Я сделал начальника AI‑офиса токсичным. Но сработал не мат, а право сказать FAIL
Я несколько раз пересобирал роль начальника в мультиагентной системе на Claude Code. Сначала мне казалось, что результат улучшился, когда я сделал начальника жёстким и разрешил ему материться на агентов.После сравнения версий boss.md вывод оказался менее смешным: вместе с характером я почти полностью переписал должностную инструкцию. Начальник получил ответственность за конечный результат, право отклонять работу и обязанность возвращать её конкретному исполнителю.То есть сработал не мат сам по себе. Сработала приёмка, в которой незакрытый дефект не может получить статус «готово».
Почему VLM галлюцинирует объекты, которых нет: zero-shot детекция дыма и решение с помощью промпта
Ранняя детекция дыма и огня — частая и ценная задача уличной видеоаналитики. Камера может заметить возгорание раньше, чем люди на улице или оператор. Обучать отдельную модель детекции — это датасет, разметка и время, а возгорания в кадре выглядят слишком по-разному, чтобы быстро покрыть все случаи. Поэтому, когда сценариев детекции в рабочих проектах стало слишком много, я решила попробовать короткий путь, попросить VLM (языковую модель, умеющую работать с изображениями) найти дым текстовым промптом в zero-shot режиме, то есть вообще без обучения под задачу.Первой моделью взяла Qwen3.5-9B
Как говорить с искусственным интеллектом. Книга о промптах
Приветствуем, Хабр. Совсем недавно мы делали обзор о ближайших наших книгах, в которых рассматриваются большие языковые модели (LLM) и искусственный интеллект. В частности, там упоминалась книга Камиля Гадеева @Kamil_GRо промпт-инжиниринге и работе с LLM. Камиль Гадеев ведёт на Хабре превосходный научно-философский блог
От разовых запросов к повторно используемым ИИ‑флоу в QA
Введение Прежде чем начать, скажу, что эта статья написана для QA‑инженеров, которые только начинают использовать AI в QA‑процессах. Это не глубокое погружение в продвинутое использование Agentic AI или во внутреннюю логику AI‑систем. Автономные AI‑агенты и системы оркестрации сейчас активно обсуждаются, но стоит помнить: sic parvis magna. Так что добро пожаловать.
Как узнать с помощью ИИ где вы сами себе мешаете в работе и бизнесе — Роуэн Чунг, основатель The Rundown AI
Роуэн Чунг создал одну из крупнейших в мире рассылок об искусственном интеллекте. Ее читают более 2 млн человек, включая спецов из Google, Apple, OpenAI и NASA.Я уже рассказывал про одну его необычную идею, как не отстать от конкурентов в эпоху ИИ. А теперь Роуэн предложил выгрузить чаты с нейросетью и провести аудит самого себя: как ты работаешь, как принимаешь решения, на какие грабли наступаешь.
От LLM-портала до фабрики внутренних агентов: как в Авито строят корпоративного ассистента «Виталик»
Привет! Меня зовут Никита, я старший DS-инженер в Авито. В этой статье расскажу, как мы строили «Виталика» — нашу корпоративную экосистему ИИ-агентов. Отвечу на три главных вопроса: как процесс становится агентом, как сделать систему production-ready и куда развивать её дальше.Статья будет полезна ML-инженерам, AI-архитекторам и техническим лидам, которые строят агентные системы на базе LLM в корпоративной среде.Якорный кейс про закупку программного обеспеченияАгентами становятся успешные процессы
Anthropic публикует системные промпты Claude. Разбираем, как они менялись от Haiku 3 до Opus 5
Что Claude получает ещё до первого сообщения пользователя, зачем модели отдельные инструкции по работе с инструментами и длинными задачами и какие идеи из system prompts можно использовать в собственных AI-ассистентах.Когда мы отправляем Claude первый запрос, для пользователя диалог только начинается.Для модели нет.До пользовательского сообщения Claude уже получает системную инструкцию, которая задаёт контекст работы: кто модель, какая сейчас дата, как оформлять ответы, как работать с доступными инструментами, что делать с неопределённостью и какие ограничения учитывать.
73 замечания начальника как датасет: делаем цифрового двойника рецензента
У меня есть руководитель, который очень хорошо ревьюит документы. Настолько хорошо, что один его проход по моим текстам породил 73 комментария. За один день.Первая реакция была ожидаемая: сесть и править. Вторая пришла минут через десять и оказалась продуктивнее: это же датасет.Дальше — история о том, как замечания одного конкретного человека превратились в чек-лист из 16 правил, чек-лист — в этап конвейера, а следующая партия документов ушла без единой правки по старым паттернам. С кодом, промптами и одним неудобным вопросом в конце.Контекст: что за документы

