Библиотека ИИ для айтишников
رفتن به کانال در Telegram
Все самое полезное про ИИ: работающие промты, баттлы нейронок и свежие новости. Наши курсы: https://clc.to/pe9QmA По рекламе: @tproger_sales_bot Учиться у нас: https://proglib.io/w/5b542799 Для обратной связи: @proglibrary_feeedback_bot
نمایش بیشتر
شبکه:6 465
مشترکین
-324 ساعت
-157 روز
-2730 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+91
در 10 کانال‌ها
سپتامبر '26
+33
در 0 کانال‌ها
Get PRO
اوت '26
+31
در 0 کانال‌ها
Get PRO
ژوئیه '26
+55
در 1 کانال‌ها
Get PRO
ژوئن '26
+76
در 1 کانال‌ها
Get PRO
مه '26
+87
در 1 کانال‌ها
Get PRO
آوریل '26
+295
در 3 کانال‌ها
Get PRO
مارس '26
+213
در 3 کانال‌ها
Get PRO
فوریه '26
+398
در 3 کانال‌ها
Get PRO
ژانویه '26
+609
در 6 کانال‌ها
Get PRO
دسامبر '25
+509
در 6 کانال‌ها
Get PRO
نوامبر '25
+353
در 2 کانال‌ها
Get PRO
اکتبر '25
+206
در 3 کانال‌ها
Get PRO
سپتامبر '25
+86
در 1 کانال‌ها
Get PRO
اوت '25
+117
در 3 کانال‌ها
Get PRO
ژوئیه '25
+103
در 1 کانال‌ها
Get PRO
ژوئن '25
+137
در 1 کانال‌ها
Get PRO
مه '25
+109
در 1 کانال‌ها
Get PRO
آوریل '25
+136
در 9 کانال‌ها
Get PRO
مارس '25
+483
در 54 کانال‌ها
Get PRO
فوریه '25
+205
در 35 کانال‌ها
Get PRO
ژانویه '25
+146
در 36 کانال‌ها
Get PRO
دسامبر '24
+124
در 41 کانال‌ها
Get PRO
نوامبر '24
+112
در 38 کانال‌ها
Get PRO
اکتبر '24
+3 040
در 63 کانال‌ها
Get PRO
سپتامبر '24
+159
در 36 کانال‌ها
Get PRO
اوت '24
+186
در 37 کانال‌ها
Get PRO
ژوئیه '24
+204
در 39 کانال‌ها
Get PRO
ژوئن '24
+2 465
در 30 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 28 اکتبر | +3 | |||
| 27 اکتبر | +2 | |||
| 26 اکتبر | +4 | |||
| 25 اکتبر | 0 | |||
| 24 اکتبر | +2 | |||
| 23 اکتبر | +1 | |||
| 22 اکتبر | +2 | |||
| 21 اکتبر | +4 | |||
| 20 اکتبر | +2 | |||
| 19 اکتبر | +3 | |||
| 18 اکتبر | +2 | |||
| 17 اکتبر | +4 | |||
| 16 اکتبر | +4 | |||
| 15 اکتبر | +3 | |||
| 14 اکتبر | +10 | |||
| 13 اکتبر | +3 | |||
| 12 اکتبر | +14 | |||
| 11 اکتبر | +10 | |||
| 10 اکتبر | +4 | |||
| 09 اکتبر | +2 | |||
| 08 اکتبر | +3 | |||
| 07 اکتبر | 0 | |||
| 06 اکتبر | +2 | |||
| 05 اکتبر | +2 | |||
| 04 اکتبر | +3 | |||
| 03 اکتبر | 0 | |||
| 02 اکتبر | +2 | |||
| 01 اکتبر | 0 |
پست‌های کانال
Промпт изменился. А прежние ответы?
После правки инструкции полезно проверить ответы на те же обращения: обычный вопрос, неоднозначный запрос, случай, на котором бот уже ошибался.
Promptfoo сравнивает промпты и модели на одном наборе тестов.
promptfoo eval запускает проверку, promptfoo view открывает результаты в веб-таблице. Такой прогон можно включить в CI.
