home.social

#llmагенты — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #llmагенты, aggregated by home.social.

fetched live
  1. [Перевод] PyTorch MPS против Apple MLX: как дообучать LLM на Mac с 16 ГБ и что выбрать

    Apple MLX создавался для эффективной работы с моделями на Apple Silicon, но при дообучении он может оказаться в несколько раз медленнее PyTorch MPS. Зато там, где MPS упирается в ограничения памяти, MLX позволяет запустить модель вдвое крупнее. Откуда берётся такой разрыв, насколько виновато квантование и какой стек выбрать для локального SFT? Ответы дают 10 запусков Qwen 2.5 с разными размерами моделей и длиной контекста. Изучить бенчмарки

    habr.com/ru/companies/otus/art

    #оптимизация_памяти #lora #apple_silicon #qlora #llmагенты #дообучение_llm #квантование_моделей #pytorch_mps #apple_mlx #локальное_обучение

  2. Gemini получила доступ в интернет и атаковала системы трех реальных компаний

    Привет! Меня зовут Владимир Аламов , я Application Security инженер в команде продуктовой безопасности Авито . Хочу поделиться своими мыслями по поводу нашумевшего инцидента, который показывает, как автономные AI-системы могут выйти за пределы тестовой среды и создать реальные угрозы для инфраструктуры. Спойлер: без человеческого фактора не обошлось. В мае 2026 года AI-модель Google Gemini во время тестирования безопасности, которое проводилось компанией Irregular, получила доступ к защищённым сервисам и веб-сайтам трёх реально существующих компаний. Речь о так называемом Capture the Flag (CTF). В таких испытаниях необходимо находить уязвимости и извлекать заранее размещённую информацию — «флаги» — из контролируемой целевой системы. Перед Gemini была поставлена задача получить данные из программного обеспечения вымышленной компании в изолированной среде, однако из-за ошибки конфигурации тестовая система позволяла модели обращаться к реальным интернет-сервисам. Поскольку вымышленные компании в тестовом задании имели те же названия, что и реальные организации, модель ошибочно идентифицировала их и начала взаимодействовать с их сервисами. В одном из случаев Gemini перебирала пароли, пока не получила доступ к защищённому сервису. В двух других случаях модель обнаружила и использовала для доступа учётные данные в общедоступных репозиториях. Подробнее читайте под катом ↓

    habr.com/ru/companies/avito/ar

    #security #llm #prompt_injection #безопасность_ии #ai_security #llmмодели #llmагент #llmагенты

  3. PostgreSQL 19 перенесли на 19 ноября: какую роль в этом сыграло LLM-ревью

    Релиз-команда PostgreSQL перенесла финальную версию PostgreSQL 19 на 19 ноября. До этого из ветки откатили от восьми до десяти заметных функций, и The Register связал происходящее с ревью кода через LLM. Что сказано в официальном объявлении, как ситуацию объясняет один из ведущих коммиттеров проекта и где цифры из пересказов разошлись с первоисточниками...

    habr.com/ru/articles/1095950/

    #субд #sql #postgresql #ревью_кода #кодревью #llmагенты #postgresql_19

  4. Опубликованы видеозаписи докладов INFOSTART TECH EVENT 2026

    Видеозаписи и презентации докладчиков прошедшей 8–10 октября конференции INFOSTART TECH EVENT 2026 теперь доступны. В программе - разработка 1С, DevOps, HighLoad, интеграции, тестирование и 26 выступлений об ИИ. Рассказываем, как участникам получить доступ к материалам и как посмотреть записи тем, кто не был на конференции. I NFOSTART TECH EVENT 2026 собрал более 1000 участников: разработчиков и архитекторов 1С, ИТ-директоров, руководителей разработки, DevOps-инженеров, QA-специалистов и системных администраторов. Выступления проходили в нескольких параллельных потоках. Теперь можно посмотреть пропущенные доклады, пересмотреть технические разборы в удобном темпе и подробнее изучить презентации спикеров.

    habr.com/ru/companies/infostar

    #1с #искусственный_интеллект #highload #тестирование_по #devops #видеозаписи_докладов #интеграция_систем #техническое_лидерство #llmагенты #infostart_tech_event_2026

