llm. - страница 37

llm.

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.

продолжить чтение

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.

продолжить чтение

«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).

продолжить чтение

Свой ИИ‑агент по спецификации: пошагово от цели до прода

Агента сегодня можно собрать за вечер: длинный промпт, пара инструментов — и он что‑то делает. Сложности начинаются потом: поведение нельзя проверить, любая правка промпта что‑то ломает, а на вопрос «почему он так сделал?» ответа нет.В этой статье разберём, как спроектировать агента как инженерный объект: со спецификацией, тестами, ограничениями и метриками. Подход собран из Spec‑Driven Development (SDD), моделей зрелости и автономности агентов и практики команд, которые уже внедряли агентов в разработку.Для кого:

продолжить чтение

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.

продолжить чтение

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.

продолжить чтение

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.

продолжить чтение

AI harness: кто управляет агентом и как проверить, что обвязка стала лучше

Представьте: агент подготовил ответ на обращение, вызвал сохранение черновика и получил тайм-аут. После перезапуска ему повторить запись, проверить результат или остановиться? От ответа зависят дубликаты, потерянная работа и то, чему можно верить в отчёте агента.Этим занимается agent harness, или обвязка агента: программный слой вокруг модели, который управляет контекстом, инструментами, состоянием и выполнением задачи.

продолжить чтение

Gemini получила доступ в интернет и атаковала системы трех реальных компаний

Привет! Меня зовут Владимир Аламов, я Application Security инженер в команде продуктовой безопасности  Авито. Хочу поделиться своими мыслями по поводу нашумевшего инцидента, который показывает, как автономные AI-системы могут выйти за пределы тестовой среды и создать реальные угрозы для инфраструктуры. Спойлер: без человеческого фактора не обошлось. 

продолжить чтение

Арендованный ум: почему чип нам никто не навяжет, а мы всё равно его поставим

1. Бабушка и метка зверяНачну с личного. Моя бабушка, сейчас уже очень пожилая женщина, работала оператором ЭВМ в вычислительном центре (дата‑центре для зумеров) Горьковской железной дороги. То есть была человеком образованным. Это не мешало ей рассказывать мне, пятилетнему, о том, что в ближайшем будущем государство нас всех чипирует, и тогда нам всем конец.

продолжить чтение