ИИ-агенты в трейдинге: от рекомендаций к автономному управлению. Разбор тренда, рисков и архитектурных решений
Представьте, что вы сообщаете ИИ-агенту, на какой риск готовы пойти, какие у вас цели по накоплениям на пенсию и когда ваши дети поступят в колледж, а затем позволяете ему управлять вашим инвестиционным портфелем и спокойно спите по ночам.Эта концепция агентской торговли, при которой искусственный интеллект не просто рекомендует инвестиции, но и сам их совершает, постепенно становится реальностью. Брокерские компании, стартапы и даже частные инвесторы создают ИИ-агентов, которые помогают управлять портфелями и автоматизируют инвестиционные задачи, которые раньше выполняли люди.
Селлер платил ЗП отделу из 5 человек и уволил. Нейросеть справляется с этим за 10 долларов
Статья написана на основе интервью с Евгением Беловым, основателем агентства автоматизации NODECS.Я не программист и не инженер. Я предприниматель, который собирает нейросетевые автоматизации для бизнеса. За полтора года такой работы я заменил нейросетью несколько отделов: где-то из семи человек оставался один, где-то двое.В интернетах все чаще слышу мнение, что «ИИ скоро заменит всех», но я убедился, что это не так. С рутиной нейросеть и правда справляется блестяще, а на чём-то очень простом и человеческом ломается.
Ассистент, а не агент: как спроектировать предсказуемую LLM-систему
Привет! Меня зовут Владимир Суворов, я Senior Data Scientist и core-разработчик open-source AutoML-фреймворка OutBoxML.В прошлой статье я разбирал четыре инженерных принципа, которые перенёс из расчётной механики в архитектуру ML-систем. Сегодня — про то, как спроектировать LLM-систему, которая надежно работает каждый день, не сжигает бюджет на токены и работает предсказуемо. Разберём на реальном примере: ассистенте, который сверяет входящий документ технического задания свободного формата со сводом документации и ставит комментарии наличии запрашиваемых пунктов в соотвествии с документацией.
Как я собирал AI-агентную команду для реального бизнеса, а не ассистента в чате
Схема работы главного агента XelaBot компании XelaGroupНемного оффтоп)
ИИ-ассистент с долговременной памятью, агентами и vision. Проблемы с Персональными Данными
Оглавление:ИсторияПамять: факты, embeddings и забываниеРазные модели под разные задачиTool callingПланировщик и proactiveАгенты и мультиагентский пайплайнVision, который знает контекстПерсональные данные и GigaChatЧто делать дальшеИстория

