fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

AI4Dev — AI for Development

AI4Dev — AI for Development

رفتن به کانال در Telegram

Что надо знать, чтобы остаться востребованным ИТ специалистом в мире с LLM? • Обзоры продуктов, фреймворков и способы взаимодействия с LLM для разработки софта • Реальные кейсы, pet и бизнес проекты с LLM • Публичные лекции В будущее берут не всех!

نمایش بیشتر
5 330
مشترکین
+124 ساعت
+17 روز
+2130 روز
جذب مشترکین
نوامبر '26
نوامبر '26
+13
در 0 کانال‌ها
اکتبر '26
+107
در 3 کانال‌ها
Get PRO
سپتامبر '26
+81
در 1 کانال‌ها
Get PRO
اوت '26
+62
در 1 کانال‌ها
Get PRO
ژوئیه '26
+100
در 3 کانال‌ها
Get PRO
ژوئن '26
+112
در 2 کانال‌ها
Get PRO
مه '26
+187
در 4 کانال‌ها
Get PRO
آوریل '26
+124
در 1 کانال‌ها
Get PRO
مارس '26
+127
در 3 کانال‌ها
Get PRO
فوریه '26
+178
در 3 کانال‌ها
Get PRO
ژانویه '26
+542
در 1 کانال‌ها
Get PRO
دسامبر '25
+98
در 1 کانال‌ها
Get PRO
نوامبر '25
+260
در 4 کانال‌ها
Get PRO
اکتبر '25
+187
در 2 کانال‌ها
Get PRO
سپتامبر '25
+95
در 2 کانال‌ها
Get PRO
اوت '25
+198
در 2 کانال‌ها
Get PRO
ژوئیه '25
+231
در 5 کانال‌ها
Get PRO
ژوئن '25
+309
در 0 کانال‌ها
Get PRO
مه '25
+159
در 1 کانال‌ها
Get PRO
آوریل '25
+262
در 1 کانال‌ها
Get PRO
مارس '25
+636
در 1 کانال‌ها
Get PRO
فوریه '25
+471
در 2 کانال‌ها
Get PRO
ژانویه '25
+582
در 1 کانال‌ها
Get PRO
دسامبر '24
+178
در 6 کانال‌ها
Get PRO
نوامبر '24
+200
در 2 کانال‌ها
Get PRO
اکتبر '24
+43
در 1 کانال‌ها
Get PRO
سپتامبر '24
+320
در 2 کانال‌ها
Get PRO
اوت '24
+168
در 1 کانال‌ها
Get PRO
ژوئیه '24
+64
در 2 کانال‌ها
Get PRO
ژوئن '24
+544
در 1 کانال‌ها
تاریخ
رشد مشترکین
اشارات
کانال‌ها
06 نوامبر0
05 نوامبر+2
04 نوامبر+4
03 نوامبر+3
02 نوامبر0
01 نوامبر+4
پست‌های کانال
Агент пишет код, вы пишете ТЗ: куда переехала работа в разработке с AI Агент пишет код быстро и уверенно. Он никогда не скаже
Агент пишет код, вы пишете ТЗ: куда переехала работа в разработке с AI Агент пишет код быстро и уверенно. Он никогда не скажет «нет» и никогда не признается, что не понял задачу. Поэтому узким местом в разработке теперь стала не скорость написания кода, а постановка и проверка. Евгений Холин, тимлид и разработчик в АО БКМ и автор канала о разработке, разберет на реальных случаях, как итерации переезжают с этапа кода на этап ТЗ, почему разработчик частично берёт на себя роль аналитика и как построить работу так, чтобы агент сам ловил свои ошибки. В эфире: — Почему «работает на демо» ещё не значит «работает в системе», и как продукт разваливается через несколько фич без критического взгляда инженера. — ТЗ в контексте проекта: чем оно отличается от промпта и почему пишется не так, как ТЗ для человека. — Как резать задачу для агента. Список правок «измени тут, измени там» против проверяемой цели. Случай, когда агент выполнил все пункты и пропустил целый сценарий. — Самопроверка агента: триангуляция «БД = API = страница», и почему способ проверки — тоже часть ТЗ. — Проверки покрывают план, а не реальность. История о том, как в SaaS «потерялись» онлайн-чеки: платёжка спокойно принимала оплату без них, а штраф за это от 10 000 ₽. — Продумывать дорого, контролировать дёшево. Как ТЗ, написанные заранее, позволили вести несколько проектов, тратя на контроль около 10% дня. ⚡️Каждый тезис построен на реальном случае из практики: как было поставлено, что сделал агент, что пошло не так и что поменяли в процессе. Кому будет полезно? Разработчикам и тимлидам, которые уже используют агентов и упёрлись в качество результата, а также аналитикам — их роль в этой схеме меняется сильнее всех. Когда? Завтра, 3 ноября, в 12:00. ➡️ Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Евгению!

