#agentic_ai — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #agentic_ai, aggregated by home.social.
-
Как я сделал AI-директора для малого бизнеса и почему отказался от RAG
Маленькая компания, человек 20. Гендир тонет в задачах. Помнить кто что обещал, отслеживать движение по целям, держать в голове десяток проектов одновременно. У больших корпораций для этого есть штат руководителей среднего звена и проджектов. У малых есть один директор, который пытается быть всем сразу. Лира берёт на себя часть этой работы. Это не корпоративный чат-бот, не ChatGPT с настройками компании. Конкретный продукт с конкретными функциями:
https://habr.com/ru/articles/1034298/
#ai #llm #claude #rag #aiагенты #agentic_ai #knowledge_graph #python #fastapi #бизнесавтоматизация
-
Как Gemma и LangGraph написали законопроект победившего биопанка
Для специального бенчмарка мне потребовался нормативно-правовой документ с научной терминологией, перекрестными ссылками и набором сложных для векторизации имён. По традиции для подобных задач я использую тексты в жанре Киберпанк. Сразу вспомнил о «Манифесте Киберпанка» (слишком коротком для моей задачи) и Предложении 653 из «Видоизмененного углерода», у которого в реальности вообще нет текста. Делать подобный текст руками долго и довольно странно. В итоге решил совместить, опробовать агентную архитектуру для подготовки корпоративной «нетленки» и проверить, на что способна локальная модель в плане юридических и околонаучных текстов.
https://habr.com/ru/articles/1030684/
#text_generation #ollama #gemma #киберпанк #будущее #langgraph #agentic_ai #legal_ai
-
AI-ready ITSM: платформа или коробка – и почему это главный вопрос 2026 года
Ещё три года назад ИИ в ITSM представлялся как просто чат-бот на входе, который пытается угадать категорию тикета. Сегодня уже другой разговор: ведущие платформы встраивают AI не как надстройку над тикет-системой, а как архитектурный слой, который участвует в маршрутизации, предсказывает инциденты до их возникновения, автономно закрывает типовые обращения и генерирует постмортемы. Рынок уже видит пользу — по данным Forrester , компании, внедрившие предиктивные ITSM-практики, восстанавливаются после инцидентов вдвое быстрее тех, кто полагается на ручную обработку.
https://habr.com/ru/articles/1024216/
#ITSM #GenAI #Agentic_AI #LLM #RAG #Enterprise_AI #AIOps #Service_Desk #Automation #Onpremise
-
Цена контекста в агентной разработке: почему bottleneck — не код, а внимание человека
Пока diff небольшой, в нас просыпается хранитель инженерной чистоты: мы спорим о нейминге, замечаем лишний пробел, обсуждаем, стоило ли выносить логику в helper , но когда правка разрастается до тысяч строк, строгость уступает другому подходу: CI зелёный, тесты прошли, код выглядит вроде неплохо - можно жать Approve . С coding-агентами проблема становится более системной. Пока задача небольшая и хорошо ограничена, результат ещё можно напрямую соотнести с исходным запросом, но при асинхронной и мультиагентной работе у каждого из агентов появляются собственные подзадачи, гипотезы и хвосты незавершённых решений. Поэтому, возвращаясь в процесс, человек проверяет уже не изолированные изменения, а заново восстанавливает состояние задачи - что именно было задумано, что уже проверено, какие инварианты теперь считаются действующими и где остался риск. И именно здесь ломается наивный human-in-the-loop , а большой diff - является лишь симптомом. Настоящее узкое место - стоимость повторного входа в контекст: формально человек остаётся в процессе, но фактически его роль всё чаще сводится к механическому одобрению, в свою очередь дефицитом становится не машинная производительность, а человеческое внимание. В прошлой статье о контекстной инженерии для coding-агентов я писал о памяти агента. Здесь - о том, какая память и какие механизмы контроля нужны уже человеку.
https://habr.com/ru/articles/1008344/
#мультиагентная_разработка #ИИагенты #agentic_AI #code_review #context_switching #humanintheloop #quality_gates #контекстная_инженерия #AIassisted_development
-
Что можно понять только написав своего агента для кодинга
Сейчас агентов пишут все. Ваш сосед пишет агента. Ваш кот, вероятно, тоже, просто пока не пушит на GitHub. И если вы ещё не начали, то как минимум думали об этом в душе, прикидывая архитектуру между шампунем и кондиционером. Чем интересен именно кодинг-агент? Это идеальная ловушка для самоуверенного разработчика. Цель кристально ясна : читай код, пойми его, измени, проверь. Что может пойти не так? (Спойлер: вообще всё.) Под этой обманчивой простотой скрывается хаос — модели, которые обходят ваши ограничения с грацией уличного кота, инструменты, ломающиеся способами, о которых вы не подозревали, и промпты, которые прекрасно работают ровно до момента обновления модели на одну минорную версию. Я построил такого агента, тут расскажу что я узнал — и, надеюсь, этого хватит, чтобы вы захотели повторить мой путь. Или хотя бы посочувствовать. Что я собственно построил Назвал я его QuillCode . Звучит солидно, а внутри — вот что:
https://habr.com/ru/articles/1007720/
#agentic_coding #agentic_ai #agentic_engineering #software_engineering #software_development #claude_code
-
Как я запилил Skill для $mol, чтобы Claude Code перестал писать на React
Привет, Хабр! Последние несколько месяцев я пишу на фреймворке $mol . $mol очень крутая штука, но для иишки слишком мало информации в датасетах. Агент постоянно что то да путал, и даже не смотря на типизацию в моле ( даже в css ) это всё очень долго кругами ходило. Агент:
https://habr.com/ru/articles/1002192/
#mol #$mol #skills #skill #agent #agentic_ai #agentic_coding #agent_skills
-
Как я научил AI анализировать AI: observability для LLM-агентов с Langfuse
Как я построил систему мониторинга LLM-приложений и научил AI анализировать собственные ошибки AI-ассистенты в IDE стали незаменимыми помощниками разработчиков, но остаются чёрными ящиками. Мы не видим что они делают "под капотом", сколько это стоит и где теряется время. В статье покажу как построить системуobservability для AI-агентов: от Cursor IDE до production, с AI-анализом трейсов и открытым исходным кодом.
