Нейросимвольный ИИ: архитектура семантической нейросети. Как научить LLM считать
LLM ошибаются в элементарной математике. Корпорации тратят миллиарды, но в конечном счете вынуждены прикручивать калькуляторы к вычислительным машинам невероятной мощи. Все попытки исправить через Chain-of-Thought, fine-tuning на задачах счёта, увеличение контекста не сработали.Я провёл серию экспериментов чтобы понять почему, и пришел к выводу, что нейросети просто не предназначены для дискретной арифметики. Их предназначение непрерывные трансформации.
[Bus Factor] Почему ваша незаменимость — это архитектурная уязвимость (SPOF), а не повод для гордости
Понедельник, 09:30. Вы открываете Slack, Telegram и Jira. Там уже горит. В личке пять непрочитанных:
Чем занимается системный архитектор. Подкаст
Привет, Хабр!Мы записали новый выпуск подкаста, в котором наш системный архитектор отдела развития Platform, Андрей Кузёкин, подробно рассказал о своей работе.Поговорили вот о чём:Чем вообще занимается системный архитекторКак проходит его рабочий деньКакого уровня автономности можно достичь в работеКак устроено подразделение и как развивается продуктПочему Андрей выбрал именно эту специальнсотьКакие есть переломные моменты и точки ростаКак развивать и поддерживать интерес к ИТСуществует ли техноснобизм, или это миф?
Используем паттерны C++ в ML: пишем тензор с factory, выделяем память и управляем динамическими типами
Привет, Хабр! Я Кирилл Колодяжный, разработчик систем хранения данных в YADRO, ML-энтузиаст и автор книги "Hands-on Machine Learning with C++". В своих материалах я развеиваю миф о том, что машинное обучение — это сплошной Python. На самом деле под капотом моделей часто работает C++.Этой теме я посвятил цикл статей: хочу рассказать, как привычные для «плюсовиков» инструменты используют для реализации ядра платформы машинного обучения. В первой части поговорим о стандартных библиотеках, идиомах программирования и алгоритмах управления памятью.
Персональный аудиогид по картинам: от запроса до аудио (LLM + TTS)
На Хабре мы часто читаем о вещах практичных: код, архитектура, базы, очереди, деплой - всё, что помогает системам жить и не падать. А вот про то, как инженерные навыки могут улучшать досуг, текстов заметно меньше.
От «Человека-функции» к Архитектору: ИИ освобождает от рабства специализации
В предыдущей статье я поднял вопрос о кризисе технических собеседований. Мы обсуждали, почему проверка знания синтаксиса на бумажке в 2026 году — это абсурд, и почему индустрия упорно игнорирует существование ИИ.Читая комментарии, я поймал себя на мысли: мы ругаем HR за вопросы по синтаксису, но ведь вся наша карьерная лестница десятилетиями строилась именно вокруг знания синтаксиса и особенностей конкретных инструментов.
Больше чем ядро: как пет-проект вырос в мультитенантную платформу для создания AI-агентов
СодержаниеПролог. Краткость - сестра таланта... Часть 1. Концепт Часть 2A. Вайб-кодинг: философия и инструменты Часть 2B. Вайб-кодинг: практика взаимодействия Часть 3. Архитектура: первый блин комом Часть 4. Релиз и фичи Часть 5. Закат и рассвет Часть 6. Мультитенантная архитектура Часть 7: Сценарии — декларативная магия Часть 8. Эволюция системы плагинов: от модулей к экосистеме
Эволюция архитектуры в «Столото»: от масштаба – к системности
Привет, Хабр! Меня зовут Роман Стрекаловский, я корпоративный архитектор в «Столото». Мой первый рабочий день начался с экскурсии в лотерейный центр — место, где воплощаются мечты миллионов. Блестящие шары, гул вращающихся барабанов, атмосфера напряжённого ожидания — всё это производило сильное впечатление. Я сразу почувствовал: здесь живёт энергия, которая двигает бизнес.
Production-ready архитектура AI-агента. Часть 1: ReAct, Advanced RAG, Tools, Prompts
Интересный получился 2025 год: с одной стороны нахлынула волна хайпа вокруг AI‑агентов, с другой стороны не меньшая волна скептицизма и критики остудила пыл многих. Мол, это всё дорогая игрушка — поиграли, забыли, выбросили. На примере разработки AI‑консультанта для своей компании поговорим о системном подходе к проектированию архитектуры production‑ready AI‑агентов, который мы применяем при создании агентских систем для бизнеса. Да-да, именно систем, включая всё критически необходимое для того, чтобы агенты не стали игрушкой, а приносили пользу и оправдывали своё назначение.Поехали...
Почему мультиагентные системы плохо работают на малых данных
Мультиагентные системы - главный тренд в AI-разработке. AutoGPT, CrewAI, LangGraph, Microsoft AutoGen обещают армию специализированных агентов, которые вместе решат любую задачу.Сделал систему на 5 агентов, а потом передумал и сделал на одного.История о том, что иногда с ИИ надо упрощать, а не усложнять.Что делалСервис для автоматической генерации дашбордов из данных. Пользователь загружает файл (CSV, Excel, JSON, PDF), AI анализирует данные и создаёт интерактивный дашборд с графиками. Бесплатный, без регистрации.За пару недель работы:153 дашборда сгенерировано93 уникальных пользователяСреди них крупные FMCG-сети