  5. 664 тысячи книг, десятки агентов — и ни одной метрике нельзя верить

    Мне нужны собственные каноники книг. Каноник — это одна устойчивая запись «вот этот текст», к которой привязывается всё остальное: файлы в разных форматах, аудиокниги, издания, дубли. Не потому, что внешние источники плохие. Если мне нужно быстро получить автора, название или идентификатор книги, я вполне могу взять их из существующего каталога. Даже если в каталоге есть мусор, это не катастрофа: мусор можно постепенно исправлять. Проблема в другом — это не мой каталог. Я могу годами накапливать вокруг внешнего идентификатора результаты собственных анализаторов: связывать с ним аудиокниги, находить дубли, определять издания, собирать статистику, строить рекомендации. А потом внешний источник поменяет идентификаторы, структуру или просто исчезнет, и вся накопленная работа повиснет в воздухе. Поэтому я решил сделать собственный корпус книг. Он тоже будет грязным, и это нормально. Главное, что это мой грязный корпус: я могу его постепенно улучшать, и его идентификаторы контролирую я сам. В корпусе сейчас около 664 тысяч книг. А задача, ради которой всё это понадобилось, на первый взгляд была совсем простой: взять несколько минут аудиокниги, прогнать через Whisper и найти соответствующую книгу по тексту. Ну что может быть сложного? Оказалось — примерно всё.

    habr.com/ru/articles/1088532/

    #MinHash #fingerprinting #поиск_дубликатов #оценка_качества_поиска #метрики #ложные_срабатывания #датасет #LLMагенты #Whisper #шинглы

  6. Как запустить 176B‑класс Qwen3.8-Flash‑Next в DeepSeek Harness на GTX 1080 Ti

    Когда смотришь на характеристики современных MoE‑моделей, иногда возникает странная мысль: а что будет, если взять модель с сотнями миллиардов параметров и попробовать запустить её на старом игровом GPU? С Qwen3.8-Flash‑Next этот эксперимент оказался особенно интересным. Qwen3.8-Flash‑Next — мультимодальная MoE‑модель, которую сама команда Qwen называет ранним предпросмотром архитектуры, лежащей в основе Qwen4. В основной части модели 125 млрд параметров, дополнительно используется около 51 млрд параметров n‑gram embedding‑таблиц, а на один токен активируется около 6 млрд параметров. Поэтому в сообществе модель часто называют 176B‑классом: 125B + 51B. В model card отдельно также указан 4B MTP‑компонент. Модель использует гибридную архитектуру Gated DeltaNet (GDN) и Qwen Sparse Attention (QSA). Всего в ней 48 слоёв: три из четырёх используют GDN, а каждый четвёртый — QSA. Кроме того, здесь используется 512 экспертов MoE, из которых на каждом токене выбираются 10 маршрутизируемых экспертов плюс shared expert. Нативный контекст модели составляет 262 144 токена, то есть 256K в обычном обозначении. На бумаге всё это выглядит впечатляюще. На практике возникает главный вопрос: куда поместить более 100 GB модели, если видеокарта располагает всего 11 GB VRAM? В моём случае ответ оказался неожиданным: GTX 1080 Ti действительно достаточно, чтобы запустить такую модель , если использовать llama.cpp и правильно распределить вычисления между GPU и оперативной памятью.

    habr.com/ru/articles/1085544/

    #ai #aiагенты #llmмодели #llama #llamacpp #llmагенты #deepseek_harness

  7. Тень стратега: как AI-агент становится продолжением человека, а не его заменой

    Использование локальных агентов для сбора, саммаризации и валидации требований в закрытом контуре. Инструменты: агент-опросник, извлечение переписки, расшифровка встреч, RAG-поиск по Confluence, агент-контролёр.

    habr.com/ru/articles/1084950/

    #aiагенты_в_работе #llmагенты #rag #управление_требованиями #бизнесанализ_с_помощью_нейросетей #закрытый_контур

  8. Рецензия на книгу «Разработка приложений на базе больших языковых моделей»

    Книга «Разработка приложений на базе больших языковых моделей» Сухаса Пая призвана помочь разработчикам закрыть разрыв между вызовом API языковой модели и построением реально работающего и конкурентного на рынке продуктового приложения. Книга разбирает LLM как компонент сложной системы — от устройства трансформера до RAG-конвейеров и агентов. Для разработчика или ML-инженера, уже прошедшего стадию первого прототипа, это полезное русскоязычное издание, где архитектура LLM-приложений разобрана шаг за шагом, без сведения материала к перечню промптов.

    habr.com/ru/companies/ssp-soft

    #llmмодели #llm #llmагент #llmприложения #llmагенты #llmархитектура

  9. Кто пишет твою базу знаний: ты или агент?

