Как оживить 10,000 мёртвых заметок с помощью Obsidian и Claude Code
Важная информация была в заметках. Где-то.Как и многие, я люблю вести заметки. За годы накопилось более 10 000 — Evernote, Google Docs, голосовые записи. Каждый раз думаю: это пригодится. А потом забываю, что они вообще существуют.
Российские LLM в 2025: обзор GigaChat и Alice AI, их место на мировой арене
В 2025 году рынок нейросетевых моделей продолжает стремительно развиваться. Достаточно вспомнить недавний выход новой модели от Microsoft или обновление Nano Banana. Российские разработки также не стоят на месте.В сегодняшней статье мы поговорим о GigaChat и Alice AI, разберем их место на мировом рынке и, конечно, сравним в нескольких тестах. Устраивайтесь поудобнее, я начинаю.
MAESTRO — новый фреймворк для построения мультиагентных систем и цифровых ассистентов на основе LLM
Привет, Хабр! За последний год стало ясно, что использование нескольких LLM в агентном режиме приносит существенно больше пользы, чем простая сумма их компьюта по отдельности. Гибкость, распределение ролей и активное взаимодействие моделей позволяет достичь значительных успехов в самых различных задачах, включая создание полезных цифровых ассистентов.
Джейн — AI-ассистент преподавателя урбанистики: как мы создали помощника для ИТМО за 10 дней
Привет! Мы — команда StreetCode. На хакатоне AI Product Hack ducation мы решили проверить, может ли AI не просто помогать студентам, а понимать контекст академической дисциплины. Так появился Джейн — AI-ассистент преподавателя урбанистики, созданный для Университета ИТМО.За десять дней мы прошли путь от идеи до работающего прототипа: сформулировали гипотезу, построили RAG-архитектуру, внедрили систему проверки безопасности и протестировали бота на реальных студенческих работах.В этой статье расскажем, какую проблему мы решали, как устроен ассистент изнутри и что показали на финале хакатона.
AI-ассистент для 15 000 файлов: быстрее, чем спросить у коллег
Привет! Я Алексей из команды Fiji, которая занимается внутренним продуктом для хранения и редактирования геоданных. Мы уже немного рассказывали о нем на Хабре: раз, два, три, четыре.
Semantic RAG – как научить AI-ассистентов понимать, а не угадывать
Одна из самых распространённых задач для AI-ассистента — поиск ответов на вопросы. Пользователи ожидают, что он сможет находить информацию во внутренних wiki, базах знаний техподдержки, Word-документах, Excel-файлах и других корпоративных источниках.Сегодня такой поиск чаще всего реализуется с помощью подхода Retrieval-Augmented Generation (RAG). Суть проста: сначала ассистент находит фрагменты документов, которые кажутся релевантными запросу, и уже на их основе формирует связанный ответ.
НАСА и Google создают медицинский инструмент на базе ИИ для поддержания здоровья астронавтов, отправившихся на Марс
Американское космическое агентство и Google работают над медицинским инструментом на базе искусственного интеллекта Crew Medical Officer Digital Assistant (CMO-DA) для медицинской помощи астронавтам, отправившихся на Марс. Решение предназначено для диагностики и лечения симптомов болезней в условиях отсутствия врачей или связи с Землёй.
Как runtime-контекст помогает AI делать более точные и правильные изменения в коде
Как код сам объясняет себя, если у вас есть весь runtime-контекстСегодня LLM-ассистенты вроде Cursor и GitHub Copilot уверенно вошли в инструментарий разработчика. Они умеют дописывать код, фиксят баги, помогают с простым рефакторингом. Но всё ещё работают вслепую — без знания реального поведения приложения в рантайме.Если вы работаете с распределённой системой, то знаете: чтобы ответить на вопрос "что сломано?", нужно больше, чем лог или трасса. Нужен контекст. Полный. Со всеми слоями исполнения: от HTTP-запроса и SQL до внутренних вызовов методов и возвращаемых значений.
Как сделать RAG-ИИ-ассистента без кода
Если вам нужно сконфигурировать персонального или командного AI-ассистента без единой строчки кода, то инфраструктура OpenAI позволяет это сделать.В этой статье мы сконфигурируем ассистента для создания контента, поиска рейсов и бронирования билетов.Для примера создадим бота, который может писать сообщения в стиле определённого телеграм-канала. Возьмём канал https://t.me/+yU0dsHboVmlhNGYy и экспортируем сообщения из канала в формате JSON.
