Дешевле Perplexity, но локально — и с любым агентом: Agent Browser Workspace
Agent Browser WorkspaceКто пользовался Perplexity Deep Research, наверняка ловил два чувства сразу:"Ого, он реально копает.""Жаль, что нельзя посмотреть, что происходит внутри, вмешаться, перезапустить шаг или расширить сбор — это чёрный ящик."Agent Browser Workspace
У нас есть джун, и мы его учим
Амбициозный, с собственными пет-проектами, участвующий в формах и профильных ивентах/конференциях — софты уже есть, на нашей стороне — харды.Начали обучение мы даже без погружения в то, как работает LLM, просто научили его работать в графическом интерфейсе нашей платформы, создавать простейшие цепочки и написания промптов.Плюс, постепенно изучаем то, из чего состоит само приложение (что можно подключить память, что там можно выбирать различные инструменты для работы), отдельные моды в LangChain для разных задач, для вопросно-ответных систем, для систем, где агент выбирает сам инструменты, где система работает с реактом.
Управляем поведением LLM: краткосрочные профили и их ограничения
В предыдущей части статьи
7 ошибок в ИИ промптинге, из-за которых нейросети звучат неестественно — разбор от GPTunneL
Почему в ИИ промптинге важна грамотная постановка задачКогда пользователи жалуются, что нейросеть пишет «сухо» или выдает шаблоны, причина чаще не в самой модели, а в запросе.Не важно, используете ли вы ИИ для работы или для себя — стиль текста нейросети напрямую влияет на результат. От этого зависит, будут ли люди читать, доверять и покупать, или закроют страницу. Если ответ ИИ звучит, как сухая инструкция из 90-х, интерес быстро теряется. Поэтому важно уметь формулировать промпты так, чтобы получать живые, точные и уместные ответы.
Почему AI-агенты такие медленные? Часть 1: Путь вайбкодера
Странный вопрос, не правда ли? У AI-агентов, конечно, есть разные проблемы, но вряд ли их можно обвинить в медлительности. Спросите, как говорится, любого, какие у него ощущения от AI, и первое, что вы услышите, будет что-то вроде: «AI за 3 часа сгенерировал мне 100 тысяч строк кода». Разве это можно назвать медлительностью?На этом месте можно было бы и разойтись: 100 тысяч за 3 часа. Покажите мне человека, который способен хотя бы в половину этого, — и «я съем свою шляпу». Но я по‑прежнему утверждаю, что AI-агенты слишком медленные. Не верите? Добро пожаловать под кат…Дисклеймер
Cursor делает разработчиков менее эффективными?
Одно любопытное исследование опубликовала некоммерческая организация Model Evaluation and Threat Research (METR). Они пригласили 16 опытных разработчиков, работающих над крупными open-source репозиториями, чтобы те исправили 136 реальных багов. Оплата составила 150 долларов в час. Части разработчиков выдали для работы AI-инструменты, другим — нет. Исследователи записывали экраны участников, а затем изучили и проанализировали 146 часов видеозаписей. Вывод оказался следующим:
Часть 2. Промпт-инжиниринг: обзор продвинутых техник (Chain-of-Thought, декомпозиция)
Мы продолжаем адаптированный перевод статьи “The Prompt Report: A Systematic Survey of Prompt Engineering Techniques” (первую часть можно найти здесь). С переводом мне по-прежнему помогает коллега – Анастасия Тарабакина. В этой части мы обсудим такие техники промптинга, как Chain-of-Thought и декомпозиция. 1. Промптинг Chain-of-ThoughtНачнем с техник промптинга, которые заставляют модель демонстрировать пользователю внутренний процесс «рассуждения» над задачей (Thought Generation). «Цепочка рассуждений» (Chain-of-Thought или Chain-of-Thoughts, CoT)
Мой промпт для ChatGPT-5 превратит конспекты лекций (в тексте ИЛИ НА ФОТО) в структурированный учебный материал
Предлагаю на ваш суд мой промпт, который я разработала специально для ChatGPT-5