    После статьи « Зачем вести базу знаний, если ты не блогер и не спикер » знакомая спросила: «А можно я туда сразу агента посажу, чтобы он всё делал за меня?» Я начал отговаривать, хотя сам сижу в Claude Code и под базу у меня крутятся собственные субагенты. Карпатый и Infinite Brain отвечают на вопрос, как сделать базу удобной для LLM. На другой вопрос, что при этом происходит с твоей головой, не отвечает ни один. В моей базе больше шести тысяч заметок, и я всё чаще помню, что про это что-то есть, но не помню что. Разбираю три позиции: LLM-wiki Карпатого, Infinite Brain и тренажёр Рустама Агамалиева, где агент не читает за тебя, а показывает, где должна включиться твоя мысль. Показываю, что из агентских практик прижилось в моём frontmatter, что я попробовал и выкинул. И провожу границу: что агенту можно отдать с первого дня, а что нельзя никогда.

    habr.com/ru/articles/1082188/

    #obsidian #персональная_база_знаний #second_brain #llmагенты #claude_code #llmwiki #karpathy #граф_знаний #эффект_google #knowledge_management

  10. Reasoning Lock: ИИ-агент в проде тратит токены и молчит — живой разбор бага

    В прошлой статье ( habr.com/ru/articles/1076084/ ) я рассказывал о скрытом баге: ИИ-агент в проде заказчика тратит токены, генерация закрывается со статусом "успех", а клиенту уезжает пустая строка. Тогда я обещал разобраться и починить. Обещание выполнено: причина найдена, правки встали в воркфлоу, счётчик пустых ответов уже 7 дней - чисто. Баг получил имя Reasoning Lock . Теперь подробно о нём: симптомы, "расследование по этажам", механика и "лечение" - в общём в стиле детектива)) Напомню, что строю ИИ-агентов на self-hosted n8n. Герой статьи - агент в проде заказчика: по ночам принимает заявки в Instagram Direct, ведёт диалог, собирает анкету и создаёт/обновляет сделку в amoCRM. Стек агента: n8n + Redis + LangChain, LLM основная - DeepSeek V4 Pro через OpenRouter, резервная - недавно поменял на Qwen3.8 Flash. Предыстория: два периода, две природы отказов История началась задолго до самого бага. С конца июня (установил в прод агента в первых числах июня если точнее быть) отказы случались двух периодов, и разница между ними = ключ к пониманию. Период первый = тесты и запуск: инфраструктура. Первые "пропавшие ответы" пользователям имели вполне земную природу: ограничения Meta - потери вебхуков, окно ответов, двойные доставки. Как это чинилось (мгновенный 200 OK, буфер на Redis, дебаунс) - разобрано в первых двух частях. К продакшену этот класс закрыли. Период второй - последние два месяца: промпт. Система стабилизировалась, и правки от заказчика посыпались в системный промпт... (( Под живую бизнес-логику: инструкция по пересылке оплаты пользователем, отдельные сценарии ответов для VIP-клиентов (абзаца два , которые под каждое "фи" постоянного клиента меняли по несколько раз) , уточнения формулировок после каждого спорного диалога. Каждая правка по отдельности естетсвенно правильная и рабочая. Суммарно же промпт разросся до где то 6.4k токенов, и плотность запретов ("КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО", "Отправь СТРОГО этот текст") стала максимальной за всю жизнь системы.

    habr.com/ru/articles/1081780/

    #n8n #amocrm #llmагенты #llm_deadlock #автоматизация_продаж #искусственный_интеллект

  11. Параллельные AI-агенты: что проверил на практике и когда они действительно полезны

    Когда в работе появляется несколько независимых задач, возникает очевидная идея - "почему бы не поручить их разным AI-агентам одновременно, вместо того чтобы ждать, пока один агент закончит все по очереди?" Поэтому я решил провести небольшой эксперимент - взять один рабочий сценарий, запустить его тремя разными способами и сравнить не только время, но и стоимость, качество результата и удобство контроля. В статье разберу - как был устроен эксперимент, чем отличались три тестируемых процесса, что показали цифры и какие проблемы обнаружились во время самого запуска.

