Привет, Хабр! Меня зовут Сергей Нотевский, я AI Platform Lead в Битрикс24. Моя команда отвечает за модельки под капотом наших AI сервисов.

Агенты, агентные системы, agentic AI - эти слова сейчас повсюду. Мы сами делаем своего агента, Марту AI. Но последние пару месяцев я все чаще слышу от коллег и читателей один и тот же вопрос: «Серёж, объясни по-простому - что это такое? Я запустил 100 вызовов LLM подряд, это уже агент? А если добавил RAG? А с поиском?»

В итоге, на нашей внутренней AI-конференции я выступил с докладом на эту тему, и по мотивам родилась эта статья. 

На самом деле, сложность начинается с того, что у нас нет общепринятого стандарта: что считать AI-агентом, а что нет. Есть десятки определений, статей и докладов, но многие формулировки порождают больше вопросов, чем ответов.

В этой статье я не буду придумывать ещё одно академическое определение. Вместо этого мы соберём рабочую интуицию: как «просто LLM», «workflow» и «агент» связаны между собой и где проходит граница. А разбираться будем на живом примере всем уже известной функции - Deep Research.

Итак, типичное описание:

AI-агент - это интеллектуальная программа, которая умеет выполнять задачи по заданному сценарию, используя нейросети.

В отличие от чат-ботов, AI-агент «думает» и реагирует на контекст, принимает решения, запускает действия и учится по ходу работы.

Звучит красиво, но мало помогает.

Привет, Хабр! Меня зовут Полина, я отвечаю за развитие лояльности в РГС. Лояльность по своей сути — сложный психологический феномен, основанный на взаимной выгоде обеих сторон. А сегодня, в нашем с вами мире, переполненном предложениями и брендами, это еще и один из самых ценных активов компании. Глубокое понимание того, что стоит за лояльностью, позволяет не просто удерживать клиентов, а создавать настоящих адвокатов бренда, которые будут преданы вам год за годом. 

Лично для меня лояльность клиента к бренду — это во многих смыслах еще и про любовь. И я хочу рассмотреть этот феномен с точки зрения романтических отношений: что нами движет при выборе «партнера», как эти отношения выстраивать и что нужно, чтобы не расстаться из-за какой-нибудь ерунды.

Вас тоже завалили «навайбкоженными» пулл‑реквестами, которые приходится реджектить по несколько раз? Проблема не в ИИ, а в том, что ваш проект для нейросети — плохой промпт. Пока одни спорят, заменит ли ИИ разработчиков, а другие ждут, когда этот «пузырь» лопнет, мы сталкиваемся с реальностью: сгенерированный код деградирует из‑за отсутствия контекста и правил. В статье поговорим о том почему линтеры и тесты важнее тысячи промптов, и как инженерная культура превращает хаос в ускорение.

Меня зовут Дима, я основатель агентства "Эй, Стартапер!". Мы делаем маркетинг для стартапов — так, чтобы не слить весь бюджет и найти рабочие каналы быстро. Сегодня разберём, как тестировать гипотезы с небольшим бюджетом и не закрыться в первый год.

Представьте себе невидимую свалку, вес которой сопоставим с миллионами автомобилей. Она растет с каждым годом, и ее «месторождения» разбросаны по всему миру. Это всё электронные отходы. Золото, палладий, медь, свинец, кадмий, серебро и многие драгоценные и редкоземельные металлы можно найти в них.

Пока одни страны видят в ломе источник богатства и активно инвестируют в технологии его «обогащения», другие остаются в стороне. Наша страна, к сожалению, пока относится ко вторым. Почему при наличии строгих правил учета и тысяч тонн списанной техники в России практически не создают собственных технологий для ее переработки? Ответ — в зеркале патентной статистики, которая является безжалостным диагнозом для целой отрасли.

Мы опросили ИТ-специалистов из бигтеха и промышленного ИТ, почему они выбирают одну сферу и что отталкивает их от другой.

Делимся результатами с вами. Спойлер: ключевые различия двух сфер лежат в ценностях, мотивации и профессиональных установках.

Результаты исследования помогут вам увидеть, как устроены эти сферы изнутри и где вам комфортнее расти и работать.

