ai. - страница 188

ai.

Нечеловек, который изменил всё: как эффективно работать с ИИ, на примере создания схем бизнес-процессов в BPMN

Отношение к ИИ, как к помощнику, у многих людей напоминает отношение суровых сибирских лесорубов к японской лесопилке из старого анекдота. Лесорубы совали в неё всё более толстые брёвна — и машина со всем справлялась. Тогда в неё засунули железный лом. Этого лесопилка уже не пережила. А лесорубы сделали вывод: ничего-то эта заморская техника не может.С ИИ часто происходит то же самое. Либо «сделай всё и сразу», либо «ну нет, слабоват ты пока для серьёзных задач». А что если ИИ способен решить вашу задачу пусть не полностью, но процентов так на 80–90? И вы сами в этой сфере тоже несовершенны? Но

продолжить чтение

Учёные из Ватерлоо научились бэкапить квантовые данные

продолжить чтение

Siemens и NVIDIA создают ИИ-операционную систему для заводов

продолжить чтение

OpenAI запустила ChatGPT Health

продолжить чтение

Контент, который ест сам себя

Привет, Хабр! Я Екатерина Кильгишова, директор по маркетингу Axiom JDK.

продолжить чтение

От промпта до продакшна за два часа: всё, что нужно знать о Claude Code

Практическое пособие для разработчиков по AI-ассистированной разработке с интеграцией MCP и автоматизированными хукамиФото: Robson Hatsukami Morgan, 

продолжить чтение

Быстрый старт в мониторинг сервисов с LLM под капотом

За прошлый год я запустил 5 сервисов с LLM под капотом. Каждый следующий сервис получался лучше предыдущего: мы оттачивали архитектуру, оптимизировали core микросервиса на FastAPI, быстрее выходили на MVP и ловили меньше багов.Но довольно быстро стало понятно: LLM‑сервисы сложно интерпретировать. Для бизнес команды они выглядят как black box. Для инженеров — как набор плохо воспроизводимых состояний.В этой статье я поделюсь практиками, которые:упрощают интерпретацию поведения LLM;делают работу сервиса прозрачной для Product Owners и SME;

продолжить чтение

Langfuse: наблюдаем и отлаживаем LLM-микросервисы без black box

За прошлый год я запустил 5 сервисов с LLM под капотом. Каждый следующий сервис получался лучше предыдущего: мы оттачивали архитектуру, оптимизировали core микросервиса на FastAPI, быстрее выходили на MVP и ловили меньше багов.Но довольно быстро стало понятно: LLM‑сервисы сложно интерпретировать. Для бизнес команды они выглядят как black box. Для инженеров — как набор плохо воспроизводимых состояний.В этой статье я поделюсь практиками, которые:упрощают интерпретацию поведения LLM;делают работу сервиса прозрачной для Product Owners и SME;

продолжить чтение

Tailwind Labs сократил 75% инженерной команды из-за падения доходов

07.01.2026 Tailwind Labs — компания, стоящая за фреймворком Tailwind CSS, — уволила 75% инженеров на фоне резкого падения выручки примерно на 80%. Об этом стало известно во время

продолжить чтение

Boston Dynamics и Google объединяют усилия, чтобы превратить Atlas в полноценного ИИ-агента

продолжить чтение