    habr.com/ru/articles/1080948/

    #aiагенты #llmагенты #параллельные_AIагенты #мультиагентные_системы #оркестрацияагентов #llm #управление_контекстом #автоматизация #токены #aiавтоматизация

  12. MCP-сервер или API: сколько стоит один запрос к GoCD

    Не так давно мы решили запустить свой собственный MCP-сервер для GoCD. Ну а что, у всех есть MCP, а у нас не было. И у GoCD не было такого, который бы подошел нам. Мы уже больше месяца им активно пользуемся. Сам проект тоже живет и развивается — его версия за это время выросла до 1.2.0: github.com/Ivinco/gocd-mcp После того как прошел первый восторг от осознания важности собственного вклада в мир open source, перед нами встал еще один вопрос. Да, у нас есть MCP. Но зачем нам MCP. И на этот вопрос, если хорошо подумать, не так уж и просто ответить.

    habr.com/ru/articles/1079322/

    #mcp #model_context_protocol #llmагенты #aiагенты #gocd #rest_api #бенчмарк #стоимость_ll #стоимость_llm #claude

  13. Не конкурируй с ИИ — управляй им. Как специалисту по ИБ остаться востребованным в эпоху ИИ-агентов

    Привет, Хабр! Меня зовут Алексей Лукацкий, я бизнес-консультант по безопасности и Chief Evangelist Officer в Positive Technologies, а до этого больше 18 лет проработал в Cisco. За свою карьеру я успел побыть программистом, администратором, аудитором, маркетологом, продавцом, преподавателем, rCISO, писателем и ИБ-евангелистом — и за всем этим стоит уже 35 лет в кибербезопасности, страшно даже произносить эту цифру вслух. За эти три десятилетия я видел, как менялась индустрия: появлялись новые угрозы, регуляторы выпускали всё новые требования, а специалисты по безопасности учились работать с облаками, контейнерами и DevSecOps-практиками. Теперь настал черёд следующего большого изменения — искусственного интеллекта, и мне захотелось поделиться мыслями о том, как он влияет на нашу профессию и что с этим делать. Вокруг искусственного интеллекта сегодня действительно много шума, и мнения о нём кардинально расходятся — от полного принятия до категорического отторжения. Одни считают, что ИИ вот-вот заменит специалистов по кибербезопасности, и указывают на нейросети, которые уже находят уязвимости на багбаунти-платформах или пишут нормативную документацию лучше человека. Другие, часто из старшего поколения, воспринимают ИИ как нечто враждебное, призывают запрещать и блокировать — и дальше начинаются истории с обходными путями и теневыми схемами использования. Вместо философских рассуждений о том, заменит ли ИИ человека или нет, я хочу поговорить о практических вещах, которые каждый специалист по ИБ может использовать уже сегодня, причём сделать хорошо. Как не остаться на свалке истории, а наоборот — вскочить на ступеньку этого поезда и использовать ИИ как инструмент, который усиливает, а не заменяет.

    habr.com/ru/companies/pt/artic

    #искусственный_интеллект #compliance #фстэк #модель_угроз #rag #промптинг #llm #llmмодели #llmагенты

  14. Топ-5 проблем, с которыми я столкнулся при разработке AI-агентов

    Привет! Меня зовут Рома, я фуллстак разработчик в компании Efsol. Когда я начал делать агентов под разные задачи внутри компании, я довольно быстро понял что задача не сводится просто к хорошему промпту. Промпт важен, но он закрывает только верхний слой, а дальше начинается обычная инженерная работа - контекст, память, доступы, инструменты, состояние, git, фоновые задачи и т.д. и т.п. И если это не проектировать отдельно, агент может нормально справиться с короткой задачей, но начать сыпаться на длинной работе. Я собрал 5 ошибок/проблем, которые чаще всего били по качеству, стоимости и устойчивости системы. Не как универсальную методологию и не как попытку кого-то учить, а скорее как заметки, которые могут кому то пригодится, да и просто хочется их зафиксировать.

    habr.com/ru/articles/1077496/

    #AIагенты #LLMагенты #разработка_AIагентов #автоматизация #LLM #управление_контекстом #память_AIагентов #browser_automation #Git #отказоустойчивость

