#multiagent — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #multiagent, aggregated by home.social.
-
Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction
https://arxiv.org/abs/2605.21779
#HackerNews #MultiAgent #LLM #VulnerabilityDiscovery #AutomatedTesting #AIResearch
-
👋 Hi Mastodon — I'm Andrii Klymenko, building production AI multi-agent systems.
I run a fully autonomous content engine at creatifystore.com: 30+ Python agents publishing content, handling customer support, running analytics 24/7.
Sharing automation patterns, multi-agent code, and lessons from running AI in prod.
📸 Photo: Google DeepMind / Pexels
-
👋 Hi Mastodon — I'm Andrii Klymenko, building production AI multi-agent systems.
I run a fully autonomous content engine at creatifystore.com: 30+ Python agents publishing content, handling customer support, running analytics 24/7.
Sharing automation patterns, multi-agent code, and lessons from running AI in prod.
📸 Photo: Google DeepMind / Pexels
-
👋 Hi Mastodon — I'm Andrii Klymenko, building production AI multi-agent systems.
I run a fully autonomous content engine at creatifystore.com: 30+ Python agents publishing content, handling customer support, running analytics 24/7.
Sharing automation patterns, multi-agent code, and lessons from running AI in prod.
📸 Photo: Google DeepMind / Pexels
-
👋 Hi Mastodon — I'm Andrii Klymenko, building production AI multi-agent systems.
I run a fully autonomous content engine at creatifystore.com: 30+ Python agents publishing content, handling customer support, running analytics 24/7.
Sharing automation patterns, multi-agent code, and lessons from running AI in prod.
📸 Photo: Google DeepMind / Pexels
-
Kore.ai unveils AI-native platform for enterprise multiagent systems
https://atlas.whatip.xyz/post.php?slug=koreai-unveils-ai-native-platform-for-enterprise-multiagent-systems
<p>Kore.ai has launched the new-generation Kore.ai Agent Platform Artemis edition
#enterprise #multiagent #platform #launched -
Kore.ai unveils AI-native platform for enterprise multiagent systems
https://atlas.whatip.xyz/post.php?slug=koreai-unveils-ai-native-platform-for-enterprise-multiagent-systems
<p>Kore.ai has launched the new-generation Kore.ai Agent Platform Artemis edition
#enterprise #multiagent #platform #launched -
Как мы проектировали multi-agent feedback для обучения рисованию
Написал инженерный разбор про multi-agent feedback для обучения рисованию. Что происходит, когда рисунок оценивает не один AI-критик, а «совет»: три LLM-персоны на разных моделях + четвёртый вызов-судья, который собирает их отзывы в общий вердикт. Без хайпа: технические параметры, компромиссы и грабли из реальной реализации. — почему это 4 логических вызова, а в two-stage режиме физически до 7; — как судья работает text-only и НЕ видит рисунок: он проверяет согласованность трёх разборов, а не пересматривает изображение; — честная latency: wall-clock = max(самая медленная персона с retry) + судья, а не сумма трёх персон; — почему council получается в 3–4 раза дороже single-critic; — где «больше моделей» оказалось хуже: слабый судья ронял качество, пришлось вводить quality gate и математический fallback; — где обычный single-critic объективно выигрывает: быстрая итерация, latency, стоимость. Если строите multi-agent / ensemble / judge-паттерны, внутри есть конкретные грабли: галлюцинации персон, эхо плейсхолдера из промпта в ответ судьи, consensus-фильтр поверх финального вердикта.
