#ai_agents — Public Fediverse posts

Я перевёл 200K строк JS на TS с Claude Code. Что прошло, что сломалось

За 6 недель Claude Code преобразовал 200K строк JS в strict TypeScript. Не переименование файлов, а настоящая типизация: интерфейсы, строгие null-чеки, перехваченные баги в проде. Тут разбор реального кейса с цифрами, ошибками агента и главным вопросом: стоит ли вам это повторять?

https://habr.com/ru/articles/1040326/

#claude_code #typescript #миграция #рефакторинг #ai_agents #вайбкодинг

Я перевёл 200K строк JS на TS с Claude Code. Что прошло, что сломалось

За 6 недель Claude Code преобразовал 200K строк JS в strict TypeScript. Не переименование файлов, а настоящая типизация: интерфейсы, строгие null-чеки, перехваченные баги в проде. Тут разбор реального кейса с цифрами, ошибками агента и главным вопросом: стоит ли вам это повторять?

https://habr.com/ru/articles/1040326/

#claude_code #typescript #миграция #рефакторинг #ai_agents #вайбкодинг

Я перевёл 200K строк JS на TS с Claude Code. Что прошло, что сломалось

За 6 недель Claude Code преобразовал 200K строк JS в strict TypeScript. Не переименование файлов, а настоящая типизация: интерфейсы, строгие null-чеки, перехваченные баги в проде. Тут разбор реального кейса с цифрами, ошибками агента и главным вопросом: стоит ли вам это повторять?

https://habr.com/ru/articles/1040326/

#claude_code #typescript #миграция #рефакторинг #ai_agents #вайбкодинг

Я перевёл 200K строк JS на TS с Claude Code. Что прошло, что сломалось

За 6 недель Claude Code преобразовал 200K строк JS в strict TypeScript. Не переименование файлов, а настоящая типизация: интерфейсы, строгие null-чеки, перехваченные баги в проде. Тут разбор реального кейса с цифрами, ошибками агента и главным вопросом: стоит ли вам это повторять?

https://habr.com/ru/articles/1040326/

#claude_code #typescript #миграция #рефакторинг #ai_agents #вайбкодинг

ИИ-агенты в бизнесе: почему 80% компаний увольняют людей, но не получают ROI

Компании массово внедряют ИИ-агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы. Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ. Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

https://habr.com/ru/articles/1038258/

#ии_агенты #нейросети #автоматизация_бизнеса #менеджмент #продуктивность #управление #искусственный_интеллект #ai_agents #управление_разработкой #ии_для_бизнеса

ИИ-агенты в бизнесе: почему 80% компаний увольняют людей, но не получают ROI

Компании массово внедряют ИИ-агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы. Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ. Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

https://habr.com/ru/articles/1038258/

#ии_агенты #нейросети #автоматизация_бизнеса #менеджмент #продуктивность #управление #искусственный_интеллект #ai_agents #управление_разработкой #ии_для_бизнеса

ИИ-агенты в бизнесе: почему 80% компаний увольняют людей, но не получают ROI

Компании массово внедряют ИИ-агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы. Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ. Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

https://habr.com/ru/articles/1038258/

#ии_агенты #нейросети #автоматизация_бизнеса #менеджмент #продуктивность #управление #искусственный_интеллект #ai_agents #управление_разработкой #ии_для_бизнеса

ИИ-агенты в бизнесе: почему 80% компаний увольняют людей, но не получают ROI

Компании массово внедряют ИИ-агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы. Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ. Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

https://habr.com/ru/articles/1038258/

#ии_агенты #нейросети #автоматизация_бизнеса #менеджмент #продуктивность #управление #искусственный_интеллект #ai_agents #управление_разработкой #ии_для_бизнеса

ROI от внедрения ИИ: как считать и чего ожидать реально

Меня зовут Мария Филатова, я эксперт в области ИИ для бизнеса, предприниматель, сооснователь платформы внедрения AI-процессов в бизнес и автор медиа « вАЙТИ ». В статье рассказала о том, чем внедрение ИИ отличается в теории и на практике, а также что стоит считать реальной выгодой от этого. На примерах показала, как оценивать ROI и чего ожидать реально.

https://habr.com/ru/companies/beeline_cloud/articles/1034668/

#искусственный_интеллект #ai #roi #автоматизация_бизнеса #ai_automation #llm #ai_agents #цифровизация #бизнеспроцессы #внедрение_ии

ROI от внедрения ИИ: как считать и чего ожидать реально

Меня зовут Мария Филатова, я эксперт в области ИИ для бизнеса, предприниматель, сооснователь платформы внедрения AI-процессов в бизнес и автор медиа « вАЙТИ ». В статье рассказала о том, чем внедрение ИИ отличается в теории и на практике, а также что стоит считать реальной выгодой от этого. На примерах показала, как оценивать ROI и чего ожидать реально.

https://habr.com/ru/companies/beeline_cloud/articles/1034668/

#искусственный_интеллект #ai #roi #автоматизация_бизнеса #ai_automation #llm #ai_agents #цифровизация #бизнеспроцессы #внедрение_ии

ROI от внедрения ИИ: как считать и чего ожидать реально

Меня зовут Мария Филатова, я эксперт в области ИИ для бизнеса, предприниматель, сооснователь платформы внедрения AI-процессов в бизнес и автор медиа « вАЙТИ ». В статье рассказала о том, чем внедрение ИИ отличается в теории и на практике, а также что стоит считать реальной выгодой от этого. На примерах показала, как оценивать ROI и чего ожидать реально.