2
Как ИИ переписывает большие кодовые базы, которыми пользуются миллионы, на примере Bun (runtime среда для JS/TS). Bun переписали с Zig на Rust за 11 дней. Claude Fable 5 перевёл 535 496 строк, на пике параллельно работали 64 агента, токенов сожгли примерно на $165 000. Вручную такой перенос занял бы у трёх инженеров год. Bun заменяет Node.js одним бинарником с рантаймом, бандлером, пакетным менеджером и тест-раннером. JavaScript в нём исполняет движок JavaScriptCore, его не трогали. На Rust переехало всё вокруг движка. В декабре 2025 Anthropic купила Bun, на нём работает Claude Code, это критическая инфраструктура, падение Bun означает падение Claude Code. Было две причины переписывать: первая в правилах сообщества Zig - они не принимают код от ИИ, а команда Anthropic пишет агентами. Вторая в утечках памяти. JavaScriptCore чистит память сборщиком мусора, код на Zig освобождал её вручную. На стыке двух подходов утечки годами не удавалось вычистить до конца. В Rust такие ошибки ловит компилятор. Это не совсем реверс-инжиниринг. Исходники были на руках, и автор Bun Джаред Самнер сам называет работу механическим переводом без редизайна. Результат проверяли примерно 60 тысячами тестов на TypeScript (На что, кстати, создатель Zig Эндрю Келли интересуется, почему этих тестов, которые пропускали баги в версии на Zig, хватает для релиза миллиона строк без ревью). При этом с середины июня Claude Code работает на Rust-порте, а Bun скачивают больше 22 млн раз в месяц. Так что уже несколько месяцев миллионы разработчиков каждый день запускают код, который человек целиком не читал. Пока все работает и видимо таких проектов с каждым месяцем будет все больше.
774
3
Как подготовить сайт к использованию агентами Агенты уже ходят по вашему сайту. За год запросы AI-агентов в сети Cloudflare в
Как подготовить сайт к использованию агентами Агенты уже ходят по вашему сайту. За год запросы AI-агентов в сети Cloudflare выросли больше чем на 1 700%, а HUMAN Security насчитала +7 851% агентного трафика за 2025 год. Frontier-модели (самые мощные, облачные) справятся почти с любой вёрсткой. Локальным моделям приходится сложнее, а именно их компании разворачивают в закрытом контуре, чтобы данные не уходили к внешним провайдерам. DOM обычной страницы занимает 10–100 тысяч токенов и не влезает в их контекст. На «сыром» HTML такие модели теряют точность, а к prompt injection через контент страницы примерно в три раза уязвимее крупных. ⚡️ Что с этим делать, расскажет Роман Троицкий — руководитель направления по исследованию данных в ПАО Сбербанк, студент магистратуры ИТМО "Программная инженерия", член программного комитета конференций Сбера и HolyJS, автор телеграм-канала. Большую часть проблемы закрывают давно знакомые практики: контент в серверном HTML, семантическая разметка, чистое дерево доступности, корректные HTTP-статусы. Разберём, что из этого даёт 80% эффекта, какие новые протоколы (llms.txt, Markdown для агентов, WebMCP, MCP) внедрять сейчас, а какие подождут, и как проверить свой сайт. Когда? Завтра, 31 октября, в 12:00. Смотрите на YouTube или в ВК — и задавайте вопросы Роману!
