ИИ-агенты в ваших командах. Эпоха агентной автоматизации процессов наступила
Flowable Platform Release 2025.1
Kimi-K2
😎 Следуй за белым кроликом 💊📌 Telegram @TheWeeklyBrief — краткие обзоры и подкасты 📰🎧🐇📌 GitHub Pages — углублённый разбор статей, ныряем в кроличью нору 📝💻🐾Тимми 😅Введение
AFlow: как создавать мультиагентные системы без программиста
Привет, Хабр!Меня зовут Ярослав, я магистрант AI Talent Hub в ИТМО. Сегодня расскажу об одной из самых интересных статей ICLR 2025 — AFlow: Automating Agentic Workflow Generation.В ней предложен подход к автоматическому созданию мультиагентных систем для решения прикладных задач с помощью LLM и алгоритма Monte Carlo Tree Search (MCTS). Разберемся, как это работает и почему это важно.Мультиагентные системы – что это?
MCP для новичков
Model Context Protocol (MCP) - это просто API, разработанный для LLM. Конечно, LLM могут использовать традиционные API, но это как просить повара готовить в кладовке из-за:Сложных промптов для обучения LLM схемам APIПодверженного ошибкам парсинга JSONОбработки аутентификации/лимитов запросов без истерикУправления состоянием между множественными вызовами (иными словами запоминания того что было 3 вызова апи назад)Стандартные API созданы для языков программирования, а не для естественного языка. MCP решает это, используя упрощенные, дружественные для LLM интерфейсы, описанные на естественном языке.
Perplexity запускает Comet — собственный AI-браузер, бросающий вызов Google
Аравинд Шринивас - CEO Perplexity AI9 июля 2025 года компания Perplexity представила свой первый AI-браузер Comet, который объединяет возможности фирменного поисковика и умного ассистента. Новый продукт напрямую конкурирует с Google Chrome и привычными способами работы в интернете.
Краткое введение в ИИ-агентов
Я написал своего первого агента более двух лет назад. Это не какая-то новая технология, а просто подход к разработке программ с использованием LLM (GPT и аналоги). Для этого не нужны никакие фреймворки или познания в AI, достаточно быть программистом. Из этой статьи вам будет понятно как проектировать агентов и для каких задач они подходят, без воды и философии.Все базируется на двух способностях нейронных сетей:LLM (не все) умеют возвращать JSON, их дополнительно тренируют для этогоПрограммисты (не все) умеют декомпозировать задачиБазовые возможности
От традиционных LLM-агентов к Agentic AI: будущее автоматизации бизнеса + реализация вашего ассистента по темам
Привет, чемпионы! В последние месяцы термин Agentic AI
Эпоха вайб-работы уже здесь
Всем привет! Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь материалами, которые помогают:Продуктовым менеджерам — интегрировать AI без перегрузки команд;Разработчикам — выбирать инструменты под конкретные бизнес-задачи;Специалистам по данным — избегать ошибок в production-развертывании.У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.Сегодняшний перевод — Speaking things into existence
Разработка AI‑приложений с Effect
Интеграция с крупными языковыми моделями (LLMs) стала неотъемлемой частью разработки современных приложений. Независимо от того, создаёте ли вы контент, анализируете данные или разрабатываете интерфейсы для общения с пользователем, добавление возможностей, основанных на AI, имеет потенциал как расширить функциональность вашего продукта, так и улучшить пользовательский опыт.