https://habr.com/ru/articles/1037770/
#машинное_обучение #llm #multiagent #обратная_связь #обучение #рисование
-
Как мы проектировали multi-agent feedback для обучения рисованию
Написал инженерный разбор про multi-agent feedback для обучения рисованию. Что происходит, когда рисунок оценивает не один AI-критик, а «совет»: три LLM-персоны на разных моделях + четвёртый вызов-судья, который собирает их отзывы в общий вердикт. Без хайпа: технические параметры, компромиссы и грабли из реальной реализации. — почему это 4 логических вызова, а в two-stage режиме физически до 7; — как судья работает text-only и НЕ видит рисунок: он проверяет согласованность трёх разборов, а не пересматривает изображение; — честная latency: wall-clock = max(самая медленная персона с retry) + судья, а не сумма трёх персон; — почему council получается в 3–4 раза дороже single-critic; — где «больше моделей» оказалось хуже: слабый судья ронял качество, пришлось вводить quality gate и математический fallback; — где обычный single-critic объективно выигрывает: быстрая итерация, latency, стоимость. Если строите multi-agent / ensemble / judge-паттерны, внутри есть конкретные грабли: галлюцинации персон, эхо плейсхолдера из промпта в ответ судьи, consensus-фильтр поверх финального вердикта.
https://habr.com/ru/articles/1037770/
#машинное_обучение #llm #multiagent #обратная_связь #обучение #рисование
-
Как мы проектировали multi-agent feedback для обучения рисованию
Написал инженерный разбор про multi-agent feedback для обучения рисованию. Что происходит, когда рисунок оценивает не один AI-критик, а «совет»: три LLM-персоны на разных моделях + четвёртый вызов-судья, который собирает их отзывы в общий вердикт. Без хайпа: технические параметры, компромиссы и грабли из реальной реализации. — почему это 4 логических вызова, а в two-stage режиме физически до 7; — как судья работает text-only и НЕ видит рисунок: он проверяет согласованность трёх разборов, а не пересматривает изображение; — честная latency: wall-clock = max(самая медленная персона с retry) + судья, а не сумма трёх персон; — почему council получается в 3–4 раза дороже single-critic; — где «больше моделей» оказалось хуже: слабый судья ронял качество, пришлось вводить quality gate и математический fallback; — где обычный single-critic объективно выигрывает: быстрая итерация, latency, стоимость. Если строите multi-agent / ensemble / judge-паттерны, внутри есть конкретные грабли: галлюцинации персон, эхо плейсхолдера из промпта в ответ судьи, consensus-фильтр поверх финального вердикта.
https://habr.com/ru/articles/1037770/
#машинное_обучение #llm #multiagent #обратная_связь #обучение #рисование
-
Как мы проектировали multi-agent feedback для обучения рисованию
Написал инженерный разбор про multi-agent feedback для обучения рисованию. Что происходит, когда рисунок оценивает не один AI-критик, а «совет»: три LLM-персоны на разных моделях + четвёртый вызов-судья, который собирает их отзывы в общий вердикт. Без хайпа: технические параметры, компромиссы и грабли из реальной реализации. — почему это 4 логических вызова, а в two-stage режиме физически до 7; — как судья работает text-only и НЕ видит рисунок: он проверяет согласованность трёх разборов, а не пересматривает изображение; — честная latency: wall-clock = max(самая медленная персона с retry) + судья, а не сумма трёх персон; — почему council получается в 3–4 раза дороже single-critic; — где «больше моделей» оказалось хуже: слабый судья ронял качество, пришлось вводить quality gate и математический fallback; — где обычный single-critic объективно выигрывает: быстрая итерация, latency, стоимость. Если строите multi-agent / ensemble / judge-паттерны, внутри есть конкретные грабли: галлюцинации персон, эхо плейсхолдера из промпта в ответ судьи, consensus-фильтр поверх финального вердикта.
https://habr.com/ru/articles/1037770/
#машинное_обучение #llm #multiagent #обратная_связь #обучение #рисование
-
🐝 aden-hive/hive
Multi-Agent Harness for Production AI
Auto-generates and executes multi-agent workflows for production AI tasks with self-healing state management, parallel coordination and human oversight
⭐ Stars: 10394
📅 Last Update: May 21, 2026https://github.com/aden-hive/hive
#selfhosted #homelab #selfhost #selfhosting #opensource #multiagent #productionai
-
🐝 aden-hive/hive
Multi-Agent Harness for Production AI
Auto-generates and executes multi-agent workflows for production AI tasks with self-healing state management, parallel coordination and human oversight
⭐ Stars: 10394
📅 Last Update: May 21, 2026https://github.com/aden-hive/hive
#selfhosted #homelab #selfhost #selfhosting #opensource #multiagent #productionai
-
Agora-1: The Multi-Agent World Model
-
Agora-1: The Multi-Agent World Model
-
Agora-1: The Multi-Agent World Model
-
Agora-1: The Multi-Agent World Model
-
Agora-1: The Multi-Agent World Model
-
Анатомия production AI агента: разбор двух открытых промптов Anthropic
Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic ( research_lead_agent.md и research_subagent.md ), собираю чек-лист из 13 блоков и шаблон SKILL.md . На руки — конкретный артефакт, по которому можно пройтись по своему агенту.