1 384
4
МЫ УЖЕ В ЭФИРЕ! ИИ экономит бизнес — или может его разорить? Почему дешёвый эксперимент с нейросетью после масштабирования пр
МЫ УЖЕ В ЭФИРЕ! ИИ экономит бизнес — или может его разорить? Почему дешёвый эксперимент с нейросетью после масштабирования превращается в огромные счета за LLM, токены, API, GPU и работу AI-агентов? Может ли неудачная экономика ИИ довести стартап до кассового разрыва — и когда автоматизация действительно обходится дешевле сотрудников? Сегодня в прямом эфире разбираемся: — как считать реальную стоимость внедрения ИИ и его ROI; — почему расходы резко растут после перехода от пилота к промышленной эксплуатации; — что выгоднее: внешний API, облачная инфраструктура или локальная модель; — почему многошаговые AI-агенты иногда оказываются дороже людей; — может ли AI-продукт жить с отрицательной юнит-экономикой; — где ИИ действительно сокращает расходы, а где лишь создаёт новые; — как экономить с помощью AI FinOps, model routing, prompt caching и небольших специализированных моделей. Участники дискуссии: 🔹 Mikhail Savchenko (Михаил Савченко) — Founder & AI Architect в INITE, специалист по agent-first автоматизации, мультиагентным системам, CRDT, local-first архитектурам и Graph RAG. 🔹 Артём Демидов — основатель студии AI-разработки AINEX LAB, преподаватель НГТУ, Skypro и Znania. Более 10 лет в разработке и более четырёх лет в AI. 🔹 Татьяна Матвиенко — эксперт по операционной эффективности и трансформации бизнес-процессов, основатель «КЛАРИТУС Консалтинг». 🔹 Юрий Прозоров — Product / Engineering Lead в «Омни Сейл». 🔹 Тим Зинин — управляющий партнёр «Зинин, Штурбин и партнёры». 🔹 Денис Тимощук — руководитель направления «Управление командами и задачами» компании «Диасофт». Модератор — Александр Николайчук, главный редактор Digital Report и автор Хабра. Подключайтесь прямо сейчас и задавайте вопросы участникам в чате:| ▶️ Смотреть трансляцию #ИИ #LLM #AI #AIагенты #экономикаИИ #нейросети #автоматизациябизнеса
1 218
5
🔴 МЫ УЖЕ В ЭФИРЕ! ИИ отбирает работу в IT? Джунам закрыли вход, а прежние вакансии уже не вернутся? Прямо сейчас вместе с Ал
🔴 МЫ УЖЕ В ЭФИРЕ! ИИ отбирает работу в IT? Джунам закрыли вход, а прежние вакансии уже не вернутся? Прямо сейчас вместе с Алёной Владимирской, Жемалом Хамидуном, Егором Рудомёткиным и HR-директором «Диасофта» Александром Черных разбираемся: — действительно ли компании заменяют сотрудников искусственным интеллектом; — почему сокращается найм начинающих разработчиков; — что происходит с бюджетами и IT-проектами; — какие специалисты останутся востребованными; — чего ждать от рынка труда в 2027 году. Подключайтесь прямо сейчас и задавайте вопросы участникам в чате: ▶️ Смотреть эфир
1 290
6
Личная команда агентов: как кратно улучшить результаты LLM 🦾 Лёша Берёзка, техлид iOS и автор канала о разработке, покажет к
Личная команда агентов: как кратно улучшить результаты LLM 🦾 Лёша Берёзка, техлид iOS и автор канала о разработке, покажет команду агентов, которая применяется в "Додо Пицце" для разработки мобильных приложений. В эфире разберем: ➡️ За счет чего команда выдает результаты лучше, чем один агент ➡️ Как сделать автообучение этой команды ➡️ Где её специально ограничили, чтобы получать более стабильные результаты Когда? Завтра, 21 октября, в 13:00. Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Лёше!