https://habr.com/ru/companies/beeline_cloud/articles/1034668/

#искусственный_интеллект #ai #roi #автоматизация_бизнеса #ai_automation #llm #ai_agents #цифровизация #бизнеспроцессы #внедрение_ии

ROI от внедрения ИИ: как считать и чего ожидать реально

Меня зовут Мария Филатова, я эксперт в области ИИ для бизнеса, предприниматель, сооснователь платформы внедрения AI-процессов в бизнес и автор медиа « вАЙТИ ». В статье рассказала о том, чем внедрение ИИ отличается в теории и на практике, а также что стоит считать реальной выгодой от этого. На примерах показала, как оценивать ROI и чего ожидать реально.

https://habr.com/ru/companies/beeline_cloud/articles/1034668/

#искусственный_интеллект #ai #roi #автоматизация_бизнеса #ai_automation #llm #ai_agents #цифровизация #бизнеспроцессы #внедрение_ии

AI-рекрутер, который никогда не устает: как мы автоматизировали скрининг кандидатов

Привет, Хабр! На связи команда Just AI. Мы занимаемся разработкой AI-агентов, и в какой-то момент решили автоматизировать собственный процесс найма . В итоге сделали агента, который проводит первичный скрининг кандидатов: задает вопросы, оценивает ответы и отправляет рекрутеру письмо с готовым вердиктом. В этой статье разобрали, зачем мы это сделали, как устроена система изнутри, с какими проблемами столкнулись и что получилось в итоге.

https://habr.com/ru/companies/just_ai/articles/1034606/

#рекрутинг_в_it #ai_agents #автоматизация_найма #hr_автоматизация #ииагенты #ииагенты_для_бизнеса #чатботы #чат_на_сайт #ai #мультиагентные_системы

AI-рекрутер, который никогда не устает: как мы автоматизировали скрининг кандидатов

Привет, Хабр! На связи команда Just AI. Мы занимаемся разработкой AI-агентов, и в какой-то момент решили автоматизировать собственный процесс найма . В итоге сделали агента, который проводит первичный скрининг кандидатов: задает вопросы, оценивает ответы и отправляет рекрутеру письмо с готовым вердиктом. В этой статье разобрали, зачем мы это сделали, как устроена система изнутри, с какими проблемами столкнулись и что получилось в итоге.

https://habr.com/ru/companies/just_ai/articles/1034606/

#рекрутинг_в_it #ai_agents #автоматизация_найма #hr_автоматизация #ииагенты #ииагенты_для_бизнеса #чатботы #чат_на_сайт #ai #мультиагентные_системы

AI-рекрутер, который никогда не устает: как мы автоматизировали скрининг кандидатов

Привет, Хабр! На связи команда Just AI. Мы занимаемся разработкой AI-агентов, и в какой-то момент решили автоматизировать собственный процесс найма . В итоге сделали агента, который проводит первичный скрининг кандидатов: задает вопросы, оценивает ответы и отправляет рекрутеру письмо с готовым вердиктом. В этой статье разобрали, зачем мы это сделали, как устроена система изнутри, с какими проблемами столкнулись и что получилось в итоге.

https://habr.com/ru/companies/just_ai/articles/1034606/

#рекрутинг_в_it #ai_agents #автоматизация_найма #hr_автоматизация #ииагенты #ииагенты_для_бизнеса #чатботы #чат_на_сайт #ai #мультиагентные_системы

AI-рекрутер, который никогда не устает: как мы автоматизировали скрининг кандидатов

Привет, Хабр! На связи команда Just AI. Мы занимаемся разработкой AI-агентов, и в какой-то момент решили автоматизировать собственный процесс найма . В итоге сделали агента, который проводит первичный скрининг кандидатов: задает вопросы, оценивает ответы и отправляет рекрутеру письмо с готовым вердиктом. В этой статье разобрали, зачем мы это сделали, как устроена система изнутри, с какими проблемами столкнулись и что получилось в итоге.

https://habr.com/ru/companies/just_ai/articles/1034606/

#рекрутинг_в_it #ai_agents #автоматизация_найма #hr_автоматизация #ииагенты #ииагенты_для_бизнеса #чатботы #чат_на_сайт #ai #мультиагентные_системы

Вайбкодинг — это гемблинг

Наблюдая за тем, как ИИ внедряется на работе и дома, я всё чаще ловлю себя на простой мысли: всё труднее писать код самому и всё больше хочется делегировать ИИ. Да ещё и провайдеры ИИ призывают тратить больше токенов, руководители всё чаще призывают команды активнее пользоваться ИИ. В соцсетях регулярно попадаются шуточные видео про то, как CEO предлагает потреблять токены ради самого потребления, а в крупных компаниях уже идёт негласное соревнование: кто больше использует AI‑инструменты, кто больше автоматизирует, кто быстрее покажет, что «мы тоже в игре». Из названия понятно, к чему я веду. Но мне хочется поговорить не про хайп и не про страх перед ИИ, а про более бытовую, инженерную и неприятную сторону: вайбкодинг очень легко превращается в гемблинг.

https://habr.com/ru/articles/1033130/

#ai #vibe_coding #llm #java #openrouter #ai_agents #telegram_bot #ollama #agentic_engineering

