OpenClaw очень просто для быстрого старта. После openclaw onboard у тебя работает Gateway и один агент отвечает в Telegram. Но дальше начинается самое интересное — и самое неочевидное: как устроен openclaw.json, что из workspace-файлов реально попадает в контекст, как включить heartbeat так, чтобы он не превратился в генератор мусора и расхода токенов, и как правильно разнести нескольких агентов по чатам и топикам.
Рубрика «agents»
Тонкая настройка OpenClaw. Как дойти от установки до multi-agent за один вечер?
2026-03-13 в 12:26, admin, рубрики: AgentOS, agents, agents.md, OpenClaw, openclaw set up, openclaw tutorial, ИИ, ии-агенты, конфигиСубъектный подход к архитектуре агентов: инверсия управления LLM
2026-01-21 в 14:45, admin, рубрики: agents, AI, mlВ статье разбираем архитектурный паттерн, где LLM вынесена из ядра принятия решений в сервисную роль, а управление диалогом осуществляет stateful-субъект. Показываем реализацию механики "осознанного обращения к LLM" (deliberate query) на основе оценки внутреннего состояния, в отличие от жестких пайплайнов типа ReAct или CoT.
Проблема "LLM-центричности"
Большинство современных агентов строятся вокруг промпта к модели:
Context + Prompt - LLM - Action/Answer
Это делает агента заложником стохастики модели. Мы предлагаем инверсию:
Agent State - Decision Logic - (Optional LLM Call) - Answer
Архитектура ENA
Читать полностью »
Лучшие практики работы с агентами для написания кода
2026-01-18 в 15:40, admin, рубрики: agents, cursor, IDEПеревод статьи Best practices for coding with agents от команды Cursor
Агенты для написания кода меняют то, как создаётся программное обеспечение.
Модели теперь могут работать часами, выполнять амбициозные рефакторинги множества файлов и итерироваться до тех пор, пока тесты не пройдут. Но чтобы максимально эффективно использовать агентов, нужно понимать, как они работают, и развивать новые паттерны.
Построение инфраструктуры AI-агентов: три пути от хаоса к масштабируемым системам
2025-10-25 в 21:58, admin, рубрики: agents, AI, llmНаш опыт работы с клиентом, которому мы помогли превратить один большой AI-монорепозиторий в структурированную экосистему агентов, инструментов и регистров.
Краткий обзор 10 локальных UI для LLM
2025-10-24 в 17:03, admin, рубрики: agents, data science, huggingface, llm, nlp, Ollama, rag, toolsЕсли вы хотите поиграться с LLM у вас есть несколько вариантов: можно задействовать LLM через код, можно воспользоваться чатом одного из облачных провайдеров, а можно развернуть у себя UI-клиента для работы с LLM. Их довольно много. И функционал у них может сильно различаться. В самом простом виде есть только чат. У наиболее продвинутых есть встроенные базы знаний, работа с изображениями и много других функций.
Ниже краткий обзор 9 таких клиентов (отсортированы по предпочтению автора):
Voice AI-системы на базе Jambonz: от телефонии к диалогу человека и машины
2025-10-21 в 16:40, admin, рубрики: agents, AI, communication, Jambonz, llmОт экспериментов Попова с радиосвязью до AI-звонков — как телефония стала основой умных коммуникаций
Разработка MCP-сервера на примере CRUD операций
2025-10-18 в 16:41, admin, рубрики: agents, data science, llm, MCP, nlp, python, toolsModel Context Protocol (MCP) — это открытый протокол, разработанный компанией Anthropic. Он призван унифицировать способ взаимодействия между LLM и сторонними сервисами, инструментами и источниками данных.
До появления MCP каждому разработчику приходилось пилить свой велосипед для каждого сервиса. При этом один API требовал одного формата, другой — совершенно другого. А в случае изменений сервиса приходилось менять и клиентскую сторону. В общем проблем было много. MCP же оставил большинство этих проблем позади.
В данной статье на примере простых CRUD-операций разберем, что такое MCP-сервер, как его создать и как подружить с LLM.
Когда одного агента мало: практический кейс применения мультиагентной системы
2025-10-16 в 15:18, admin, рубрики: agents, AI, graph, llm, SAST, systems
Паттерны программирования при работе с LLM
2025-10-05 в 10:16, admin, рубрики: agents, AI, function calling, llm, rag, архитектура, паттерны, паттерны проектирования, промпт-инжинирингLLM - мощный инструмент, но его эффективность в продакшене зависит не от одного «хитрого промпта», а от всей архитектуры: что мы даём модели, как управляем её рассуждением и как проверяем/обрабатываем результат. В этой статье - компактная карта паттернов, разбитая по этапам конвейера: Input -> Reasoning -> Output.
Введение
Статей про LLM - вагон, и у всех свои "трюки". Мне не хватало схемы, которая раскладывала бы эти "трюки" по полочкам.
ADSM: итеративность и иерархия
2025-09-18 в 13:46, admin, рубрики: adsm, agents, llm, генерация кода, мой опытВ прошлой публикации я кратко описал своё представление о наиболее важных ограничениях Моделей (LLM):
-
работа только с текстом: вход и выход - текстовые файлы;
-
ограниченность контекстного окна;
-
все входные данные и все результаты одного диалога размещаются в рамках одного контекстного окна;
-
расширяющийся контекст (вход меньше выхода) - признак "творческой" работы Модели, сужающийся - признак "инженерной" работы (повторяемой);
-
противоречивые (или просто лишние) данные приводят к размыванию контекста и снижению повторяемости;