https://habr.com/ru/articles/1035948/
#claude #anthropic #aiагенты #llm #context_engineering #agent_skills #system_prompt #claude_code #multiagent
-
Анатомия production AI агента: разбор двух открытых промптов Anthropic
Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic ( research_lead_agent.md и research_subagent.md ), собираю чек-лист из 13 блоков и шаблон SKILL.md . На руки — конкретный артефакт, по которому можно пройтись по своему агенту.
https://habr.com/ru/articles/1035948/
#claude #anthropic #aiагенты #llm #context_engineering #agent_skills #system_prompt #claude_code #multiagent
-
Анатомия production AI агента: разбор двух открытых промптов Anthropic
Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic ( research_lead_agent.md и research_subagent.md ), собираю чек-лист из 13 блоков и шаблон SKILL.md . На руки — конкретный артефакт, по которому можно пройтись по своему агенту.
https://habr.com/ru/articles/1035948/
#claude #anthropic #aiагенты #llm #context_engineering #agent_skills #system_prompt #claude_code #multiagent
-
Анатомия production AI агента: разбор двух открытых промптов Anthropic
Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic ( research_lead_agent.md и research_subagent.md ), собираю чек-лист из 13 блоков и шаблон SKILL.md . На руки — конкретный артефакт, по которому можно пройтись по своему агенту.
https://habr.com/ru/articles/1035948/
#claude #anthropic #aiагенты #llm #context_engineering #agent_skills #system_prompt #claude_code #multiagent
-
DeerFlow 2.0 от ByteDance: развернул super-agent harness через Docker, прогнал на реальной задаче
В конце февраля ByteDance выложила DeerFlow 2.0 — open-source агентный фреймворк, который команда позиционирует как “super agent harness”. Релиз залетел в топ-1 GitHub Trending, набрал 61 тысячу звёзд за пару недель, попал во все технические телеграм-каналы. Развернул через Docker на своём VPS, прогнал на реальной задаче (ресёрч по рынку эспрессо-машин с генерацией отчёта), разобрался с архитектурой. Рассказываю, что внутри, чем отличается от Claude Code и OpenHands, и почему телеграм-маркетинг расходится с честным README в нескольких важных местах.
https://habr.com/ru/articles/1034900/
#LangGraph #AIагенты #multiagent #DeerFlow #ByteDance #superagent_harness #Docker #subagents
-
DeerFlow 2.0 от ByteDance: развернул super-agent harness через Docker, прогнал на реальной задаче
В конце февраля ByteDance выложила DeerFlow 2.0 — open-source агентный фреймворк, который команда позиционирует как “super agent harness”. Релиз залетел в топ-1 GitHub Trending, набрал 61 тысячу звёзд за пару недель, попал во все технические телеграм-каналы. Развернул через Docker на своём VPS, прогнал на реальной задаче (ресёрч по рынку эспрессо-машин с генерацией отчёта), разобрался с архитектурой. Рассказываю, что внутри, чем отличается от Claude Code и OpenHands, и почему телеграм-маркетинг расходится с честным README в нескольких важных местах.
