Workflow as a YAML: детерминированная песочница для агента поверх Pydantic AI
Агент уже пишет код за нас, но с автоматизацией для бизнеса всё иначе: он косячит на каждом шаге, в JSON-трейсе тысячи вызовов, а переписанный промпт вы даже не заметите. Я перестал перепроверять агента вручную — загнал его в жёсткие рамки: wrapper над Pydantic AI, MCP-инструменты, скиллы и Studio с отладчиком. Рассказываю, почему иначе нельзя, и показываю код.Проблема
От отдела к компании: как объединить ИИ-навыки
В первой статье я рассказывал о навыках для ИИ. В таком навыке мы собираем инструкции для работы, которую регулярно ему поручаем, чтобы каждый раз не объяснять всё заново. На примере подготовки поездки разобрали, как распределить эти инструкции между специалистами. Один занимается маршрутом, другой считает расходы, а руководитель выбирает, чьи инструкции нужны для нашего запроса.
От одного агента к AI-холдингу: масштабирование автономных AI-систем
ИИ ускоряет выполнение отдельных задач, но управление растущим числом процессов и проектов остаётся на человеке. На примере своих экспериментов покажу путь от одного агента к AI-организации и объясню, зачем над несколькими направлениями может понадобиться AI-холдинг.Я пришёл к другому способу описывать такие системы постепенно, через четыре собственных эксперимента. Каждый следующий шаг отвечал на конкретное ограничение предыдущего:агент для оценки задач (покер планирования) учитывал не весь нужный контекст, поэтому я разделил работу на этапы;
Кредитный радар: LLM-воркфлоу, который каждое утро читает условия 12 банков и сам проверяет свои числа
TL;DR. Собрал воркфлоу на языковой модели, который раз в сутки обходит 34 страницы условий у 12 российских банков, сравнивает их со вчерашним снимком и публикует сводку изменений с ссылкой на источник в каждой строке, а при изменении цены пишет разбор с расчётом. Модель вызывается в четырёх точках и ни в одной не решает, что делать дальше. Цитаты, числа и статистика проверяются кодом. Каждый выпуск оценивается по 14 бинарным проверкам, метрики публичные. Стоит от 3 центов до 70 в день. Ниже устройство, проверки, evals и что он нашёл за первую неделю.
Мой опыт с Hermes Agent: ненависть, любовь, ненависть, любовь
Началось все с установки. Я пошёл почти по самому простому пути — установил его на Mac, в Docker. Потому что это агент, который работает автономно, и также автономно может сделать атата: выполнить rm -rf или выбраться из клетки и начать всё взламывать:)В рамках настройки я сразу выдал доступ к части файлов только на чтение, и только к Obsidian — на чтение и запись (потому что писать он в данном случае должен), но файлы были под Git.
Как я разрабатывал агента для сбора страниц на Elementor
В этой статье хочу рассказать как я разрабатывал агента, который принимает запросы из телеги и создает страницы на WordPress + Elementor, не путает проекты, не трогает прод и не собирает каждый раз дизайн рандомно.То есть мысль перед созданием была следующая - есть Elementor MCP, есть агент, есть запрос пользователя, а значит, агент может вызвать нужные методы, добавить контейнеры, виджеты, текст, кнопки и готово. Спрашивается, почему бы и не сделать такого агента, удобно же.Но по факту все, конечно же, оказалось сложнее.
Как мы сократили код-ревью с двух суток до пятнадцати минут: кейс мультиагентной системы
Кейс CTO AlpinaGPT Сергея Андриянова: как из боли с код-ревью в аутсорс-команде вырос продукт Evolver, и почему мы сознательно отказались от автономных агентов в проде.В конце мая мы собирали внутреннюю мастер-встречу по AI-трансформации, и один из докладов оказался настолько содержательным, что я не могу удержаться и не пересказать его. Выступал Сергей Андриянов — наш CTO в AlpinaGPT
Почему хороший ответ ИИ иногда ведёт к плохому результату
Иногда я прошу ИИ улучшить производительность страницы и получаю на вид хороший результат: компонент становится проще, лишний код исчезает, рендеров становится меньше. Позже выясняется другое: страница тормозила из-за тяжёлого запроса, большого списка или лишней загрузки данных.Так часто бывает с производительностью. Видно медленный участок интерфейса, и рука тянется к самому заметному месту:Оптимизируй этот компонент.
RPA умер
Рынок RPA умер — парадигма корпоративной автоматизации сместилась в сторону Agentic AIАвтор: Деон ван Никерк, технический директор Ovations TechnologiesБолее десятилетия роботизированная автоматизация процессов (RPA) была лицом автоматизации. Она приносила ощутимую пользу: автоматизировала повторяющиеся задачи, сокращала ручной труд и давала организациям время на модернизацию основных систем.Но сегодня становится очевидной фундаментальная истина: RPA, как стратегическая парадигма автоматизации, мертва.
Ты уже используешь агента. Просто не заметил
"Эксперты" говорят, что ближайшие несколько лет у каждого появится персональный ИИ-агент. Он будет писать код, помогать выбрать кофемашину, считать калории на ужин. Звучит как что-то из будущего... но оно уже наступило. Просто мы этого не заметили.