В ролике авторы показывают четыре тестовых кейса. Их PASS не дают оснований для рейтинга моделей. Прогон проверяет только заданные кейсы и критерии, всех ошибок в проде он не исключает. Если выбран облачный провайдер, данные уходят в его API, запросы могут стоить денег. Большинство провайдеров требует API-ключ.
Источник
🐸 Библиотека ИИ для айтишников
#ai_workflow| 2 |  🎙 Английская озвучка моделью на 82 млн параметров
Kokoro превращает текст в речь с готовым голосом. В примере авторов lang_code='a' задаёт американский английский, af_heart выбирает голос, а звук сохраняется в WAV с частотой 24 кГц.
Kokoro можно попробовать для черновой озвучки английского ролика. Язык pipeline должен соответствовать голосу. Веса модели доступны под Apache-2.0.
Русского в прочитанном списке языков нет. Готовый голос не означает клонирование вашего. Скорость зависит от оборудования и настройки зависимостей.
Источник
🐸 Библиотека ИИ для айтишников
#ai_stack | 291 |
| 3 |  🛠 Проверьте MCP-сервер напрямую
В MCP Inspector можно вызвать инструмент напрямую и проверить сервер без участия модели. Подключитесь, получите список через tools/list, затем вызовите безопасный инструмент чтения с нужными аргументами.
В Web-интерфейсе можно посмотреть статус вызова и структурированный ответ, если сервер его вернул. Так проще отделить неверные аргументы и ошибку сервера от поведения агента.
Схема основана на README v2. Inspector действует с реальными правами сервера: write-инструмент может изменить данные. На системах без keychain секреты могут храниться без шифрования.
Источник
🐸 Библиотека ИИ для айтишников
#ai_workflow | 372 |
| 4 |  Репозиторий в одном текстовом файле
Нужно обсудить с моделью один модуль чужого проекта? Gitingest соберёт структуру папок и содержимое файлов в текстовый digest. Можно передать URL подкаталога или локальную директорию.
В CLI результат по умолчанию сохраняется в digest.txt. Файлы из .gitignore по умолчанию исключаются, но перед передачей модели всё равно проверьте состав и объём: упаковка не гарантирует, что проект поместится в контекст.
На картинке интерфейс авторов. Для закрытого кода учитывайте, где работает Gitingest и куда вы затем отправите digest.
Источник
🐸 Библиотека ИИ для айтишников
#quick_win | 397 |
| 5 | 🛠 LitGPT: сначала выберите, чему учить модель
У LitGPT разные рабочие процессы для разных задач:
— finetune — адаптировать готовую модель к задаче.
— pretrain — обучить модель с нуля.
— continued pretraining — продолжить обучение готовой модели на своих текстах.
Настройки можно хранить в YAML. Есть LoRA и QLoRA, отдельные команды оценки и запуска сервера. Это помогает сохранять рецепт эксперимента, а не вспоминать параметры по истории терминала.
Режимы требуют разного железа и данных. Apache 2.0 относится к коду, лицензии весов отдельные, а для части загрузок нужен токен доступа.
LitGPT: режимы и конфигурации
🐸 Библиотека ИИ для айтишников
#cheat_sheet | 435 |
| 6 | 📊 За средней метрикой могут прятаться плохие примеры
Открыть проблемный срез данных, посмотреть изображения и метки, найти ошибки разметки — для такого разбора пригодится FiftyOne. В его интерфейсе можно исследовать и карту векторных представлений, переходя к конкретным примерам.
Это работа с причинами ошибок, а не автоматическое улучшение модели. Для расчётов нужны данные, модели и подходящее окружение, для видео может понадобиться FFmpeg. Возможности коммерческого облачного Voxel51 и открытого FiftyOne различаются.
FiftyOne: исследование данных
🐸 Библиотека ИИ для айтишников
#neuro_dive | 445 |
| 7 |  📌 Один курс — хорошее вложение в себя. Два по той же цене — ещё лучше.
В Proglib Academy действует акция: покупаешь один курс, а второй получаешь в подарок.
Например, можно совместить два направления по работе с ИИ:
💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью.
💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.
📍 Разница в цене — почти 50 тысяч рублей. Можно освоить больше, не выходя за рамки запланированного бюджета.
А если тебе интереснее Python, алгоритмы, backend или DevOps — выбирай другую пару курсов из каталога.
