Ralph loop агенты, оракул и право на мутацию: как не путать execution loop с evolution loop
СодержаниеПутеводитель по паттернам (Таблица) — обзорная таксономия Ralph-агентов.Базовая терминология — разбор понятий Верификатор, Оракул и Артефакты.Паттерн №1: Same-prompt Ralph — анализ подхода Anthropic.Паттерн №2: External verifier Ralph — анализ подхода Vercel.Паттерн №3: Artifact-evolving Ralph (Huntley) — разбор оригинальной концепции.
Долой иерархию и роли: о том, как LLM-агенты самоорганизуются лучше, чем мы их проектируем (только на сильных моделях)
Хабр, привет! Меня зовут Вика Дочкина, я работаю в Сбере и пишу диссертацию на тему автономных AI-систем.Роли, отделы, департаменты, иерархии, должностные инструкции, процессы — всё это придумано для людей. Для нас: с одной специализацией (реже - несколькими), 8 часами продуктивности в день, невозможностью удержать в голове контекст всей организации и месяцами на смену профессии.У LLM-агента ни одного из этих ограничений нет. Он мгновенно меняет специализацию. Он видит полный контекст. Он не потребляет ресурсы, когда не работает. Зачем тогда переносить на него человеческую оргструктуру?
Я протестировал 30+ голосовых AI-движков и собрал переводчик быстрее Google Meet. Бенчмарки, цены, грабли
30+ движков за две недели, реальные замеры на Apple M4, и почему ElevenLabs за $5.57/час - это приговор для бизнесаСижу на очередном рабочем созвоне. Обсуждаем архитектуру нового сервиса. Технически я всё понимаю - документацию на английском читаю без словаря, код ревьюю, в слаке переписываюсь нормально. А вот когда надо открыть рот и сказать что-то сложнее "I agree" - начинается цирк. Пауза. Подбираю слова. Коллега уже ответил за меня.Знакомо?
5 когнитивных искажений, которые ломают UX
Мы часто думаем, что плохой интерфейс — это про кнопки, цвета или сетку. Но чаще он ломается не из-за пикселей. А из-за того, что дизайнер не учитывает, как на самом деле работает мозг.Пользователь — не машина. Он устает. Спешит. Тревожится. Делает выводы на основе первых впечатлений.И вот здесь включаются когнитивные искажения. Разберём 5 самых опасных для UX.1. Эффект якоря (Anchoring bias)Эффект якоря (особенно в ценах) описан в классической работе Амос Тверски и Даниэль Канеман.
5 ошибок при разработке продукта с LLM под капотом – разбор реальных болей живого проекта
Привет, Хабр!Примерно год назад наша команда загорелась идеей создать продукт, который позволил бы «поговорить с кодом». Мы, как и многие, находились под впечатлением от возможностей LLM. Казалось, что ещё немного – и нейросеть возьмёт на себя всю рутину по анализу легаси, аудиту систем и онбордингу новых разработчиков.
Vibe-design в 2026. LLM агент во Fuion360 шестеренками крутил
Выкатили mcp llm ассистента во fusion360. Я сразу попробовал сделать то, что проектировал уже 60 раз и пытался автоматизировать сам - лестницу(деревянную).оффтоп: Я 5 раз пытался собрать(разработать) свои скрипы для автоматизации проектирования, в том числе и MCP сервер для llm, по API fusion настолько скудный и не задокументированный что скрипты работают со скрипом в ограниченном режиме.Мой ТГ про AI и предпринимательствоЭтап 1 - ступени.Промт + фактуар:
Как Alfa AI помогает с анализом обратной связи кандидатов на вакансии системного аналитика банка
В одной из предыдущих статей я описал, как простой Telegram-бот помогает с подбором и при этом экономит деньги банку. За прошедшие три года решение значительно эволюционировало, обросло новым функционалом, было масштабировано на многие подразделения банковского ИТ.Параллельно в банке шли исследования в части использования генеративного искусственного интеллекта для более эффективного решения текущих задач. В статье поделюсь опытом анализа обратной связи кандидатов на вакансии системного аналитика, прошедших через бот, с использованием инструментов, предоставляемых банком.
Как аналитики данных используют нейросети для бизнес-пользователей и что такое разговорная аналитика
Привет, Хабр! Меня зовут Стас Золотарев, я автор на курсах «Аналитик данных» и «Специалист по Data Science» в Яндекс Практикуме. В первой части статьи мы выяснили, как аналитик может использовать ИИ в своей повседневной работе и какие навыки в принципе нужны для этого.
AI vs аналитик: кто кого заменит
Привет, Хабр! Я Владимир Сыропятов, Senior Analyst в Garage Eight
Data, ML, CV и NLP: как освоить актуальные для рынка специальности вместе с фундаментальной базой
Привет, это команда Яндекс Практикума. Сегодня поговорим про то, как погружаться в профессии DE, ML, CV, NLP так, чтобы с одной стороны, получить основательный теоретический фундамент, а с другой — освоить навыки, которых ждут работодатели. Очевидный спойлер: нужно прокачивать теоретическую базу и параллельно много практиковаться — про практику отдельно расскажем на примере учебного проекта в онлайн-магистратуре НИЯУ МИФИ в партнёрстве с Яндекс Практикумом
