Как я учил модель прогнозировать погоду по одной метеостанции — и почему она сначала выучила все наизусть
Это история про пет-проект, который я делал ради трёх вещей одновременно: прогноз приземной температуры на неделю вперёд из данных одной метеостанции, честные интервалы неопределённости вместо голой точки, и работа на железе уровня Raspberry Pi без всякого GPU. По дороге я несколько раз ошибся, один раз откатил целый эксперимент, и в итоге понял про свою же модель больше, чем когда её проектировал.
AgTech без хайпа: как мы строим систему, которая доводит агронома от симптома на поле до решения
Автор: Олег Линьков, Webformula (webformula-agro.ru)Агросектор — одна из самых недооценённых ниш для прикладного AgTech. Здесь нет хайпа вокруг LLM на каждом шагу, зато есть жёсткие ограничения, которые делают задачу интересной с инженерной точки зрения: сезонность с точностью до недель, географическая распределённость, аудитория с низкой толерантностью к нерелевантному шуму и предметная область, где ошибка в данных стоит реального урожая.
Как вайбкодинг довел меня до депрессии, а потом привел к вайб‑инжинирингу
Начнём с того, что по‑настоящему «вайблю» я где‑то с ноября 25 года. До этого моё общение с LLM строилось на периодической копипасте из ChatGPT, DeepSeek, Gemini и обратно. Рука наловчилась, и я в целом не замечала, сколько времени это всё‑таки сжирает. Казалось бы, лишнее действие.Не сказать, что я злоупотребляла общением, но когда ты только начинаешь по‑настоящему кодить, ты очень уверен в себе и думаешь, что всё и всегда делаешь правильно. А как только начинаешь реально понимать процессы, приходишь к выводу, что вообще ничего не знаешь.
VK запускает нейропоиск Discovery AI — ИИ будет искать контент и генерировать ответы внутри сервисов компании
VK внедряет в свои продукты нейропоиск Discovery AI — функцию поиска и генерации ответов на базе собственной большой языковой модели, рекомендательной системы и поисковых технологий компании. На первом этапе обновление появится в VK Видео, Медиапроектах Mail и «Дзене», рассказали «Хабру» в компании.
Конец арендованного интеллекта
Представьте себе биологический вид, который не отрастил собственную префронтальную кору из-за недостатка доступных ресурсов и начал арендовать разумность у более крупного и агрессивного хищника. На короткой дистанции это триумф: нулевой расход калорий на поддержание нейронных связей, блестящее решение рутинных задач и почти бесплатное доминирование в своей экологической нише. Зачем тратить ресурсы на развитие собственного мозга, если можно просто отправлять запросы в чужой? Минус в том, что однажды хищник проголодается, и тогда он вас съест.
Делюсь опытом: ИИ-агент на Claude без LangChain и RAG — разбор архитектуры и развилок
Зачем я это пишуЗапустил недавно прод-агента на Claude — небольшой, для бытовой задачи у знакомой. По дороге понял несколько вещей, которые сначала казались мне очевидными «после интернета», а потом, когда сел и проверил на реальной задаче, начали играть иначе. Хочется поделиться разбором — может, кому-то сэкономит неделю-другую на тех же развилках.Сразу честно: я не «академический» разработчик. До последнего года писал на Python в основном чтобы прочитать чужой скрипт и подправить отступ. То, что вы увидите в коде ниже — собирал руками, лезя в документацию по каждому слою. Поэтому это не «гайд от эксперта», а скорее
Король, Дракон и Кролики: аллегория о тотальной оптимизации и конце маркетплейсов — 4 («Самодум и агенты против Короны»)
Вступление: Тенденция, которая меняет всёВ последние годы в цифровой экономике наметилась тревожная, но неизбежная тенденция, которую аналитики и футурологи называют «эпохой агентного шопинга».Речь идет о появлении автономных программных агентов-закупщиков, которые совершают покупки от имени пользователя, полностью исключая человека из процесса принятия решений. Это не просто очередное приложение или сервис — это фундаментальный сдвиг в самой логике розничной торговли.Традиционная бизнес-модель маркетплейсов строилась на двух китах:Внимание пользователя
