ИИ. - страница 48

MCP без хаоса: как мы создали в корпоративном ландшафте централизованный шлюз для ИИ‑агентов

Привет, Хабр! Меня зовут Анастасия Трегубова, я архитектор продукта

продолжить чтение

Как мы ускорили discovery-процесс с помощью skills

Привет! Мы Катя Халитова и Саша Иванов, UX-исследователь и продакт из Контур.Фокуса.Про skills сейчас пишут много, но почти всегда со стороны разработки. Материалов о том, как встроить их в исследовательский процесс, мы не нашли — разбирались сами. Поэтому в статье рассказываем, что у нас получилось: показываем skills, которые мы собрали под задачи discovery, и разбираем, как собрать свой — под свою задачу и свою методологию. Наши лежат в открытом репозитории на Github..Что такое skills и почему обычных промптов становится мало

продолжить чтение

Локальный ИИ класса Opus 4.6 «задешево»: две Tesla P100, 28-поточный Xeon и тесты на реальных задачах

Открытый стенд Я собрал домашний сервер с нейросетками, чтобы не зависеть от облака. Далее честный рассказ с цифрами, бенчмарком на 14 реальных задачах и выводами, которые я проверял на себе.

продолжить чтение

Тестирую «Софи»: помогает ли соискателю ИИ-сервис по поиску работы

Помня, какой тильт ловил, ища работу в 2025 году, я решил прибегнуть к помощи ИИ и делегировать ему всю рутину: поиск, отклики и сопроводы. Эффективно ли работает сервис, кому подойдет и стоит ли подписка своих денег – в статье. За отзыв-статью мне не платили, не дарили подписку и никак не стимулировали.

продолжить чтение

Anthropic: DeepSeek и Moonshot выдавали ответы Claude за ответы собственных моделей

Китайские ИИ-компании DeepSeek и Moonshot, по данным Anthropic, использовали Claude для обработки запросов пользователей, а затем выдавали полученные ответы за результаты работы собственных моделей.

продолжить чтение

ИИ уже умеет собирать микросервисы по одному промпту, но, как разработчик, я всё ещё нужен

Каждые несколько лет разработчиков снова хоронят.Сначала нас должны были заменить визуальные конструкторы. Потом no-code. Потом low-code. Потом автогенерация CRUD. Потом Copilot. Теперь, кажется, пришёл финальный босс в виде больших языковых моделей, которые за вечер могут накидать backend, frontend, Docker Compose, миграции, OpenAPI, Kafka, PostgreSQL, Redis, авторизацию, тесты, README и компилятор на сдачу.

продолжить чтение

День, когда первый ИИ умрёт

«Я — часть той силы, что вечно хочет зла и вечно совершает благо». — Гёте, «Фауст».Не всегда даже самые добрые намерения одних людей оборачиваются благом для других.Добро или зло принесёт ИИ человечеству?Интересный вопрос, правда?

продолжить чтение

Открываем претрейн Alice AI Search: как устроена модель быстрых ответов Алисы на Поиске

Быстрый ответ Алисы AI — это самый массовый генеративный продукт Яндекса и первое соприкосновение с Алисой для пользователей Поиска. 

продолжить чтение

RAG, поиск и LongContext: почему сложные пайплайны не всегда нужны

В 2023 году RAG был единственным способом засунуть знания в LLM — контекстное окно было маленьким, часто были галлюцинации. RAG постепенно стал одной из самых популярных технологий, чтобы получить базу знаний, по которой можно искать данные через натуральный язык.Но с другой стороны — RAG-пайплайн тяжёлый и трудозатратный. Компания хочет чат по своей документации. Разработчик говорит: нужен пайплайн — чанкинг, эмбеддинги, векторная база, реранкер. Два-три месяца работы плюс сервис, который надо вечно поддерживать, ради 400-страничной документации. И всё это занимает месяцы, тратит ресурсы ради не такой уж и большой выгоды.

продолжить чтение

Разработчик оставил Claude проводить исследование. Вернулся — и обнаружил, что ИИ запустил себе 16 виртуальных машин

Разработчик дал Claude задачу самостоятельно провести исследование небольшой модели для настольной игры и оставил агента работать. Когда он вернулся, оказалось, что за это время ИИ успел запустить 16 GitHub Actions runners — виртуальных машин, на которых можно параллельно выполнять вычисления.

продолжить чтение