Полгода без ручного кода: как я стал AI-диспетчером и научился большему, чем за предыдущие два года
Полгода назад я перестал писать код руками. Не потому что разлюбил программирование — наоборот, за это время я узнал больше новых паттернов, подходов и решений, чем за предыдущие два года активной разработки. Просто теперь я занимаюсь другим: планирую, верифицирую, мержу и проверяю результат. Я стал AI-диспетчером.Кто яИнди-хакер, фулстек-генералист. 8+ лет в IT, работал в Amazon, Сбере, стартапах от полутора до двадцати человек. Провёл менторство для 50+ человек. Начинал с фронтенда, дошёл до того, что берусь за веб, десктоп, мобилки, расширения и вообще любые неизведанные тропы.
Чистим аудиокниги от шума нейросетями
TL;DR: Классические фильтры (FFmpeg, Audacity) плохо справляются со сложным шумом в аудиокнигах. Нейросети для source separation работают в разы лучше. Написал обертку над audio-separator, которая умеет обрабатывать многочасовые файлы без вылетов по памяти.В прошлой статье я рассказывал про go-audio-converter — конвертер аудио на чистом Go без FFmpeg. Сегодня — про следующий инструмент в моей аудио-экосистеме: очистку аудиокниг от шума с помощью нейросетей.Проблема
Open-Source AI Фитнес-Тренер: 27 MCP-инструментов, 3 провайдера и граф упражнений
Дисклеймер: это open source, в нем могут быть недостатки, заходите, предлагайте идеи, исправления. Публикую тут в ознакомительных и образовательных целях. Выпилил этот кусок в open source из части личного проекта, о котором писал тут. Весь код писал полностью Claude Code на Opus 4.5 с thinking режимом.Выделили из production-проекта и открыли в open-source PWA-приложение для персонального фитнес-коучинга с AI. Пользователь общается с тренером через чат, а тот создаёт программы тренировок, отслеживает прогресс, предлагает альтернативные упражнения.В статье:
Как я сделал свой АИС-Налог и для чего он нужен
ПредисловиеЭта статья — описывает мой проект, по созданию универсальной системы для бизнеса «АIS NP», которая решает проблемы сопровождения налоговых проверок для специалистов этой сферы (руководители, бухгалтеры, юристы и налоговые консультанты)
CI-CD для карьеры: как я написал бота, который проходит HR-фильтры вместо меня
Привет, Хабр.Любой разработчик знает: если действие нужно повторить больше двух раз — его надо автоматизировать. Мы настраиваем пайплайны для деплоя, пишем автотесты, используем линтеры.Но когда дело доходит до поиска работы, мы превращаемся в биороботов.Заходим на hh. Вбиваем фильтры. Читаем описание (которое на 90% копипаста). Пишем сопроводительное (которое никто не читает). Жмем кнопку. Повторить 100 раз.Меня хватило на два дня. Потом я понял, что трачу часы на работу, которую должен делать скрипт.Попытка №1: Тупой парсер (Python + Requests)Сначала я решил задачу в лоб. Написал воркер, который:
# Vibe Coding под прицелом: Claude Opus 4.5 против китайского GLM-4.7 в бою за транскрибацию GigaAM
Vibe Coding под прицелом: Claude Opus 4.5 против китайского GLM-4.7 в бою за транскрибацию GigaAMСсылка на мой итоговый проект: https://github.com/yaruslove/DialogScribe
Линейная регрессия, встряска рейтинга и первое место. Часть 1: Ёлочка, живи
CatBoost строит модель "выживаемости" ёлки (в представлении GigaChat)ВведениеВ то время как космические корабли бороздят.
Qwen3-TTS: синтезируем голос на любом устройстве
Привет, Хабр!Несколько дней назад Alibaba выпустила в открытый доступ линейку своих моделей для генерации аудио. На рынке не так часто случаются такие выпуски, поэтому я решил проверить ее возможности и написать свой отзывО моделях
Как я сделал классификатор обращений для телеком-поддержки на своей LLM за $10-месяц
Привет, Хабр! Расскажу как я fine-tuned модель Qwen2.5-0.5B для автоматической классификации обращений в службу поддержки, сквантовал её до 350 MB и задеплоил на дешёвый VPS.TL;DR: Модель классифицирует обращения клиентов по intent, category, urgency, sentiment и автоматически определяет куда маршрутизировать тикет. Работает на CPU, данные не покидают ваш сервер.Демо | API DocsЗачем это нужноВ типичной службе поддержки телеком-оператора:60% времени оператора уходит на понимание "а что вообще хочет клиент"