Вайбкодинг — это гемблинг

Наблюдая за тем, как ИИ внедряется на работе и дома, я всё чаще ловлю себя на простой мысли: всё труднее писать код самому и всё больше хочется делегировать ИИ. Да ещё и провайдеры ИИ призывают тратить больше токенов, руководители всё чаще призывают команды активнее пользоваться ИИ. В соцсетях регулярно попадаются шуточные видео про то, как CEO предлагает потреблять токены ради самого потребления, а в крупных компаниях уже идёт негласное соревнование: кто больше использует AI‑инструменты, кто больше автоматизирует, кто быстрее покажет, что «мы тоже в игре». Из названия понятно, к чему я веду. Но мне хочется поговорить не про хайп и не про страх перед ИИ, а про более бытовую, инженерную и неприятную сторону: вайбкодинг очень легко превращается в гемблинг.

https://habr.com/ru/articles/1033130/

#ai #vibe_coding #llm #java #openrouter #ai_agents #telegram_bot #ollama #agentic_engineering

Вайбкодинг — это гемблинг

Наблюдая за тем, как ИИ внедряется на работе и дома, я всё чаще ловлю себя на простой мысли: всё труднее писать код самому и всё больше хочется делегировать ИИ. Да ещё и провайдеры ИИ призывают тратить больше токенов, руководители всё чаще призывают команды активнее пользоваться ИИ. В соцсетях регулярно попадаются шуточные видео про то, как CEO предлагает потреблять токены ради самого потребления, а в крупных компаниях уже идёт негласное соревнование: кто больше использует AI‑инструменты, кто больше автоматизирует, кто быстрее покажет, что «мы тоже в игре». Из названия понятно, к чему я веду. Но мне хочется поговорить не про хайп и не про страх перед ИИ, а про более бытовую, инженерную и неприятную сторону: вайбкодинг очень легко превращается в гемблинг.

https://habr.com/ru/articles/1033130/

#ai #vibe_coding #llm #java #openrouter #ai_agents #telegram_bot #ollama #agentic_engineering

Вайбкодинг — это гемблинг

Наблюдая за тем, как ИИ внедряется на работе и дома, я всё чаще ловлю себя на простой мысли: всё труднее писать код самому и всё больше хочется делегировать ИИ. Да ещё и провайдеры ИИ призывают тратить больше токенов, руководители всё чаще призывают команды активнее пользоваться ИИ. В соцсетях регулярно попадаются шуточные видео про то, как CEO предлагает потреблять токены ради самого потребления, а в крупных компаниях уже идёт негласное соревнование: кто больше использует AI‑инструменты, кто больше автоматизирует, кто быстрее покажет, что «мы тоже в игре». Из названия понятно, к чему я веду. Но мне хочется поговорить не про хайп и не про страх перед ИИ, а про более бытовую, инженерную и неприятную сторону: вайбкодинг очень легко превращается в гемблинг.

https://habr.com/ru/articles/1033130/

#ai #vibe_coding #llm #java #openrouter #ai_agents #telegram_bot #ollama #agentic_engineering

Инженерное знание как код: зачем я связываю MCP, агентов и модель изменений

Как только AI-агенты начинают участвовать в разработке, быстро выясняется неприятная вещь: проблема не в генерации кода, а в управлении смыслом изменений. В статье рассказываю, как я перестроил процесс проектирования фич через связку: — чата с агентом бизнес-аналитиком; — графовой модели изменений; — MCP-доступа к модели; — агентского бутстрапа; — формализованного техпроцесса. На примере разработки агентской памяти показываю, как User Story превращается в граф ролей, целей, мотивов, API и зависимостей, а агент перестаёт быть «чатиком сбоку» и становится участником инженерного процесса. Это не история про «ИИ пишет код». Это история про то, как инженерное знание начинает работать как код.

https://habr.com/ru/articles/1032582/

#agentic_workflow #MCP #ontology #knowledge_graph #semantic_layer #semantic_engineering #Ontology_MCP #AI_agents #software_architecture

Инженерное знание как код: зачем я связываю MCP, агентов и модель изменений

Как только AI-агенты начинают участвовать в разработке, быстро выясняется неприятная вещь: проблема не в генерации кода, а в управлении смыслом изменений. В статье рассказываю, как я перестроил процесс проектирования фич через связку: — чата с агентом бизнес-аналитиком; — графовой модели изменений; — MCP-доступа к модели; — агентского бутстрапа; — формализованного техпроцесса. На примере разработки агентской памяти показываю, как User Story превращается в граф ролей, целей, мотивов, API и зависимостей, а агент перестаёт быть «чатиком сбоку» и становится участником инженерного процесса. Это не история про «ИИ пишет код». Это история про то, как инженерное знание начинает работать как код.

https://habr.com/ru/articles/1032582/

#agentic_workflow #MCP #ontology #knowledge_graph #semantic_layer #semantic_engineering #Ontology_MCP #AI_agents #software_architecture

Инженерное знание как код: зачем я связываю MCP, агентов и модель изменений

Как только AI-агенты начинают участвовать в разработке, быстро выясняется неприятная вещь: проблема не в генерации кода, а в управлении смыслом изменений. В статье рассказываю, как я перестроил процесс проектирования фич через связку: — чата с агентом бизнес-аналитиком; — графовой модели изменений; — MCP-доступа к модели; — агентского бутстрапа; — формализованного техпроцесса. На примере разработки агентской памяти показываю, как User Story превращается в граф ролей, целей, мотивов, API и зависимостей, а агент перестаёт быть «чатиком сбоку» и становится участником инженерного процесса. Это не история про «ИИ пишет код». Это история про то, как инженерное знание начинает работать как код.

https://habr.com/ru/articles/1032582/

#agentic_workflow #MCP #ontology #knowledge_graph #semantic_layer #semantic_engineering #Ontology_MCP #AI_agents #software_architecture

