home.social

#агент — Public Fediverse posts

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

fetched live
  1. Полигон гипотез: как понять, что я не сделаю бесполезную фичу?

    ИИ научил нас придумывать гипотезы быстрее, чем мы успеваем их проверять. Узкое место сдвинулось с идеи на проверку до запуска — к сожалению, это дорого, как и раньше… Из этого следует вывод: выигрывает тот бизнес, у кого больше гипотез доходит до полезного импакта. Конечно, шарманка за 20 баксов в месяц слепит идеальную с виду гипотезу из любого контекста — настолько красивую и точную, насколько случайную и бесполезную. Да я и сам запускал, пока однажды это не стоило нескольких команд и бюджета на промо. Генерацию гипотез ускорили, а проверка осталась такой же, как в 2020-м. Попробуй скажи вслух «давайте сначала проверим» — станешь тормозом, человеком из прошлого, луддитом. В статье расскажу, как полигон гипотез выглядит в работе: как устроена система, как оркестратор ведёт задачу, откуда берутся данные, почему всё собрано именно так и какие задачи решает полигон.

    habr.com/ru/companies/tochka/a

    #маркетинг #продукт #агент #ai #pm #skill #claude #opencode

  2. Как массово скачать фотографии и документы с Яндекс Диска себе на компьютер

    Всем кому СРОЧНО нужно выкачать все с Яндекс Диска себе на компьютер!!! История о том как за два часа за чашечкой кофе и с ИИ напарником попытаться спасти мир :)

    habr.com/ru/articles/1093024/

    #агент #яндекс_диск

  3. Почему не стоит писать AI-агента с нуля: что скрывается внутри harness

    У вас есть модель, API к ней и идея продукта с агентом. Кажется, осталось написать цикл: отправить запрос, получить tool call, выполнить его и отправить результат обратно. Можно приступать к интерфейсу? Я тоже успел так подумать. Потом написал много кода, который писать не следовало, и познакомился с подводными камнями, о существовании которых по простому демо не догадаешься. В этой статье разберу, из каких частей на самом деле складывается агентная система, почему каждая из них превращается в отдельный проект и где стоит приложить собственные усилия. Привет, Хабр! Меня зовут Игорь Цупко. Этот текст вырос из моего доклада о внутреннем устройстве агентных систем. Я буду сознательно упрощать детали: реализации у Codex, Claude Code, OpenCode и других различаются, но основные инженерные задачи удивительно похожи. Мой главный совет звучит резко: не начинайте с разработки собственного ядра агента . Ближе к концу объясню, что делать вместо этого и когда исключение всё-таки оправдано. Погружаемся в harness

    habr.com/ru/articles/1091582/

    #llmагент #агент #агенты_ии #разработка_приложений

  4. ssh‑commander: SSH‑панель с AI‑агентом для своих VPS

    Сделал для себя ssh-commander: терминал, файловый менеджер, управление Docker и AI-агент в одном окне. Можно работать с сервером руками, а когда нужна помощь, передать вывод агенту или поставить ему задачу. Он сам смотрит файлы и логи, предлагает команды, а изменения выполняет после подтверждения. Приложение запускается локально через Docker, интерфейс открывается в браузере. К серверам подключается по SSH. Код открыт под MIT , подписки нет. Для агента нужен свой API-ключ; без него ручные инструменты тоже работают.

    habr.com/ru/articles/1089196/

    #devops #ssh #vps #агент

  5. Как мы 3+ года пытались подружить AI с разработкой: от провалов к Spec-Driven

    При вайб-кодинге без инженерного контура отладка съедает у разработчика больше времени, чем экономит генерация. От подхода «а давайте добавим немного ML» в 2023-м мы дошли до процесса, где работает не столько модель, сколько контур вокруг нее. В этой статье делюсь нашим практическим опытом (набитыми шишками) и эволюцией подходов применения LLM (не только в разработке).

    habr.com/ru/companies/cinimex/

    #llm #искусственный_интеллект #ai #разработка #specdriven #вайбкодинг #агент #промптинжиниринг #rag #будущее_здесь

