искусственный интеллект. - страница 37

От предложений LLM к управляемому исполнению: опыт разработки AI‑агента

Подключить AI‑агента к инструментам — лишь часть задачи. Гораздо сложнее организовать его работу там, где недостаточно уверенного ответа модели и необходимо соблюдать ограничения, контролировать действия и проверять последствия.Например, если агент предлагает восстановить деградировавший сервис, кто проверит: выдержит ли инфраструктура переключение трафика? выполнены ли все необходимые условия? действительно ли сервис восстановился?

продолжить чтение

Как запустить OpenCode на сервере: автономные ИИ агенты

За последние три года слово «ИИ-агент» вы слышали точно. Может, даже работали с Claude Code или Codex — или хотя бы наблюдали со стороны. И вот беда: оба закрытые и проприетарные, заточены под модели своих авторов. Тут и появляется OpenCode — open-source harness-система, где агент читает файлы, гоняет тесты, дёргает другие модели в помощь, передаёт задачи субагентам, подключает MCP, скиллы, плагины. И никакой привязки к вендору: подключай официальных провайдеров, сторонние шлюзы, тот же GLM 5.3 или Claude Opus 5.5 — что хочешь.

продолжить чтение

Почему я не доверил LLM выбор архива: план поиска предков на JSON-справочниках и правилах

Я делаю сервис, который по фамилии, десятилетию рождения и региону отвечает на два вопроса: какие документы той эпохи могли сохраниться и в каком архиве их искать. Очевидное решение 2026 года, один промпт, я отбросил сознательно: модель уверенно называет архивы, которые давно переименованы, и фонды, которых никто не видел. Ниже — как устроено ядро без модели (три слоя JSON-справочников, у каждой записи источник и статус проверки, плюс десяток правил), где модель всё-таки есть и почему там она не может назвать архив, даже если очень захочет.Постановка: что здесь считается ошибкой

продолжить чтение

Акции ИИ‑компаний рухнули: помешает ли это масштабированию медицинского ИИ в России

Данные Bessemer и Bain, российская специфика и схема перехода от работающей модели к поддерживаемому медицинскому продукту.

продолжить чтение

Агент написал верный код, а потом удалил его ради скрытых тестов: что показал MaxxBench

Мы поменяли требования в задачах кодингового бенчмарка и увидели, как модели отговаривают себя их выполнять.Иногда агент прекрасно понимал новое требование. Он описывал, что нужно изменить, прикидывал реализацию, а потом решал, что скрытые тесты, скорее всего, ждут чего-то другого. В одном прогоне модель правильно реализовала изменение, спросила у другой модели исходное решение бенчмарка и, получив его, удалила свой правильный код.

продолжить чтение

Нейросетевая чертовщина 2026 года и странные артефакты машинного разума

Десять лет назад поиск аномалий в сети был уделом исследователей и безопасников: они сканировали диапазоны IP-адресов, искали забытые ханипоты, анализировали утечки из баз данных и разбирали городские легенды даркнета. Интернет казался огромной промзоной, где за каждой странной находкой стояла чья-то халатность, кривой конфиг nginx или арт-хаос. К концу 2026 года природа "призраков в машине" изменилась.

продолжить чтение

Как я пишу агента для оценки и выбора модели под свои задачи-агентов

В прошлый раз я писал про "Как я пишу почти автономного агента для разработки своих пет-проектов", а сейчас я хочу сместить фокус на выбор модели под конкретные задачи. В сети полно контента на тему "Вышел новый GPT Astra (Claude Fable) near-AGI edition", но нас это мало чем интересует: дорого, долго и слишком самостоятельны.На этот раз я решил обойтись без нейрослопа (почти), поэтому сразу прошу прощения за возможные ошибки, пунктуацию и пассивную агрессию (если такая имеет место быть с моей стороны)Зачем самостоятельно оценивать модели?

продолжить чтение

Глубоководье ИИ инженерии

Привет, Хабр!Меня зовут Егор Козельский. Около двенадцати лет я занимаюсь инженерией, в основном графикой и платформенными решениями. Последние годы я много работаю с ИИ-агентами в коммерческой и личной разработке и хочу поделиться опытом: какие проблемы у меня возникали, как я их решал и что в итоге получилось.Первая статья на тему организации работы с агентами была без конкретики и без технического уклона. Здесь уже покажу, как эта система устроена и что в ней изменилось.Небольшое введениеЕсли вы тоже работаете с агентами, многое из этого вам наверняка знакомо:

продолжить чтение

Вайбкодинг против сотни шардов: как я за пару дней собрал Terox

Terox: один терминал для множества шардовНа работе у меня есть PostgreSQL. Точнее, PostgreSQL у меня есть много раз: разные сервисы, окружения, кластеры и сотни шардов.

продолжить чтение

Никогда не задавайте ИИ вопросы на которые не знаете ответа

мерзкое чтиво из двух частейВот казалось бы автор что-то совсем непотребное написал, зачем задавать вопрос, если знаешь ответ! Смысл этого бреда!? Вопросы для того и задают, что бы услышать ответ! Но оказывается, что главное не задать вопрос и даже не услышать ответ.Что бы пояснить простую и ясную для многих тут на Хабре мысль, приведу такой же простой и ясный поясняющий пример и вы сам всё поймете.Вот пришли вы в дорогой известный ресторан и спрашиваете ИИ официанта – какое вино подойдет с телячьим почкам из вашего меню, Поммар (Pommard) или Нюи-Сен-Жорж (Nuits-Saint-Georges) ? И вот ИИ

продолжить чтение