1 904
7
Кажется, что достаточно объединить несколько LLM-агентов, разрешить им общаться — и получится коллективный интеллект. Но сраз
Кажется, что достаточно объединить несколько LLM-агентов, разрешить им общаться — и получится коллективный интеллект. Но сразу возникают вопросы: кто координирует агентов, как они распределяют задачи, что происходит без центрального управляющего узла и откуда появляется эмерджентное поведение? ⚡️Анна Авдюшина, кандидат технических наук и инженер центра «Сильный ИИ в промышленности» университета ИТМО, рассказала о том, как сформировать роевой интеллект на LLM. На лекции поговорили про: → централизованные и децентрализованные архитектуры; → топологии взаимодействия агентов; → коммуникацию и распределение задач; → коллективное и эмерджентное поведение; → когда несколько агентов действительно лучше одного. 🎥 Запись доступна здесь и на других площадках: YouTube RuTube ВКонтакте ЯндексМузыка Mave
1 692
8
Если код пишет ИИ, в чем теперь работа разработчика? «Главный актив теперь не код, а спецификация», считает Юрий Дручинин. Ег
Если код пишет ИИ, в чем теперь работа разработчика? «Главный актив теперь не код, а спецификация», считает Юрий Дручинин. Его идея меняет привычный взгляд на разработку: человек формулирует замысел, задает правила проверки и принимает результат, а создание кода передает агентам. Прямо сейчас, 13 октября в 11:30 МСК, говорим в Ai4Dev с Юрием Дручининым, директором по производству «Диасофт». Разберем, как этот подход работает на реальных проектах и что приходится менять в команде, чтобы ИИ участвовал во всем процессе создания ПО. Как описать задачу, чтобы агент не потерял ее смысл? Что делать, если он написал правильный код для неправильно понятой задачи? И кто сможет проверить результат, если люди постепенно перестанут разбираться в том, как он устроен? Спросим и о цене изменений: какие навыки становятся важнее, где автоматизация пока ломается и за что разработчик будет отвечать лично. 📺 Смотреть интервью онлайн прямо сейчас
1 835
9
Как поднять корпоративного LLM-бота в закрытом контуре? Рассказал Алексей Кудаков, CTO технологической группы «Проявление». Э
Как поднять корпоративного LLM-бота в закрытом контуре? Рассказал Алексей Кудаков, CTO технологической группы «Проявление». Это продакшн-история для одной из крупнейших компаний в сфере ЖКХ России: один LLM-бот на телефон и чат-каналы (Макс, ВК, ОК, мобильное приложение) полностью on-premise, без единого внешнего вызова. В эфире разобрали: → Что болело у заказчика: ~60 жёстких сценариев скриптового робота, очереди в пиках, тупики в чатах → Как выбирали стек и почему остановились на Qwen3-14B Instruct + LoRA + RAG + vLLM → Дообучение LLM под домен ЖКХ: от 45 тысяч ручных размеченных звонков до 345 тысяч примеров → Голосовой стек и его грабли: STT с галлюцинациями на тишине, дообучение CosyVoice 3, «превойс» для обхода недоверия абонентов → Запуск в закрытом контуре на NVIDIA H200: архитектура, оптимизации, бюджет латентности → Итоговые метрики: ожидание оператора с 5 минут до <5 секунд, 72% обращений закрываются без оператора, 98% точность классификации Честно поговорили о проблемах в проде: абонентах, которые не доверяют роботу, заказчиках, которые заводят тикеты на «ошибки», и пожилых людях, которых живой голос напугал больше, чем скриптовый. 🎥 Запись доступна здесь и на других площадках: YouTube RuTube ВКонтакте ЯндексМузыка Mave
1 733
10
🔴 В ИТ больше не берут? Мы уже в эфире! Соискатель ищет работу, компания ищет сотрудника — почему они могут так и не встрети