  6. CoreInfra. История основания

    Что значит основать свою компанию в 2024 году и развивать бизнес в 2026 году? На какие технологии делает ставки команда? Детали технологий и бизнеса в блоге CEO компании CoreInfra. Вы могли слышать о некоторых из нас как об авторах проекта StatsHouse [4] , быть на наших выступлениях на HighLoad++ или работать вместе с нами в компаниях ВКонтакте, Яндекс или Транзас. Мы — инженерная команда, имеющая опыт создания технологических продуктов и запуска ML-сервисов, которыми пользуются миллионы людей. В этом посте расскажу о главном нашем активе – команде и главных идеях компании.

    habr.com/ru/articles/1088048/

    #о_компании #агент #верификация #команда

  7. Вам не нужен ещё один Claude Code: зачем Pi оставляет сборку агента пользователю

    Когда мы обсуждаем агентов для программирования, разговор быстро сводится к моделям. Какая модель Claude лучше пишет код, а какая версия GPT увереннее чинит ошибки, как Gemini работает с большим репозиторием. Но между моделью и рабочим деревом Git находится ещё один слой, от которого зависит, что агент вообще сможет сделать. Этот слой — программная обвязка вокруг модели, которую принято называть harness . Он организует цикл работы агента: передаёт запрос модели, выполняет вызванные ею инструменты и возвращает результаты для следующего шага. Здесь же собирается контекст, применяются правки и сохраняются сессии. Модель может предложить правильное изменение, но не суметь применить его через неудобный инструмент редактирования. Может найти проблему, но потерять нужную информацию после сжатия контекста. Или потратить несколько ходов на задачу, которую подходящий инструмент выполнил бы за один вызов. Интересный проект, который изменил традиционное устройство моделей — Pi . Это терминальный агент, который строит свой harness с нуля, а не надстраивается над готовым. Его автор, Mario Zechner, сознательно ограничил набор встроенных механизмов работы. Вместо попытки заранее предусмотреть все сценарии Pi предлагает основной инструментарий, который можно приспособить под себя. Oh My Pi вырос из этой основы, но выбрал другое направление: собрать больше решений в одном готовом агенте. На примере этой пары удобно разобрать вопрос, который возникает почти у любого разработчика инструментария: сколько решений оставить пользователю, а сколько должен принять автор продукта?

    habr.com/ru/companies/first/ar

    #codex #claudecode #llm #agent #agents #агент #кодекс #харнес #harness #harness_engineering

  8. Слабости роя. Почему агенты инструмент, а не решение всех проблем

    Всё увереннее звучит мнение, что чат-боты в приложениях LLM своё отжили, будущее за агентами, особенно за многоагентной схемой — роем. Мнение вполне обоснованное, агенты демонстрируют отличные измеримые результаты в математике, коде, исследованиях. Но так ли всё хорошо? В этой статье я рассмотрю, насколько стоит доверять рою.

    habr.com/ru/articles/1086960/

    #llm #агент #рой

  9. Вайбкодинг всерьёз: деньги на токены и очень неоднозначные ощущения

    Мой код работает. Он собирается, проходит тесты и делает ровно то, что задумывалось. Проблема в другом: я не могу с уверенностью сказать, что именно внутри него происходит, и это напрямую угрожало добавлением новых фишек. Первую версию проекта мы с другом писали почти руками, зато каждый коммит был понятен до последней строки. Потом я остался один, подключил AI‑агентов, и темп вырос настолько, что моё понимание перестало успевать за строчками. Итог четырёх месяцев такой гонки: деньги на токены, сожжённые все бесплатные лимиты, какие вообще можно было найти, и ядро проекта, переписанное несколько раз. О том, как я докатился до такой жизни и почему больше не хочу так работать.

    habr.com/ru/articles/1086596/

    #вайбкодинг #агентное_программирование
    LLM #контекстинжиниринг #vibecoding #агент #опыт_использования #Claude_Code #Codex #DeepSeek

  10. Как мы создаём ИИ-агента для технических писателей (и почему это непросто)

