LLM Wiki: готовые baseline-шаблоны и новая реализация паттерна для доказательных выводов
Паттерн LLM Wiki (предложен Андреем Карпаты, 2026) устроен так: LLM-агент не ищет фрагменты заново при каждом вопросе, а инкрементально встраивает новые источники в постоянную вики — дополняет страницы, связывает их ссылками, отмечает противоречия и поддерживает обзор.Типичные элементы паттерна:Три слоя. raw/ — неизменяемые источники (курирует владелец), wiki/ — страницы под управлением агента, AGENTS.md — схема-регламент.Операции. ingest (один источник каскадно обновляет 10–15 страниц), query (вопрос по вики), lint
«Черкизово» и Data Sapience выступили на Форуме ИТ и инноваций в ритейле
Счет 4:6 в пользу инноваций: спикеры разобрали ИИ-инициативы «Черкизово» и показали, где искусственный интеллект заменяет привычный процесс, а где – нет.Data Sapience выступила генеральным партнером сессии
Где на самом деле живут знания компании: 8 видов корпоративного знания
У любой компании как и у человека есть память. В бизнесе это называется корпоративным знанием. Однако неверно думать, что знания – это что-то зафиксированное в документах. На самом деле большая их часть скрыта в решениях, принятых интуитивно, негласных договоренностях команды, и понимании, когда правило лучше обойти.
О чем 1С-нику писать в Базу знаний Инфостарт?
Какую тему выбрать, чтобы был отклик? Как найти свою нишу в каталоге? В статье делимся рабочими способами, как подобрать тему. Как показала практика, написать и оформить публикацию - это не самая сложная часть создания контента, когда знаешь о чем писать… Даже опытные авторы могут не знать, о чем и как рассказать.
Восемь дней без алерта: как ручной разбор конверсии превратился в ИИ-агента
В партнёрском отчёте доля выданных займов среди одобренных сползла примерно с 80 до 77 %. Текущая неделя выглядела ещё хуже — меньше 75 %. Мы начали разбирать падение и довольно быстро нашли убедительное объяснение: в органическом трафике такого сдвига не было, а несколько партнёров стали приводить клиентов, которые получали одобрение, но не подписывали оферту.
Как мы научили LLMCOD собирать базу знаний не только из HTML, но и из SPA и открытых API
Обычно задача «создать базу знаний из сайта» звучит просто: взять HTML, извлечь текст, разбить его на фрагменты, построить embeddings и отправить всё в RAG.На современных сайтах этот подход всё чаще перестаёт работать.Главная причина — сайт может практически не содержать данных в исходном HTML. Пользователь открывает страницу, браузер загружает JavaScript, JavaScript обращается к API, а уже API возвращает услуги, товары, объекты, статьи, цены и другие данные.Именно с такой проблемой мы столкнулись при разработке новой возможности в LLMCOD.
Самое сложное в AI: как RAG-пилот на три недели затянулся на три месяца
В финале прошлой статьи про сборку AI-команды я остановился на клиффхэнгере: наш простой трёхнедельный пилот RAG по технической документации забуксовал, причём виной тому были не модели, не серверы и не разработчики. С первого установочного совещания прошло уже три месяца. Для тех, кто в блоге впервые: в прошлых частях мы прошли путь от первых экспериментов с ChatGPT и самописных микросервисов до собственной инфраструктуры, найма IT-архитектора и выстраивания DevOps-практик.
Ваша База Знаний — золотая клетка с прозрачными стенами
9 сентября 2024 года Notion закрыл рабочие пространства, которые определил как российские. О закрытии предупредили 26 августа и дали выгрузить данные до 8 сентября. Дальше наступила тишина.В справке нашлась строка, которая объясняет облако лучше любой метафоры про «второй мозг»: если платёжные данные пространства когда-либо были связаны с Россией, пространство закрывается. Сменить карту уже не поможет. Можно было уехать два года назад и платить из Европы — это не важно. Один давний платёж решает судьбу всего архива. В те же дни то же самое сделала Coda.
Как умный поиск и микрообучение снижают нагрузку на менеджмент при адаптации
Любой инженер знает золотое правило DRY Don't Repeat Yourself.

