И кстати, многие из моих анализаторов на вскидку скриптовые, но все попытки перевести их в скрипт заканчивались неудачей. Пресловутые последние несколько % ломали все. Словари исключений начинали раздуваться дикими темпами, код усложнялся до невозможности ... Вот взять простую задачу, которая у меня есть. Матчинг окончаний между русским и словацким. С подсветкой где равно, где похоже, где отличается. Какзалось бы, чисто скриптовая задача. Есть 2 справочника парадигм, окончаний , сравнивай - не хочу ... Но даже на уровне А1/А2 чистый скрипт часто вызывал сплошную боль. Очень много пограничных вариантов, где схема ломалась. В конце концов решилось гибридом, скрипт который матчит , то что матчится на 100% остальное дотягивает ИИ. Ему проще там, где в целом-то тривиальное совпадение человеческим взглядом, но для скрипта = <> и все начинает сыпаться или обрастать кучей правил, отодвигая конечное решение на бесконечные сроки.
Гугл транслейт очень слабенький переводчик. Любая модель на самом дешевом тарифе порвет его как тузик грелку. При чем в том же Codex за 20 баксов можно делать это автоматически.
ИИ последних моделей справляются с переводом или OCR просто на ура. И 20 баксов за ChatGpt хватит с головой на кучу задач. Я вот переводил 2 огромных учебника , при чем OCR . Мне сам ИИ предложил изначально составить список терминов которые не надо переводить (задача перевода учебника совсем нетривиальна, ибо нужно думать что переводить, а что нет). Мне вот , кстати, интересно как сработает мой движок на франзузском. Можете дать десяток фраз, я сделаю разбор с переводом по блокам, правда с разбегу (для качественного анализа нужны те самые пресловутые учебники, лексические таггеры). Но для уровня А1/А2 в целом ИИ справляется и без подпорок. Очень интересные и неожиданные находки появляются. например что немецкий и славянские языки достаточно близки по строению. А словацкий(чешский) и итальянский имеют много общего , те же клитики ...
У меня делается такая ИИ сегментация. И перевод идет как фразы целиком, так и по отдельным блокам. Т.е. у меня есть четкий матчинг между словацким блоком и русским переводом. Вот тот же "chel by som" переведется не пословно "хотел бы я" , а "я бы хотел" . После кучи иттераций нашел интересный механизм, который лег в основу движка , который делает сегментацию. Смысл в том, что мы берем слово и пытаемся его изменить (крутим ручку: род, число, падеж ... ) далее смотрим что тянет изменить в фразе, чтобы она осталась грамматически правильной, какие элементы меняются. Далее уже обнаруживаются взаимосвязи и фраза делится на чанки (неразравные элементы-блоки). Ну и ручки кручения становятся осями вариатора, по которым потом из 1 фразы можно сгенерировать несколько. Т.е. у меня появляется некий слой абстракции, между словами и фразой. Чанки состоят из слов, а фразы состоят из чанков + слов связок. Для любых славянских языков это работает четко. Пробовал для Немецкого - Как-то работает) но я его не понимаю совсем, чисто игрался.
С грамматикой в словацком проще в той части, что она тотально не так сильно отличается от русской, как например английская , немецкая или французская. Очень много похожих по звучанию и написанию слов. Поэтому тут достаточно часто увидеть разницу и запомнить различия. Для этого и расчленяю фразу на составляющие. Про математику я писал в той части, что мне проще искать структуру, логику , взаимосвязи , чем листать огромные учебники. Собственно изучение грамматики ни кто не отменяет, это параллeльный процесс. Сначала мы запоминаем "chel by som" как кнопка в голове, которую надо нажать, чтобы что-то попросить. И параллельно учим правила. А проблему генерации фраз я решил в первую неделю разработки, собственно это очень простая для ИИ задача, особенно если дать опору из mcp учебников и морфотаггеров. При чем конкретно у меня сейчас идет привязка к словацкому, потому как он мне нужен, но совершенно на тех же принципах я могу делать на любую языковую пару из славянских языков. Английский тут нет, из-за иного подхода к грамматике. Но даже ради интереса пробовал с разбегу перестроить под Немецкий и получил неплохие результаты. Оказывается он достаточно близок к славянским языкам в части построения фраз, падежей окончаний. Я не лингвист тут , но мои алгоритмы отработали достаточно неплохо даже без перестройки под специфику. Ваша же задача, таблица спряжений , если я ее правильно понимаю, решается морфологическими таггерами. Можно с ИИ можно без. Для словацкого есть MorphoDiTa для русского , у меня вот такой стек определения форм и окончаний. Это mcp , который отдает информацию модели на лету в процессе рассуждения, и она при надобности получает все формы слова, разбор окончаний (это нужно для сопоставления их со словацкими и подсветки разницы для привлечения внимания).
