Пайпы OpenWebUI: зачем писать код там, где «всё уже есть в настройках»
Автор: Александр Казанцев, руководитель отдела документации и контентаOpenWebUI умеет использовать многое: кастомные модели, базу знаний (RAG), инструменты (MCP/tools), навыки и т. д. С каждой версией возможностей у среды всё больше, и кажется, что для ИИ-бота техподдержки достаточно создать кастомную модель на базе чего-то открытого типа Qwen-3.8 или Gemma 4, навесить на неё в настройках нужные инструменты, заполнить и подключить базу знаний — и готово!
Старый трейдер поделился секретом заработка. Я проверил с помощью кода. Удалось заработать?
В книге Джона Мэрфи «Технический анализ фьючерсных рынков» описано правило четырёх недель Ричарда Дончиана. Оно настолько простое, что его можно объяснить за полминуты. И настолько старое, что хочется отнестись к нему с уважением. Я решил обойтись без уважительных аплодисментов и проверить цифры.Взял 84 фьючерсных рынка, историю с 1985 года до 10 июля 2026-го, написал исследовательский код на Python и попытался ответить на один вопрос: если не подбирать настройки под красивый результат, остаётся ли у этой идеи преимущество на современном рынке?Получилось любопытно.В 1985–2009 годах модель показывала
Чистый контур — агентская прачечная для вашего грязного легаси
Пока не долетело до вентилятораМне достался B2B SaaS проект в стадии, о которой мечтает любой техлид: “Почти готово. Релиз через две недели”. Два из трех API-вызовов возвращали HTTP 500.В коде накопилось несколько поколений агентных исправлений. При обнаружении новой ошибки просили агента разобраться и пофиксить баг. Агент вбивал костыль в виде очередного условия. Состояние объекта определялось по косвенным признакам. В 21 месте обработчик узнавал свой вид через отрицание: не A и не B, значит мой. Агенты видели эти подходы перед собой и продолжали по образцу наматывать нейросопли на этот клубок.
Как построить self‑hosted RAG‑систему с LangGraph‑агентом на локальных LLM
Введение Обычно стек для RAG‑систем и AI‑агентов строится вокруг облачных API (OpenAI, Anthropic) и управляемых векторных баз. Но для ряда задач критически важна полная автономность: устойчивость к санкциям и независимость от внешних провайдеров.В этой статье я расскажу, какие архитектурные решения и инженерные компромиссы позволили мне построить такую систему полностью на локальных моделях. Мы пройдем путь от сбора RSS‑лент до умного агента, который сам вызывает инструменты, и разберём грабли, на которые я наступил.Стек: Python 3.12, FastAPI, PostgreSQL + pgvector, Celery, LangGraph, Ollama (Qwen 2.5 14B, BGE‑M3), Streamlit, Langfuse, Docker.
Один на один с заказом: или что делать, если нет готовой либы?
IT драма с элементами комедииПролог. Разрешите представиться.Прожив уже почти полвека,Тьму перепробовав работ,Я убежден, что человекаДостоин лишь любовный пот.Вам, наверное, интересно, кто я такой и какого такого черта я тут взялся вам рассказывать свои бесценные мысли.В данный момент я считаю себя инженером по автоматизации и интеграции API.Однако было время, когда я был финансовым аналитиком, а до этого был кредитным инспектором в банке… Однако, кем бы я ни был, меня постоянно заводила идея автоматизации.
Остатки нельзя обороты
IT драма с элементами комедииПролог. Разрешите представиться.Прожив уже почти полвека,Тьму перепробовав работ,Я убежден, что человекаДостоин лишь любовный пот.Вам, наверное, интересно, кто я такой и какого такого черта я тут взялся вам рассказывать свои бесценные мысли.В данный момент я считаю себя инженером по автоматизации и интеграции API.Однако было время, когда я был финансовым аналитиком, а до этого был кредитным инспектором в банке… Однако, кем бы я ни был, меня постоянно заводила идея автоматизации.
Когда Python становится слишком медленным: пишем C‑расширение с нуля и сравниваем с pybind11 (бонус JIT‑компилятор)
Недавно я прочел статью про pyrusmorph — python обёртку над 30-летним с++ ядром libmorph/rus. Бенчмарки удивили: в 30 раз быстрее PyMorphy3 при обработке текста. После я задумался. Как это вообще работает? Почему мы пишем import pyrusmorph и получаем доступ к нативному с++ коду и функциям прямо внутри python.В статье я предлагаю пройти этот путь с нуля. Разобраться, как устроен Python «под капотом», написать своё расширение на чистом C‑API, а потом посмотреть, как эту боль лечит pybind11
Бесплатный аналог Auto Label от Roboflow: как я разметил 12 576 кадров за ночь
Датасет для детекции средств индивидуальной защиты я собирал под диплом. Классов шесть, и они устроены несимметрично. Три положительных: Gloves, Safety Shoes, Welding mask. Три отрицательных, по которым и считается нарушение: Without Glove, Without Safety Shoes, Without welding mask.На старте казалось, что проблема в модели. Оказалось, проблема в разметке.Ниже про то, как я собрал свой автоаннотатор на SAM3, чем он отличается от Roboflow Auto Label и что из этого вышло.Задача
