows; один test week в backtest; порог Strong может быть оптимистичным; cover и reading time в API правят post-hoc, это риск утечки в фичи.

Что перенести в свой workflow

Развести генерацию и оценку: отдельные skills/rules, а не один промпт «оцени сам себя». Локальный Ollama и open weights, если облачный биллинг за ночные эксперименты не в бюджете; цена время на CPU (7–11 мин на прогон) и дисциплина RAM. Явные ограничения в AGENTS.md: не гонять тяжёлые модели параллельно, не тащить post-publication признаки в фичи, вести журнал решений (у автора docs/analysis-log.md). AUC 0,588 и lift 1,67× в top decile не обещают вирусность; они помогают ранжировать идеи, когда ручной план съел бы час.

Если регулярные посты отнимают у кода больше времени, чем код, смотрите не на заголовок про «сон», а на механизм: бриф, локальные модели, утренний вердикт с правом сказать «спи дальше».

Источники

Abeera Lodhi, Slow Post: planning five DEV posts took me 67 minutes, so now two open models do it while I sleep — Dev.to (опубликовано 2026-10-25, доступ 2026-10-26)
Dev.to, метрики поста на момент проверки: 7 реакций, 2 комментария