llm.
Q&A: Где заканчивается ИИ и начинается человек
Что важно запомнитьИИ-грамотность не имеет единого определения; анкета с самооценкой показывает уверенность, а не знания.Грамотность, отношение и использование ИИ идут вместе, но что чему причина, данные не показывают.Люди начинают пользоваться ИИ, когда видят пользу или интерес; вес удобства и мнения окружения зависит от инструмента.ИИ помогает собрать то, что сотрудники могут объяснить при правильных вопросах; полностью невыразимый опыт он не достаёт.
Пайпы OpenWebUI: зачем писать код там, где «всё уже есть в настройках»
Автор: Александр Казанцев, руководитель отдела документации и контентаOpenWebUI умеет использовать многое: кастомные модели, базу знаний (RAG), инструменты (MCP/tools), навыки и т. д. С каждой версией возможностей у среды всё больше, и кажется, что для ИИ-бота техподдержки достаточно создать кастомную модель на базе чего-то открытого типа Qwen-3.8 или Gemma 4, навесить на неё в настройках нужные инструменты, заполнить и подключить базу знаний — и готово!
Китайские нейросети против французских: Mistral бросает вызов DeepSeek
Mistral выпустила Le Chonk — модель, которую можно скачать и развернуть на собственной инфраструктуре. Французская компания утверждает, что после доработки она сравнялась с ведущими китайскими разработками или превзошла их в программировании и кибербезопасности. Но главный спор вокруг релиза касается контроля: кто должен распоряжаться ИИ, когда от него зависит защита корпоративных систем?
52 бесплатных урока ноября: от разработки и архитектуры до GenAI и кибербезопасности
Почему приложение тормозит, хотя с кодом всё в порядке? Когда микросервисы действительно оправданы? И какие задачи уже можно доверить ИИ-агентам? В ноябрьском дайджесте собрали 52 бесплатных урока, на которых разберём эти и другие вопросы из практики ИТ-специалистов. В программе — Go, Python, Java, архитектура, DevOps, информационная безопасность, ML, аналитика и управление командами.
Свои GPU плюс облако: как LLM-шлюз живёт в продакшене — ноды, отказы, ключи, обновления
В прошлой статье
Kimi K3 — открытая модель, которая обошла закрытых лидеров рынка
Открытые системы редко конкурируют на равных с закрытыми лидерами индустрии: у их разработчиков обычно меньше вычислительных ресурсов и данных, чем у крупных лабораторий, и это сказывается на качестве. Kimi K3 — исключение: ее веса можно
vue-llm: AI SDK для Vue и Nuxt — стриминговый чат, Generative UI и модели прямо в браузере
Если вы делали AI-фичу на Vue, то, скорее всего, сталкивались с одним и тем же: большинство готовых инструментов для LLM-интерфейсов написаны с прицелом на React, а во Vue их приходится адаптировать или писать стриминг, tool calling и состояние чата вручную. Я сделал vue-llm — open-source библиотеку, которая закрывает это для Vue 3, Nuxt и даже Vue 2.7.Сразу ссылки, чтобы можно было пощупать:- Песочница без API-ключа (модель скачивается и работает прямо в браузере на WebGPU): https://vue-llm.js.org/ru/playground- Документация на русском: https://vue-llm.js.org/ru/- GitHub:
Как построить self‑hosted RAG‑систему с LangGraph‑агентом на локальных LLM
Введение Обычно стек для RAG‑систем и AI‑агентов строится вокруг облачных API (OpenAI, Anthropic) и управляемых векторных баз. Но для ряда задач критически важна полная автономность: устойчивость к санкциям и независимость от внешних провайдеров.В этой статье я расскажу, какие архитектурные решения и инженерные компромиссы позволили мне построить такую систему полностью на локальных моделях. Мы пройдем путь от сбора RSS‑лент до умного агента, который сам вызывает инструменты, и разберём грабли, на которые я наступил.Стек: Python 3.12, FastAPI, PostgreSQL + pgvector, Celery, LangGraph, Ollama (Qwen 2.5 14B, BGE‑M3), Streamlit, Langfuse, Docker.