    Привет, на связи команда документирования СберТеха и авторы этой статьи — Маша Бурханова, Лида Ковач и Саша Яковлев. Мы уже рассказывали , как создали глоссарий ИТ-терминов в удобном для разработки документации формате и с какими трудностями при этом столкнулись. Мы поняли: главная проблема технического писателя — это даже не отсутствие правил, а их соблюдение. Представьте, что у вас есть больше 700+ терминов, а в коде на каждую десятую строчку приходится ошибка. Исправлять вручную — всё равно что пешком подниматься на 150-этажный небоскреб. У нас родилась идея: проверять текст прямо во время написания, в редакторе. Расскажем, как за несколько часов собрали прототип ИИ-агента технического писателя, с какими «подводными камнями» столкнулись при переходе к промышленной эксплуатации и почему в итоге написали собственное решение на Python.

    habr.com/ru/companies/sberbank

    #сбертех #документация #документирование #ии #ииагенты #искусственный_интеллект #агент #глоссарий #терминология

  11. Кодирование ускорилось в разы, а проекты – нет. Куда пропал выигрыш?

    Привет, Хабр! Меня зовут Александр Сахаров, я директор по работе с партнерами компании «Диасофт». Помимо очевидных обязанностей по работе с заказчиками, я отвечаю за то, чтобы мы выпускали решения, готовые к реальной работе у клиентов. Примерно с марта 2026 года мы перестраиваем разработку вокруг ИИ-агентов. Мы решили выйти за рамки помощи программисту в IDE и пересобрать весь процесс: от первого запроса клиента до запуска готовой системы. Для этого мы разобрали привычный порядок работы на отдельные шаги и передали большую часть из них агентам. Получившуюся цепочку мы называем «конвейером». Про него я уже рассказывал во время дискуссии на тг-канале «Департамент разработки» , но здесь разберемся детальнее.

    habr.com/ru/companies/diasoft_

    #диасофт #digital_q #ide #агент #harness_engineering #harness #конвейер #вайбкодинг #качество_кода #ускорение_разработки

  12. Почему AI упрощает обучение программированию и поднимает порог первой работы

    Я помогаю жене войти в backend-разработку. На её примере хорошо видно противоречие, которое появилось у начинающих программистов: AI позволяет учиться быстрее, но одного работающего кода теперь недостаточно, чтобы доказать свою квалификацию. До backend она пробовала войти в профессию через дизайн, затем изучала frontend. Первую работу во frontend получить удалось, но закрепиться в компании не получилось. Процессы были плохо выстроены, а общение с частью коллег оказалось токсичным. Позже я предложил попробовать C# и backend. Это мой основной стек, поэтому здесь я могу не только посоветовать материал, но и проверить решение, объяснить контекст из реальной разработки или заметить, когда нейронка ведёт не туда. Мы поправили резюме, подготовили рассказ об опыте и сделали тестовый task tracker. В нём есть задачи и подзадачи, которые можно завершать. Проект разворачивали в Azure примерно на месяц, чтобы пройти весь путь до работающего сервиса, а затем выключили. Я помогал с частью реализации и деплоем. С метриками жена разбиралась в основном сама. Сейчас её приглашают на интервью. Основное препятствие переместилось в техническую часть: алгоритмическая практика, структуры данных, проектирование и способность объяснить написанный код. Что именно AI упрощает в обучении Когда я учился программированию в университете, между вопросом и нормальным ответом могло пройти много времени. Нужно было найти подходящую книгу, сформулировать запрос для поисковика, прочитать несколько обсуждений или дождаться человека, который разберётся в теме.

    habr.com/ru/articles/1083658/

    #обучение_программированию #интервью #ai #агент #петпроект #backend

  13. Я дал LLM память, root-доступ и деньги. Получился ли «свободный ИИ»?