Инженерное знание как код: зачем я связываю MCP, агентов и модель изменений

Как только AI-агенты начинают участвовать в разработке, быстро выясняется неприятная вещь: проблема не в генерации кода, а в управлении смыслом изменений. В статье рассказываю, как я перестроил процесс проектирования фич через связку: — чата с агентом бизнес-аналитиком; — графовой модели изменений; — MCP-доступа к модели; — агентского бутстрапа; — формализованного техпроцесса. На примере разработки агентской памяти показываю, как User Story превращается в граф ролей, целей, мотивов, API и зависимостей, а агент перестаёт быть «чатиком сбоку» и становится участником инженерного процесса. Это не история про «ИИ пишет код». Это история про то, как инженерное знание начинает работать как код.

https://habr.com/ru/articles/1032582/

#agentic_workflow #MCP #ontology #knowledge_graph #semantic_layer #semantic_engineering #Ontology_MCP #AI_agents #software_architecture

Microsoft Agent Framework – Building Blocks for AI Part 3
https://devblogs.microsoft.com/dotnet/microsoft-agent-framework-building-blocks-for-ai-part-3/

#microsoft #NET #AI #C #AI_agents #Microsoft_Agent_Framework #multi_agent #Tool_Calling #workflows

Microsoft Agent Framework – Building Blocks for AI Part 3
https://devblogs.microsoft.com/dotnet/microsoft-agent-framework-building-blocks-for-ai-part-3/

#microsoft #NET #AI #C #AI_agents #Microsoft_Agent_Framework #multi_agent #Tool_Calling #workflows

Microsoft Agent Framework – Building Blocks for AI Part 3
https://devblogs.microsoft.com/dotnet/microsoft-agent-framework-building-blocks-for-ai-part-3/

#microsoft #NET #AI #C #AI_agents #Microsoft_Agent_Framework #multi_agent #Tool_Calling #workflows

CodeClone 2.0: структурное ревью Python-кода для CI, IDE и AI-агентов

Когда я начинал CodeClone, это был довольно понятный инструмент: найти структурные клоны в Python-коде и не дать им незаметно расползаться по проекту. Сейчас вышел CodeClone 2.0.0, и это уже другой продукт. Не “ещё один линтер”, не попытка заменить Ruff, mypy, pytest, Bandit или Semgrep, а отдельный слой ревью: он смотрит на структуру Python-кода, отделяет старый технический долг от новых регрессий, связывает находки с покрытием тестами и дает одну и ту же картину в CLI, HTML-отчете, GitHub Actions, VS Code, Claude Desktop, Codex и через MCP. Эта статья не про список флагов CLI. Про флаги есть документация. Здесь я хочу рассказать, во что CodeClone вырос как продукт и зачем вообще нужен такой класс инструмента сейчас, когда разработка всё заметнее смещается в сторону AI-агентов.

https://habr.com/ru/articles/1031124/

#python #code_review #code_review_ai #quality_gates #ai_agents #static_analysis #test_coverage

CodeClone 2.0: структурное ревью Python-кода для CI, IDE и AI-агентов

Когда я начинал CodeClone, это был довольно понятный инструмент: найти структурные клоны в Python-коде и не дать им незаметно расползаться по проекту. Сейчас вышел CodeClone 2.0.0, и это уже другой продукт. Не “ещё один линтер”, не попытка заменить Ruff, mypy, pytest, Bandit или Semgrep, а отдельный слой ревью: он смотрит на структуру Python-кода, отделяет старый технический долг от новых регрессий, связывает находки с покрытием тестами и дает одну и ту же картину в CLI, HTML-отчете, GitHub Actions, VS Code, Claude Desktop, Codex и через MCP. Эта статья не про список флагов CLI. Про флаги есть документация. Здесь я хочу рассказать, во что CodeClone вырос как продукт и зачем вообще нужен такой класс инструмента сейчас, когда разработка всё заметнее смещается в сторону AI-агентов.

https://habr.com/ru/articles/1031124/

#python #code_review #code_review_ai #quality_gates #ai_agents #static_analysis #test_coverage

CodeClone 2.0: структурное ревью Python-кода для CI, IDE и AI-агентов

Когда я начинал CodeClone, это был довольно понятный инструмент: найти структурные клоны в Python-коде и не дать им незаметно расползаться по проекту. Сейчас вышел CodeClone 2.0.0, и это уже другой продукт. Не “ещё один линтер”, не попытка заменить Ruff, mypy, pytest, Bandit или Semgrep, а отдельный слой ревью: он смотрит на структуру Python-кода, отделяет старый технический долг от новых регрессий, связывает находки с покрытием тестами и дает одну и ту же картину в CLI, HTML-отчете, GitHub Actions, VS Code, Claude Desktop, Codex и через MCP. Эта статья не про список флагов CLI. Про флаги есть документация. Здесь я хочу рассказать, во что CodeClone вырос как продукт и зачем вообще нужен такой класс инструмента сейчас, когда разработка всё заметнее смещается в сторону AI-агентов.

https://habr.com/ru/articles/1031124/

#python #code_review #code_review_ai #quality_gates #ai_agents #static_analysis #test_coverage

CodeClone 2.0: структурное ревью Python-кода для CI, IDE и AI-агентов

Когда я начинал CodeClone, это был довольно понятный инструмент: найти структурные клоны в Python-коде и не дать им незаметно расползаться по проекту. Сейчас вышел CodeClone 2.0.0, и это уже другой продукт. Не “ещё один линтер”, не попытка заменить Ruff, mypy, pytest, Bandit или Semgrep, а отдельный слой ревью: он смотрит на структуру Python-кода, отделяет старый технический долг от новых регрессий, связывает находки с покрытием тестами и дает одну и ту же картину в CLI, HTML-отчете, GitHub Actions, VS Code, Claude Desktop, Codex и через MCP. Эта статья не про список флагов CLI. Про флаги есть документация. Здесь я хочу рассказать, во что CodeClone вырос как продукт и зачем вообще нужен такой класс инструмента сейчас, когда разработка всё заметнее смещается в сторону AI-агентов.

https://habr.com/ru/articles/1031124/

#python #code_review #code_review_ai #quality_gates #ai_agents #static_analysis #test_coverage

Мы снова строим рабовладельческое общество. Только рабы – цифровые?