🔴 В ИТ больше не берут? Мы уже в эфире! Соискатель ищет работу, компания ищет сотрудника — почему они могут так и не встретиться? Обсуждаем, что мешает получить оффер, как договариваться о зарплате и насколько ИИ меняет требования к людям. Сегодня в Ai4Dev: • Дмитрий Басс, BASSHR. • Андрей Захорошко, HRD Megagroup.ru. • Никита Осокин, «ЦИКЛ-ОН». • Ольга Суховнина, директор по персоналу компании «СофтБаланс». Поговорим о найме, сокращениях и деньгах. Отдельно спросим про джунов: ИИ помогает им войти в профессию или делает первый шаг еще труднее? Подключайтесь к разговору с вашим случаем. Отказы без объяснений, затянувшиеся собеседования, неожиданные требования — приносите вопросы людям по другую сторону найма. 👉 Смотреть и задавать вопросы: https://www.youtube.com/watch?v=nxCvk92vlAs
1 548
11
🔴 Мы в эфире! AGI уже здесь — или главный экзамен еще впереди? GPT-6 Astra набрал 99,9% на ARC-AGI-3 с адаптером, сохраняющи
🔴 Мы в эфире! AGI уже здесь — или главный экзамен еще впереди? GPT-6 Astra набрал 99,9% на ARC-AGI-3 с адаптером, сохраняющим состояние рассуждений. Лучший результат в стандартной среде — 62,7%. Какую из этих цифр считать ответом на вопрос о возможностях ИИ? Сейчас в Ai4Dev обсуждаем, что должно заставить нас признать появление общего искусственного интеллекта. Сможет ли он сам освоить незнакомую задачу, довести большой проект до конца и заметить собственную ошибку? В эфире: • Алексей Коломыц — NadelAI. • Иван Иванов — «Апрель Инновации». • Тим Зинин — «Зинин, Штурбин и партнеры». • Алексей Сидорюк — «Ген ИИ», Ассоциация Финтех. Час живого разговора без презентаций. Подключайтесь и задавайте вопросы — особенно если у вас есть задача, на которой «почти всемогущий» ИИ неожиданно провалился. 👉 Смотреть эфир
1 577
12
На Хабре вышла статья о том, что ИИ изменил в кибератаках от нашей Red Team команды (tl;dr: методы остались прежними, изменилась скорость, на реакцию остаются часы; в статье собран практический минимум для защиты). Разбираем кейсы: • PaperCut, 31 августа. Один атакующий с роем ИИ-агентов взломал больше 440 серверов, на пике 11 организаций за 26 секунд. • Marimo, CVE-2026-39987. От открытого терминала до внутренней инфраструктуры прошло 8 секунд. • RubyGems, май. Агенты OpenAI залили больше 2000 пакетов-пустышек, часть из них охотилась за API-ключами.
2 165
13
🤖 AI-агент с нуля: Evaluation & Observability До сих пор мы строили систему: инструменты, MCP, память, Guardrails, несколько
🤖 AI-агент с нуля: Evaluation & Observability До сих пор мы строили систему: инструменты, MCP, память, Guardrails, несколько агентов. Однако это ещё не ответ на вопрос, насколько система надёжна. Один удачный прогон показывает возможность, но не вероятность. Один и тот же запрос проходит через Retrieval, несколько model calls, Tool вызовов, Guardrails — и два запуска одной задачи могут закончиться по-разному. ⚡️ Это шестая часть видеокурса об AI-агентах от ML-инженера Artezio Антона Максимова! Разберём Evaluation & Observability: как перейти от «работает в демо» к системе, качество которой можно воспроизводимо измерять и объяснять. В этом выпуске: — Почему классический тест input → expected output не работает для агентов — Eval как pipeline: Task Suite → Infrastructure → Criteria → Grading — Как выглядит валидный Task — pass@k и pass^k: capability и reliability — Graders: когда нужен code, когда LLM-as-a-Judge, когда человек — Observability: Session, Trace, Span — Production closes the loop: как превратить реальный failure в воспроизводимый Regression Task 🎬 Смотрите на YouTube или RuTube!