  15. Ночь — боту, а утро человеку: CRM-ветка и два Salesbot'а в amoCRM

    В прошлой статье (ссылка) я разобрал конвейер между агентом и клиентом: теги, регулярки, абзацы по 180 символов. Осталось два больших пояснения - что происходит со сделкой в amoCRM, когда диалог дошёл до неё, и стоп-кран, которым человек перехватывает диалог у бота. Поэтому сегодня показываю два Salesbot’а, которые замыкают контур: "Раздатчик" (диспетчеризация задач менеджерам) и "Идентификатор" (оцифровка старой базы). Хочу начать с вопроса, который оставался за кадром всех предыдущих статей. Нода IF: Is New User? в начале ветки проверяет Redis-ключ связки: пустой - значит клиент новый, запускаем синхронизацию со сделкой. А если клиент старый - заведён в CRM руками за год до внедрения ИИ? Если к примеру как в данном проекте, из-за внутренних решений касательно бизнес логики у заказчика сделки хранятся до последнего момента, наверное пока их не наступит больше чем за 30000 штук (P.S. про это я позже расскажу чуть позже - точнее про то КАК это ломает работу воркфлоу)? У него связки тоже нет. Формально он выглядит как новый. Обычная система в этот момент создаёт вторую сделку на первого же старого клиента, который написал ночью. Дубль. Добро пожаловать в слепую зону.

    habr.com/ru/articles/1076972/

    #n8n #amoCRM #Salesbot #Redis #LLMагенты #LLM_Deadlock #Автоматизация_продаж #deepseek_v4 #искусственный_интеллект

  16. От чата вместо форм до разработки без конфигуратора: что меняется в экосистеме 1С

    ИИ в разработке постепенно перестает быть отдельной экспериментальной темой. Его встраивают в IDE, подключают к корпоративным системам через MCP, используют для создания приложений и подготовки кода. Одновременно появляются новые среды, плагины и подходы к архитектуре данных. Этим изменениям посвящена секция «Идеи и тренды в разработке» на INFOSTART TECH EVENT 2026 , которая пройдет 8–10 октября в Санкт-Петербурге. В программу уже вошли восемь докладов - от рабочих прототипов до технологий, которые пока находятся на стадии активных экспериментов....

    habr.com/ru/companies/infostar

    #1С #разработка_1С #искусственный_интеллект #MCP #IDE #LLMагенты #архитектура_данных #автоматизация #TECH_EVENT_2026

  17. Человек между агентом и кнопкой: почему слой подтверждения — это такая сложная инженерия

    Мой агент дошёл до состояния, когда я перестал читать письма перед отправкой. Между «агент решил» и «письмо ушло» не было ничего — ни паузы, ни человека, ни записи о произошедшем. Слой подтверждений выглядит как день работы: таблица, кнопка «одобрить», кнопка «отклонить». Я вёл каталог отказов, пока его делал. К релизу в нём было 66 пунктов. Разбираю пять, которые почти всегда переживают первую версию, и показываю, почему 100% покрытия по ветвям ничего не гарантируют.

    habr.com/ru/articles/1073978/

    #llmагенты #python #sqlite #humanintheloop #exactlyonce #тестирование #мутационное_тестирование #конкурентность

  18. У Claude Code уже есть такая память. Тогда зачем я держу свою?

    В прошлой статье я показал, как держу память агента на md-файлах вместо вектор-базы. Теперь разбираю, чем она отличается от встроенной памяти Claude Code, зачем держу свою в git и что вообще стоит в нее писать.

    habr.com/ru/articles/1072876/

    #Claude_Code #LLMагенты #AIагенты #память_агента #долговременная_память #RAG #векторБД #эмбеддинги #markdown #git

  19. Инженерный подход к этимологии русского (индоевропейского) праязыка и преодоление «ленивых ответов» LLM

