небольшая модель во-первых: как правило тупая как пробка, а во-вторых всё ещё требует минимум 4GB VRAM (а иначе скорость будет медленнее улитки), что есть далеко не на всех компах
Есть 2 проблемы: 1. Если просто отклонять публикацию - то есть шанс потерять много публикаций или пропустить явно ИИшные (вспоминаем, что LLM выдают разный результат при одинаковых вводных и галлюцинациях) 2. Если отправлять публикацию на доработку - очень вероятно этот пайплайн зациклится и сожжёт кучу денег (ибо, что сам Клод, что условный ChatGPT стоят не мало и явно будут писать большие тексты на 1 итерацию)
Кстати, разработчики ориентируются только на Windows пользователей. Какая дискриминация.
На самом деле всё просто. Windows - самая популярная ОС в пользовательском сегменте. А делать под другие системы даже ради далее цифра взята с потолка 10-12% не особо имеет смысла
Это не возможно по 1 простой причине: точность модели не 100%, и никогда не будет, а значит, что ошибка будет только накапливаться с увеличением количества поколений. Попробуйте попросить нейросеть создать картинку по оригинальному изображению, а потом прогонять через неё результаты несколько раз и сравнить с оригиналом. Вот тот же уровень результата вы и получите, если будете пытаться полностью отдать обучение одной нейросети другой
Максимум - api для агентов, чтобы можно было написать/сказать сделай ЭТО, и агент идёт делать запрос, который сделает всё, что нужно пользователю (главное, чтобы не сгаллюнировал в этот момент)
А ещё будет очень хорошо продумать ему способы сохранения решений в долговременной памяти хотя бы по кодовой базе, чтобы начиная новый диалог не писать агенту всё с 0
Не хватает плашки "Статья написана ИИ (скорее всего ChatGPT 5.*)"
Для Android Studio (как и для всех JetBrains-совместимых IDE) есть плагин, который позволяет работать с Claude напрямую (LLM видит файлы, работает с ними и может даже прогонять тесты)
Посредственный UI/UX - ошибка промптов. Попробуйте написать системный промпт для Claude, где уточните всю информацию, которая касается правил работы с проектом (что можно использовать, каких практик/сценариев придерживаться). Готовые промпты есть в интернете, ну или в крайнем случае можно попросить тот же ИИ попросить составить его самостоятельно. После чего создать файл CLAUDE.md (именно в верхнем регистре) в корне проекта
Точно НЕ выдуманные истории, о которых невозможно молчать)
небольшая модель во-первых: как правило тупая как пробка, а во-вторых всё ещё требует минимум 4GB VRAM (а иначе скорость будет медленнее улитки), что есть далеко не на всех компах
Есть 2 проблемы:
1. Если просто отклонять публикацию - то есть шанс потерять много публикаций или пропустить явно ИИшные (вспоминаем, что LLM выдают разный результат при одинаковых вводных и галлюцинациях)
2. Если отправлять публикацию на доработку - очень вероятно этот пайплайн зациклится и сожжёт кучу денег (ибо, что сам Клод, что условный ChatGPT стоят не мало и явно будут писать большие тексты на 1 итерацию)
Развёрнут конкретный инференс или нет. Пингуется ли ендпоинт или нет. Что-то в этом духе имели ввиду, скорее всего
С типом модели понятно, а количество токенов зачем? И как их считать (сейчас можно вычислить только суммарно затраченное на сессию)?
На самом деле всё просто. Windows - самая популярная ОС в пользовательском сегменте. А делать под другие системы даже ради
далее цифра взята с потолка10-12% не особо имеет смыслаи будет делать всё, что угодно, кроме того, что нужно. Т.е. галлюцинировать
скорее как фреймворк. База у всех одна - естественный язык
Здесь нет физического товара, чтобы повторилась ситуация с тюльпанами
Причём отчет обязательно должен содержать 50% ИИ, и быть на 75% уникальным
Он самый
Это не возможно по 1 простой причине: точность модели не 100%, и никогда не будет, а значит, что ошибка будет только накапливаться с увеличением количества поколений. Попробуйте попросить нейросеть создать картинку по оригинальному изображению, а потом прогонять через неё результаты несколько раз и сравнить с оригиналом. Вот тот же уровень результата вы и получите, если будете пытаться полностью отдать обучение одной нейросети другой
У всех агентов уже давно есть система подтверждений потенциально опасных (и не очень) действий. В том числе и у Codex
Это пока что только для тех, кто вызывает из кода (собственно через API)
А что насчёт полностью локальной работы deepagents может такое провернуть или нужны какие-то надстройки поверх него?
Максимум - api для агентов, чтобы можно было написать/сказать сделай ЭТО, и агент идёт делать запрос, который сделает всё, что нужно пользователю (главное, чтобы не сгаллюнировал в этот момент)
не секунд, минут)
А ещё будет очень хорошо продумать ему способы сохранения решений в долговременной памяти хотя бы по кодовой базе, чтобы начиная новый диалог не писать агенту всё с 0
Не хватает плашки "Статья написана ИИ (скорее всего ChatGPT 5.*)"
Для Android Studio (как и для всех JetBrains-совместимых IDE) есть плагин, который позволяет работать с Claude напрямую (LLM видит файлы, работает с ними и может даже прогонять тесты)
Посредственный UI/UX - ошибка промптов. Попробуйте написать системный промпт для Claude, где уточните всю информацию, которая касается правил работы с проектом (что можно использовать, каких практик/сценариев придерживаться). Готовые промпты есть в интернете, ну или в крайнем случае можно попросить тот же ИИ попросить составить его самостоятельно. После чего создать файл CLAUDE.md (именно в верхнем регистре) в корне проекта
для совсем "с нуля" есть Ollama (или LM Studio). Тут же объясняется база работы с фреймворком для инференса "ручками"