1 738
14
Почему наука автоматизируется неравномерно? О пределах исследовательского harness рассказал Максим Шаланкин, Machine Learning
Почему наука автоматизируется неравномерно? О пределах исследовательского harness рассказал Максим Шаланкин, Machine Learning Team Lead из MWS и автор телеграм-канала Maxim.ML. 27 августа 2026 года Anthropic объявила Model Hardware Standard: Claude из обычного терминала начал управлять микроскопами, роботизированными руками и qPCR-машинами. Интеграция, занимавшая недели, сократилась до часов. Днём раньше стартап Transfyr поднял $25 млн: сенсоры и камеры записывают каждое движение учёных, превращая видеозаписи рук в обучающие данные для лабораторных роботов. Наука в физическом мире, самая сложная для автоматизации область, начала получать свой интерфейс. Смотрим на картину целиком: почему вычислительная наука уже упирается только в GPU, а экспериментальная — в законы природы. 🎥 Запись доступна здесь и на других площадках: YouTube RuTube ВКонтакте ЯндексМузыка Mave
1 705
15
🔴 Мы в эфире! ИИ уже помогает искать уязвимости. Вопрос в том, кто первым найдёт слабое место в вашей системе: ваш пентестер
🔴 Мы в эфире! ИИ уже помогает искать уязвимости. Вопрос в том, кто первым найдёт слабое место в вашей системе: ваш пентестер или атакующий с тем же инструментом? Сегодня на Ai4Dev говорим про ИИ в роли атакующего: как он проверяет гипотезы, находит дыры и помогает строить цепочки атак. Где он действительно усиливает пентестера, а где уверенно ведёт его по ложному следу? Без презентаций — живой разговор и ваши вопросы в чате. ▶️ Подключайтесь А если после эфира захочется спросить «что найдут у нас?», Security Lab проверяет инфраструктуру, приложения и LLM-сервисы на реальные пути атаки.
1 619
16
Кажется, что достаточно объединить несколько LLM-агентов, разрешить им общаться — и получится коллективный интеллект. Но сраз
Кажется, что достаточно объединить несколько LLM-агентов, разрешить им общаться — и получится коллективный интеллект. Но сразу возникают вопросы: кто координирует агентов, как они распределяют задачи, что происходит без центрального управляющего узла и откуда появляется эмерджентное поведение? ⚡️Анна Авдюшина, кандидат технических наук и инженер центра «Сильный ИИ в промышленности» университета ИТМО, расскажет о том, как сформировать роевой интеллект на LLM. На лекции поговорим про: → централизованные и децентрализованные архитектуры; → топологии взаимодействия агентов; → коммуникацию и распределение задач; → коллективное и эмерджентное поведение; → когда несколько агентов действительно лучше одного. ⏰ Запускаем трансляцию сегодня в 13:00. Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Анне!
1 927
17
🤖 Как поднять корпоративного LLM-бота в закрытом контуре? Расскажет Алексей Кудаков, CTO технологической группы «Проявление»
🤖 Как поднять корпоративного LLM-бота в закрытом контуре? Расскажет Алексей Кудаков, CTO технологической группы «Проявление». Это продакшн-история для одной из крупнейших компаний в сфере ЖКХ России: один LLM-бот на телефон и чат-каналы (Макс, ВК, ОК, мобильное приложение) полностью on-premise, без единого внешнего вызова. Разберём: → Что болело у заказчика: ~60 жёстких сценариев скриптового робота, очереди в пиках, тупики в чатах → Как выбирали стек и почему остановились на Qwen3-14B Instruct + LoRA + RAG + vLLM → Дообучение LLM под домен ЖКХ: от 45 тысяч ручных размеченных звонков до 345 тысяч примеров → Голосовой стек и его грабли: STT с галлюцинациями на тишине, дообучение CosyVoice 3, «превойс» для обхода недоверия абонентов → Запуск в закрытом контуре на NVIDIA H200: архитектура, оптимизации, бюджет латентности → Итоговые метрики: ожидание оператора с 5 минут до <5 секунд, 72% обращений закрываются без оператора, 98% точность классификации Честно поговорим про проблемы в проде: абоненты, которые не доверяют роботу, заказчики, которые заводят тикеты на «ошибки», и пожилые люди, которых живой голос напугал больше, чем скриптовый. ⏰ Запускаем трансляцию сегодня в 12:00. Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы лектору!
