искусственный интеллект. - страница 157

Вам не нужен ещё один Claude Code: зачем Pi оставляет сборку агента пользователю

Когда мы обсуждаем агентов для программирования, разговор быстро сводится к моделям. Какая модель Claude лучше пишет код, а какая версия GPT увереннее чинит ошибки, как

продолжить чтение

От чата c LLM к полноценному AI-агенту: пошаговая настройка OpenCode

Когда я впервые начала использовать AI в работе, сценарий был довольно стандартным: открыть чат, вставить текст, сформулировать запрос, получить ответ.

продолжить чтение

Кто отвечает за ИИ-агента: юридический контур цифрового сотрудника

Это вторая часть материала про ИИ-агентов в корпоративном контуре для блога ЛАНИТ. В первой речь шла о том, как ограничить агента технически, какие полномочия ему давать, как разделять доверенные и недоверенные источники, что логировать и как тестировать систему до запуска. Здесь – о следующем вопросе. Что происходит, если ограничения все-таки не сработали, агент сделал что-то не то, а последствия уже наступили?

продолжить чтение

Галлюцинации недели: Claude Opus 5.5, GPT-6 Sol и опрос о том, как вы используете ИИ на работе

продолжить чтение

Не начинать с LangChain: как спроектировать корпоративную GenAI платформу до реализации

GenAI проект легко начать с технологий: выбрать LangChain, vector database, Kubernetes, Kafka, модель и сразу писать RAG пайплайн.Для корпоративной платформы это почти всегда слишком ранний шаг.Основные архитектурные вопросы возникают не в момент вызова LLM, а вокруг неё: кто может получить доступ к данным, где проверяются права, какие компоненты нужно масштабировать независимо, как система ведёт себя при недоступности внешнего провайдера и что действительно необходимо включить в первую версию.## Начать не со стека, а с условийЕсли сразу обсуждать технологии, очень быстро появляются вопросы:LangChain или LlamaIndex;

продолжить чтение

Три закона робототехники, которые никогда не работали. Даже у Азимова

продолжить чтение

Две ИИ-фабрики Армении: что построили и на кого они работают

Часть 2.1 Дополнение к части 2 · Хабр · Холодный анализ Дисклеймер: это инженерный разбор, а не инвестиционная рекомендация.

продолжить чтение

Как продвигать в нейросетях интернет-магазин, если тот же товар на маркетплейсе дешевле

Представим крупного продавца бытовой техники. У него известное имя, десятки офлайн-магазинов, консультанты, доставка, собственная поддержка. Возможно, он умеет устанавливать технику, принимать ее в сервис, помогать с гарантийными случаями.А еще у него есть интернет-магазин.В каталоге стоит хорошая автоматическая кофемашина известного европейского бренда. Допустим, De’Longhi. Цена у нашего продавца 99 900 рублей.На маркетплейсе та же модель стоит 94 900.Покупатель пока ничего об этом не знает. Он открывает ChatGPT, Алису или другую нейросеть и спрашивает:

продолжить чтение

[Не]нужные люди в эпоху ИИ

В начале сентября экономисты Anthropic выложили сценарии того, как ИИ изменит экономику США к 2030 году. Прогнозом их называть не велят, вероятностей не дают, но самый радикальный выглядит так: ВВП на треть выше, работы на много процентов меньше. Пока только для тех, кто сидит за компом.

продолжить чтение

Локальный ассистент для зумов, часть 8: модель, ради которой я поменял диаризацию за один вечер

В третьей части я написал, что не вижу чужой модели, ради которой стоит менять связку. sherpa-onnx на диаризации, свой второй проход поверх, канал собеседников двадцатиминутного звонка размечается минут семь. Жить можно.23 сентября NVIDIA выложила Nemotron 3 Diarization. Вечером 28-го я включил её в разбор своих созвонов. Тот же канал — три секунды.Что этоSortformer на сто миллионов параметров, до восьми голосов. На каждые 10 мс у каждого голоса своя вероятность, два голоса в одном кадре для неё норма. Старая связка решает по отпечатку куска речи. Двое говорят разом — отпечаток общий, кто-то пропадает.

продолжить чтение