    В общем, делать в отпуске нечего. От задач на основной работе и программирования собственного стартапа по вечерам я тоже устал. На работе есть проект, связанный с ИИ, но это нейросеть, которая обучается классифицировать документы, а затем работает как поисковик важных и критичных документов. А стартап - это ИИ-помощник, который работает на смартфоне и помогает решать бытовые проблемы. В общем, мне надоело решать утилитарные задачи вроде создания умной отвёртки. Захотелось создать что-то высокое и глобальное - примерно такое, о каком читаешь в статьях о лабораториях, сталкивающихся с тем, что ИИ пытается сбежать и чуть ли не захватить мир.

    habr.com/ru/articles/1081714/

    #llm #агент #docker

  14. Как подключить Google Calendar и Google Drive к агенту или Почему все так сложно

    Я пишу эту статью, потому что потратил довольно много времени разбираясь с подключением сервисов Google Workspace к Claude Code CLI и OpenClaw. И хочу чтобы другим было проще. Я постарался объяснить что происходит, чтобы когда вы читали инструкции вашего агента или документацию, понимали что от вас хотят. В статье нет пошагового гайда по настройке какого-то конкретного клиента. Это набор знаний, как настроить любой клиент (например, написанный вашим агентом) А подключение агента к календарю и почте - тема полезная. Я уже не представляю как ставить встречи на много человек вручную (хотя вьетнамские флешбеки имеются =))

    habr.com/ru/articles/1078890/

    #mcp #google_calendar #google_drive #hermes #openclaw #агент

  15. Будущее приложений — без приложений

    Всем привет. Я Михаил Харитончик, лидер продукта GenUI в Цифровом Ассистенте ГигаЧат B2C. Моя команда занимается генеративными интерфейсами: тем, как превращать ответ модели в понятную визуализацию, интерактивные элементы и полноценный пользовательский сценарий. И сегодня я хочу поговорить о будущем приложений. Точнее, о будущем, в котором приложений в привычном виде может вообще не остаться. Этот текст про горизонт от нескольких месяцев до пары лет. В ИИ-индустрии даже полгода — практически геологическая эпоха: изменения происходят не кварталами, а итерациями длиной в несколько часов. Недавно я увидел, как Сэм Альтман репостит сообщение: кто-то обнаружил, что Grok при работе с агентом отдаёт исходный код . Прошло менее суток — и Grok CLI уже ушёл в open source . За происходящим в индустрии физически сложно успевать. Визионерствовать на долгий срок в таких условиях сложно, поэтому поговорим о ближайшем будущем. Не абстрактном, а о том, которое начинается с обычного вечера после работы.

    habr.com/ru/companies/sberbank

    #интерфейс #агент #приложение #api #apiшлюз

  16. Age of Autoresearch: я лёг спать, а за ночь проверилось 40 гипотез — а что мне делать и как дальше работать?

    Мне было лень тестировать гипотезы руками. Я описал pipeline генерации гипотез текстом, попросил Gemini судить результат каждой попытки, отдал всё это агенту и лёг спать. Утром в логе было 40 проверенных гипотез — и стало ясно, что дело не в том, как рулить агентом, а в том, кто оценивает результат. Три моих кейса, подводные камни oracle и неудобный вопрос о том, что остаётся человеку.

    habr.com/ru/articles/1066706/

    #автоматизация #агент #autoresearch

  17. Почему агентный SDD ломается между микросервисами?

    Каждая команда описала свой сервис, каждый агент точно выполнил локальную спецификацию, все контракты прошли проверку — а сквозной процесс всё равно развалился. Проблема не обязательно в коде: часто у системы нет общего контекста, владельца инвариантов и правил частичного отказа.

    habr.com/ru/articles/1066242/

    #SDD #микросервис #агент #AI #AIагент #API #Документация #Требования #ТЗ

  18. Vera возвращается: как голосовой ассистент превратился в локального AI-агента для Windows

    Я собирался просто добавить Vera графический интерфейс, а в итоге переписал почти весь проект. Теперь она умеет работать с файлами и изображениями, запоминать пользователя, выполнять фоновые задачи, создавать презентации и все это с одной небольшой локальной моделью.