1 787
18
Мы много писали о роли ИИ в аналитике и разработке ПО. Теперь решили выпустить несколько материалов о том, как ИИ меняет кибербезопасность — вместе с нашей Red Team / pentest-командой. Начинаем с перевода статьи The Cybersecurity Industry Is Entering Its Third Era уже на Хабре. При этом руководитель нашей Red Team на вопрос о главном изменении последних лет отвечает ещё короче: скорость. Но об этом в следующем материале.
1 446
19
Почему наука автоматизируется неравномерно? О пределах исследовательского harness расскажет Максим Шаланкин, Machine Learning
Почему наука автоматизируется неравномерно? О пределах исследовательского harness расскажет Максим Шаланкин, Machine Learning Team Lead из MWS и автор телеграм-канала Maxim.ML. 27 августа 2026 года Anthropic объявила Model Hardware Standard: Claude из обычного терминала начал управлять микроскопами, роботизированными руками и qPCR-машинами. Интеграция, занимавшая недели, сократилась до часов. Днём раньше стартап Transfyr поднял $25 млн: сенсоры и камеры записывают каждое движение учёных, превращая видеозаписи рук в обучающие данные для лабораторных роботов. Наука в физическом мире, самая сложная для автоматизации область, начала получать свой интерфейс. Рассмотрим картину целиком: почему вычислительная наука уже упирается только в GPU, а экспериментальная — в законы природы. ⏰ Запускаем трансляцию завтра, 4 сентября, в 17:00. Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Максиму!
2 066
20
🤖 AI-агент с нуля: строим Multi-Agent Systems До сих пор мы строили одного AI-агента: дали ему инструменты, подключили MCP,
🤖 AI-агент с нуля: строим Multi-Agent Systems До сих пор мы строили одного AI-агента: дали ему инструменты, подключили MCP, добавили память и Guardrails. Он умеет получать контекст, принимать решения и выполнять действия во внешних системах. Но что, если задача становится слишком большой для одного decision-making loop? Например, нужно одновременно исследовать несколько источников, работать с разными наборами данных и permissions, независимо проверять результаты и координировать несколько направлений работы. Кажется, очевидное решение — добавить ещё агентов. Но здесь легко усложнить систему, не сделав её лучше. ⚡️ Это пятая часть видеокурса об AI-агентах от ML-инженера Artezio Антона Максимова! Разберём Multi-Agent Systems: где на самом деле проходит граница между одним сложным агентом и системой из нескольких агентов — и когда распределение принятия решений действительно оправдано. Десять Tools, несколько LLM-вызовов и даже цепочка из Planner, Researcher и Reviewer ещё не делают систему Multi-Agent. MAS появляется тогда, когда существуют несколько автономных decision-making компонентов, способных самостоятельно принимать локальные решения и взаимодействовать друг с другом. В этом выпуске: — Где заканчивается Single-Agent System и начинается настоящая Multi-Agent System — Homogeneous и Heterogeneous Agents: почему специализация и роли — только один из вариантов дизайна — Cooperative, Collaboration и Mixed-Motive взаимодействие — Point-to-point, Broadcast, Pipeline, Peer-to-peer и Shared Message Pool — Centralized, Decentralized, Hierarchical и Blackboard / Shared Message Pool архитектуры — A2A: как независимые agentic systems находят друг друга, передают задачи, статусы и результаты 🎬 Смотрите на YouTube или RuTube!
1 652