ai.
Год назад Claude Code не умел составить план. Сейчас у него миллион токенов и 9 субагентов
Я тут полез в свою историю промптов за март 2025. Знаете, что нашёл? Промпт на 40 строк, в котором я вручную описывал Claude структуру проекта. Какие файлы где лежат, какие зависимости, где конфиг. Потому что он не мог посмотреть сам.Год назад. Март 2025. Claude Code - бета, версия 0.2.что-то-там. Ни plan mode, ни субагентов, ни CLAUDE.md, ни skills. Контекст - 200 тысяч токенов, и это считалось нормальным. Codex CLI не существовал. Gemini CLI не существовал. Copilot умел автокомплит и чат в сайдбаре.
Маленький LLM-чат на Python с Ollama и LiteLLM. Часть 1: ставим окружение и пишем первый запрос
Во многих туториалах по LLM всё начинается с API-ключей, платных токенов и облачных сервисов. Это рабочий путь, но для первого знакомства он не самый удобный: нужно регистрироваться, разбираться с биллингом и постоянно помнить, что каждый эксперимент что-то стоит.Здесь пойдём проще. В этой серии мы соберём маленький LLM-чат на Python, который сначала будет работать локально: модель запускается через Ollama, а Python-код общается с ней через LiteLLM.Это хороший стартовый маршрут по трём причинам:не нужны API-ключи;не нужен интернет для каждого запроса;
Как математик 20 лет строил задачу, которую ИИ не сможет решить, а GPT-5.4 сломал ему картину мира
Я давно освещаю прорывы в ИИ. В большинстве случаев заголовок обещает больше, чем даёт статья.Этот случай — другой.
Исследование: обилие AI-инструментов в работе плохо сказывается на продуктивности и перегружает мозг
Исследователи Boston Consulting Group опросили сотрудников компаний, в которых активно внедряют AI-инструменты, чтобы выяснить, как нейросети помогают справляться с рабочей нагрузкой. Удалось выяснить, что показатели продуктивности растут до определённого предела, а после него сотрудники начинают жаловаться на усталость и «туман в голове».
Вселенная воспоминаний для ИИ агентов
Память — это не список фактов, это историяПредставьте, что вы рассказываете новому знакомому о своей жизни. — "Я изучаю Rust", — говорите вы. Обычный собеседник просто кивнет и запомнит факт. Но хороший друг спросит: "Почему? У тебя же отличный опыт в Python". А лучший друг добавит: "Подожди, это как-то связано с твоим желанием переехать и ипотекой, о которой ты говорил?"
Как A2A‑протокол обеспечивает оркестрацию ИИ‑агентов
Мир ИИ-разработки стремительно движется от парадигмы «один модельный вызов — один ответ» к системам, в которых множество специализированных агентов решают сложные задачи совместно. Представьте себе оркестр, где каждый музыкант — это отдельный ИИ-агент со своей специализацией: один анализирует данные, другой генерирует код, третий проверяет результаты. Такие мультиагентные системы позволяют декомпозировать задачу и ускорить ее выполнение за счет параллельной работы. Крупнейшие игроки — Google, Microsoft, IBM — уже делают ставку на эту парадигму как на фундамент приложений следующего поколения.