https://habr.com/ru/articles/1034900/
#LangGraph #AIагенты #multiagent #DeerFlow #ByteDance #superagent_harness #Docker #subagents
-
DeerFlow 2.0 от ByteDance: развернул super-agent harness через Docker, прогнал на реальной задаче
В конце февраля ByteDance выложила DeerFlow 2.0 — open-source агентный фреймворк, который команда позиционирует как “super agent harness”. Релиз залетел в топ-1 GitHub Trending, набрал 61 тысячу звёзд за пару недель, попал во все технические телеграм-каналы. Развернул через Docker на своём VPS, прогнал на реальной задаче (ресёрч по рынку эспрессо-машин с генерацией отчёта), разобрался с архитектурой. Рассказываю, что внутри, чем отличается от Claude Code и OpenHands, и почему телеграм-маркетинг расходится с честным README в нескольких важных местах.
https://habr.com/ru/articles/1034900/
#LangGraph #AIагенты #multiagent #DeerFlow #ByteDance #superagent_harness #Docker #subagents
-
DeerFlow 2.0 от ByteDance: развернул super-agent harness через Docker, прогнал на реальной задаче
В конце февраля ByteDance выложила DeerFlow 2.0 — open-source агентный фреймворк, который команда позиционирует как “super agent harness”. Релиз залетел в топ-1 GitHub Trending, набрал 61 тысячу звёзд за пару недель, попал во все технические телеграм-каналы. Развернул через Docker на своём VPS, прогнал на реальной задаче (ресёрч по рынку эспрессо-машин с генерацией отчёта), разобрался с архитектурой. Рассказываю, что внутри, чем отличается от Claude Code и OpenHands, и почему телеграм-маркетинг расходится с честным README в нескольких важных местах.
https://habr.com/ru/articles/1034900/
#LangGraph #AIагенты #multiagent #DeerFlow #ByteDance #superagent_harness #Docker #subagents
-
I do agentic coding now!
-
I do agentic coding now!
-
I do agentic coding now!
-
I do agentic coding now!
-
I do agentic coding now!
-
adamsreview – better multi-agent PR reviews for Claude Code
https://github.com/adamjgmiller/adamsreview
#HackerNews #adamsreview #multiagent #PRreviews #ClaudeCode #GitHub #softwaredevelopment
-
adamsreview – better multi-agent PR reviews for Claude Code
https://github.com/adamjgmiller/adamsreview
#HackerNews #adamsreview #multiagent #PRreviews #ClaudeCode #GitHub #softwaredevelopment
-
adamsreview – better multi-agent PR reviews for Claude Code
https://github.com/adamjgmiller/adamsreview
#HackerNews #adamsreview #multiagent #PRreviews #ClaudeCode #GitHub #softwaredevelopment
-
adamsreview – better multi-agent PR reviews for Claude Code
https://github.com/adamjgmiller/adamsreview
#HackerNews #adamsreview #multiagent #PRreviews #ClaudeCode #GitHub #softwaredevelopment
-
adamsreview – better multi-agent PR reviews for Claude Code
https://github.com/adamjgmiller/adamsreview
#HackerNews #adamsreview #multiagent #PRreviews #ClaudeCode #GitHub #softwaredevelopment
-
Можно ли отдать всю разработку полностью ИИ? Я попробовал
Всем привет! Хочу поделиться историей, как я решил попробовать сделать для себя тот самый саморазвивающийся ИИ-стартап и что из этого вышло. Начну с предыстории. В 2022 году я переехал в Грузию, в Батуми. Здесь я практически сразу начал учить язык, и мне захотелось чуть упростить себе этот процесс — сделать это я решил с помощью своего Telegram-бота. Почему бота? Всем известно, что материал усваивается быстрее и проще, если не садиться за него раз-два в неделю, а стараться изучать что-то небольшое каждый день. Тут мне бы очень помог Duolingo. Но там грузинского нет, хотя есть клингонский. Короче, было решено сделать свой Duolingo из Telegram-бота, только для грузинского. Сначала получилось что-то совсем простое: перевести / сохранить слово / устроить с новыми словами квиз. Долгое время этого функционала мне хватало, и бот я не развивал, но вот решил попробовать автоматизировать его при помощи современных LLM. Идея была такая — ночью агенты кодят. А утром я читаю чейнджлог и наслаждаюсь новыми функциями. Что получилось на деле —можно почитать под катом.
