Как мы в VK Tech построили технический радар для масштабной инженерной команды
Привет, Хабр! Меня зовут Александр Петрушин, я старший разработчик в VK Tech, и сегодня хочу рассказать о нашем опыте создания технического радара.
Государственный мессенджер по-корейски: контроль, удобство или провал? Национальный мессенджер, который сгорел
Содержание:1. История создания KakaoTalk 2.Текущее положение (2025)
Байки про тактические паттерны DDD
Всё мне позволительно, но не всё полезно; всё мне позволительно, но ничто не должно обладать мною. Апостол ПавелЕсли вы никогда не интересовались паттернами DDD или это было давно и неправда, эта статья, к сожалению, мало чем сможет вам помочь. Если вы никогда не читали Вернона – я настоятельно рекомендую это сделать, его объяснения прекрасны, подробны и системны.
Web Agent: автономная ИИ-экосистема от Alibaba — новый этап развития веб-агентов
Индустрия искусственного интеллекта продолжает удивлять инновационными решениями, и появление Web Agent от лаборатории Alibaba NLP's Tawni Lab представляет собой значительный шаг вперед в области автономных систем. Данная экосистема демонстрирует качественно новый подход к созданию ИИ-агентов, способных самостоятельно навигировать, анализировать и действовать в веб-пространстве.Архитектурная революция в мире веб-агентов
Как работает Web Guide от Google и чем он отличается от AI-поиска
Google снова меняет правила игры в поиске. В июле 2025 года компания представила
Ограничения на пути достижения Общего Искусственного Интеллекта (AGI)
Сегодня, когда каждый день выходят новые модели, показывающие себя лучше и лучше в определенных узких областях, становится актуальным вопрос - а когда мы уже достигнем Общего Искусственного Интеллекта (AGI), который сможет мыслить словно человек, решать сразу множество задач, поможет человеку сделать новый скачок в открытиях?И в головах многих разработчиков рождается мысль: а что если нынешний подход, основанный на масштабировании моделей нейронных сетей, поглощающих гигабайты данных - создает лишь иллюзию того, что мы на верном пути?5 барьеров на пути к разумному ИИ
Как устроены AI агенты: разбираемся на примере ReAct и Reflection
Привет, Хабр! В последнее время AI агенты стали главным трендом. Многие используют готовые шаблоны, такие как create_react_agent из langchain, но не понимают, как они работают под капотом. При этом агенты становятся все сложнее, и придет время, когда нужно будет писать свою реализацию. В этой статье мы разберем:Устройство ReAct агента Устройство Reflection агента Примеры системных prompt запросов Кейсы использования и особенности Что такое AI агентПрежде чем переходить к коду, нужно понять, что можно считать агентом. Существует множество определений, например:
Создание умных AI-агентов: полный курс по LangGraph от А до Я. Часть 1. Архитектура: графы, узлы и состояния
Приветствую! Дошли руки для того, чтобы оформить свои знания по теме LangGraph и LangChain в оконченный мини-курс. Сейчас вы читаете первую часть из моей 4-х серийной работы. Как вы поняли из названия, говорить мы сегодня будем про LangGraph — инструмент, который произвёл настоящий фурор в мире энтузиастов по созданию полноценных ИИ-агентов на Python и JavaScript.Сегодня мы начнём с самых основ, а именно:Разберёмся, что такое LangGraph, и поймём, чем он так хорошРазберёмся с основными «китами» этого инструмента: графы, узлы (ноды), рёбра и состоянияНаучимся описывать свои графы на простых примерах
Открытый доступ к результатам исследований стимулирует инновации, но как избежать непредвиденных последствий?
Дилемма двойного применения: как совместить открытость исследований и безопасность
Semantic Error Correction Loop (SECL): самоисправляющиеся LLM-пайплайны с понятием доверия к контексту
В последние годы большие языковые модели кардинально изменили ландшафт искусственного интеллекта, открывая невероятные возможности для автоматизации текстовых задач. Однако, несмотря на впечатляющие успехи, одна из ключевых проблем остаётся нерешённой — модели часто допускают логические ошибки, создают неясные или избыточные формулировки, а также генерируют тексты с низкой степенью доверия к собственным ответам.В своей практике я столкнулся с необходимостью повышения качества генерации без постоянного ручного контроля и затратных этапов дообучения. Это подтолкнуло меня к идее нового подхода —