https://habr.com/ru/articles/987230/
#AI_observability #LLM_monitoring #langfuse #cursor #agentic_ai
-
Как я научил AI анализировать AI: observability для LLM-агентов с Langfuse
Как я построил систему мониторинга LLM-приложений и научил AI анализировать собственные ошибки AI-ассистенты в IDE стали незаменимыми помощниками разработчиков, но остаются чёрными ящиками. Мы не видим что они делают "под капотом", сколько это стоит и где теряется время. В статье покажу как построить системуobservability для AI-агентов: от Cursor IDE до production, с AI-анализом трейсов и открытым исходным кодом.
https://habr.com/ru/articles/987230/
#AI_observability #LLM_monitoring #langfuse #cursor #agentic_ai
-
Как я научил AI анализировать AI: observability для LLM-агентов с Langfuse
Как я построил систему мониторинга LLM-приложений и научил AI анализировать собственные ошибки AI-ассистенты в IDE стали незаменимыми помощниками разработчиков, но остаются чёрными ящиками. Мы не видим что они делают "под капотом", сколько это стоит и где теряется время. В статье покажу как построить системуobservability для AI-агентов: от Cursor IDE до production, с AI-анализом трейсов и открытым исходным кодом.
https://habr.com/ru/articles/987230/
#AI_observability #LLM_monitoring #langfuse #cursor #agentic_ai
-
Как я научил AI анализировать AI: observability для LLM-агентов с Langfuse
Как я построил систему мониторинга LLM-приложений и научил AI анализировать собственные ошибки AI-ассистенты в IDE стали незаменимыми помощниками разработчиков, но остаются чёрными ящиками. Мы не видим что они делают "под капотом", сколько это стоит и где теряется время. В статье покажу как построить системуobservability для AI-агентов: от Cursor IDE до production, с AI-анализом трейсов и открытым исходным кодом.
https://habr.com/ru/articles/987230/
#AI_observability #LLM_monitoring #langfuse #cursor #agentic_ai
-
[Перевод] Рекурсивные языковые модели (RLM) – парадигма 2026 года
Команда AI for Devs подготовила перевод большого исследовательского материала о рекурсивных языковых моделях (RLM). Авторы разбирают, почему простое увеличение контекстного окна больше не решает проблему долгоживущих агентов, и показывают альтернативу: обучение моделей активному управлению собственным контекстом через context folding и под-LLM. Статья основана на обширных экспериментах и даёт практический взгляд на то, каким может быть следующий шаг в развитии LLM-агентов.
-
GPT-4o: технический разбор модели, которая взрывает людям мозги
Разбираем архитектуру, не пугаем. LLM — полезный инструмент при адекватном использовании. Но если марафоните сутками — это сигнал. Кризисная линия: 8-800-2000-122 (анонимно, 24/7).
-
[Перевод] BPMN умер, все сделает ИИ
Мы все видели, как такие инструменты, как ChatGPT, справляются с множеством бизнес-задач, автоматизируя практически всё. И это правда — генеративный ИИ действительно способен выполнять широкий спектр задач, которые сегодня делают люди. Так зачем же проектировать и запускать бизнес-процессы, используя стандарты автоматизации, разработанные двадцать лет назад в совершенно другую технологическую эпоху? Почему бы не позволить бизнес-пользователям напрямую работать с ИИ, чтобы делать всё это?
-
[Перевод] BPMN умер, все сделает ИИ
Мы все видели, как такие инструменты, как ChatGPT, справляются с множеством бизнес-задач, автоматизируя практически всё. И это правда — генеративный ИИ действительно способен выполнять широкий спектр задач, которые сегодня делают люди. Так зачем же проектировать и запускать бизнес-процессы, используя стандарты автоматизации, разработанные двадцать лет назад в совершенно другую технологическую эпоху? Почему бы не позволить бизнес-пользователям напрямую работать с ИИ, чтобы делать всё это?
-
[Перевод] BPMN умер, все сделает ИИ
Мы все видели, как такие инструменты, как ChatGPT, справляются с множеством бизнес-задач, автоматизируя практически всё. И это правда — генеративный ИИ действительно способен выполнять широкий спектр задач, которые сегодня делают люди. Так зачем же проектировать и запускать бизнес-процессы, используя стандарты автоматизации, разработанные двадцать лет назад в совершенно другую технологическую эпоху? Почему бы не позволить бизнес-пользователям напрямую работать с ИИ, чтобы делать всё это?
-
[Перевод] BPMN умер, все сделает ИИ
Мы все видели, как такие инструменты, как ChatGPT, справляются с множеством бизнес-задач, автоматизируя практически всё. И это правда — генеративный ИИ действительно способен выполнять широкий спектр задач, которые сегодня делают люди. Так зачем же проектировать и запускать бизнес-процессы, используя стандарты автоматизации, разработанные двадцать лет назад в совершенно другую технологическую эпоху? Почему бы не позволить бизнес-пользователям напрямую работать с ИИ, чтобы делать всё это?