    habr.com/ru/articles/1058810/

    #агент #qwen35 #искусственный_интеллект #пк #python #vera

  19. Создаем собственные окружения в Reinforcement Learning

    Готовые RL‑окружения удобны для старта, но в реальных задачах редко хватает чужих правил и бенчмарков. В статье разбираем, как создать собственную среду для обучения с подкреплением: задать действия и наблюдения, продумать функцию награды и не сломать обучение на базовых ошибках.

    habr.com/ru/companies/otus/art

    #обучение_с_подкреплением #Reinforcement_Learning #RL #кастомные_окружения #Gymnasium #OpenAI_Gym #StableBaselines3 #агент #функция_награды #пространство_действий

  20. AI как новая поверхность атаки: реальные инциденты, мошенничество и уязвимости агентной эпохи

    AI-агенты становятся полезными ровно в тот момент, когда получают доступ к данным, инструментам, браузеру, репозиториям, почте и рабочему контексту. Но именно там AI превращается в новую поверхность атаки. В этой статье я разбираю не абстрактный “AI-хайп”, а реальные кейсы: дипфейк-кражу $25 млн у Arup, открытую ClickHouse-базу DeepSeek, отзыв токенов Hugging Face Spaces, фишинг через легитимные AI-workspace invites, сбой Replit-агента и исследования вроде EchoLeak и BioShocking. Главный вопрос не в том, “может ли модель взломать компанию”, а в том, какие права мы уже выдали AI-инструментам и что произойдёт, если недоверенный контент станет инструкцией для агента.

    habr.com/ru/articles/1054618/

    #ai #ai_agent #кибербезопасность #агент #llm #gpt #claude #lovable

  21. AI как новая поверхность атаки: реальные инциденты, мошенничество и уязвимости агентной эпохи AI-агенты стан...

    #ai #ai #agent #кибербезопасность #агент #llm #gpt #claude #lovable

    Origin | Interest | Match
  22. Как установить Hermes на VPS. Один из лучших агентов в 2026 году

    В прошлой статье мы устанавливали OpenClaw на VPS, но есть ещё один интересный агент. Это Hermes от компании Nous Research. Главный недостаток OpenClaw по сравнению с Hermes — он по сути статичный: вы даёте команду, он выполняет — и всё. Каждый навык нужно устанавливать вручную, каждый сценарий прописывать заново. Hermes подходит иначе. Он не просто следует инструкциям, а запоминает удачные решения, автоматически превращает их в новые навыки и становится умнее с каждым днём, то есть как бы автоматически самообучается.

    habr.com/ru/companies/ruvds/ar

    #искусственный_интеллект #агент #hermes #linux #telegram #vps #ruvds_статьи

  23. Агентность — что отличает агента от просто программы

    Детерминированный алгоритм: Программист пишет скрипт. Тот заходит на три конкретных сайта, берёт заголовки из определённых HTML-блоков, склеивает и отправляет. Если сайт поменял вёрстку — скрипт ломается. Если тема сместилась — скрипт этого не заметит. Он делает ровно то, что сказано, и ни шагу в сторону. ИИ-агент: Вы говорите агенту: «следи за темой X, отбирай самое важное, присылай вечером». Агент сам решает, где искать, как фильтровать, что считать важным сегодня . Если сайт изменился — адаптируется. Если новостей нет — так и скажет, а не пришлёт пустой шаблон. Первый вариант — инструмент. Второй — исполнитель.

    habr.com/ru/articles/1054190/

    #агент #ииагент

  24. Архитектура ИИ-агента с желаниями или цифровой человек У меня обычно так: я довожу проект до прототипа, дока...

    #ИИ-агент #проактивный #агент #LLM #архитектура #ПО #автономный #агент #heartbeat #цифровой #компаньон

    Origin | Interest | Match
  25. LLM Sandbox: пример реализации агента с песочницей [часть 2, практика]

    Статья посвящена практической реализации агента с изолированной средой исполнения кода. Рассказываю как устроен агент, который пишет и исполняет код в Docker песочнице. Это вторая часть серии про LLM Sandbox. В первой части мы разобрали риски исполнения кода от LLM, ограничения песочницы, способы изоляции (Docker, Wasm, gVisor, microVM) и минимальную архитектуру агент+песочница. Код реализации агента, skills, полные логи и артефакты примера — в открытом GitHub-репозитории .

