Формат: туториал + личный опыт. Сложность: средняя. Время чтения: ~15 минут.
Рубрика «llm»
Как я «переезжал» своего ИИ-агента с OpenClaw на Hermes и собрал все грабли (чтобы Вы не собирали)
2026-06-07 в 12:51, admin, рубрики: devops, Hermes, llm, OpenClaw, self-hosted, миграция
Как я прошёл путь от «сам быстрее напишу» до своего фреймворка для агентной разработки
2026-06-06 в 8:19, admin, рубрики: ai-агенты, claude code, context rot, llm, Spec Driven Development, Superpowers, tdd, vibecoding, ии-агентыОколо полугода назад я перешёл с ChatGPT на Claude Code с моделями от Anthropic, и моя жизнь изменилась. Вообще, это была не первая моя попытка решиться на такие серьёзные перемены. Раньше я пробовал пользоваться Qwen Code с китайскими LLM, но довольно быстро заканчивал со словами: «Я сам быстрее сделаю, чем ему объясню». Спойлер: проблема во многом была не в инструменте, а во мне.
Сознание как boundary condition: детерминизм, ИИ и проблема субъективного опыта
2026-06-05 в 17:29, admin, рубрики: llm, детерминизм, искусственный интеллект, квалиа, краевая задача, математическая физика, философия сознания
Почему детерминизм делает сознание лишним
Меня давно беспокоит вопрос, который обычно прячется за спорами о свободе воли:
если мир полностью детерминирован, то зачем в нём сознание?
Как я сделал локальный RAG-сервис для SRE: ищем по документации, ранбукам и коду через Ollama
2026-06-05 в 8:00, admin, рубрики: bm25, fastapi, llm, Ollama, OpenAI-compatible API, openwebui, python, rag, sre, ранбукиНедавно я делал учебный проект про автоматизацию документирования инцидентов. Поначалу планы были грандиозными: инциденты, таймлайны, интеграции с мониторингами, чатами, постмортемы, подсказки дежурным инженерам.
Но довольно быстро стало понятно, что с временными и ресурсными ограничениями лучше не пытаться написать маленький PagerDuty. Поэтому я сузил задачу до более реалистичного ядра: локального RAG-сервиса, который ищет по документации, ранбукам и коду, а затем передаёт найденный контекст в LLM.
Так появился llmortem — FastAPI-сервис, который можно подключить к OpenWebUI как OpenAI-compatible backend.
Меня бесит использование ИИ в разработке. И я наконец понял почему
2026-06-05 в 7:30, admin, рубрики: llm, выгорание, ии-агенты, когнитивная нагрузка, усталостьДисклеймер: все нижесказанное является личным мнением автора. Я ни в коем случае не претендую на истину в последней инстанции и могу сильно заблуждаться.
Что происходит, когда LLM остается наедине с собой (неожиданно, но она сходит с ума)
2026-06-05 в 0:30, admin, рубрики: llm, чат-бот
Всем доброго времени суток. Здесь будет описана история происхождения архитектуры мета-трансформеров, которая описана вот Читать полностью »
AI-агент своими руками: память, браузер, задачи и навыки — без боли
2026-06-04 в 17:16, admin, рубрики: ai-агенты, llm, ассистент, разработкаПривет!
Так уж вышло, что майские праздники я провёл дома — залечиваю травму после катания на длинной доске с колёсиками. Развлечений в такой ситуации не очень много, а одно из немногих, которое всегда со мной, — разработка программных проектов.
Этим я занимаюсь на работе, дома, в отпуске — везде. Такой уж человек.
И вот появилась возможность спокойно заняться старыми пет-проектами и наконец реализовать давнюю идею: написать простую базу для создания AI-агента, максимально упростив архитектуру и сделав её удобной для быстрого расширения под собственные задачи.
Одна строка — много объектов: как агрегировать эмбеддинги для ML-моделей
2026-06-04 в 16:45, admin, рубрики: attention, feature engineering, llm, nlp, pooling, агрегация, искусственный интеллект, машинное обучение, эмбеддингиКоротко
Иногда в задаче машинного обучения одна строка датасета соответствует не одному объекту, а целому набору связанных объектов.
Например:
день по акции -> много новостей
пользователь -> много комментариев
товар -> много фотографий
клиент -> много обращений в поддержку
сессия -> много событийКаждый такой объект можно представить эмбеддингом. Новость — текстовым эмбеддингом, картинку — визуальным эмбеддингом, событие — вектором признаков или embedding‑представлением.
Почему маленькие модели побеждают большие – и что это значит для вашего стека
2026-06-04 в 10:25, admin, рубрики: claude mythos, gpt-5-mini, llm, qwen, rag, RLM, архитектура ии-моделей, ии-оркестрация
Тебя нет в ответах ChatGPT. Пошаговый гайд как это починить за один вечер
2026-06-04 в 10:07, admin, рубрики: claude code, entity resolution, geo, Google Knowledge Graph, llm, vibe coding, личный бренд, персональный сайт, яндекс.вебмастерПочему надо это читать?
Спроси ChatGPT или Claude: «топовые продакт-менеджеры, делающие AI-продукты в России». Или спроси про ведущих экспертов в своей нише. С высокой вероятностью тебя в ответе не будет.
Я спросил, и меня в списке не было, зато были люди, которых я знаю лично, и подборка выглядела странно: кто-то давно ушёл из индустрии, кто-то уехал и делает AI-продукты за пределами РФ. При этом я руковожу продуктовым направлением в Т-Банке, делаю LLM-агентов для автоматизации саппорта, выступаю на конфах, но модель об этом ничего не знала, потому что выбирает она по данным, которые видит, а меня в этих данных просто не было.