ai. - страница 55

ai.

Как агентные системы и LLM меняют разработку

Приглашаем на ИИшную — бесплатный митап от ЮMoney и Сбера про практическое применение искусственного интеллекта в IT. Когда: 30 июня в 18:30 (мск). Можно присоединиться очно в Санкт-Петербурге или подключиться к онлайн-трансляции.За последние пару лет ИИ прошёл путь от экспериментов с чат-ботами до полноценного инструмента, который меняет процессы разработки, аналитики и управления знаниями. На митапе поговорим не о футуристических сценариях, а о реальных кейсах, инструментах и подходах, которые уже используются в крупных технологических командах.В программе

продолжить чтение

Два способа создания доступного DatePicker’а с помощью AI: 80-20 в пользу AI или системное проектирование с агентом

ВведениеЯ открыл демо-версию DatePicker'а, и она выглядела вполне обычно. Поле ввода, кнопка, всплывающий календарь, keyboard navigation, метки для screen reader'ов, макеты для настольных компьютеров и мобильных устройств.С внешней стороны ничего особенного. Интересным был не сам компонент, а то, как мы его создали.Привет, коллеги!

продолжить чтение

Как заставить LLM выбирать осмысленные фрагменты из часовой расшифровки: почему «найди интересные моменты» не работает

Представьте: у вас есть транскрипт выступления на 40-60 минут – полотно из нескольких тысяч слов с таймкодами. И для продвижения материала через Reels, Shorts или, упаси господь, ВК Клипы, нужно достать из него +-6 самодостаточных фрагментов: законченная мысль, не оборванная на полуслове, которую можно показать вне контекста. Изначальная мысль закинуть в LLM промпт и забыть развалилась. Расскажу, какие грабли я собрал и какая конструкция в итоге заработала стабильно. Привет, Хабр! Меня зовут Андрей, и я потихоньку развиваю своего телеграм-бота для нарезки вертикальных видео по имени Шорти.Постановка задачи

продолжить чтение

12 факторов хорошего агента

Почти все мы только учимся работать с агентами. Даже опытные команды иногда управляют агентами так, что те приносят больше вреда, чем пользы. HumanLayer сформулировал 12 принципов того, как делать и настраивать агентов правильно. Каждый пункт отвечает на вопрос, что работает хорошо, а что стабильно приводит к проблемам.1. Структурированный выводДо появления структурированного вывода от языковой модели нельзя было ожидать детерминированного результата: она возвращала произвольный текст. Подключить ее к реальной системе было крайне сложно.

продолжить чтение

Попросили Claude создать WCAG-доступный DatePicker на React и потратили 3 дня на доработки

ВведениеКазалось, что DatePicker от Cloude сразу был готов в prod, но:Я запустил NVDA, переключился клавишей Tab по нашему новому DatePicker'у, и фокус выскочил за пределы диалогового окна. В

продолжить чтение

Первый промт-инженер компьютерных душ: как Алан Тьюринг предлагал воспитывать ИИ

продолжить чтение

Машина, которая умоляет

Машина, которая умоляетПервое описание соцсетей появилось в 1968 году, и его автор вовсе не собирался описывать соцсети.

продолжить чтение

Метаболический ИИ показал логику хищника в решении практических задач

Вы замечали, что несмотря на прогресс, LLM остаются годами невыносимо услужливыми? Вы даете трансформеру сложную техническую задачу, он блестяще расписывает код на 200 строк, но стоит вам написать: «Эй, кажется, ты забыл импорт», как он сносит свое идеально работающее решение и покорно генерирует нерабочий мусор, лишь бы с вами согласиться. Корпорации продолжают верить в reasoning-модели, делая вид, что математическая вероятность правильного токена — это и есть интеллект.

продолжить чтение

Новые модели ChatGPT пугают даже правительство США: почему вслед за Fable 5 не вышла GPT-5.6

продолжить чтение

ML для больших компаний: от DevBox до платформы на тысячу пользователей

Привет, Хабр! Меня зовут Антон Алексеев, я MLOps-инженер в Авито. В статье расскажу, как мы строим ML-платформу на базе Kubeflow. От первых DevBox-решений мы пришли к набору небольших юнит-платформ, которые разные команды развивали под свои бизнес-задачи и связывали между собой. Со временем возникла задача объединить эти решения в единую платформу. Поделюсь, как мы это делали, с какими проблемами столкнулись и как их решили. И немного о том, как должны выглядеть агентские платформы, когда за управление инфраструктурой отвечают агенты. 

продолжить чтение