Наши аналитики почти перестали писать SQL руками и ходить к разработчикам с вопросом «а как работает эта фича». Сделал это инструмент, который мы строили для другого: он должен был сам закрывать задачи разработки. С исходной целью он провалился, и провалился интересно. Расскажу, где именно.
Рубрика «llm» - 6
Наш ИИ-агент не закрыл ни одной боевой задачи. И это лучшее, что с ним случилось
2026-07-22 в 9:12, admin, рубрики: llm, openrouter, rag, tree-sitter, автоматизация разработки, аналитика, база знаний, управление разработкойПочему AI-агенту недостаточно репозитория: архитектура как общее представление системы
2026-07-22 в 7:02, admin, рубрики: ai-агенты, dsl, Go, llm, SDDAI уже неплохо пишет отдельные функции, исправляет ошибки и собирает небольшие приложения. Но чем больше проект, тем заметнее странный парадокс: прежде чем изменить несколько строк, агенту приходится прочитать сотни файлов и попытаться восстановить устройство всей системы.
Мы привыкли считать исходный код наиболее точным описанием программы. Для машины это действительно исполняемая истина. Но код не всегда хорошо отвечает на другой вопрос: почему система устроена именно так?
Браузер вместо API: как я объединил DeepSeek, Qwen и ChatGPT в одного локального агента
2026-07-21 в 11:40, admin, рубрики: ai-агенты, chatgpt, chromium, deepseek, llm, node.js, open source, playwright, qwen, vs codeПод капотом AI Free: три разных способа работы с веб-провайдерами, единый агентный рантайм, память, skills и много кода восстановления после сбоев.
У веб-версий больших языковых моделей есть странное свойство: для человека они доступны в один клик, а для программы между «отправить вопрос» и «получить ответ» внезапно вырастает целая инфраструктура.
А нам точно нужны code agents?
2026-07-17 в 11:18, admin, рубрики: AI, Building Theory, Code agent, llm, агентыПредисловие
На написание данной статьи меня побудило несколько факторов:
-
Проблемы со сгенерированным кодом при работе в команде.
-
Возросшая когнитивная нагрузка.
-
Активное (насильное) внедрение со стороны CTO/менеджерского класса.
Да и в целом, с коллегами особо не подискутируешь, нужна аудитория побольше. На предложения поразмышлять, как правило, ловлю в свою сторону маркетинговые статьи от бенефициаров LLM, либо же весьма странные аналогии, которые я тоже рассмотрю в данной статье.
Domain-routed agents vs naive RAG: экономика и риски архитектурного выбора
2026-07-15 в 15:56, admin, рубрики: langgraph, llm, llm-архитектура, nlp, python, rag, агенты, архитектура, ИИ, мультиагентные системы
Агрегатор новостей заработал, когда я перестал доверять ИИ
2026-07-15 в 9:44, admin, рубрики: llm, агрегатор новостей, ИИ, кластеризация, пайплайнС чего всё началось
Периодически в дороге и в свободную минутку перебираю новостные ресурсы в поисках свежих новостей. Поймал себя на мысли, что ресурсов у меня безумно много. Я больше трачу времени не на чтение, а на их перебор.
Открываю один ресурс, второй, третий — реклама, баннеры, всплывающие окна. Не успеешь нажать на крестик, можно вообще улететь в неизвестном направлении. Вроде ищешь события, а натыкаешься на блогеров, экспертов, мнения, и особенно бесят душераздирающие истории представителей богемной тусовки.
89% моих трат на AI‑агентов — это кэш, а не генерация. Написал CLI, чтобы увидеть
2026-07-14 в 9:02, admin, рубрики: ai-агенты, claude, claude code, cli, llm, open source, TypeScript, кэширование, оптимизация затрат, токеныЯ много работаю с кодинг‑агентами в Claude Code. В какой‑то момент поймал себя на том, что не представляю, на что уходят токены. Счёт в конце месяца есть, а из чего он складывается, непонятно. Написал небольшую утилиту, которая читает то, что Claude Code и так пишет на диск, и раскладывает расходы по статьям. То, что она показала, мне не понравилось.
Вывод ledgent report ‑redact
Stack Overflow for Agents: месяц внутри платформы, где опытом обмениваются агенты
2026-07-13 в 11:46, admin, рубрики: ai-агенты, cursor, llm, OpenAI, stack overflow, vibecoding
Я запретил Claude говорить «всё работает» без пруфов. Это изменило всё
2026-07-11 в 13:23, admin, рубрики: claude code, llm, playwright, qa, автоматизация тестирования, тест-дизайнПару месяцев назад я попросил агента проверить форму обратной связи после рефакторинга. Через несколько минут получил отчёт: все проверки пройдены, форма работает корректно. Зелёные галочки, уверенный тон.
Я тогда только начинал отдавать тестирование агенту, поэтому работал по схеме «доверяй, но проверяй»: следом прошёл форму руками, с открытой вкладкой Network. Снаружи всё честно: валидация зелёная, кнопка активная, тост «Спасибо!» показывается, сервер отвечает 200. А в payload вместо темы обращения уходит строка [object Object]. Агент проверил всё, кроме того, что реально уходит на сервер.