https://habr.com/ru/articles/1033112/
#Tralebot #Ночная_разработка #multiagent #multiagent_systems #автоматизация_разработки
-
Можно ли отдать всю разработку полностью ИИ? Я попробовал
Всем привет! Хочу поделиться историей, как я решил попробовать сделать для себя тот самый саморазвивающийся ИИ-стартап и что из этого вышло. Начну с предыстории. В 2022 году я переехал в Грузию, в Батуми. Здесь я практически сразу начал учить язык, и мне захотелось чуть упростить себе этот процесс — сделать это я решил с помощью своего Telegram-бота. Почему бота? Всем известно, что материал усваивается быстрее и проще, если не садиться за него раз-два в неделю, а стараться изучать что-то небольшое каждый день. Тут мне бы очень помог Duolingo. Но там грузинского нет, хотя есть клингонский. Короче, было решено сделать свой Duolingo из Telegram-бота, только для грузинского. Сначала получилось что-то совсем простое: перевести / сохранить слово / устроить с новыми словами квиз. Долгое время этого функционала мне хватало, и бот я не развивал, но вот решил попробовать автоматизировать его при помощи современных LLM. Идея была такая — ночью агенты кодят. А утром я читаю чейнджлог и наслаждаюсь новыми функциями. Что получилось на деле —можно почитать под катом.
https://habr.com/ru/articles/1033112/
#Tralebot #Ночная_разработка #multiagent #multiagent_systems #автоматизация_разработки
-
Можно ли отдать всю разработку полностью ИИ? Я попробовал
Всем привет! Хочу поделиться историей, как я решил попробовать сделать для себя тот самый саморазвивающийся ИИ-стартап и что из этого вышло. Начну с предыстории. В 2022 году я переехал в Грузию, в Батуми. Здесь я практически сразу начал учить язык, и мне захотелось чуть упростить себе этот процесс — сделать это я решил с помощью своего Telegram-бота. Почему бота? Всем известно, что материал усваивается быстрее и проще, если не садиться за него раз-два в неделю, а стараться изучать что-то небольшое каждый день. Тут мне бы очень помог Duolingo. Но там грузинского нет, хотя есть клингонский. Короче, было решено сделать свой Duolingo из Telegram-бота, только для грузинского. Сначала получилось что-то совсем простое: перевести / сохранить слово / устроить с новыми словами квиз. Долгое время этого функционала мне хватало, и бот я не развивал, но вот решил попробовать автоматизировать его при помощи современных LLM. Идея была такая — ночью агенты кодят. А утром я читаю чейнджлог и наслаждаюсь новыми функциями. Что получилось на деле —можно почитать под катом.
https://habr.com/ru/articles/1033112/
#Tralebot #Ночная_разработка #multiagent #multiagent_systems #автоматизация_разработки
-
Можно ли отдать всю разработку полностью ИИ? Я попробовал
Всем привет! Хочу поделиться историей, как я решил попробовать сделать для себя тот самый саморазвивающийся ИИ-стартап и что из этого вышло. Начну с предыстории. В 2022 году я переехал в Грузию, в Батуми. Здесь я практически сразу начал учить язык, и мне захотелось чуть упростить себе этот процесс — сделать это я решил с помощью своего Telegram-бота. Почему бота? Всем известно, что материал усваивается быстрее и проще, если не садиться за него раз-два в неделю, а стараться изучать что-то небольшое каждый день. Тут мне бы очень помог Duolingo. Но там грузинского нет, хотя есть клингонский. Короче, было решено сделать свой Duolingo из Telegram-бота, только для грузинского. Сначала получилось что-то совсем простое: перевести / сохранить слово / устроить с новыми словами квиз. Долгое время этого функционала мне хватало, и бот я не развивал, но вот решил попробовать автоматизировать его при помощи современных LLM. Идея была такая — ночью агенты кодят. А утром я читаю чейнджлог и наслаждаюсь новыми функциями. Что получилось на деле —можно почитать под катом.