под вашу задачу вот беглый гуглеж дал такие советы (по сути это аналог моей MorphoDita/Stanza): А далее или ручками, то что вам нужно, скриптами. Или сделать mcp сервер как у меня, который будет возвращать json со всеми формами и фразы на вход. Собственно вот у меня таким занимается вариатор, когда из 1 фразы делает несколько , отвечая на вопросы (а вот если тут был бы другой род/число/падеж ..., как бы изменилась фраза) .
Скрытый текст
1. Для генерации форм (Синтез)
Если вашему вариатору нужно взять инфинитив (лемму) и сгенерировать правильную форму для подстановки во фразу:
verbecc — это буквально то, о чем вы писали выше. Эта библиотека построена ровно на тех самых ~150 XML-шаблонах спряжений. Вы даете ей глагол, она определяет его шаблон и возвращает полный JSON со всеми 90 формами. Это идеальный детерминированный инструмент для вашей задачи.
Lefff (Lexique des Formes Fléchies du Français) — это колоссальный открытый морфологический словарь французского языка (аналог словаря OpenCorpora, который использует pymorphy3). Это огромная таблица, где перечислены сотни тысяч словоформ с их тегами (существительные, прилагательные, глаголы). Если нужно склонять не только глаголы, но и менять род/число прилагательных, используют этот словарь.
2. Для разбора текста (Анализ)
Если вам нужно разобрать готовое французское предложение, понять, где там подлежащее, а где сказуемое, и получить леммы (начальные формы) для последующей сверки:
UDPipe — прямой родственник MorphoDiTa (разработан той же командой). Отлично делает морфологический анализ французского и отдает данные в формате Universal Dependencies.
spaCy (модели fr_core_news_...) — заменяет связку Stanza/MorphoDiTa для анализа. Он мгновенно разбивает предложение на токены, отдает лемму каждого слова и его синтаксическую роль (что крайне важно для разбивки на чанки, о которых мы говорили ранее).
Сегментация есть у меня) Собственно это основа всего процесса. Правда на уровне фразы.
Ниже грубый пример отрисованный с raw data. Фраза разбирается на граф взаимосвязей. Ось вращения (pivot) - это основа для вариатора, когда из 1 фразы мы можем показать изменение любой части по роду, числу , падежу ... Чанк же это грамматический блок-кирпичик. Где изменение одной части тянет за собой изменение другой (род тянет окончание, меняем род, меняется окончание). Для славянских языков это важно, словацикй тут не исключение. И окончания с русскими совпадают в 40% случаев, хотя тенденции и прослеживаются, и проще учить различия...
И кстати, вот на том видео, что вы прислали "200 фраз" , для меня как человека, который живет в стране, 50% полностью бесполезны: "Я тебя люблю", "я работаю в больнице" , "позволь мне тебя обнять" ... остальные постольку-поскольку. Реально золотых там от силы 20-30 фраз. И это касается большинства обучаловок. К тому же нет обьяснения как строится фраза, если будет не "тот" а "та"? Если не "вон тут" а "вот там"? А если перестроить фразу ... и да, с репетиторами тоже достаточно плохо. Программы обучения из прошлого века ... У меня на это есть вариатор ,который раскручивает из 1 фразы кучу вариатов в разных падежах, числах, лицах ... Одно дело учить язык "на вырост" в свободное время, а другое дело, что нужно вот здесь и сейчас, при полном лимите свободного времени на обучение. Ну и у всех разные способности к языкам, у меня они посредственные. Мне надо математически разложить все по полочкам. Понять структуру , связи , визуализации ...
Да, спасибо, это неплохой ресурс, пользовался им. Но может в силу возраста, может особенностей запоминания мне сложно воспринимать черно-белый плоский текст. Да и сырая лингвистика не моя тема, я визуал и мне нужны графики, таблички, выделение цветом, мнемоника с картинками ... И почему бы и нет, если современные Image модели способны очень качествено визуализировать данные, что значительно облегчает процесс запоминания. Потому пошел своим путем, и делаю обучалку в первую очередь для себя + опыт в ИИ разработке. Хочется решить задачу 1 мили, именно старта. Для меня это не блажь, а жизненная необходимость и обучении должен быть некий минимальный интерактив. Что для меня означает удобный визуальный тренажер с возможностью отмечать "помню/не помню" "знаю/не знаю" , чтобы не тягать по 100 раз уже выученные слова и фразы в блокнотике, это уже как-то дико в наш цифровой век. Словацкий , не смотря на кажущуюся простоту, достаточно сильно отличается от русского, и именно на контрасте у меня построена вся обучающая модель. Т.е. показать сходства и отличия.
