rag. - страница 18

rag.

Введение в архитектуру ИИ‑систем: как GPT‑wrapper превращается в распределённую систему

Почти все AI‑проекты начинаются одинаково. Разработчик делает небольшой сервис с одним вызовом модели, подключает FastAPI, добавляет чат и показывает демо команде. На этом этапе всё выглядит настолько просто, что возникает опасное ощущение: «Ну это же обычный API‑вызов, только ответ пишет нейросеть».response = client.chat.completions.create( model="gpt-4.1", messages=messages )

продолжить чтение

Evals для чайников. Как тестировать AI-агента, чтобы понимать, где именно он ломается

Большинство команд оценивают производительность AI-агентов через end-to-end метрики: success rate, количество токенов, tool usage, стоимость запроса, долю успешных задач. Это полезно для общего контроля ситуации, но почти бесполезно для реальной диагностики системы.

продолжить чтение

Зачем backend разработчику Python, если он не собирается становиться data scientist

Начал смотреть в сторону Python не потому, что захотел стать data scientist.Мой основной опыт обычный back C#/.NET, банковские системы, REST API, микросервисы, Kafka, PostgreSQL, Docker/OpenShift, CI/CD и сопровождение. Позже добавилась Java/Spring Boot. То есть моя базовая картина мира это не notebooks и не обучение моделей а сервисы, интеграции, продакшен, логи и ответственность за результат.Но когда я начал разбираться с LLM быстро понял, вызвать модель можно почти из любого языка, а вот руками понять RAG, embeddings, локальные модели, чанкинг, evaluation и большинство новых AI инструментов проще всего через Python.

продолжить чтение

Контекст — не инфраструктура: почему большое окно не заменяет retrieval-слой

Недавно в одном инженерном обсуждении я снова услышал аргумент, который в последнее время звучит всё чаще:Зачем строить RAG или retrieval-слой, если современные модели уже умеют работать с огромным контекстом?На первый взгляд аргумент разумный. Контекстные окна растут. Модели становятся лучше. Агент может сам ходить по проекту, открывать файлы, читать соседние модули, искать зависимости и постепенно собирать картину.

продолжить чтение

AI для PHP-разработчиков. Часть 7: Экосистема AI-агентов в PHP – от простых вызовов OpenAI до мультиагентных платформ

Это седьмая часть проекта.Часть 6: Bag of Words и TF–IDF – как компьютер превращает текст в математикуЧасть 5: От массивов к GPU: как PHP-экосистема приходит к настоящему MLЧасть 4: Практическое использование TransformersPHPЧасть 3: Практика без Python и data scienceЧасть 2: Собираем простейшую RAG-систему на PHP с Neuron AI за вечерЧасть 1: Как я пытался подружить PHP с NER – драма в 5 актах

продолжить чтение

Как мы интегрировали AI агентов с T-FLEX: отказ от абстракций и самопроверка моделей

Попытки связать большие языковые модели с инженерным программным обеспечением обычно разбиваются о суровую реальность.

продолжить чтение

Агентные фреймворки: обещали революцию,  что осталось в 2026

Два года назад все хотели агента, который «сам пишет код, сам его тестирует и сам деплоит в прод». Сейчас 2026 год. Давайте честно поговорим о том, что из этого взлетело, а что тихо умерло в корпоративных slack-каналах под сообщениями «окей, пока притормозим с агентами».Что нам обещали (и чего мы хотели)Обещание было простым и красивым: дайте LLM инструменты и цель — она сама разберётся. Никаких скриптов, никаких хардкоженых цепочек. Агент думает, планирует, и действует.Фреймворки росли как грибы:LangChain — первый мейнстримный, стал символом эпохи и предметом мемов одновременноAutoGen

продолжить чтение

Как заставить ИИ играть по правилам ролевой системы: архитектура авторитарного бэкенда для AI RPG

TL;DRСделать текстовую игру на базе LLM легко, если вас устраивает бесконечный неконтролируемый чат, который ломается через 30 ходов из-за модельного дрейфа и амнезии. Сделать полноценную RPG с детерминированными механиками, инвентарём, картой-графом и пермадезом — инженерная задача.Ниже — подробный разбор архитектурных решений, юнит-экономики, борьбы с гонками данных и инфраструктурных грабель, собранных при разработке проекта «Стирая Грань» (Beyond The Verge) — полностью русскоязычной AI RPG на стеке FastAPI + PostgreSQL/pgvector + Flutter Web.1. Фундаментальная проблема: Контекстное окно ≠ Игровая память

продолжить чтение

Как работает адаптивный RAG, которому вообще не нужна LLM

продолжить чтение

Мультимодальность в ИИ-агентах: картинки на вход, картинки на выход и отказ от Multimodal RAG

Мультимодальность в ИИ-агентахНа связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru

продолжить чтение

1...10...161718192021...3040...53