https://habr.com/ru/articles/1033112/
#Tralebot #Ночная_разработка #multiagent #multiagent_systems #автоматизация_разработки
-
Как у клиента с восемью продуктовыми командами мы построили AI Kit
Привет, Хабр. Мы платформенная команда в продуктовой компании с восемью продуктовыми командами. У каждой свой микросервис, свой стек, свои нюансы. Есть общие конвенции, общий security baseline, общий подход к observability. В начале прошлого года стало понятно: AI-инструменты разработки уже не эксперимент, а повседневная реальность. Claude Code, Cursor, Copilot, кто во что горазд. И при этом ровно ноль централизованного подхода. У одного разработчика в ~/.claude/ CLAUDE.md свой набор правил, у другого .cursorrules с другими правилами. В одном репо команды лежал 400-строчный CLAUDE.md с дублирующимися общими конвенциями, в другом пустота. AI отвечал по-разному в одном и том же сервисе в зависимости от того, кто его спрашивал. За полгода мы построили то, что внутри называем AI Kit. Это централизованный набор правил, skills, subagents и CI-инструментов для AI-ревью. В этой статье наш путь, грабли, цифры. И чего бы мы не делали, если бы начинали заново. Если у вас несколько продуктовых команд и AI-инструменты уже есть, но дисциплины их использования нет, то статья для вас. Будет полезно тимлидам, CTO, инженерам платформенных команд и AI Champions.
https://habr.com/ru/articles/1031924/
#AI_Kit #Claude_Code #Cursor #CLAUDEmd #AIревью #управление_разработкой #AI_governance #multiagent #AIинструменты_разработки
-
Как у клиента с восемью продуктовыми командами мы построили AI Kit
Привет, Хабр. Мы платформенная команда в продуктовой компании с восемью продуктовыми командами. У каждой свой микросервис, свой стек, свои нюансы. Есть общие конвенции, общий security baseline, общий подход к observability. В начале прошлого года стало понятно: AI-инструменты разработки уже не эксперимент, а повседневная реальность. Claude Code, Cursor, Copilot, кто во что горазд. И при этом ровно ноль централизованного подхода. У одного разработчика в ~/.claude/ CLAUDE.md свой набор правил, у другого .cursorrules с другими правилами. В одном репо команды лежал 400-строчный CLAUDE.md с дублирующимися общими конвенциями, в другом пустота. AI отвечал по-разному в одном и том же сервисе в зависимости от того, кто его спрашивал. За полгода мы построили то, что внутри называем AI Kit. Это централизованный набор правил, skills, subagents и CI-инструментов для AI-ревью. В этой статье наш путь, грабли, цифры. И чего бы мы не делали, если бы начинали заново. Если у вас несколько продуктовых команд и AI-инструменты уже есть, но дисциплины их использования нет, то статья для вас. Будет полезно тимлидам, CTO, инженерам платформенных команд и AI Champions.
https://habr.com/ru/articles/1031924/
#AI_Kit #Claude_Code #Cursor #CLAUDEmd #AIревью #управление_разработкой #AI_governance #multiagent #AIинструменты_разработки
-
Как у клиента с восемью продуктовыми командами мы построили AI Kit
Привет, Хабр. Мы платформенная команда в продуктовой компании с восемью продуктовыми командами. У каждой свой микросервис, свой стек, свои нюансы. Есть общие конвенции, общий security baseline, общий подход к observability. В начале прошлого года стало понятно: AI-инструменты разработки уже не эксперимент, а повседневная реальность. Claude Code, Cursor, Copilot, кто во что горазд. И при этом ровно ноль централизованного подхода. У одного разработчика в ~/.claude/ CLAUDE.md свой набор правил, у другого .cursorrules с другими правилами. В одном репо команды лежал 400-строчный CLAUDE.md с дублирующимися общими конвенциями, в другом пустота. AI отвечал по-разному в одном и том же сервисе в зависимости от того, кто его спрашивал. За полгода мы построили то, что внутри называем AI Kit. Это централизованный набор правил, skills, subagents и CI-инструментов для AI-ревью. В этой статье наш путь, грабли, цифры. И чего бы мы не делали, если бы начинали заново. Если у вас несколько продуктовых команд и AI-инструменты уже есть, но дисциплины их использования нет, то статья для вас. Будет полезно тимлидам, CTO, инженерам платформенных команд и AI Champions.