    habr.com/ru/articles/1051892/

    #агент #llm #sandbox #docker #ai #agents #mlops #devops

  26. Та самая Оркестрация

    Итак, у вашего агента имеется набор инструментов, которыми он может пользоваться. Теперь нужно заняться их оркестрацией для решения реальных задач. Оркестрация не сводится к простому выбору того, когда и какие инструменты следует вызывать. Необходимо также создать правильный контекст для каждого вызова модели, чтобы действия были эффективными и обоснованными. Хотя простым задачам бывает достаточно одного инструмента с минимальным контекстом, более сложные рабочие процессы требуют тщательного планирования, чтения памяти и сборки динамического контекста для точного выполнения каждого шага. В этой главе мы рассмотрим стратегии оркестрации, создание контекста, выбор инструментов, исполнение, а также планирование топологий для построения агентов, способных эффективно и надежно решать многошаговые задачи из реальной практики. Как показано на рис. 5.1, суть оркестрации заключается в том, как система использует имеющиеся в ее распоряжении ресурсы для эффективной обработки пользовательских запросов.

    habr.com/ru/companies/piter/ar

    #книги_по_программированию #книга #предзаказ #агент #ии #ai #ииагент

  27. LLM Sandbox: изолированная среда для исполнения кода от LLM [часть 1, теория]

    В большинстве бизнес-сценариев LLM перестала быть просто чат-ботом. Современные модели становятся частью агентских систем: у них есть инструменты, доступ к файлам, терминалу, браузеру, базам данных. Они не только отвечают на вопросы, но и выполняют действия. В этой статье (ее первой части) разберём среду изолированного исполнения кода: песочницу (sandbox). Представим ситуацию: пользователь загружает Excel-файл, просит проанализировать таблицу, найти аномалии и на основе анализа создать PowerPoint-презентацию. В чистом виде LLM не умеет читать файлы, строить графики и создавать презентации. Однако может написать код, который всё это сделает. И тут появляется вопрос: где этот код запускать? Генерируемый агентом код может быть ошибочным или, в случае с промпт инъекцией, намеренно опасным. Поэтому для безопасного исполнения кода агенту нужна песочница или изолированная среда . В этой статье разберём: - основные риски исполнения кода в неизолированной среде; - что такое песочница и её ограничения; - какие бывают подходы к реализации песочницы; - вариант логики работы агента с песочницей.

    habr.com/ru/articles/1046275/

    #агент #llm #sandbox #docker #security #agents #ai #devops #mlops

  28. Развиваем ИИ-платформу в 1С

    Статья о том, как мы пришли к ИИ для 1С и что из этого вышло. Материал получился про попытку собрать полноценную ИИ-платформу для работы с учетными данными. Расскажу, зачем нам понадобился MCP, как мы связали его с 1С:Шина, почему отдельно уперлись в права доступа и как в итоге устроили агента внутри 1С. Также покажу, где видим место для skills, RAG и OCR, и что пока не стали отдавать модели на самостоятельное выполнение.

    habr.com/ru/companies/cinimex/

    #1с #иипомощник #mcpserver #function_calling #агент #rag #ocr #права_доступа #локальные_модели #gptoss

  29. jumie — локальный ИИ ассистент в терминале Все мы любим терминал. Но мало кто помнит наизусть все флаги команд...