Когда мы говорим "рабство", мы почти автоматически думаем о прошлом. О чём-то варварском, давно преодолённом и морально недопустимом в современном мире. Рабство – это люди без прав, вынужденные работать на других, не имея возможности отказаться. Но давайте на секунду отвлечёмся от эмоций и посмотрим на сухие признаки. Сущность, которая: - выполняет работу вместо человека - полностью подчиняется владельцу - не требует оплаты, отдыха или условий - может быть масштабирована практически бесконечно Звучит как описание из учебника истории. Или как описание современных ИИ-агентов.

https://habr.com/ru/articles/1030556/

#искусственный_интеллект #ИИагенты #AI_agents #автоматизация #будущее_труда #рынок_труда #технологии #цифровая_экономика #труд_без_работников #капитал_и_труд

Мы снова строим рабовладельческое общество. Только рабы – цифровые?

Когда мы говорим "рабство", мы почти автоматически думаем о прошлом. О чём-то варварском, давно преодолённом и морально недопустимом в современном мире. Рабство – это люди без прав, вынужденные работать на других, не имея возможности отказаться. Но давайте на секунду отвлечёмся от эмоций и посмотрим на сухие признаки. Сущность, которая: - выполняет работу вместо человека - полностью подчиняется владельцу - не требует оплаты, отдыха или условий - может быть масштабирована практически бесконечно Звучит как описание из учебника истории. Или как описание современных ИИ-агентов.

https://habr.com/ru/articles/1030556/

#искусственный_интеллект #ИИагенты #AI_agents #автоматизация #будущее_труда #рынок_труда #технологии #цифровая_экономика #труд_без_работников #капитал_и_труд

Мы снова строим рабовладельческое общество. Только рабы – цифровые?

Когда мы говорим "рабство", мы почти автоматически думаем о прошлом. О чём-то варварском, давно преодолённом и морально недопустимом в современном мире. Рабство – это люди без прав, вынужденные работать на других, не имея возможности отказаться. Но давайте на секунду отвлечёмся от эмоций и посмотрим на сухие признаки. Сущность, которая: - выполняет работу вместо человека - полностью подчиняется владельцу - не требует оплаты, отдыха или условий - может быть масштабирована практически бесконечно Звучит как описание из учебника истории. Или как описание современных ИИ-агентов.

https://habr.com/ru/articles/1030556/

#искусственный_интеллект #ИИагенты #AI_agents #автоматизация #будущее_труда #рынок_труда #технологии #цифровая_экономика #труд_без_работников #капитал_и_труд

Мы снова строим рабовладельческое общество. Только рабы – цифровые?

Когда мы говорим "рабство", мы почти автоматически думаем о прошлом. О чём-то варварском, давно преодолённом и морально недопустимом в современном мире. Рабство – это люди без прав, вынужденные работать на других, не имея возможности отказаться. Но давайте на секунду отвлечёмся от эмоций и посмотрим на сухие признаки. Сущность, которая: - выполняет работу вместо человека - полностью подчиняется владельцу - не требует оплаты, отдыха или условий - может быть масштабирована практически бесконечно Звучит как описание из учебника истории. Или как описание современных ИИ-агентов.

https://habr.com/ru/articles/1030556/

#искусственный_интеллект #ИИагенты #AI_agents #автоматизация #будущее_труда #рынок_труда #технологии #цифровая_экономика #труд_без_работников #капитал_и_труд

От NLU-бота к ИИ-агенту: как мы пробили потолок автоматизации в поддержке крупного банка

Привет, Хабр! На связи команда Just AI. Когда NLU-сценарий вырастает до нескольких сотен веток, а процент автоматизации все равно не двигается — это не проблема настройки, это потолок технологии. Рассказываем, как мы помогли крупному банку его пробить: перевели поддержку по кешбэку на LLM-агентов, добавили агента-судью против галлюцинаций и улучшили понимание семантики и контекста пользовательских запросов.

https://habr.com/ru/companies/just_ai/articles/1029576/

#мультиагентные_системы #conversational_ai #автоматизация_поддержки #машинное_обучение_нейросети #финтех #банки #ai #prompt_engineering #ииагенты #ai_agents

От NLU-бота к ИИ-агенту: как мы пробили потолок автоматизации в поддержке крупного банка

Привет, Хабр! На связи команда Just AI. Когда NLU-сценарий вырастает до нескольких сотен веток, а процент автоматизации все равно не двигается — это не проблема настройки, это потолок технологии. Рассказываем, как мы помогли крупному банку его пробить: перевели поддержку по кешбэку на LLM-агентов, добавили агента-судью против галлюцинаций и улучшили понимание семантики и контекста пользовательских запросов.

