Как AI‑ассистент вырос в production‑систему: путь от NLU к оркестрации и надёжной обработке сообщений
В 2025 году Volga AI Assistant начинался как отдельный Telegram‑бот. Пользователь отправлял сообщение, NLU определял намерение, после чего бот возвращал подготовленный ответ.Архитектура первой версии почти полностью повторяла этот сценарий:
Индустрия информационной безопасности вступает в третью эпоху
Мы много писали о роли ИИ в аналитике и разработке ПО. Теперь решили выпустить несколько материалов о том, как ИИ меняет кибербезопасность — вместе с нашей Red Team / pentest-командой. Начинаем с перевода The Cybersecurity Industry Is Entering Its Third Era. При этом руководитель нашей Red Team на вопрос о главном изменении последних лет отвечает ещё короче: скорость. Но об этом в следующем материале.Я помню, как на обсуждении архитектуры безопасности можно было целый час спорить об одном: куда поставить межсетевой экран.
Промпт‑инжиниринг для моделей надежности отказоустойчивого кластера
Ранее в «Базовые модели надежности отказоустойчивого кластера» были показаны теоретические подходы к построению моделей (непрерывная цепь Маркова, CTMC, Continuous‑Time Markov Chain) отказоустойчивого кластера (fault‑tolerant cluster).
ИИ делает аналитику доступной каждому, но значит ли это, что аналитиков станет меньше?
Аналитика сейчас изменяется, если раньше чтобы понять в каких регионах сильнее всего снизились те же продажи, либо выросла текучесть нужно было неплохо так шарить за сбор данных, их обработку и статистику, то сейчас всё намного проще.Мало того, что ИИ позволяет обрабатывать и разбирать данные намного быстрее, чем это делалось вручную, так еще и современные BI системы уже позволяют внутри себя задавать вопросы к данным. Это я узнал не так давно, так как сам с этим не сталкивался еще, но это натолкнуло меня на размышления аналитического бытия.Прощай часть работы
Как сравнить две версии регламента за 15 минут: LLM строит карту изменений, а вы проверяете её глазами
Первая практическая статья. На примере анализа двух редакций Правил продажи.Долго выбирал что взять в первый практический разбор/демонстрацию возможностей своего инструмента. Решил остановиться на разборе изменений Правил продажи.С 1 сентября действуют новые Правила продажи товаров - ПП № 657. Прежние, ПП № 2463, утратили силу. Это не поправки, а новый документ: в начало добавили три пункта, и дальше вся нумерация сдвинулась на три.Наверняка его уже всесторонне разобрали, но я решил показать возможный новый способ.Почему ответ модели нельзя проверить чтением
Визуализация изменений при помощи LLM, стопки листов и графа между ними
Первая практическая статья. На примере анализа двух редакций Правил продажи.Долго выбирал что взять в первый практический разбор/демонстрацию возможностей своего инструмента. Решил остановиться на разборе изменений Правил продажи.С 1 сентября действуют новые Правила продажи товаров - ПП № 657. Прежние, ПП № 2463, утратили силу. Это не поправки, а новый документ: в начало добавили три пункта, и дальше вся нумерация сдвинулась на три.Наверняка его уже всесторонне разобрали, но я решил показать возможный новый способ.Почему ответ модели нельзя проверить чтением
Сознание в рамках Макро- и Микро-Систем (Первая статья в серии по моему проекту «Zero»)
Эта будет длинная статья. Если вы все же её открыли, прочтите, пожалуйста, хотя бы преамбулу до конца. В ней есть главное, что вам надо знать о том, что может произойти через десяток-другой лет (и вы тоже можете стать к этому причастны при большом желании)Преамбула
Как я почти перестал писать код: оркестрация ИИ-агентов и методология SAMO
Всем привет!Есть ощущение, что за последние два года в профессии разработчика изменилось что-то фундаментальное. Не очередной фреймворк. Не новый язык. Не ещё один способ развернуть контейнер. Изменился сам процесс программирования. Я поймал себя на странной мысли: я почти перестал писать код руками
Excel, 3 маркетплейса и 170 часов рутины — как я автоматизировал работу e-commerce команды
Автоматизацию бизнеса часто обсуждают в контексте замены сотрудников: вот сейчас подключим AI, сократим отдел поддержки в три раза и получим экономический эффект.На практике мне гораздо интереснее другой класс задач.Есть сотрудники, которые умеют анализировать продажи, работать с ассортиментом, рекламой и клиентами. Но несколько часов каждого рабочего дня они тратят на то, чтобы переносить данные из одной системы в другую или в сотый раз писать почти одинаковый ответ покупателю.Один из проектов, над которым я работал, как раз оказался таким.
Дело о взрыве контекста: поиск случайного гостя, который захотел остаться
Всё началось со странной потери скорости решения задач.Сначала я думал, что это чисто субъективное наблюдение. Проекты развиваются, документация растёт, архитектурных связей становится больше. Значит, AI-агенту нужно прочитать больше файлов, удержать больше решений и проверить больше зависимостей. Контекст растёт — время выполнения задач тоже растёт. Вроде бы всё логично.
