Агент, который хочет жить: почему идея «ИИ, зарабатывающий себе на сервер» опаснее, чем кажется
В последние пару лет у разработчиков всё чаще появляется одна и та же мысль.Она звучит почти как инженерная мечта:А что если сделать автономного агента на базе LLM, дать ему сервер, доступ к криптокошельку и поставить простую цель — зарабатывать достаточно денег, чтобы оплачивать своё существование?На первый взгляд это выглядит как логичный следующий шаг эволюции автоматизации.У нас уже есть агенты, которые пишут код, анализируют данные, отвечают клиентам и управляют инфраструктурой.Добавим финансовый контур — и получится система, которая сама обеспечивает своё функционирование.
AWS запускает новую платформу ИИ-агентов специально для здравоохранения
Amazon Web Services представила новую платформу на базе ИИ-агентов для медицинской отрасли — Amazon Connect Health
AI-агенты, давайте сами. Как научить AI-агента искать информацию по базе, не задействуя датасеты
Что, если я скажу, что для обучения AI-агентов вообще не нужны датасеты? Не надо их собирать, валидировать, размечать. Достаточно развернуть двух агентов на компактной модели Qwen2.5-3B или 7B, запустить их где-нибудь у себя или в облаке, дать им базу знаний и наблюдать за циклом «AI учит сам себя», попивая кофеек :) В середине января 2026 года на Hugging Face опубликовали исследование по фреймворку Dr. Zero (DeepResearch-Zero) для самообучения агентов (ссылка на GitHub там тоже имеется). Фишка: в этом подходе агенты самообучаются с нуля без участия человека и показывают результаты, сопоставимые с полностью контролируемыми поисковыми агентами.
От вайбкодинга к агентному инжинирингу: что даёт?
Термин vibecoding появился в 2025 года, когда Андрей Карпатый описал подход: разработчик формулирует задачу на естественном языке, ИИ генерирует код. За год практика ушла от «вайбь и забыл» к осознанному использованию. Cursor, Claude, Copilot стали стандартом, границы возможного сместились в сторону агентов, оркестрации и автоматизации маркетинга. Для кого это важно и что именно меняется в работе продактов и фаундеров — ниже.
Структурно-ориентированная кодовая база для агента
Агент, который ничего не зналПри первом запуске агент не знает структуру проекта. Из-за этого возникают проблемы:Читает слишком много файлов и быстро расходует контекст.Или, наоборот, не находит нужные файлы и места в коде.Справочный файлОдин из способов снизить эти проблемы — создать справочный файл ./docs/reference.md, где описаны ключевые файлы проекта и их назначение.Минусы:Вручную поддерживать сложно.Если генерировать описание агентом, то для конкретной задачи в нём часто не хватает деталей.Кодовая база как собственная справка
От нуля к единице: MCP и много другого на пути к его пониманию
Сегодня ядром данной статьи будет MCP — как мост между бекендом‑оберткой с LLM и внешними источниками, но при этом я также затрону смежные темы, чтобы картина была полной и не требовалось дополнительно гуглить.Я постараюсь не давать устоявшиеся термины в контексте MCP, а также в процессе буду пояснять некоторые «базовые» термины, которые все как бы понимают — но нередко нет, чтобы мы все улавливали один и тот же контекст статьи.ВведениеMCP — это и спецификация (прим. нормативное описание
OpenClaw на Raspberry Pi: от установки до мультиагентной системы
Бесплатные модели, телеграм-бот и суб-агенты
Декларация (не)зависимостей для ESM
Меня зовут Алекс Гусев и сегодня я расскажу о том, как ChatGPT убедил меня переписать библиотеку @teqfw/di, которую я бережно "выращиваю" с 2019-го года, и почему я всё-таки убедился.Эта JS-библиотека позволяет мне использовать в своих веб-приложениях позднее связывание
Управляем поведением LLM: краткосрочные профили и их ограничения
В предыдущей части статьи
