llm.
Evals для чайников. Как тестировать AI-агента, чтобы понимать, где именно он ломается
Большинство команд оценивают производительность AI-агентов через end-to-end метрики: success rate, количество токенов, tool usage, стоимость запроса, долю успешных задач. Это полезно для общего контроля ситуации, но почти бесполезно для реальной диагностики системы.
AI Gateway для микросервисов: гайд по интеграции LLM в 2026
Всем привет, меня зовут Сергей Прощаев. В этой статье расскажу про одну из самых горячих тем 2026 года — интеграцию AI/ML как самостоятельных сервисов в микросервисную архитектуру. Я Tech Lead и руководитель направления Java/Kotlin разработки в FinTech & E-commerce, также преподаю на курсах разработки и архитектуры в OTUS.
Я устал копировать промпты вручную. И собрал 794 проверенных в деле промптов для ваших ИИ агентов
🤖 Что происходит, когда вы просто пишете «act as a senior developer»Модель выдает рабочий код. Примерно рабочий. 😅Компонент рендерится, но стили будут серым Tailwind по умолчанию. Про тесты модель скажет «добавлю позже». Переменные окажутся захардкожены, а в коде останется console.log.Это не проблема модели. Это проблема инструкции. Нейросеть делает ровно то, о чем ее попросили, не проявляя инициативы. 🤷♂️🔍 Откуда берется хороший системный промптЯ потратил несколько недель на разбор структуры лучших открытых репозиториев с агентными конфигурациями. Их шесть, все под лицензиями MIT или Apache 2.0. 📂
Hermes Agent сжигал 603M токенов за спиной — как я сократил фоновые расходы в 125 раз
Обложка: routing моделей в Hermes AgentНа днях я заметил, что квота Ollama Cloud Pro тратится быстрее обычного. Значительно быстрее. За семь дней я сжёг 603 миллиона токенов
Как мы с AI-ассистентом собрали новостной канал и какой опыт я получила, не будучи разработчиком
Привет! Я Лена, продакт-менеджер в ЮMoney. Финансовые технологии — одна из отраслей, где инновации появляются и внедряются особенно быстро. Нужно постоянно следить за рынком: изучать конкурентов, мониторить тренды и технологические новинки.Отдельно мне интересны кейсы, когда AI начинает выполнять задачи, которые раньше делали люди. Но подходящего формата для системного мониторинга таких новостей найти не удалось: где-то много «воды», а где-то не хватает конкретики. Хотелось максимально лаконичный формат: кто внедрил AI, для какой задачи, какие процессы / роли это затронуло,результаты.
Как я разогнал Qwen3.6-27B до 73 токен-с в llama.cpp: параметры, которые реально работают
Локальные LLM сейчас — это действительно мощный инструмент. Они уже вплотную приблизились к проприетарным моделям вроде Claude, особенно в задачах кодинга. Я сам активно использую локальные модели для разработки на TypeScript и Go.На данный момент самая интересная модель для моего стека — Qwen3.6-27B. Но один только выбор хорошей модели ничего не гарантирует. Без правильных параметров вы не получите ни скорости, ни качества.В этой статье я расскажу, с какими конкретно параметрами запускаю Qwen3.6-27B в llama.cpp
Две машины и бумага между ними
Асимметричный асинхронный мост для ИИ-помощника на промышленном объектеДисклеймер. Это описание архитектурного паттерна, не анонс продукта. Все примеры реализации — иллюстрации того, как паттерн может быть собран; в реальных проектах его можно реализовать иначе. Регуляторные ссылки (IEC 61508, tool qualification) описывают доказательную базу — окончательное решение о соответствии всегда остаётся за независимым органом сертификации (TÜV/DNV/RISE и т.п.).TL;DR
