llm.
The Executable Code of Culture: Why Memes Are Mere Data, While Narratives (.exe) Run the World
In 1976, Richard Dawkins introduced the concept of the meme in The Selfish Gene—a unit of cultural information that behaves like a gene: it copies itself, mutates, and undergoes selection. The idea proved so infectious that it became a meme itself: it entered science, spilled over into popular culture, morphed into internet folklore, and... got stuck.Critics of memetics, particularly scholars in the field of semantics, rightly point out that the meme represents a rather primitive understanding of the sign. I, however, believe that the classic meme is simply too passive. It is a static entity—a melody, a picture of a cat, or the formula E=mc^2 printed on a physicist's girlfriend's t-shirt. Historically, it is obvious that mummies do not start revolutions, and dead units of information do not conquer civilizations. They lack an engine. They lack a plot.I propose patching memetics via an IT metaphor. A meme is not a virus. A meme is mere data, an icon for a narrative. The actual virus is the Narrative—the executable code of culture.1. Payload and Executable
Kimi выпустили открытую модель K2.6 для долгих задач по программированию
Moonshot AI представила Kimi K2.6 — открытую модель, заточенную под длинные задачи в программировании и агентные сценарии. В компании утверждают, что новая версия лучше справляется с многошаговой работой: может дольше удерживать контекст, чаще корректно вызывать инструменты и эффективнее координировать несколько субагентов.
Альтман выиграл пари. Я строю фабрику агентов, чтобы выиграть следующее
Medvi выиграл на регуляторной дыре. Я ставлю на семь AI-агентов и портфель из пяти попытокАнтон Саркисян, CCO GPTunneL | ex.Yandex | ex.VK |Две недели назад Альтман написал в NYTОн сказал, что, похоже, выиграл пари. Помнишь то самое: про первое миллиардное предприятие от одного человека? NYT опубликовали профайл на компанию Medvi: два месяца разработки, $20K стартового капитала, $401M выручки в 2025, прогноз $1.8B на 2026, команда - два человека. Парень по имени Мэттью Галлахер. Ноутбук, три LLM, гостиная в Лос-Анджелесе. Идеальная обложка для AI-эры.
Как мы добавили ИИ-ассистента в рабочий чат и что из этого вышло
У нас небольшая IT-компания — SaaS-продукт, 5 разработчиков, 4 менеджера, CEO. Обычный стек: PHP + Vue, MySQL, GitHub, Telegram для коммуникации. Ничего революционного.Мы занимаемся автоматизацией бизнес-процессов. Но в какой-то момент поймали себя на мысли: мы автоматизируем чужие рабочие процессы, а свои — нет. Внутри компании всё держится на CEO, который вручную отвечает на вопросы, формулирует задачи и следит за клиентами.Тогда мы решили: сначала автоматизируем себя. Полностью, под ключ. Только пройдя этот путь самостоятельно, мы поймём, как правильно автоматизировать других.
Как переложить нагрузку по code review с разработчиков на LLM
Привет! Меня зовут Марк Каширский, я работаю DS-инженером в команде LLM Авито. Создаю инструменты для разработчиков, чтобы им было легче и удобнее работать. В статье рассказываю, как мы автоматизировали процесс Code review при помощи больших языковых моделей.В этой статьеПричины для автоматизации процесса Code reviewАрхитектура системы Code reviewВыбор LLM-моделиЭтапы ML-пайплайнаМетрики решения
Собираем AI-агента нового поколения: Python, RAG и внешние инструменты через MCP (Model Context Protocol)
Введение: от простых цепочек к агентам, которые действуютЕщё пару лет назад типичное LLM-приложение выглядело как последовательная цепочка вызовов: взяли промпт, добавили контекст из векторной базы, отправили в модель, получили ответ. LangChain популяризировал эту парадигму — chains, retrievers, memory — и это работало для простых сценариев вроде «ответь на вопрос по документации».Но бизнес-задачи редко укладываются в линейный пайплайн. Пользователь хочет не просто получить ответ, а чтобы система совершила действие
Как подключить Langfuse к LLM через JWT?
Langfuse, помимо трассирования запросов, удобно использовать для prompt management и LLM‑as‑a-judge. Но в корпоративной среде он упирается в простую вещь: LF работает со статическим API key, а ваш inference gateway — нет. Если gateway требует короткоживущий JWT, Langfuse не умеет его получать. И в этот момент интеграция ломается.Мы столкнулись именно с такой ситуацией. Модели self‑hosted, OpenAI подобный API, но для доступа к нему на каждый запрос нужен JWT, который выдаётся централизованным провайдером. Langfuse в LLM Connection умеет передать API key и заголовки, но не сможет сам сходить в auth‑сервис, получить временный токен и подставить его в запрос.
Успешный экспорт бага: взгляд клинициста на галлюцинации ИИ
Народ выдает массовую острую реакцию на галлюцинации нейросетей. Выкатывают разработчикам претензии: «нейронка врет и игнорирует контекст!». Инженеры сначала пытались вяло отбиваться классическим: GIGO и RTFM. Но недовольство потребителя растет. Пошли биться над проблемой. Начали вкручивать RAG. Инженеры полагают, что галлюцинации — это математический баг. Они исходят из того, что в идеале машина должна работать как мышление у психически сохранного человека, а не как у шизофреника.
Интеграция Google Gemini API в асинхронный Telegram-бот на aiogram 3.x и Python
В прошлую пятницу, ровно в 18:47, когда я уже мысленно открывал великолепный, наполненный витаминами, напиток, мне прилетело сообщение от тимлида: «Бот лежит, пользователи жалуются, Gemini API возвращает 429». Наш корпоративный Telegram-бот, который должен был помогать саппорту отвечать на тикеты, просто встал колом. Причина оказалась до банальности простой: мы не учли rate limiting и думали, что 50 RPM (запросов в минуту) на бесплатном тарифе — это «бесконечно много». С тех пор мы переписали архитектуру, добавили очереди, кэширование и middleware для retry. В этой статье разберу, как с нуля подружить Gemini API с Telegram-ботом на aiogram 3.x, не наступая на те же грабли.

