ai.
Capacitor: от веба к мобильным приложениям. Часть 4. Интегрируем локальный LLM в проект
Привет, Хабр! Продолжаем серию статей о разработке мобильных приложений с помощью Capacitor. Если вы не читали предыдущие части, лучше начать с них:Часть 0. Зачем нужен CapacitorЧасть 1. Миграция проекта на CapacitorЧасть 2: Как написать свой плагинЧасть 3: OTA-обновленияВ этой части разберём, как запустить языковую модель прямо на телефоне — без сервера, без API-ключей и без постоянного интернета.Зачем локальный AI
Свой AI-агент из почты, systemd и LLM
В прошлых статьях я строил домашнее облако на Proxmox. Теперь внутри него живёт кое-что поинтереснее — полностью автономный AI-агент, которого я могу пнуть письмом из обычного почтового клиента или сообщением в Telegram, и он ответит, подумав. Причём подумав по-настоящему: с многошаговым рассуждением, долговременной памятью и возможностью выполнять команды. Зовут его Threlium, и устроен он чертовски необычно и просто, например может модифицировать сам себя.Зачем, почему и что получилось — расскажу ниже.Зачем свой агент
Разработка будущего, или Почему AI PDLC начинается не с кода
На ЦИПР-2026 мы подписали меморандум со Сбером и СберТехом — вместе планируем развивать AI PDLC в России и проверять подход на задачах корпоративной разработки. Звучит масштабно, но сейчас всё расскажем.
Я построила диагностику «стоит ли это автоматизировать» — и она трижды говорила глупости. Разбор ошибок
Инфографика-диалог из четырёх реплик между заказчиком и аналитиком, мемная
Масштабирование LLM: от одного чипа до ЦОДа. Глава 2. Шардинг
Это продолжение цикла статей о масштабировании тренировки и инференса LLM. Предыдущая глава находится по этой ссылке.Итак, с основами разобрались, давайте теперь разбираться с тем, как распихать матрицы по нескольким чипам, перемножить, а затем собрать это все в удобоваримый результат. По-умному это называется шардинг.
LLM не работает за вас. Она работает с вами
Опыт после обучения 10+ коллег: почему одни ускоряются в разы, а другие получают уверенную кашу.За последние пару месяцев я обучил свою команду, как встроить LLM в рабочий процесс.Не «поиграться с ChatGPT вечером». Не «задать вопрос, как сделать то-то». А именно начать использовать LLM в реальной работе: код, тексты, анализ, ревью, документация, исследование, планирование задач.Мой вывод стал неожиданностью для меня:LLM не работает за вас. Она работает с вами.
Сапожник с сапогами
ИИ на службе... на службе технической поддержки. История про то, как использование больших языковых моделей помогло оптимизировать работу службы технической поддержки крупного Холдинга. А также размышления про то, к чему это может привести в итоге.Когда перед департаментом информационных технологий крупного отечественного Холдинга встала задача внедрения инструментов ИИ в бизнес-процессы Холдинга, то одним из перспективных направлений приложения усилий была выбрана оптимизация работы собственной службы технической поддержки с помощью больших языковых моделей.
70% кода с AI — и ни на день быстрее
ВступлениеВ какой-то момент это происходит почти в каждой компании. Собрание. Слайды. Уверенный голос.«Мы должны активнее использовать AI».«Он ускорит разработку в несколько раз».«Нам нужно повышать эффективность».«Возможно, нам и не понадобится столько людей».Формулировки могут быть мягкими. Могут быть вдохновляющими. Могут быть завёрнутыми в стратегию трансформации. Суть остаётся той же: технология должна кратно увеличить производительность.
