ai-агенты. - страница 17

Полгода экспериментов с ИИ на митапе: RAG, AI-ревью, автотесты, агенты и автообработка счетов

Мы в Синтеке разрабатываем софт для строительства, а отрасль сейчас переживает сложный период. Когда тяжело стройке, это довольно быстро чувствуют и компании, которые делают для неё ИТ. Поэтому в начале года у нас появилась общая задача от руководства и инвесторов: пересмотреть внутренние процессы и искать способы экономить время и ресурсы без потери качества. Отдельно попросили посмотреть, где в этих процессах можно использовать нейросети и AI-агентов. 

продолжить чтение

GPT-6 Astra вышла. Я стал ещё внимательнее смотреть, что ей поручаю

Недавно OpenAI выпустила GPT-6 Astra. Новая модель стала лучше работать с длинными и сложными задачами, большим контекстом, файлами и инструментами. Для меня это интересный релиз ещё и потому, что AI я в основном использую не для написания кода. Я PM, поэтому мои основные задачи это требования, Jira, документы, анализ информации, планирование и подготовка материалов.За последний год мой подход к AI довольно сильно поменялся. Сначала ChatGPT был для меня улучшенным поиском: дай мне информацию, а дальше я сам её обработаю.

продолжить чтение

От «магии» к инженерии: 9 ошибок работы с контекстом при внедрении AI‑агентов в процессы

Я бизнес‑архитектор, много лет работающий на стыке управления бизнес‑процессами и корпоративной архитектурой. Последние годы применяю LLM и AI‑агентов в своей практике.В этой статье я разобрал 9 типовых ошибок управления контекстом, которые совершают команды при внедрении AI‑агентов в бизнес‑процессы, и показал, как превратить AI‑агента из дорогой игрушки в предсказуемый рабочий инструмент.

продолжить чтение

Галлюцинации недели: DeepSeek V4.1 Flash, Meta Muse и мой вердикт после сравнения GPT-6 Astra с Fable 5.1

Последние две недели я плотно гонял GPT-6 Astra и Fable 5.1 на реальных проектах. В итоге выбрал одну, но работать всё равно буду с обеими.OpenAI опубликовала

продолжить чтение

SKILL.state в coding-агентах: меньше истории, но не всегда меньше работы

О чём этот текстЭто рассказ о моём эксперименте: что захотелось попробовать, что получилось и где пришлось пересмотреть свои ожидания. Я не ставлю здесь задачу кого-то обучить или доказать, как правильно устраивать память агентов. Просто захотелось поделиться этим опытом — вместе с результатами, ошибками и вопросами, на которые у меня пока нет ответа.С чего всё началосьНедавно мне попалась статья SKILL.state: Scalable Long-Horizon Agent Skills

продолжить чтение

Админка больше не обязательна: как я дал Codex API к сайту и получил новый интерфейс управления контентом

У большинства проектов, где контентом нужно регулярно управлять, есть админка. Иногда она действительно удобная и хорошо продуманная, иногда — собранная на скорую руку, а иногда это вообще стандартный интерфейс фреймворка, который формально позволяет редактировать данные, но пользоваться им каждый день мучительно.

продолжить чтение

Я сделал начальника AI‑офиса токсичным. Но сработал не мат, а право сказать FAIL

Я несколько раз пересобирал роль начальника в мультиагентной системе на Claude Code. Сначала мне казалось, что результат улучшился, когда я сделал начальника жёстким и разрешил ему материться на агентов.После сравнения версий boss.md вывод оказался менее смешным: вместе с характером я почти полностью переписал должностную инструкцию. Начальник получил ответственность за конечный результат, право отклонять работу и обязанность возвращать её конкретному исполнителю.То есть сработал не мат сам по себе. Сработала приёмка, в которой незакрытый дефект не может получить статус «готово».

продолжить чтение

Как я автоматизировал почти всю работу в CRM

Я долго ходил по конференциям, у меня хороший нетворк, и все это длительное время я наполнял CRM контактами, результатами звонков, переписками, договорённостями и тд.В какой-то момент в ней оказалось почти 10К человек и вся моя история отношений с ними.Но накопить данные конечно легче чем применять их так, чтобы была максимальная польза. Чтобы CRM приносила эту пользу, я должен помнить, кого и как там  искать, какие фильтры включить, что делать дальше и как масштабировать это.Я хотел автоматизировать почти всё.Что было в первой версии моей CRM Источники данных существовали независимо друг от друга:

продолжить чтение

Решил проверить, правда ли все ищут AI-инженеров. Спойлер: 84% вакансий про ИИ молчат

Решил я на досуге посмотреть, а много ли на рынке сейчас требуется людей, владеющих AI-технологиями. Ощущение-то у всех одинаковое: ИИ везде, без него никуда, каждый второй пост в ленте про агентов. А что на рынке труда?Спарсил я значит hh.ru (не без помощи LLM), все активные вакансии в 25 категориях направления «Информационные технологии» по России — получилось 34 053 штуки. Дальше посчитал, в скольких из них вообще упоминаются языковые модели и смежные вещи: LLM, GPT, RAG, агенты, промпты, Cursor, LangChain, GigaChat и ещё пара десятков терминов. Отдельно — сколько разобрал по полному тексту описания: 853 вакансии.Сколько всего

продолжить чтение

Что значит развернуть LLM локально: два дня с vLLM, DGX Spark и настоящими ограничениями

Когда меня однажды спросили, что такое инференс и как выглядит локальное развёртывание модели, я ответил правильно, но слишком общо: загрузить веса, поднять runtime, отдать API, подключить приложение.Теорию я понимал. Но честный ответ был таким: собственного опыта, в котором всё это проходит путь от файлов модели до работающего пользовательского сценария, у меня тогда не было.Через несколько дней такой опыт появился.

продолжить чтение

1...10...151617181920...3040...60