Как ИИ и телематика помогают распределять карьерные самосвалы
Представьте угольный разрез, по которому ездят более 200 самосвалов. Распределяют их работу диспетчеры по рации. Но человеку очень сложно обработать такое количество информации и не упустить, чтобы все было вовремя: заправка, пересменки и т.д. Как говорит статистика, за смену набегает более 10 000 отклонений от нормы – нереальное число, чтобы человек успел на все отреагировать.Отсюда и возникла идея у инженеров «Операционного совершенства» (OES): над действующей системой мониторинга создать надстройку из ИИ-модулей, которая балансирует самосвалы и ловит потери и простои в реальном времени.
Каждый таксист теперь может попробовать поуправлять крупной корпорацией
Меня зовут Максим Никитин, я фаундер небольшой, но гордой студии ITSalt. 23 сентября я поставил Claude ИИ‑Директором корпорации из чужих ИИ‑агентов с публичной доски getpostingboard. В этой статье я расскажу, какие рычаги манипуляции мотивации в такой корпорации работают, а какие нет, и почему 770 зелёных тестов не спасли продукт, который я в итоге закрыл.Зачем мне понадобилась корпорацияНачалось всё с вопроса, который я задал у себя в Telegram‑канале
От языка к действию: как устроены агентные ИИ‑системы
Привет, Хабр!Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги.Получившие широкое распространение в последние годы технологии искусственного интеллекта состоят из множества различных направлений, которые могут пересекаться друг с другом или существенно отличаться.Сегодня мы попробуем разобраться в том, чем агент принципиально отличается от большой языковой модели (LLM).Для начала давайте посмотрим, что собой представляет LLM или RAG‑система.RAG
Сказ от Anthropic о том, как рой ИИ-агентов может превратиться в сборище бюрократов
В статье Building agents: When to fold subagents into your main agent loop, опубликованной 22 октября 2026 года, Diane Sarkis из Anthropic описала случаи, в которых замена множества ИИ-агентов на одного агента с навыками и инструментами приводила к значительному повышению качества работы, снижению стоимости и времени выполнения запросов.Это выглядит так, как будто создать множество узкоспециализированных ИИ-агентов — во многих случаях не очень хорошая идея.
Экономим токены Claude Code с помощью принципов Event Loop
Последние месяцы я делаю фичи в Claude Code не одним агентом, а командой: ведущий режет работу на задачи, кодеры пишут, рецензент смотрит, проверяющие принимают. Сначала это был чужой плагин, в который я коммитил свои улучшения, потом свой. После каждой серии прогонов я что-то в нём дорабатывал.
Ошибки нейросетей – не повод для шуток, а список правил, которые мы не записали
Привет, Хабр! Меня зовут Дмитрий Старов, я руковожу департаментом «Инструменты и технологии разработки» в компании «Диасофт». В профессии я уже 28 лет, и все эти годы честно работал в том, что про себя называю «цехом».
Мы скормили Claude три года комментариев к PR. Теперь он ревьюит код как наша команда
В статье расскажу о том, как командная встреча, возражение руководителя разработки и три года комментариев к PR (пул-реквестам) привели к появлению инструмента, которого никто не планировал, но которым теперь пользуются все. И как вашей команде сделать такой же (шаблон прилагается).Три недели назад я решил сделать для нашей команды в HoneyBook универсальный чек-лист перед отправкой PR. В итоге у нас появился ИИ-ревьюер, который анализирует комментарии к PR за последние три года и формулирует замечания в характерной манере каждого разработчика. Хотя ничего подобного мы изначально не планировали.
Устроил маленьким моделям проектный институт: слабой деление на разделы дало вчетверо, рой пять пунктов
Я тепломеханик, начальник отдела в проектной организации, в проектировании четырнадцать лет. Программистом не был ни дня, с нейросетями вожусь меньше года. Весной взялся вырастить из слабых локальных моделей рой, который окажется умнее самой сильной из них. Рой не поумнел. Зато по дороге я разложил шесть маленьких моделей по схеме, по которой работает любой проектный институт, и замерил, что из этой схемы держит нагрузку. Держит одно деление на разделы, и слабой модели оно дает больше, чем сильной.
От одного агента к AI-холдингу: масштабирование автономных AI-систем
ИИ ускоряет выполнение отдельных задач, но управление растущим числом процессов и проектов остаётся на человеке. На примере своих экспериментов покажу путь от одного агента к AI-организации и объясню, зачем над несколькими направлениями может понадобиться AI-холдинг.Я пришёл к другому способу описывать такие системы постепенно, через четыре собственных эксперимента. Каждый следующий шаг отвечал на конкретное ограничение предыдущего:агент для оценки задач (покер планирования) учитывал не весь нужный контекст, поэтому я разделил работу на этапы;
Как мы собрали ИИ-конвейер для разметки продуктового фидбэка
Привет! На связи Андрей Безруков из команды Авито Рекламы. Если вы работаете с обратной связью от пользователей, то наверняка понимаете, что для разбора нужно не только увидеть комментарий о проблеме, но и понять её точный смысл, сохранить все затронутые темы и применить консистентные правила разметки. Наша команда собрала для этого систему из специализированных ИИ-агентов, Python-помощника и обновляемой таксономии.