https://habr.com/ru/companies/just_ai/articles/1029576/

#мультиагентные_системы #conversational_ai #автоматизация_поддержки #машинное_обучение_нейросети #финтех #банки #ai #prompt_engineering #ииагенты #ai_agents

От NLU-бота к ИИ-агенту: как мы пробили потолок автоматизации в поддержке крупного банка

Привет, Хабр! На связи команда Just AI. Когда NLU-сценарий вырастает до нескольких сотен веток, а процент автоматизации все равно не двигается — это не проблема настройки, это потолок технологии. Рассказываем, как мы помогли крупному банку его пробить: перевели поддержку по кешбэку на LLM-агентов, добавили агента-судью против галлюцинаций и улучшили понимание семантики и контекста пользовательских запросов.

https://habr.com/ru/companies/just_ai/articles/1029576/

#мультиагентные_системы #conversational_ai #автоматизация_поддержки #машинное_обучение_нейросети #финтех #банки #ai #prompt_engineering #ииагенты #ai_agents

От NLU-бота к ИИ-агенту: как мы пробили потолок автоматизации в поддержке крупного банка

Привет, Хабр! На связи команда Just AI. Когда NLU-сценарий вырастает до нескольких сотен веток, а процент автоматизации все равно не двигается — это не проблема настройки, это потолок технологии. Рассказываем, как мы помогли крупному банку его пробить: перевели поддержку по кешбэку на LLM-агентов, добавили агента-судью против галлюцинаций и улучшили понимание семантики и контекста пользовательских запросов.

https://habr.com/ru/companies/just_ai/articles/1029576/

#мультиагентные_системы #conversational_ai #автоматизация_поддержки #машинное_обучение_нейросети #финтех #банки #ai #prompt_engineering #ииагенты #ai_agents

10 настроек Claude Code, до которых большинство разработчиков не доходит

Ранее я писал про утечку исходного кода Claude Code . 512 000 строк, KAIROS, упоминания нерелизнутых моделей Opus 4.7 и Sonnet 4.8. Так вот. В актуальном Claude Code уже есть Opus 4.7 . Ровно как и было в leaked-коде. Вместе с ней появился новый уровень /effort xhigh - это мы сегодня тоже разберём. В первой части я показал что Claude Code умеет из коробки. Типовой сценарий после этого: "понял, установил, пользуюсь". И дальше тот же потолок что у всех - Claude работает быстро, но как-то странно. Отвечает не то, повторяет одно и то же к концу сессии, просит разрешения на каждый чих, жрёт токены как не в себя. Это решается настройками. Конкретными. Которые лежат в двух файлах и никто до них не доходит. Ниже десять вещей которые я настроил за полгода работы с Claude Code и которые сделали разницу между "работает" и "работает как отдел". С готовыми конфигами. Копируй, вставляй, меняй под себя.

https://habr.com/ru/articles/1028988/

#claude_code #anthropic #opus_47 #ai_agents #ai_coding #developer_tools #prompt_engineering #hooks #claudemd #vibecoding

10 настроек Claude Code, до которых большинство разработчиков не доходит

Ранее я писал про утечку исходного кода Claude Code . 512 000 строк, KAIROS, упоминания нерелизнутых моделей Opus 4.7 и Sonnet 4.8. Так вот. В актуальном Claude Code уже есть Opus 4.7 . Ровно как и было в leaked-коде. Вместе с ней появился новый уровень /effort xhigh - это мы сегодня тоже разберём. В первой части я показал что Claude Code умеет из коробки. Типовой сценарий после этого: "понял, установил, пользуюсь". И дальше тот же потолок что у всех - Claude работает быстро, но как-то странно. Отвечает не то, повторяет одно и то же к концу сессии, просит разрешения на каждый чих, жрёт токены как не в себя. Это решается настройками. Конкретными. Которые лежат в двух файлах и никто до них не доходит. Ниже десять вещей которые я настроил за полгода работы с Claude Code и которые сделали разницу между "работает" и "работает как отдел". С готовыми конфигами. Копируй, вставляй, меняй под себя.

https://habr.com/ru/articles/1028988/

#claude_code #anthropic #opus_47 #ai_agents #ai_coding #developer_tools #prompt_engineering #hooks #claudemd #vibecoding

10 настроек Claude Code, до которых большинство разработчиков не доходит

Ранее я писал про утечку исходного кода Claude Code . 512 000 строк, KAIROS, упоминания нерелизнутых моделей Opus 4.7 и Sonnet 4.8. Так вот. В актуальном Claude Code уже есть Opus 4.7 . Ровно как и было в leaked-коде. Вместе с ней появился новый уровень /effort xhigh - это мы сегодня тоже разберём. В первой части я показал что Claude Code умеет из коробки. Типовой сценарий после этого: "понял, установил, пользуюсь". И дальше тот же потолок что у всех - Claude работает быстро, но как-то странно. Отвечает не то, повторяет одно и то же к концу сессии, просит разрешения на каждый чих, жрёт токены как не в себя. Это решается настройками. Конкретными. Которые лежат в двух файлах и никто до них не доходит. Ниже десять вещей которые я настроил за полгода работы с Claude Code и которые сделали разницу между "работает" и "работает как отдел". С готовыми конфигами. Копируй, вставляй, меняй под себя.

https://habr.com/ru/articles/1028988/

#claude_code #anthropic #opus_47 #ai_agents #ai_coding #developer_tools #prompt_engineering #hooks #claudemd #vibecoding