Акция действует до 31 октября включительно ⏳
⏮️ Пора прокачать свой стек | 443 |
| 8 | Smol Course: практика дообучения небольших моделей
У Hugging Face есть практический курс по адаптации небольших языковых и визуально-языковых моделей. В оглавлении Smol Course v2 отмечены доступными:
— обучение на инструкциях.
— оценка качества.
— настройка по предпочтениям.
— работа с визуально-языковыми моделями.
Курс рассчитан на знакомых с Python, PyTorch, transformers и основами ML. Память и железо подбираются под упражнение. Это существующий ресурс, а старые даты в плане следующих глав не подтверждают, что они уже опубликованы.
Материалы и оглавление Smol Course
🐸 Библиотека ИИ для айтишников
#weekly_sync | 424 |
| 9 | Предразметка модели — заготовка для человека
В Label Studio можно показать человеку предсказание модели, исправить его и экспортировать разметку. Поддерживаются тексты, картинки, аудио, видео и временные ряды.
Важная деталь настройки: ML-сервер нужно развернуть отдельно и подключить в проекте. Сама установка интерфейса модель не добавляет.
Начать можно с небольшого набора примеров и проверить, какие подсказки приходится исправлять чаще. Место хранения данных и внешние интеграции настраиваются отдельно. Возможности коммерческой облачной редакции не стоит автоматически ожидать от локальной версии.
Label Studio: подключение модели
🐸 Библиотека ИИ для айтишников
#ai_stack | 433 |
| 10 | 💡 Посмотреть attention, а не «мысли» модели
Откройте короткую фразу в BertViz: head view покажет связи токенов в выбранных головах внимания, а model view даст обзор слоёв и голов. Работает в Jupyter и Colab, результат можно сохранить в HTML.
Нужен доступ к весам внимания модели. Длинный текст и большая модель могут тормозить, поэтому для знакомства лучше небольшой пример.
Что означают цветные линии? Они показывают работу attention. Считать их прямым объяснением конкретного ответа модели нельзя — авторы отдельно разбирают это ограничение.
BertViz: интерактивные примеры
🐸 Библиотека ИИ для айтишников
#cheat_sheet | 458 |
| 11 | Убрать фон сразу у папки картинок
В rembg есть отдельные режимы для одного файла и целой папки. Его можно использовать из командной строки, Python или как HTTP-сервер.
Перед запуском важно выбрать модель. У кода лицензия MIT, но у весов свои условия. Для модели по умолчанию BRIA RMBG-2.0 коммерческое использование требует платного соглашения.
Локальные модели скачиваются при первом запуске, а облачные режимы отправляют изображения внешнему сервису. Нужны Python 3.11–3.13 и подходящий CPU/GPU-пакет. Края волос и полупрозрачных объектов стоит проверить вручную.
rembg: режимы и лицензии моделей
🐸 Библиотека ИИ для айтишников
#quick_win | 490 |
| 12 | 🔒 Перевод без отправки текста в облако
Установили нужные языковые пакеты .argosmodel — дальше Argos Translate может переводить офлайн через Python или командную строку. Графический интерфейс есть в отдельном проекте.
Нет прямой языковой пары? Инструмент может построить цепочку из установленных пакетов, например испанский → английский → французский. Такой обход может снижать качество перевода, о чём предупреждают авторы.
Локальный режим не стоит путать с публичным веб-демо: туда текст отправляется на сервер.
Argos Translate: пакеты и запуск
🐸 Библиотека ИИ для айтишников
#quick_win | 508 |
| 13 | Когда ответ должен быть одним из трёх вариантов
«Ошибка», «вопрос», «другое» — иногда от модели нужна только такая метка, без вступления и объяснений.
Outlines позволяет задать допустимую форму ответа при генерации: список вариантов, тип данных, JSON Schema, регулярное выражение или грамматику. Конкретные ограничения зависят от выбранной интеграции.
Так проще передать результат следующему шагу программы. Но метка из разрешённого списка всё ещё может быть неверной. Проверять формат ответа и качество классификации нужно отдельно.
Outlines: ограничения генерации
🐸 Библиотека ИИ для айтишников
#neuro_dive | 538 |
| 14 |  😎 Выбираешь один курс, второй получаешь бесплатно. Баг? Нет, акция!