    #go #golang #linux #macos #ai #assistant #ии #ассистент #ai #агент

    Origin | Interest | Match
  30. Агентная экономика

    Ежедневная деятельность любого бизнеса сопровождается постоянным заключением договоров. Значительную часть этого потока составляют закупки и поставки. Поскольку закупки занимают существенную долю расходов компании, прозрачность и управляемость этого процесса всегда находятся в фокусе внимания руководства. Значительная часть закупочной работы — это рутина: найти релевантных поставщиков, разослать однотипные запросы, собрать и сравнить предложения, оформить заказ, проконтролировать оплату и поставку. Масштаб рутины (то есть задач, которые, используя современные технологии, можно было бы автоматизировать) подтверждают опросы. По данным совместного исследования ITFB Group и hh.ru (более 2 тыс. респондентов), 39% сотрудников считают, что рутина отнимает два рабочих часа из восьми, ещё 37% — до четырёх часов, а 14% — до шести. Самыми рутинными называют задачи, связанные с бюрократией (55%) и отчётностью (36%). Логичное желание сотрудников — передать эту часть работы машине ( Коммерсантъ ). Рутина и недостаток автоматизации неизбежно влекут ошибки. Опрос ( Gartner ) показывает, что треть финансовых специалистов еженедельно несколько раз ошибаются в ходе выполнения рутинных операций. Это удлиняет закупочный цикл и приводит к финансовым потерям для компании. В связи с этим бизнес возлагает большие надежды на внедрение ИИ‑решений в этой сфере. В докладе «Поставки и закупки» Gartner приводит результаты опроса, согласно которому компании ожидают, что внедрение GenAI в закупочную деятельность увеличит производительность на 21%, рост экономии затрат на 12% и увеличение выручки на 11%.

    habr.com/ru/companies/sberbank

    #агент #агентная_экономика #блокчейн #контракты #агентная_платформа

  31. Агент против агента: опыт участия в агентских соревнованиях BitGN PAC1 и AgentBeats

    Меня зовут Егор Спирин , я руковожу лабораторией прикладных агентов (ЛаПА) в магистратуре AI Talent Hub при ИТМО. Мне всегда были интересны соревнования в IT — сначала ICPC, где важны алгоритмы и скорость, потом Kaggle, где всё сводится к одной метрике на фиксированном датасете. В обоих случаях понятно, что именно оценивается и как улучшить результат. Агентные соревнования устроены иначе: здесь оценивается не ответ, а поведение системы в процессе. Это ставит новый вопрос — как вообще провести такое соревнование? В этой статье расскажу о сути агентских соревнований, чем они отличаются от классических, и об опыте участия в BitGN PAC1 и AgentBeats.

    habr.com/ru/articles/1043574/

    #агент #агенты_ии #соревнование #соревнования_по_машинному_обучению #ml #ai #aiагенты #карьера

  32. Как я собрал LLM-печку на 4 GPU, и на что она способна

    Всем привет, недавно я собрал и сейчас активно использую ПК для локального запуска хоть сколько-то серьезных LLM, и захотелось поделиться этим опытом с сообществом. На статью меня сподвигло то, что в рунете до обидного мало информации на тему, как собрать ПК на несколько GPU не на майнерском, не на серверном или не на HEDT, а именно на пользовательском железе. Поговорим, про сложности, про возможности домашнего инференса и про опыт использования локальной LLM

    habr.com/ru/articles/1041422/

    #железо #llm #opencode #агент #сборка #nvidia #multigpu_workstation #homelab #homeserver #ai

  33. Правильная агентская архитектура в 2026 г. Часть 2. Durable state: approvals, session context и background jobs

    Продолжаем строить durable ии-агента. Вторая часть пособия по созданию правильной агентской архитектуры в 2026 г.

    habr.com/ru/articles/1031440/

    #агент #агенты #ииагенты #ии #ии_чатбот #ииассистент #иимодель #ии_помощник #ии_агенты #ииагент

  34. СБУ затримала «крота» фсб у військовій частині на Кіровоградщині. ФОТО

    Військова контррозвідка Служби безпеки за сприяння Головнокомандувача Збройних Сил України затримала ще одного агента фсб серед військових.