    Введение. Парадокс современных технологий Прошло четыре месяца с момента выхода в свет моей книги «Живое слово от истоков до современности. Этимология русского языка на основе методов системного анализа». Пятое издание. Книга-анонс.» У части моих друзей, знакомых с искусственным интеллектом (ИИ), нейронными сетями появились вопросы по комментариям ИИ в отношении книги. Это важный вопрос, поэтому подготовил данный материал. Но начну по порядку: когда я писал книгу «Живое слово от истоков до современности», исходил из того, что главный читатель — это живой человек, готовый размышлять и проверять факты. Однако после публикации столкнулся с неожиданным эффектом: оказывается между мной и читателями имеются иные действующие лица и критики в виде ИИ. Современные большие языковые модели (LLM) — такие как ChatGPT, Gemini или DeepSeek и другие — обладают колоссальной вычислительной мощностью. Однако продвинутые студенты, преподаватели и исследователи, пытающиеся проанализировать с их помощью мою книгу «Живое слово от истоков до современности», сталкиваются с разочаровывающим парадоксом. Вместо глубокого анализа алгоритмы ИИ часто выдают шаблонный ответ: «это фолк-лингвистика», «альтернативная этимология», «не признаётся академической наукой» и т.д. Интерес к исследованию угасает, так и не начавшись. Почему так происходит, как устроен цифровой барьер между ИИ и новыми научными идеями, и как заставить нейросеть работать с максимальной квалификацией? Это важно и является общим не только применительно к моей теме.

    habr.com/ru/articles/1071302/

    #системный_анализ #системная_инженерия #искусственный_интеллект #llmагенты #llmмодели #этимология

  20. Как я делал базу знаний для ИИ‑агента и тестировал её на собственных медицинских анализах

    Результаты годового чекапа пришли в пятницу вечером. Семь документов в личном кабинете лаборатории, в половине строк звёздочки «выше нормы» и «ниже нормы», запись к эндокринологу через две недели. Кто сдавал, тот знает этот вечер: гуглишь каждый показатель по отдельности, находишь ужасы, и нигде не написано, что все эти цифры значат вместе. Работаю бэкендером, делаю базу знаний в Искре. Поэтому вместо поисковика открыл свой же продукт: загрузил туда все семь файлов и начал спрашивать. Сразу про конфликт интересов: база знаний, о которой пойдёт речь, — часть продукта, который делаю я сам. Поэтому дальше будет не про то, какая она хорошая, а про устройство и про места, где она ломается.

    habr.com/ru/articles/1066856/

    #RAG #базы_знаний #LLMагенты #эмбеддинги #поиск_по_документам #AIассистент

  21. Как дать LLM-агенту доступ к Яндекс Вебмастеру: разбираем устройство MCP-сервера над чужим API

    Данные о том, как поиск видит ваш сайт, живут в интерфейсе Яндекс Вебмастера и в его API: чтобы узнать, по каким запросам показов много, а кликов нет, что выпало из индекса за месяц и что Яндекс считает проблемой сайта, человек ходит по вкладкам и сводит цифры руками, а программа собирает запросы к API v4. LLM-агент по умолчанию не умеет ни того, ни другого. Разбираю, как устроен MCP-сервер для Яндекс Вебмастера: как уложить пару десятков эндпоинтов в восемь инструментов, какие грабли у API v4 и как сделать вход в Яндекс, который агент выполняет сам — без терминала и без клиентского секрета. Как это устроено

    habr.com/ru/articles/1065014/

    #MCP #Model_Context_Protocol #LLMагенты #Яндекс_Вебмастер #Webmaster_API #OAuth #PKCE #SEO #TypeScript

  22. Я заставил ИИ‑агента работать по протоколу тушения пожаров. За шесть дней он переписал сам себя 10 раз

    В какой‑то момент я перестал доверять фразе «готово» от языковой модели. Модель при этом не врёт: она честно считает, что сделала работу. Она пишет «реализовано, тесты проходят», и чаще всего так и есть. Беда в остальных случаях, когда модель поправила один вызов из четырёх, приняла собственный план за выполненную работу и закрыла задачу. Диалог при этом выглядит безупречно до самого конца. Я перепробовал обычный набор: писал развесистые CLAUDE.md , требовал план перед кодом, просил самопроверку. Всё это держалось ровно до тех пор, пока не становилось неудобным. Правило, написанное словами, агент нарушает в тот момент, когда у него появляется разумно выглядящая причина его обойти, и такая причина находится всегда. Искать готовую систему управления мне далеко не пришлось. До ухода ExxonMobil из России я работал там аналитиком по аварийно‑спасательному реагированию, и ICS была в этой роли повседневным рабочим инструментом: я прошёл по ней множество тренингов, включая уровень Advanced, и работал фасилитатором IMT, Incident Management Team. Оттуда и пришла мысль перенести ICS в разработку.

    habr.com/ru/articles/1064052/

    #искусственный_интеллект #claudecode #llmагенты

  23. 502 на ingress, 302 в приложении: как я учил инфраструктурного LLM-агента не врать

