Рубрика «llm-агент»
Введение
OpenCode с NorthMiniCode на своем железе
2026-06-19 в 7:09, admin, рубрики: agents, llama.cpp, llm-агент, llm-модели, opencode, self-hosted, ПрограммированиеВ последнее время большинство обсуждений агентской разработки крутится вокруг Claude Code, Codex, Gemini CLI и других облачных инструментов. Но, с одной стороны, киты индустрии блокируют нам доступы снаружи, с другой — чиновничьи умы блокируют нам доступ изнутри, потому необходимо иметь под рукой локальный инструмент для агентской разработки.
9 июня 2026 вышла модель NorthMiniCodeЧитать полностью »
Реальные данные о размерах подписок и качестве разнообразных моделей. Опыт Амбассадора AI
2026-05-01 в 10:15, admin, рубрики: AI, llm, llm-агент, llm-модели, Агент, агенты ии, ИИ, ии-агенты, квоты, подписки llmДоброго времени суток, я разработчик и амбассадор AI. Мой стаж работы в коммерческой разработке — 15 лет. Я работала в проектах с GLSL шейдерами, С/С++, Lua Jit, устав от компилятора, ушла в Front End, Digital Agency, Typescript, и сейчас продолжаю работать на Typescript.
Как я встроил локального нейробота в панель поиска заявок для логистики
2026-04-29 в 4:21, admin, рубрики: llm-агент, локальная LLMВ логистике всё редко выглядит как аккуратная CRM из презентации.
Заявки (аукционы/тендеры/грузы приходят из разных источников. Часть данных живёт в 1С/Битрикс/Excel/Амбарная книга, часть — в SQL, часть — в интерфейсах сайтов, часть — в голове менеджера. Перевозчики отвечают неравномерно, менеджеры работают через звонки и таблицы, а руководителю нужно быстро понимать: какие заявки есть сегодня, где рента, какие маршруты повторяются, кто из менеджеров проседает, где найти транспорт.
Практика измерения эффективности AI-инструментов в инженерных командах
2026-04-19 в 9:46, admin, рубрики: AI, c++, llm-агент, llm-моделиКупили Copilot, раздали команде, через квартал смотрите на цифры — и не понимаете, это AI помог или команда сама выросла. Знакомо?
Мы внедрили AI в разработку 35 инженеров и измерили, что реально изменилось. Не acceptance rate — он врет без baseline. Не DORA в лоб — она не видит разницу между мелкими деплоями и сложными задачами. А метрики, которые честно показывают эффект: откуда брать данные, как избежать игры с цифрами, и почему субъективное ощущение +20% от AI оказалось −19% объективно.
Практический гайд с реальными цифрами, таблицей контрметрик и чеклистом для внедрения.
LLM-агент для поиска свободных доменов: автоматизируем подбор
2026-04-16 в 8:28, admin, рубрики: llm-агент, selectel, домены, ИИ, ИИ и машинное обучение, искусственный интеллект, пет-проект
Каждый день регистрируются сотни тысяч новых доменов, поэтому найти среди оставшихся что-то короткое, понятное и незанятое становится сложнее. Хороший домен — это узнаваемость и доверие пользователя.
Российский ИИ в прокрустовом ложе между суверенитетом и реальностью
2026-04-12 в 10:41, admin, рубрики: GigaChat, llm-агент, llm-архитектура, llm-модели, qwen, targetaiДоступ к западным большим языковым моделям (далее - БЯМ) закрывается снаружи и, судя по всему, скоро начнёт закрываться изнутри.
Что останется бизнесу и какую цену нам придётся за это платить?
Изоляция на практике
Agent Harness: одна LLM, разные результаты — в чем секрет?
2026-04-08 в 13:15, admin, рубрики: claude code, codex, cursor, harness, llm, llm-агент, llm-архитектура, nlp, вайбкодингИспользование кодовых агентов (Codex, Cursor, Claude Code) стало обыденностью. Внутри разных AI-агентов могут использоваться одни и те же модели, но результаты будут сильно отличаться.
Например, есть мнение, что Cursor лучше и быстрее справится с написанием качественного UI, Claude Code покажет себя лучше в проектировании архитектуры приложения, а WindSurf лучше остальных создаст прототип системы.
Почему одна и та же модель в разных агентах дает разный результат? Давайте разбираться.