Из хаоса закладок — в галерею визуализаций: история создания DataDrops
Если вы работаете с данными или просто любите графики и карты, то наверняка знаете то самое чувство. Увидели классную визуализацию, захотели сохранить, кинули в закладки или переслали себе в чат. А через пару недель она либо потерялась, либо вы уже не помните, зачем вообще её сохраняли.У меня было ровно так же. Моя личная коллекция датавиза выглядела как хаос из закладок в браузере, сохранённых постов в LinkedIn и случайных ссылок в Notion Obsidian. Найти что-то конкретное спустя время было почти невозможно.Поэтому в какой-то момент из всего этого хаоса появился DataDrops
Как написать безопасный сборщик промта для LLM: руководство-шпаргалка
Между пользователем и моделью почти всегда стоит кусок кода, который собирает финальный запрос: берёт текст пользователя, добавляет инструкцию роли, правила компании, историю, документы, ответы инструментов. Это и есть сборщик промта (prompt builder, composer).В этой статье коротко и по пунктам: что в нём должно быть, чтобы им нельзя было воспользоваться во вред, и почему. Её можно держать открытой как чек-лист, когда пишешь или ревьюишь свой сборщик.
Мои AI‑агенты принесли компании около 350 тысяч рублей за два месяца. А я считаю их архитектуру неудачной
За два месяца моя система AI‑агентов принесла компании около 350 тысяч рублей дополнительного дохода и он только растет. Она самостоятельно выполняет задачи в реальных коммерческих проектах, работает с существующими репозиториями и позволяет закрывать часть задач практически без участия разработчиков. С точки зрения бизнеса эксперимент оказался успешным, а с инженерной точки зрения у меня накопилось достаточно претензий к собственной архитектуре, чтобы начать разработку новой системы.
В России запустили ассистента по здоровому образу жизни на базе GigaChat
Сеченовский Университет и Национальный медицинский исследовательский центр терапии и профилактической медицины (НМИЦ ТПМ)
ИИ не шутит?
Пару месяцев назад я задал ChatGPT: «Расскажи анекдот про программиста». Получил: «Программист заходит в бар… и заказывает 1000000000 пива». Смешно? Нет. Это не шутка — это имитация шутки. ИИ не понимает, почему мы смеемся. Он просто повторяет структуру. Я решил это исправить. И заодно сделать так, чтобы ИИ не только шутил, но и понимал чужие шутки — разбирал их на атомы и объяснял, где именно там «щелчок».🧠 Фреймы Бейтсона (или почему шутка — это не текст, а столкновение) Грегори Бейтсон, антрополог и кибернетик, ещё в 1970-х понял простую вещь: юмор рождается на стыке двух фреймов.
«Max Extra» для GLM-5.3 Prime: я вручную перебрал токены и нашёл вставку, которая даёт +7.3% точности при −47% мышления
У всех, кто гоняет GLM-5.3 Prime в проде на ризонинге Max, есть это ощущение: вроде думает, а вроде и недодумывает. Задача у меня стояла зверская — изобрести уровень усилия «Max Extra» чисто промптингом: минимальная вставка в системный промпт, приближенная к обучающим данным, без овер-тхинкинга. И буквально вручную подобрать каждый токен.Зачем? Я заметил что на Max ризонинге нейронка на «Привет» думает по минуте, а для миграции всего проекта на другой стэк - максимум секунд 15 (*личное ощущение).
Цифры верные, выводы ложные: AI‑аналитик нашёл тренды в шуме
Всем привет, меня зовут Сергей Прощаев и в этой статье расскажу про эксперимент, после которого я иначе читаю любые «инсайты» от AI‑ассистента. Я Tech Lead и руководитель направления Java | Kotlin разработки в FinTech & E‑commerce и преподаю на курсах разработки и архитектуры в ОТУС.В аналитике данных особенно важно отличать реальные закономерности от случайных колебаний. Как оказалось, даже правильные расчёты AI‑ассистента этого не гарантируют.
AI‑агент для закрытого контура: расширение VS Code под корпоративную LLM
В прошлой статье я писал про GitBor, git‑клиент, через который я проверяю, что на самом деле наворотил ИИ‑агент. Эта статья про самого агента. Делал я их параллельно. Один инструмент пишет код, второй показывает, что получилось.Модель хорошая, контекст короткийЗакрытый контур, энергетика, живая ИБ. Copilot и Cursor нам не светят, потому что код уходит на чужие серверы. Зато внутри есть свой шлюз с Qwen.
Бот разобрал 1518 вакансий на hh.ru и отправил 339 откликов
Летом я искал работу Python-разработчиком в AI: LLM, RAG, автоматизация, удаленка. Опыта у меня около двух лет, и откликаться руками на десятки вакансий в день мне быстро надоело. Поэтому я написал бота, который делал это за меня: находил вакансии на hh, решал, подходят ли они, писал сопроводительное и откликался.Бот проработал два месяца, с 17 июня по 17 августа. За это время он разобрал 1518 вакансий и отправил 339 откликов. Выборка маленькая: один человек, одно резюме. Зато про каждый отклик я знаю все: какую оценку вакансии поставила модель, ушло ли письмо и какой версией бота оно написано.