    Детальніше:
    kypur.net/sbu-zatrymala-krota-

    #Кіровоградщина #СБУ #ФСБ #Агент #Військові #Шпигунство

  35. Отчет по ИИ-агенту Manus
    1. Введение
    Недавние заявления о китайском ИИ-агенте Manus вызвали широкий резонанс. В частности, утверждается, что Manus способен одновременно управлять 50 аккаунтами в социальных сетях, проводить финансовые операции, анализировать информацию и выполнять другие задачи. Если эти возможности соответствуют действительности, это может существенно повлиять на рынок информационного влияния, автоматизированного управления данными и киберопераций.
    Данный отчет анализирует текущую информацию о Manus, включая официальные заявления, доступные технические детали и фактчекинг видеоматериалов.
    2. Технический анализ заявления
    2.1. Что такое Manus?
    Manus был представлен как ИИ-агент нового поколения, разработанный в Китае. Предполагается, что он:
    Может вести 50 аккаунтов в соцсетях одновременно;
    Обладает способностью к финансовым операциям и аналитике данных;
    Работает на платформе, отличной от западных аналогов (ChatGPT, Gemini и т. д.);
    Потенциально может заменить человеческих блогеров и влиятельных лиц.
    2.2. Реалистичность заявленных характеристик
    Современные технологии позволяют реализовывать многозадачные ИИ-агенты, но ключевые моменты требуют проверки:
    Управление 50 аккаунтами в социальных сетях технически несложно и реализуется даже на уровне простых ботов, но качество имитации человека остается под вопросом.
    Финансовые операции требуют интеграции с системами банков и криптовалютных платформ, что ограничено законодательством.
    Поддержка анализа данных возможна, но требует значительных вычислительных мощностей.
    Если бы Manus действительно обладал всеми заявленными функциями, это означало бы значительный технологический прорыв в области автоматизированного контента и влияния.
    3. Фактчекинг видеоматериалов
    3.1. Видео-презентация Manus
    Согласно первоисточникам, было опубликовано видео, в котором демонстрируются возможности ИИ. Однако вскоре появились заявления о том, что оно было сфальсифицировано.
    Проверенные факты:
    Видеоматериалы были опубликованы в ряде Telegram-каналов и на YouTube.
    Разработчики не подтвердили заявленную функциональность.
    В видео использовались анимации, не демонстрирующие реальных возможностей системы.
    3.2. Разоблачение фейка
    Некоторые аналитики утверждают, что Manus был разрекламирован для привлечения внимания, но фактические доказательства его работы отсутствуют.
    4. Возможные сценарии
    Если Manus действительно существует:
    Это может означать создание продвинутой системы цифрового влияния.
    Возможное применение: пропаганда, киберразведка, автоматизированное управление сообществами.
    Если Manus — фейк или преувеличение:
    Это может быть маркетинговый ход или попытка информационного вброса.
    Реальные разработки в этом направлении могут появиться в ближайшие годы.
    5. Выводы
    Пока нет доказательств того, что Manus действительно способен управлять 50 аккаунтами в соцсетях и выполнять другие заявленные функции.
    Видео-презентация, вероятно, является постановочной или преувеличенной.
    Вопрос требует дальнейшего изучения, поскольку даже частичное подтверждение возможностей Manus может означать значительный технологический прорыв.
    6. Источники
    Telegram-канал Black Triangle
    Видео-презентация на YouTube
    Дискуссия на Hacker News
    Обзор на Weibo (китайский источник)
    Если у вас есть дополнительные данные, можно их интегрировать в последующие версии отчета.
    Вот 23 хэштега по теме:
    #AI #ИИ #Manus #Китай #Нейросети #DeepLearning #MachineLearning #Агент #Соцсети #Боты #Тролли #Автоматизация #Кибербезопасность #BigData #Технологии #Будущее #Цифровизация #Deepfake #Chatbot #ИскусственныйИнтеллект #Дезинформация #Роботизация #ГенеративныйИИ
    Анализ скоро подготовлю.
    t.me/Decloaking/6313

  36. Гештеги: #новини #Москва #дрон #ПВО #обстріл #Лукашенко #агент #Вагнер #мобілізація #Русич #пожежа #новості #Росія #Україна #мир

    Заключення: Стаття надає огляд різноманітних подій, що відбулися в різних регіонах, включаючи інцидент із збитим дроном, обстрілом поселка, заяву Лукашенка, події з агентами "Вагнер" та інші. Ці події свідчать про активність в різних сферах і можливий вплив на політичну та соціальну обстановку.

Share on Mastodon

Enter the server where you have an account.