home.social

#semantic_layer — Public Fediverse posts

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

  1. Как и зачем мы писали семантический слой для ИИ аналитики – SLayer

    Казалось бы, что может быть проще: даёшь LLM доступ к БД и просишь написать тебе нужный SQL! Но на практике и ИИ, и человек быстро сталкиваются с одинаковыми проблемами – взрывом кардинальности при JOIN’ах, ошибками в гранулярности, сложными подзапросами и отсутствием понятного бизнес-контекста. Рассказываем, зачем и как мы проектировали семантический слой для детерминированной аналитики и адекватной работы ИИ-агентов с данными. Давайте разбираться!

    habr.com/ru/articles/1033144/

    #semantic_layer #python #analytics #data_analysis #mcp #claudecode #gpt #ai #ииагенты #базы_данных

  2. Как и зачем мы писали семантический слой для ИИ аналитики – SLayer

    Казалось бы, что может быть проще: даёшь LLM доступ к БД и просишь написать тебе нужный SQL! Но на практике и ИИ, и человек быстро сталкиваются с одинаковыми проблемами – взрывом кардинальности при JOIN’ах, ошибками в гранулярности, сложными подзапросами и отсутствием понятного бизнес-контекста. Рассказываем, зачем и как мы проектировали семантический слой для детерминированной аналитики и адекватной работы ИИ-агентов с данными. Давайте разбираться!

    habr.com/ru/articles/1033144/

    #semantic_layer #python #analytics #data_analysis #mcp #claudecode #gpt #ai #ииагенты #базы_данных

  3. Как и зачем мы писали семантический слой для ИИ аналитики – SLayer

    Казалось бы, что может быть проще: даёшь LLM доступ к БД и просишь написать тебе нужный SQL! Но на практике и ИИ, и человек быстро сталкиваются с одинаковыми проблемами – взрывом кардинальности при JOIN’ах, ошибками в гранулярности, сложными подзапросами и отсутствием понятного бизнес-контекста. Рассказываем, зачем и как мы проектировали семантический слой для детерминированной аналитики и адекватной работы ИИ-агентов с данными. Давайте разбираться!

    habr.com/ru/articles/1033144/

    #semantic_layer #python #analytics #data_analysis #mcp #claudecode #gpt #ai #ииагенты #базы_данных

  4. Как и зачем мы писали семантический слой для ИИ аналитики – SLayer

    Казалось бы, что может быть проще: даёшь LLM доступ к БД и просишь написать тебе нужный SQL! Но на практике и ИИ, и человек быстро сталкиваются с одинаковыми проблемами – взрывом кардинальности при JOIN’ах, ошибками в гранулярности, сложными подзапросами и отсутствием понятного бизнес-контекста. Рассказываем, зачем и как мы проектировали семантический слой для детерминированной аналитики и адекватной работы ИИ-агентов с данными. Давайте разбираться!

    habr.com/ru/articles/1033144/

    #semantic_layer #python #analytics #data_analysis #mcp #claudecode #gpt #ai #ииагенты #базы_данных

  5. 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.

    habr.com/ru/articles/1032582/

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

  6. 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.

    habr.com/ru/articles/1032582/

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

  7. 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.

    habr.com/ru/articles/1032582/

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

  8. 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.

    habr.com/ru/articles/1032582/

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