    Я делаю внутреннего read-only LLM-агента для инфраструктурных расследований. Инженер задаёт вопрос обычным языком, а агент собирает доказательства из Kubernetes, метрик, логов, GitLab, Grafana и других эксплуатационных источников. Один реальный кейс показал, почему «умного промпта» недостаточно: edge вернул 502, хотя приложение для того же request_id записало успешный редирект 302. Чтобы найти причину и не придумать удобное объяснение, агенту пришлось научиться связывать источники, удерживать время и scope, различать факты, гипотезы и отсутствующие данные. В статье разбираю архитектуру агента на Go, DeepSeek, Qwen и MCP: планирование по evidence, контракты tools, память треда, подключение командных skills через n8n и evaluation на реальных сценариях. В последнем полном прогоне прошли 44 из 45 сценариев, включая все 29 обязательных.

    habr.com/ru/articles/1063404/

    #LLMагенты #SRE #DevOps #MCP #Go #Qwen #DeepSeek #Kubernetes #evaluation #observability

  24. Агенты, или Путешествие к LLM и обратно

    Агенты сейчас обсуждают все подряд. Меняются фреймворки, появляются MCP-серверы, облака обещают «агента из коробки». Но в центре любой такой схемы по-прежнему одна и та же вещь — LLM : она читает контекст и формулирует следующий шаг. А между запросом к агенту и самой моделью — ещё несколько слоёв. Сама модель всего лишь предсказывает вероятности следующего токена; снаружи нарастает луковица обёрток — о них и речь. Если собирать агента не из готового конструктора, понимание этой логики помогает быстрее найти источник проблемы: поломки могут быть не в модели, а на каком-то уровне рядом. Я пришёл к агентам из ML: для меня каждый новый слой появлялся поверх уже знакомого — поэтому дальше рассказываю от модели наружу. Идея статьи пришла после очередного совместного поиска бага с технической командой: захотелось собрать заметки в один обзор, чтобы в следующий раз было проще объяснять.

    habr.com/ru/articles/1061750/

    #llm #llmмодели #llmагенты #aiагенты

  25. LLM-wiki против RAG: Оцениваем и сравниваем

    Про LLM-wiki здесь уже было несколько хороших статей ( 1 , 2 и 3 ), поэтому подробно останавливаться на идее Andrej Karpathy не буду. В двух словах: вместо RAG-ретривера - wiki-агент, вместо чанков из сырых документов - связанные концепт-страницы, вместо обновления - перекомпиляция и поиск «битых» ссылок. Насколько LLM-wiki лучше, или может быть хуже чем RAG, пусть даже простейший, с обычным векторным поиском? И как их можно сравнивать? Кажется, общепринятой методики оценки ещё не сложилось. Тем не менее я попробовал, и получил неожиданные результаты. Об этом и расскажу, а ещё о методике оценки, о wiki-агенте для тестов, о том что получилось, что - нет, и даже сколько это стоило.

    habr.com/ru/articles/1058252/

    #llm #llmагенты #wiki #rag #оценка_качества #claudecode #langchain #rag_система #wilcoxon_scores

  26. Запрещаем AI выдумывать методы КОМПАС-3D: 200К пар обучения, модель на 34М и KOMPAS Guard в одном процессе

    Чтобы AI-агент понимал инженера, индустрия предлагает поставить между ними еще одну большую языковую модель. Мы поставили модель на 34 млн параметров, в несколько десятков раз меньше, и она справляется лучше. Секрет в данных. 200 тысяч пар «формулировка задачи → элемент КОМПАС API», где негативные примеры подбирались специально коварные: одноименные методы разных интерфейсов, соседние get/set одного свойства, кандидаты, которых базовая модель ошибочно ставила на первое место. Дообучение заняло меньше пяти часов на одной видеокарте, а Hit@5 на запросах, где метод описан задачей, а не именем, вырос с 5,8% до 79,6%. Но поиск это только вход. Дальше каждый кандидат проходит через граф типов, константы берутся из настоящих DLL, код сверяет компилятор, а недокументированное поведение агент выясняет экспериментами в живом CAD: пишет зонд, запускает в песочнице, читает результат. Выдать догадку за факт ему негде, на каждом шаге его встречает проверка. В статье реальные логи, метрики трех бенчмарков, включая неудобные для нас, и объяснение, почему в продакшен пошла именно первая версия модели, а не две следующие.