Hypersphere OS делает ставку на другое: на простую и разнесённую по логическим функциональным слоям структуру, где системные компоненты, библиотеки, окружения и AI-модели работают как части одного набора инструментов и в согласии между собой.

Я — Алексей Веснин, системный архитектор, создатель HyperSphere — децентрализованной экосистемы для безопасного и цензуроустойчивого пространства. В IT с начала 90-х. Занимаюсь системным администрированием с уклоном в сети, безопасность и построение информационных систем, которые управляли собой сами и преподавал собственный курс в ЦКО «Специалист» при МГТУ им. Баумана и в других местах.

В этой статье, по мотивам выступления на DevOps Conf, расскажу, что мне пришлось переизобрести, чтобы сборка нового типа заработала, почему старые подходы не справились, и как выглядит дистрибутив, который не мешает сам себе.

Configuration cache должен был стать обязательным в Gradle 9, но требования, в итоге, смягчили. В любом случае, рано или поздно он станет обязательным и авторам плагинов придется его поддерживать.

Я не могу сказать что документация по кэшу плохая, но в ней очень мало практики: каждому разработчику приходится тратить время на эксперементы. Так вот, под катом те самые недостающие эксперименты - как работает gradle configuration cache на примерах.

В перспективе нескольких лет у нас только два необходимых апгрейда в ноутбуке: увеличить RAM и заменить GPU. Остальное по желанию. Видеокарта становится проблемой, если мы хотим играть в современные игры. Представьте, как здорово было бы проапгрейдить GPU в ноутбуке! Просто заменить одну на другую, как в ПК.

Почти два года назад вышел Framework 16, очередная версия модульного ноутбука [Framework]. Посмотрим, как разработчики реализовали быструю замену GPU через отсек расширения, и станет ли такой отсек стандартом для всех ноутбуков.

На учебных курсах часто задают вопрос: «Вы что‑то понимаете в LLM, поэтому скажите — какая LLM лучше?» Правильного ответа на этот вопрос нет. Число LLM растет в геометрической прогрессии, идет специализация, как по типу обрабатываемого контента, так и по области применения. Вдобавок возможности LLM растут от версии к версии, поэтому идеальной LLM не существует — ведь выбранная модель может показывать хорошие результаты по одним задачам, но плохо работать по другими. Данная статья — это лишь мой взгляд на инструменты выбора и вызова LLM, а также возможность получить бесплатный доступ из России к множеству LLM через агрегаторы.

В связи с избыточным количеством трактовок и определений, возникает огромное количество дискуссий по теме публикаций, и в этом нет ничего плохого – «в спорах рождается истина»! Но, и это уже совсем не хорошо, как следствие этой множественности, появляются субпродукты в виде вариантов моделей деятельности организаций и IT-решений, слишком большое количество которых, к сожалению, нельзя назвать удачными! Ситуации «Разработали и внедрили, а результаты работы организации лучше не стали» носят массовый характер. Такие внедрения решений класса ERP/Управление предприятием/холдингом получили название «автоматизации хаоса».

Я, как участник подобных дискуссий, получаю справедливые упреки в свой адрес, что мои комментарии к публикациям не понятны, оппоненты просят пояснений, а пояснения достаточно многословны, чтобы корректно их донести через комментарии к публикации (а их еще и повторять надо к каждой публикации). Поэтому я решил разместить свои разъяснения в виде публикации в которой детально раскрыть непопулярную/непонятную точку зрения, которую я отстаиваю «Функциональный и процессный подход к управлению — это две АЛЬТЕРНАТИВНЫЕ модели управления!» (в противовес майнстриму «Это все тождества и синоним»ы с несущественными «косметическими» различиями»).

Приложу усилия, чтобы объяснения моей т.з. было понятным и аргументированным (чтобы можно было вести предметную дискуссию, оппонируя к тем или иным обнаруженным в описании несоответствиям аксиоматики и дефектам логики).

Итак, аксиоматика и логика, на которую опирается моя позиция:

Компаниям больше не нужен «волшебный» AI, который угадывает ответы — им нужен ассистент, который опирается на реальные документы, права доступа и живой опыт команды.

