Harness, Да пребудет с тобой JavaScript
Языковая модель (LLM) умеет одно: продолжать текст. Задали вопрос - она дописала ответ. AI-агент появляется, когда вокруг модели собирают обвязку (harness) - модель просит что-то вызвать, а harness берёт вызов на себя. Может спросить подтверждение у человека, может отсечь действие защитными правилами (guardrails).
Deep Agents: open source-обвязка на LangGraph
Привет, на связи команда GigaChain! Мы занимаемся агентными системами и развиваем набор open source-решений для подключения агентов к GigaChat API.
Инцидент OpenAI и Hugging Face — что «забыли» объяснить?
Обратимся сначала к классике...! Этот взглядВсё может выразить так чудно!Ах, обмануть меня не трудно!..Я сам обманываться рад!В этих строках А.С. Пушкин самоиронично высмеивает свою страсть и подчеркивает, что готов к самообману, лишь бы продлить время рядом с адресатом этого признания, Алиной. Стихотворение обращено к Алине - Александре Ивановне Осиповой, падчерице хозяйки Тригорского и одной из знакомых Пушкина периода Михайловской ссылки.
Управление разработкой с AI-агентом: контекст вместо задач
Компании покупают лицензии, объявляют AI-стратегии, считают токены и показывают красивые демо. Потом оказывается, что пользователи не пришли, продукт не решает их задачу, а за результат как будто никто не отвечает: он потерялся между презентацией, подрядчиком и чат-ботом.Проблема часто не в самой модели, а в слабом управлении разработкой. Если в обычном проекте неясно, что именно строят, для кого и как будут проверять результат, AI этого не исправит. Он лишь позволит ошибаться быстрее.
Эволюция подхода к сжатию контекста в AI Агентах
AI-агенты - это цикл обмена сообщениями между пользователем и языковой моделью (LLM), где для ответа пользователю модель может обратиться к доступным ей напрямую инструментам (tools) или через настроенные для неё MCP. Каждое такое взаимодействие дописывает историю диалога. Для простоты часто считают, что вся эта история и уходит в любой следующий вызов модели - иначе она «не вспомнит», о чём шла речь, и криво соберёт ответ.
Патчим Codex: управляемая амнезия без потери контекста
Я дал модели (в codex) возможность самостоятельно решать, когда нужен compact, и обязал её объяснять причину и строить план на будущее.Зачем? компакт посреди правки большого связного куска проекта вызывает некие сомнения. Как: в ответ вызова тулов добавляется текущая ситуация по контексту + инструкции как писать чекпоинты в агентские правила.
Агентный RAG, бенчмарк TRuST и при чём здесь Нафаня?
Всем привет! Меня зовут Николай.Сначала отвечу на вопрос из заголовка. Нафаня - это агентный RAG-помощник по нормативно-технической документации, связанной со строительством и ценообразованием (методики Минстроя, ГОСТы, СНиПы, СП и профильные законы).Эта статья о том, как устроен Нафаня, как прошла его проверка на сложном бенчмарке и как архитектура менялась шаг за шагом, чтобы преодолеть потолок метрик.Железо, ограничения и почему архитектура именно такаяВ моём распоряжении домашняя рабочая станция с двумя RTX 4070 по 16 ГБ и одной RTX 5060 на 16 ГБ
Архитектура LLM-агентов для самых маленьких
Являясь LLM активистом, регулярно обсуждаю всякое про новостиинструментытренды в ИИ. И к моему удивлению зачастую люди из IT не понимают базовых вещей в работе LLM и сопутствующих инструментах. Эта статья — переложение доклада на внутреннем митапе. Основная ее цель - обозначить как из сервера с моделью получаются полноценные агентные системы.А начнем мы с того, что представим сервер с развернутой LLM, как рыбку Дори.