До 31 октября в Proglib Academy можно выбрать два курса и заплатить только за один.
Например, можно совместить:
💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью.
💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.
Вместе курсы стоят 108 000 ₽, но по акции оба обойдутся в 59 000 ₽. Экономия — 49 000 ₽ 🔥
Интересуют Python и ИИ или алгоритмы и архитектура? Можно выбрать любые два курса из каталога.
Акция действует до 31 октября включительно ⏳
⏬ Собрать свой учебный билд | 562 |
| 15 | Embeddings на CPU для поиска по своим текстам
FastEmbed превращает текст в числовые векторы для поиска близких по смыслу фрагментов. В CPU-режиме он использует ONNX Runtime, без GPU и PyTorch. Модель скачивается при первом запуске.
Библиотека не собирает весь поиск за вас: нужны документы и индекс для векторов. Начните с нескольких запросов к своей базе и проверьте, находятся ли нужные фрагменты. Особенно если база на русском: язык и качество зависят от выбранной модели.
FastEmbed: модели и примеры
🐸 Библиотека ИИ для айтишников
#ai_stack | 564 |
| 16 |  Алгоритм знает, где вы будете 7-го ноября 😎
RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше.
В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений.
После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys.
Участие бесплатное, но количество мест ограничено.
Москва. Суббота. 7 ноября. RecSys!
➡️ регистрируйтесь | 605 |
| 17 | Локальная модель в одном файле — с нюансом для Windows
Идея llamafile — упаковать сервер и веса модели в один исполняемый файл. Его можно передать на другой компьютер и запустить локально на поддерживаемой системе.
На Windows есть ограничение: исполняемый файл должен быть меньше 4 ГБ. Для больших моделей предусмотрен запуск с отдельными GGUF-весами.
Удобная упаковка не отменяет требований к памяти. Скорость зависит от модели и железа, а условия весов проверяются отдельно от лицензии кода. Скачанный файл исполняет код, поэтому источник загрузки тоже имеет значение.
Как устроен llamafile
🐸 Библиотека ИИ для айтишников
#quick_win | 616 |
| 18 | 🎙 WhisperX: где прозвучало слово и кто говорил
Для субтитров мало получить сплошную расшифровку. WhisperX сопоставляет текст с аудио, добавляет таймкоды слов и может разделять реплики по говорящим.
Разделение по говорящим подключается отдельно: нужны read-токен Hugging Face и принятие условий модели pyannote с ограниченным доступом. Для выравнивания текста нужна подходящая языковая модель.
Метки не определяют реальные имена людей. Одновременная речь обрабатывается плохо, а часть чисел и символов может остаться без таймкодов. Запись всё равно стоит прослушать в спорных местах.
WhisperX: запуск и ограничения
🐸 Библиотека ИИ для айтишников
#quick_win | 661 |
| 19 | 💡 Из письма в поля с проверкой типов
Допустим, из обращения нужны тема, номер заказа и краткое описание проблемы. С Instructor вы описываете поля моделью Pydantic и получаете типизированный объект вместо свободного ответа.
Библиотека проверяет структуру и умеет повторять запрос после ошибки валидации. Повторы тратят время и лимиты провайдера.
Главная ловушка: выдуманный номер заказа тоже может иметь правильный тип. Для отсутствующих данных предусмотрите пустое значение, а важные поля сверяйте с исходным письмом.
Instructor: примеры извлечения данных
🐸 Библиотека ИИ для айтишников
#ai_stack | 624 |
| 20 | 💡 Что оставить агенту после длинной сессии
Когда история разрастается, полезные решения тонут в логах и старых результатах инструментов. Увеличение окна контекста само по себе это не исправляет.
В разборе Anthropic есть два практических приёма: сжимать историю и сохранять рабочие заметки вне неё. При сжатии важно удержать архитектурные решения, незакрытые ошибки и детали реализации.
Для передачи следующей сессии пригодится короткая памятка:
— что уже сделано и проверено;
— какие решения приняты;
— что осталось и какой шаг следующий.
Иначе новый запуск может снова пойти по уже пройденному кругу.
🔗 Разбор управления контекстом
🐸 Библиотека ИИ для айтишников
#ai_workflow | 767 |