Знаете, что меня бесит в большинстве обзоров платформ? Либо сплошной маркетинговый восторг в стиле «это лучшее решение на рынке»‎, либо тотальный хейт «‎всё плохо, ничего не работает»‎. А правда обычно где-то посередине. Я 10 лет делаю ITSM/ESM-проекты, внедрял разные системы, и сегодня расскажу про SimpleOne честно — без рекламной мишуры, но и без необоснованного негатива. Про то, как на этой платформе реально создавать решения: что работает отлично, где приходится костылить. Если вам нужен честный технический взгляд от практика, а не продажника — welcome.

В последние годы интерфейсы приложений становятся все более интерактивными. Простого эффекта нажатия на кнопку уже недостаточно - пользователи ждут живых анимаций и визуальной глубины. Но создание таких эффектов традиционно требовало от разработчиков значительных усилий.

Представь: тебе нужно «поколдовать» над пикселями прямо в UI - добавить живой градиент, искажение картинки под пальцем, стеклянный блеск карточке и тому подобные эффекты. Раньше для этого приходилось прибегать к «тяжеловесам» таким как OpenGL/Vulkan, либо мучить CPU постобработкой битмапов. AGSL (Android Graphics Shading Language) решает это элегантнее: это язык фрагментных шейдеров, встроенный в сам графический стек Android, так что эффекты применяются прямо на уровне отрисовки интерфейса.

В этой статье я подробно опишу как численно смоделировать простейшую квантовую систему — систему с двумя состояниями. Ценность этой симуляции не только в ней самой, но также в той базе, которую она заложит для любой квантовомеханической симуляции.

Использовать для расчётов я буду (современный) Фортран, так что можно рассматривать эту статью и как своеобразное введение в программирование на Фортране. Это по-своему красивый язык, паритета с которым в ряде аспектов не имеет ни один другой язык программирования.

Привет! Я Саша Абакумов, DevOps-инженер в KTS.

Нашей команде часто приходится поднимать инфраструктуру под ML-проекты. Со временем число ML-инженеров и разработчиков на таких проектах росло, и логиниться в каждый по отдельности становилось все больнее. Чтобы упростить коллегам жизнь, мы интегрировали Single Sign-On (SSO) в стек одного из наших проектов, состоящий из JupyterHub, Airflow и MLflow.

SSO позволяет единообразно аутентифицироваться во всех инструментах под одной учетной записью. Помимо очевидного удобства, нам это также дало возможность централизованно управлять доступом и внедрить RBAC — сопоставление ролей в инструментах с группами или ролями в IdP.

В качестве инструмента для реализации SSO я использовал OIDC-провайдер Keycloak, наверняка многим хорошо знакомый. Ниже я расскажу о том, как с его помощью настроить SSO для JupyterHub, MLflow и Airflow (все компоненты разворачиваются с помощью Helm-чартов).

ChatMPC — лёгкая программа для доступа к нейросетям прямо из вашей операционной системы. Он напоминает те самые вспомогательные утилиты, которые всегда лежат на рабочем столе и запускаются быстрее всех: шустрый и работает на всём, что включается.

Внутри — поддержка сотен моделей, запуск артефактов HTML и SVG, управление параметрами и быстрый отклик даже на бюджетном железе.

В этом обзоре:
• Простая инструкция, как запускать 300+ моделей через одну API‑точку;
• Системный промпт для генерации Mermaid‑диаграмм через любую нейросеть;
• Список 16 самых крутых ИИ‑моделей прямо сейчас;
• Промпт, который превращает окно ChatMCP в настоящую «Матрицу» и «зелёный дождь»;
• 6 плюсов и 7 минусов ChatMCP;
• И самый странный способ прикрепления файлов, который вы видели...

Привет, друзья! 👋
Ноябрь выдался ультра-насыщенным, и если вы пропустили хоть что-то — сейчас наверстаем!

Без онбординга, бэклога и кастома, но с принтером и смартфоном? Как писать про ИТ в условиях «запрета на иностранные слова» и ограничений нормативных словарей. Гайд по английским (и не только) словам в технической сфере.

Спрос на инженеров на рынке труда стремительно растет: сегодня инженеры нужны не только в промышленности, но и в креативных индустриях, ритейле, дизайне и даже медицине. По данным исследователей Высшей школы экономики, потребность российских компаний в высококвалифицированных инженерах за последнее десятилетие выросла втрое. Но в отличие от ИТ-специалистов, конкуренция за которых уже прошла пик, рынок квалифицированных инженеров далек от насыщения.