10 настроек Claude Code, до которых большинство разработчиков не доходит

Ранее я писал про утечку исходного кода Claude Code . 512 000 строк, KAIROS, упоминания нерелизнутых моделей Opus 4.7 и Sonnet 4.8. Так вот. В актуальном Claude Code уже есть Opus 4.7 . Ровно как и было в leaked-коде. Вместе с ней появился новый уровень /effort xhigh - это мы сегодня тоже разберём. В первой части я показал что Claude Code умеет из коробки. Типовой сценарий после этого: "понял, установил, пользуюсь". И дальше тот же потолок что у всех - Claude работает быстро, но как-то странно. Отвечает не то, повторяет одно и то же к концу сессии, просит разрешения на каждый чих, жрёт токены как не в себя. Это решается настройками. Конкретными. Которые лежат в двух файлах и никто до них не доходит. Ниже десять вещей которые я настроил за полгода работы с Claude Code и которые сделали разницу между "работает" и "работает как отдел". С готовыми конфигами. Копируй, вставляй, меняй под себя.

https://habr.com/ru/articles/1028988/

#claude_code #anthropic #opus_47 #ai_agents #ai_coding #developer_tools #prompt_engineering #hooks #claudemd #vibecoding

GitHub CLIでエージェントスキルを管理する「gh skill」をパブリックプレビューで公開
https://gihyo.jp/article/2026/04/gh-skill?utm_source=feed

#gihyo #技術評論社 #gihyo_jp #AI #AI_Agents #GitHub_CLI #gh #gh_skill

Мультимодальные модели – грубый и дорогой инструмент

Пока все в погоне за всё более универсальными ИИ-агентами пытаясь создать тот самый AGI по нашему подобию, мне кажется полезным спуститься на уровень ниже и посмотреть на более приземлённую инженерную проблему. Мы неплохо научили модели работать с текстом, кодом, изображениями и инструментами. Мы научили их вызывать функции, научили эти ИИ писать собственные инструменты каждый раз для задач которые повторяются миллионы раз, видеть как мы(фото), думать как мы(рассуждения). Мы научились – дообучать их под новые сценарии через fine-tuning. Но если убрать хайп, остаётся неприятный факт: во многих практических задачах модели по-прежнему работают грубо и дорого. Особенно хорошо это видно на фронтенде. Сегодня у модели есть два типовых способа "увидеть" сайт. Первый – читать код: HTML, CSS, JS, и серверную логику (если вы предоставили модели доступ). Второй – смотреть на скриншоты, а в более дорогом варианте – на видео (хоть и таких решений я не видел, и скорее не видео, а слайд-шоу, но считаю логичным внедрением для некоторых сценариев). И эти оба подхода неудобны. А обучать модель внутреннему представлению через имеющиеся виды зрения – как правильно, – как распознать кнопку итд – дорого, требует ещё больших данных, больше вычислений. А банально небольшое отклонение стиля уже ломает верстку. Да с бэкендом мы можем строить среду в которой благодаря RL обучению модель научится решать задачу. Но как быть с интерфейсом? Фото дает слишком много шума в виде пикселей, а код дает много лишнего шума в виде разметки, скриптов. Когда обычному пользователю: не нужно смотреть на каждый серый пиксель фона кнопки, или изучать все стили, js и html разметку сайта, он видит овал на котором написано "войти" – и понимает что это – кнопка, особенно, если при наведении или нажатии цвет фона кнопки меняется.

https://habr.com/ru/articles/1023916/

#мультимодальные_модели #интерфейсы #вебинтерфейсы #фронтенд #dom #computer_vision #ui #ai_agents

Мультимодальные модели – грубый и дорогой инструмент

Пока все в погоне за всё более универсальными ИИ-агентами пытаясь создать тот самый AGI по нашему подобию, мне кажется полезным спуститься на уровень ниже и посмотреть на более приземлённую инженерную проблему. Мы неплохо научили модели работать с текстом, кодом, изображениями и инструментами. Мы научили их вызывать функции, научили эти ИИ писать собственные инструменты каждый раз для задач которые повторяются миллионы раз, видеть как мы(фото), думать как мы(рассуждения). Мы научились – дообучать их под новые сценарии через fine-tuning. Но если убрать хайп, остаётся неприятный факт: во многих практических задачах модели по-прежнему работают грубо и дорого. Особенно хорошо это видно на фронтенде. Сегодня у модели есть два типовых способа "увидеть" сайт. Первый – читать код: HTML, CSS, JS, и серверную логику (если вы предоставили модели доступ). Второй – смотреть на скриншоты, а в более дорогом варианте – на видео (хоть и таких решений я не видел, и скорее не видео, а слайд-шоу, но считаю логичным внедрением для некоторых сценариев). И эти оба подхода неудобны. А обучать модель внутреннему представлению через имеющиеся виды зрения – как правильно, – как распознать кнопку итд – дорого, требует ещё больших данных, больше вычислений. А банально небольшое отклонение стиля уже ломает верстку. Да с бэкендом мы можем строить среду в которой благодаря RL обучению модель научится решать задачу. Но как быть с интерфейсом? Фото дает слишком много шума в виде пикселей, а код дает много лишнего шума в виде разметки, скриптов. Когда обычному пользователю: не нужно смотреть на каждый серый пиксель фона кнопки, или изучать все стили, js и html разметку сайта, он видит овал на котором написано "войти" – и понимает что это – кнопка, особенно, если при наведении или нажатии цвет фона кнопки меняется.

https://habr.com/ru/articles/1023916/

#мультимодальные_модели #интерфейсы #вебинтерфейсы #фронтенд #dom #computer_vision #ui #ai_agents