https://habr.com/ru/articles/1031924/
#AI_Kit #Claude_Code #Cursor #CLAUDEmd #AIревью #управление_разработкой #AI_governance #multiagent #AIинструменты_разработки
-
Как у клиента с восемью продуктовыми командами мы построили AI Kit
Привет, Хабр. Мы платформенная команда в продуктовой компании с восемью продуктовыми командами. У каждой свой микросервис, свой стек, свои нюансы. Есть общие конвенции, общий security baseline, общий подход к observability. В начале прошлого года стало понятно: AI-инструменты разработки уже не эксперимент, а повседневная реальность. Claude Code, Cursor, Copilot, кто во что горазд. И при этом ровно ноль централизованного подхода. У одного разработчика в ~/.claude/ CLAUDE.md свой набор правил, у другого .cursorrules с другими правилами. В одном репо команды лежал 400-строчный CLAUDE.md с дублирующимися общими конвенциями, в другом пустота. AI отвечал по-разному в одном и том же сервисе в зависимости от того, кто его спрашивал. За полгода мы построили то, что внутри называем AI Kit. Это централизованный набор правил, skills, subagents и CI-инструментов для AI-ревью. В этой статье наш путь, грабли, цифры. И чего бы мы не делали, если бы начинали заново. Если у вас несколько продуктовых команд и AI-инструменты уже есть, но дисциплины их использования нет, то статья для вас. Будет полезно тимлидам, CTO, инженерам платформенных команд и AI Champions.
https://habr.com/ru/articles/1031924/
#AI_Kit #Claude_Code #Cursor #CLAUDEmd #AIревью #управление_разработкой #AI_governance #multiagent #AIинструменты_разработки
-
Два окна в работе с AI-агентами: архитектор и разработчик. Самый недооценённый паттерн
Перестал работать с AI-агентом в одном окне. Сделал два — архитектор и разработчик. Одна модель в обоих или разные — не принципиально. Важно, что у каждого окна свой характер и нет инерции другого. Шесть категорий ошибок, которые этот паттерн закрывает, и одна где он избыточен.
-
Два окна в работе с AI-агентами: архитектор и разработчик. Самый недооценённый паттерн
Перестал работать с AI-агентом в одном окне. Сделал два — архитектор и разработчик. Одна модель в обоих или разные — не принципиально. Важно, что у каждого окна свой характер и нет инерции другого. Шесть категорий ошибок, которые этот паттерн закрывает, и одна где он избыточен.
-
Два окна в работе с AI-агентами: архитектор и разработчик. Самый недооценённый паттерн
Перестал работать с AI-агентом в одном окне. Сделал два — архитектор и разработчик. Одна модель в обоих или разные — не принципиально. Важно, что у каждого окна свой характер и нет инерции другого. Шесть категорий ошибок, которые этот паттерн закрывает, и одна где он избыточен.
-
Два окна в работе с AI-агентами: архитектор и разработчик. Самый недооценённый паттерн
Перестал работать с AI-агентом в одном окне. Сделал два — архитектор и разработчик. Одна модель в обоих или разные — не принципиально. Важно, что у каждого окна свой характер и нет инерции другого. Шесть категорий ошибок, которые этот паттерн закрывает, и одна где он избыточен.
-
From the .NET blog...
In case you missed it earlier...
Microsoft Agent Framework – Building Blocks for AI Part 3
https://devblogs.microsoft.com/dotnet/microsoft-agent-framework-building-blocks-for-ai-part-3/ #dotnet #AI #csharp #AIagents #MicrosoftAgentFramework #multiagent #ToolCalling #workflows -
From the .NET blog...
In case you missed it earlier...
Microsoft Agent Framework – Building Blocks for AI Part 3
https://devblogs.microsoft.com/dotnet/microsoft-agent-framework-building-blocks-for-ai-part-3/ #dotnet #AI #csharp #AIagents #MicrosoftAgentFramework #multiagent #ToolCalling #workflows