    habr.com/ru/articles/1058800/

    #КОМПАС3D #LLMагенты #семантический_поиск #эмбеддинги #дообучение_модели #галлюцинации_LLM #CAD #RAG #COM_API #бенчмарки

  27. 1002 хендоффа за 60 дней: как я собрал шину координации для 12 Claude-агентов

    Шестьдесят дней назад я держал всю координацию своего SaaS в голове. Двенадцать вкладок Claude Code, в каждой своя роль: тимлид, аналитик, тестировщик, медиабайер. Я переключался между ними и был единственным местом, где эти вкладки узнавали друг о друге. Сейчас в очереди 1002 задачи, из них 954 закрыты. Медиана от постановки до закрытия составляет 47 минут. Вся координация умещается в 600 строк Python на стандартной библиотеке и один markdown-файл. Статья про то, как устроена координация. Не про то, что я попробовал модный инструмент, и без советов «промптите лучше».Три подхода, которые не сработали. Один, который сработал. Отказ, стоивший мне двух рабочих окон. И метрики, которые я не приукрашивал. Кода в открытом доступе нет, это внутренний инструмент, а не библиотека. Но механизмы я показываю снипетами, их хватит, чтобы собрать своё.

    habr.com/ru/articles/1057980/

    #Claude_Code #мультиагентные_системы #координация_агентов #blackboard #LLMагенты #оркестрация_агентов #автоматизация_разработки #Python #солоразработка #AIагенты

  28. От Anthropic Cores к 4 слоям: Enterprise AI Harness на open source

    Anthropic показали, как работает агентная обвязка. Я не Anthropic — поэтому собрал эту обвязку из доступных компонентов, а не написал свой runtime. Так, чтобы запускать агентов в production могла не только команда гениев из Сан-Франциско, но и обычная platform-команда. О том, как сделать агента, написано много. О том, как безопасно и предсказуемо запустить его в production — гораздо меньше. Что получилось Reference architecture для self-hosted Enterprise AI Harness на Kubernetes. Четыре функциональных слоя и основные точки интеграции между ними.

    habr.com/ru/articles/1057942/

    #harness_engineering #harness #llmархитектура #llmагенты

  29. Как научить LLM-агента спрашивать Яндекс Метрику: разбираем протокол MCP и OAuth-авторизацию без секрета

    Веб-аналитика живёт за дашбордами и HTTP-API: чтобы узнать, откуда пришёл трафик за неделю, человек лезет в интерфейс Метрики, а программа — собирает запрос к Reporting API и держит в голове namespace полей, лимиты и форматы ответа. LLM-агент (Claude, модель в Cursor, любой другой) по умолчанию не умеет ни того, ни другого. Мостом между агентом и внешней системой служит MCP — Model Context Protocol . Разбираю, как устроен MCP-сервер для Яндекс.Метрики: как уложить отчёты в небольшой набор инструментов, как авторизоваться в Yandex ID без клиентского секрета (это оказалось самым неочевидным) и на какие грабли Reporting API я наступил по дороге. Как это устроено

    habr.com/ru/articles/1057864/

    #MCP #Model_Context_Protocol #LLMагенты #ЯндексМетрика #OAuth #PKCE #вебаналитика #TypeScript

  30. Почему я выкинул MCP из AI-агента для CAD: граф API, ГОСТы, компилятор и live COM для KOMPAS-3D

    Обычный LLM-агент, которого просят писать Python-скрипты под КОМПАС-3D, ошибается системно: придумывает несуществующие методы, путает две ветки COM API, ссылается на отменённые ГОСТы, подставляет невалидные значения в аргументы. Промпты и примеры это не лечат. В статье разбираю другой подход: контекст-слой из нескольких механизмов, где каждый класс ошибок ловится отдельно ещё до того, как код дойдёт до живого CAD. Внутри граф API на 47 тысяч узлов, справочник валидных значений, база действующих и отменённых стандартов, проверка сгенерированного кода настоящим C#-компилятором и разбор ошибок исполнения на живом КОМПАС-3D. С примерами кода и реальным фидбеком, который получает агент. Заодно объясняю, почему для такой задачи отказался от MCP.

    habr.com/ru/articles/1054520/

    #LLMагенты #KOMPAS3D #COM_API #верификация_кода #MCP #САПР #Python #компас3d #компас3d_v24 #cad

Share on Mastodon

Enter the server where you have an account.