rust.
Замена Lens, которую целиком написала модель: что получилось и где мы проигрываем
Зачем ещё один Kubernetes‑клиентSextant — десктопный клиент Kubernetes на Rust и Tauri 2: всё, что вы делали в Lens, без аккаунта, сервера и телеметрии, плюс встроенный MCP‑сервер для AI‑агентов. Проект открытый (MIT или Apache-2.0), сборки есть для Linux, macOS и Windows.Меня зовут Юрий Потемкин, я CTO в REES46 и 25 лет в IT. Kubernetes для меня — ежедневная работа: высоконагруженные системы на 120 тысяч запросов в секунду и несколько кластеров одновременно. Lens долго был открыт у меня с утра до вечера, и за это время накопилось три боли.
VIVI: что если знания не загрузить в ИИ, а попробовать сделать так что бы они родились из опыта?
Можно ли построить систему, которая не получает готовый «мозг» с заложенными знаниями, а постепенно формирует собственную память, связи между знаниями и способы работы с ними? Как и многие, я пытался сделать что-то своё, и для повседневных задач использую LLM — но меня это не устраивает.Сейчас будут скажем так мои размышления. Моя теория. Что такое:«ЗНАНИЯ» — это совокупность данных и опыта.«ИНТЕЛЕКТ» — это совокупность знаний, понимания знаний, умении применять эти знания и опыта от применения знаний как неудачный, так и удачный.
Сколько Rust помещается в 0.5B
Temper 0.5B — моя небольшая модель, дообученная на базе Qwen2.5-Coder-0.5B‑Instruct, упор которой сделан на языке Rust. Узкая специализация позволила ей обойти модели крупнее, вплоть до x3 по параметрам. Целью дообучения было проверить возможности крошечной модели в узкой задаче, сравнить с общими того же размера и выше.Первая версия Temper
800 тысяч строк кода: как ИИ-агенты переписывали движок Copilot
GitHub переписал движок своего ИИ-помощника Copilot. Получилось 832 378 строк нового кода, не считая тестов. Большинство кода написали ИИ-агенты, а руководил переносом инженер Microsoft Стивен Тауб при поддержке коллег. Перенос шел с мая по август, пока команда продолжала развивать продукт.Задача была вполне приземленная: сделать помощника быстрее при запуске, сократить расход памяти и упростить его встраивание в другие программы. Переписывали программную оболочку вокруг нейросети: она передает ей запросы, дает доступ к инструментам и следит за ходом работы. Саму модель ИИ здесь не меняли.
Как плеер угадывает тональность трека: 12 чисел и одна корреляция
Я делаю музыкальный плеер Nami. Он показывает у каждого трека тональность: «ми минор», «ре мажор». После поста про плеер в комментариях спросили, как это вообще считается. Вопрос звучал примерно так: у Прокофьева в мажорной тональности мажора на слух почти нет, так как программа решает?Короткий ответ: программа не слушает гармонию, как музыкант. Она считает, сколько в записи звучит каждой из 12 нот, и ищет мажорную или минорную гамму, на которую этот набор похож сильнее всего. Ниже я разберу, как это устроено, покажу картинки на реальных треках и расскажу, где метод ошибается.Шаг 1. Хромаграмма: сколько звучит каждой ноты
Локальные нейросети без Python, CUDA и терминала: делаю программу, в которой всё настраивается само
Запускать нейросети у себя дома давно можно. Модели бесплатно лежат на HuggingFace, llama.cpp работает даже на старых видеокартах, ComfyUI рисует картинки. Но дорога до первого ответа у обычного человека выглядит так: поставить Python нужной версии, разобраться с CUDA, выбрать между Q4_K_M и Q5_K_S, скачать десять гигабайт и только после этого узнать, что модель отвечает по слову в секунду.