Мультимодальные модели – грубый и дорогой инструмент

Пока все в погоне за всё более универсальными ИИ-агентами пытаясь создать тот самый AGI по нашему подобию, мне кажется полезным спуститься на уровень ниже и посмотреть на более приземлённую инженерную проблему. Мы неплохо научили модели работать с текстом, кодом, изображениями и инструментами. Мы научили их вызывать функции, научили эти ИИ писать собственные инструменты каждый раз для задач которые повторяются миллионы раз, видеть как мы(фото), думать как мы(рассуждения). Мы научились – дообучать их под новые сценарии через fine-tuning. Но если убрать хайп, остаётся неприятный факт: во многих практических задачах модели по-прежнему работают грубо и дорого. Особенно хорошо это видно на фронтенде. Сегодня у модели есть два типовых способа "увидеть" сайт. Первый – читать код: HTML, CSS, JS, и серверную логику (если вы предоставили модели доступ). Второй – смотреть на скриншоты, а в более дорогом варианте – на видео (хоть и таких решений я не видел, и скорее не видео, а слайд-шоу, но считаю логичным внедрением для некоторых сценариев). И эти оба подхода неудобны. А обучать модель внутреннему представлению через имеющиеся виды зрения – как правильно, – как распознать кнопку итд – дорого, требует ещё больших данных, больше вычислений. А банально небольшое отклонение стиля уже ломает верстку. Да с бэкендом мы можем строить среду в которой благодаря RL обучению модель научится решать задачу. Но как быть с интерфейсом? Фото дает слишком много шума в виде пикселей, а код дает много лишнего шума в виде разметки, скриптов. Когда обычному пользователю: не нужно смотреть на каждый серый пиксель фона кнопки, или изучать все стили, js и html разметку сайта, он видит овал на котором написано "войти" – и понимает что это – кнопка, особенно, если при наведении или нажатии цвет фона кнопки меняется.

https://habr.com/ru/articles/1023916/

#мультимодальные_модели #интерфейсы #вебинтерфейсы #фронтенд #dom #computer_vision #ui #ai_agents

Мультимодальные модели – грубый и дорогой инструмент

Пока все в погоне за всё более универсальными ИИ-агентами пытаясь создать тот самый AGI по нашему подобию, мне кажется полезным спуститься на уровень ниже и посмотреть на более приземлённую инженерную проблему. Мы неплохо научили модели работать с текстом, кодом, изображениями и инструментами. Мы научили их вызывать функции, научили эти ИИ писать собственные инструменты каждый раз для задач которые повторяются миллионы раз, видеть как мы(фото), думать как мы(рассуждения). Мы научились – дообучать их под новые сценарии через fine-tuning. Но если убрать хайп, остаётся неприятный факт: во многих практических задачах модели по-прежнему работают грубо и дорого. Особенно хорошо это видно на фронтенде. Сегодня у модели есть два типовых способа "увидеть" сайт. Первый – читать код: HTML, CSS, JS, и серверную логику (если вы предоставили модели доступ). Второй – смотреть на скриншоты, а в более дорогом варианте – на видео (хоть и таких решений я не видел, и скорее не видео, а слайд-шоу, но считаю логичным внедрением для некоторых сценариев). И эти оба подхода неудобны. А обучать модель внутреннему представлению через имеющиеся виды зрения – как правильно, – как распознать кнопку итд – дорого, требует ещё больших данных, больше вычислений. А банально небольшое отклонение стиля уже ломает верстку. Да с бэкендом мы можем строить среду в которой благодаря RL обучению модель научится решать задачу. Но как быть с интерфейсом? Фото дает слишком много шума в виде пикселей, а код дает много лишнего шума в виде разметки, скриптов. Когда обычному пользователю: не нужно смотреть на каждый серый пиксель фона кнопки, или изучать все стили, js и html разметку сайта, он видит овал на котором написано "войти" – и понимает что это – кнопка, особенно, если при наведении или нажатии цвет фона кнопки меняется.

https://habr.com/ru/articles/1023916/

#мультимодальные_модели #интерфейсы #вебинтерфейсы #фронтенд #dom #computer_vision #ui #ai_agents

Контекстная амнезия: три агента, три IDE, ноль общей памяти

Представьте: вы наняли идеального сотрудника. Он пишет код как senior, разбирается в архитектуре за минуты, работает 24/7 без выгорания. Но у него одна особенность - каждое утро он забывает абсолютно всё. Не помнит, что делал вчера. Не знает, почему в платёжном модуле реализован тот самый workaround. Не помнит, что его коллега уже разбирался с тем же багом и нашёл решение. Эта особенность работы с ИИ-агентами в 2026 году до сих пор многим доставляет неудобства.

https://habr.com/ru/articles/1021622/

#devtools #управление_разработкой #будущее_it #ai_agents #инструменты_разработки #программирование #cursor #claude_code #искусственный_интеллект

Контекстная амнезия: три агента, три IDE, ноль общей памяти

Представьте: вы наняли идеального сотрудника. Он пишет код как senior, разбирается в архитектуре за минуты, работает 24/7 без выгорания. Но у него одна особенность - каждое утро он забывает абсолютно всё. Не помнит, что делал вчера. Не знает, почему в платёжном модуле реализован тот самый workaround. Не помнит, что его коллега уже разбирался с тем же багом и нашёл решение. Эта особенность работы с ИИ-агентами в 2026 году до сих пор многим доставляет неудобства.

https://habr.com/ru/articles/1021622/

#devtools #управление_разработкой #будущее_it #ai_agents #инструменты_разработки #программирование #cursor #claude_code #искусственный_интеллект