Yandex AI Studio.

Я написал 61 тест для AI-ментора. Потом выяснилось, что тестам тоже нельзя верить

Репетитора не нанимают по резюме. Ему дают тетрадь реального ученика и смотрят не на то, знает ли он ответ, а на то, где он остановится. Подскажет, в какой строке ошибка, или перепишет задачу за ученика? Скажет «не знаю, давай проверим» или уверенно додумает?Месяц назад я встроил в свою учебную платформу AI-ментора: он видит уроки, прогресс студента и его последнюю попытку по заданию. Чтобы не выбирать модель и не править промпт по ощущениям, я собрал стенд из автоматических проверок и начал принимать решения по его цифрам.

продолжить чтение

AI слушает звонки, сверяет CRM и ничего не меняет: как я собрал QA-агента через MCP

Пара слов о контексте. Я занимаюсь проектом ESM-CRM — CRM для автобизнеса. Когда AI-агенты начали становиться реальностью, захотелось пощупать их на живой воронке, в решении коммерческих задач. Автосалон «Ива» согласился стать полигоном — спасибо им за это.Ниже — кейс и пошаговый разбор, как повторить: поднять MCP-сервер, завести агента в Yandex AI Studio и подключить его к CRM.Зачем это вообще понадобилосьКлиент звонит в автодилеру: «Хочу приехать посмотреть машину». Оператор обсуждает условия, разговор длится несколько минут. Через пять минут в CRM появляется статус «корзина».

продолжить чтение

Винни-Пух в 768 измерениях: семантический поиск Codex Pets на YDB

В Codex можно поселить анимированного питомца. Пока агент работает, персонаж бегает, машет рукой, ждёт или печалится после неудачной команды. По его состоянию видно, что происходит с задачей. Сам пакет состоит из pet.json и атласа с кадрами анимации.Самих питомцев я собрал в каталоге Codex Pets. Сейчас в нем 153 одобренных питомца: от красной панды и аксолотля до героев игр и старых мультфильмов. Любого можно посмотреть в браузере, скачать в ZIP или установить одной командой.

продолжить чтение

Как компании строят MLOps без собственной ML-платформы: managed-сервисы

Всем привет! Меня зовут Катерина Цаплина, я AI Architect и программный эксперт курса «MLOps для разработки и мониторинга моделей». Работаю на стыке ML, инфраструктуры и корпоративной архитектуры в крупной промышленной компании и на практике вижу, насколько непросто выстраивать такие процессы в реальной организации.  Это четвёртая и финальная статья цикла о том, как компании реализуют MLOps. В предыдущих частях мы разобрали, как компании могут строить MLOps в целом

продолжить чтение

Кофейня «Дринкит» и Yandex B2B Tech представили нейробариста — ИИ-агента, который создаёт уникальные напитки для гостей

Сеть кофеен «Дринкит» холдинга Dodo Brands и Yandex B2B Tech представили нейробариста — ИИ-агента, который создаёт уникальные напитки для каждого гостя. Для генерации рецепта достаточно описать текстом настроение, предпочтения и вкусы, а нейросеть подберёт микс сиропов, топингов и наполнителей. Нейробариста уже доступен в трёх кофейнях сети.

продолжить чтение

Yandex B2B Tech запустила Академию Yandex AI Studio

Подразделение «Яндекса» Yandex B2B Tech (разрабатывает решения для цифровой трансформации бизнеса) запустило Академию Yandex AI Studio

продолжить чтение

ИИ-агенты на контентных платформах: два подхода к встраиванию в медиа

На русскоязычных медиа-площадках появились первые публичные интеграции ИИ-агентов непосредственно в пользовательский интерфейс. Два свежих кейса (Хабр и «Код Дурова») демонстрируют разные архитектурные подходы к одной задаче: помочь читателю взаимодействовать с контентом.

продолжить чтение

Как компании строят MLOps: три архитектурных подхода

Всем привет! Меня зовут Катерина Цаплина, я программный эксперт курса «MLOps для разработки и мониторинга моделей». Работаю на стыке ML, инфраструктуры и корпоративной архитектуры в крупной промышленной компании и на практике вижу, насколько непросто выстраивать такие процессы в реальной организации. 

продолжить чтение