О нюансах работы приложений на базе искусственного интеллекта
Когда разработчик получает задачу, он её сначала декомпозирует: разбивает на части, ищет зависимости, проектирует решение. Потом уже пишет код.LLM делает наоборот. Она сразу начинает генерировать — точнее, перебирать паттерны из своего обучающего корпуса, пока не наткнётся на что-то похожее: без проектирования, без понимания.
Vibe-design в 2026. LLM агент во Fuion360 шестеренками крутил
Выкатили mcp llm ассистента во fusion360. Я сразу попробовал сделать то, что проектировал уже 60 раз и пытался автоматизировать сам - лестницу(деревянную).оффтоп: Я 5 раз пытался собрать(разработать) свои скрипы для автоматизации проектирования, в том числе и MCP сервер для llm, по API fusion настолько скудный и не задокументированный что скрипты работают со скрипом в ограниченном режиме.Мой ТГ про AI и предпринимательствоЭтап 1 - ступени.Промт + фактуар:
Маленький LLM-чат на Python с Ollama и LiteLLM. Часть 2: делаем консольный чат
В первой части мы сделали самый важный стартовый шаг: подняли локальную модель через Ollama, подключили её к Python через LiteLLM и получили первый осмысленный ответ из кода.Но пока это ещё не чат. Наш main.py умел только одно: отправить один заранее заданный вопрос, вывести ответ и завершиться.Для учебного эксперимента этого достаточно. Для приложения — уже нет.Во второй части превратим этот одноразовый скрипт в маленький консольный чат
Как я сделал свой контент завод для постов и статей
Я создаю много постов и статей по теме Agentic AI и RAG, вот примеры (Как я сделал RAG для своей компании, Как сделать RAG для своей компании, Как сделать ИИ-агентов и RAG действительно автономными). Веду каналы по Agentic AI и по Python. К сожалению пока не получается генерить все посты и статьи полностью автоматом. Нейросети с этим не справляются и генерят водяную воду, даже если им дать все вводные. Поэтому я создал для себя контент-завод
Управляем поведением LLM: краткосрочные профили и их ограничения
В предыдущей части статьи
ИИ-трансформация 2026: от хайпа к инфраструктуре. 5 структурных сдвигов, которые меняют стек технологий
Еще недавно ИИ был набором экспериментальных фич. В 2026 году мы видим, как он превращается в «невидимую инфраструктуру». По прогнозам Goldman Sachs, расходы на ИИ превысили $500 млрд, но главная новость не в деньгах, а в архитектуре: ИИ консолидируется в суперприложения и агентные системы, которые берут на себя управление рабочими процессами.Разбираем пять трендов, которые определяют, как мы будем кодить, строить бизнес и управлять данными в ближайшие годы.1. Агентные системы как новая рабочая сила
Я ненавижу мозговые штурмы. Поэтому я обучил нейросеть делать их за меня
Введение: фейл с машинкой по генерации идейВозможно многие увидят схожую проблему при использовании нейронок. Я уже достаточно долго и часто использую llm для личных и рабочих задач, автоматизирую свои воркфлоу и в моих кейсах модели эффективно справлялись со своими задачами пока не столкнулся с одним кейсом.
Курсы от ИИ — QPEL.ai
В 2023-м году я организовал среди друзей бесплатный курс по Frontend-разработке. А в 2024-м начал делать отдельный курс для своей жены, но делал это уже с помощью IDE Cursor и Markdown-файлов в Docusaurus.В какой-то момент мне нагрянула мысль - раз я уже делаю курс с помощью ИИ, то почему бы это не автоматизировать и не масштабировать? Так и родилась идея об универсальном ИИ генераторе курсов на любую тему и для любого опыта.
AI-темплейты для Obsidian Templater для развития знаний
Продолжаем исследовать возможности технологии LLM для повышения эффективности работы человека-пользователя и работы человека-программиста, для открытия новых способов взаимодействия с информацией и, как эксистенциальная цель (сверх-цель), для открытия новой супер-информации и продвижения человечества на шаг вперед по лестнице прогресса...