Разговорники не устраивают, тем, что их нет :D . Если для Английского,Немецкого, Франзузского их валом, то для словацкого я нашел только 1 приложение , в котором есть живые фразы, та и то криво-косое за дикие деньги. Учебников для рускоязычных критически мало. К тому же тот же словацкий, при всей похожести, имеет кучу критических отличий, одно из них клитики. И тут либо зубрить грамматику , чтобы сказать простую фразу. Вот , к примеру: Я бы хотел отдохнуть - частая фраза. В словацком она звучит Chcel by som si oddýchnuť . Если переводить и составлять по словам, о Хотел бы я себе отдохнуть. В моей обучалке эта фраза породит 2 чанка [Chcel by som] - я бы хотел [si oddýchnuť] - отдохнуть + 1 так называемый каркас (это список вот таких заготовок с которых начинаются самые популярные разговорные фразы) : [Chcel by som] + [ что? ...] Ученик запоминает блоками, пока не подтянет грамматику. Далее слой энрича обьяснит отдельно почему в [Chcel by som] порядок именно такой со ссылкой на грамматические правила из учебника. Плюс мнемоническая отрисовка.
Еще примеры (напомню это полный автомат-конвеер просто от 1 фразы , 0 ручной работы). Есть промпт, который генерит промпты для Gpt Image . Вот ниже еще один пример с глаголом быть, который есть в словацком, и которого нет в русском.
У меня расчет на 0 уровень, потому максимум интерактива, мнемоническое запоминание. При чем запоминание блоками и на реальных фразах, на каждый день. Мне сухие слова сложно запоминать)
Для основных языков есть такие наборы. Для мноих стран с небольшим населением их нет. В целом у меня ии генератор отлично справляется с этой задачей выдавая качественный материал. При чем у него есть 2 точки опоры, это mcp морфологический анализатор + RAG по учебникам. И я получаю свои наборы, которые нужны сдесь и сейчас. А пользовательским словарям, сейчас сложно доверять, там может быть вполне ни кем не проверенный ии слоп. Дак у меня хоть свой, контролируемый по куче правил и чеклистов.
И у меня на выходе приблизительно вот такое (это маленькая часть , чисто рабочий набросок отрисованый Gpt по сырым данным). По каждой фразе вместо сырого текста.
Ну вот я такую обучалку делаю исключительно для себя. Проблема в том, что для большинства европейских языков обучалки очень скудные. Особенно если это малочисленная страна. И обучение сводится к изучи слова , и по системе, которая только автору понятна. Да, всякие дом, дерево, трава - высокочастотные с точки зрения лингвистики, но совершенно бесполезные в реальной жизни. Свои же наборы создавать часто невозможно или криво или неудобно. Анки большие наборы, но GUI для них мягко сказать оставляют желать лучшего ,как и изображения. Поэтому мой пайплан строится от диалога-реальной жизненной ситуации с которой сталкивается человек приехавший в страну. 1 ситуация 10-15 фраз в виде диалога . Далее этот диалога раскладывается на : фразы, чанки (это смысловые связанные словосочетания, которые неразрывны и учаться 1 блоком), леммы (все слова , что участвуют в диалоге) и интересная фишка каркасы, это некие блоки, которые участвуют почти во всех фразах. По типу "я бы хотел ..." , "покажите мне" , "а сколько стоит ... " ... . По каждой сущности материал раскладывается ии промптами, и далее обогащается полезными подсказками. Например дял лемм вытягиваются окончания, парадигмы, склонения, правила написания. Для чанков - как образовывается и изменяется. Далее идет озвучка через elevenlabs и отрисовка через ChatGpt image . При чем качество изображений на порядок лучше того, что есть в любом текущем софте. Вот сейчас как раз на финальном этапе составления базы. GUI , к сожалению очень сырой, все силы брошены именно на составление базы, потому как ничего дельного не нашел для своего языка и приходится заниматся этим самому. Будет GUI, тогда опишу. Есть много интересных решений, по типу RAG учебники грамматики, которыми через mcp пользуются агенты энричеры дергая при неуверенности правила грамматики. Это убирает фантазии ии, и повышает грамматическую ценность.
Я вообще для себя делал) По сути идея была в том, чтобы учить язык не словами. А конструктами, чанками, фразами. Большинство обучаловок на словацком (их реально мало) начинают со слов: дерево, трава, кошка под столом ... а зачем мне знать про кошку, если мне надо в чужой стране купить колбасы... Вот у меня весь процесс стартует от ситуаций. 10-15 фраз на конкретную тему : магазин, бытовая ситуация, аптека, больница ... Первая фаза пайплайна генерирует фразы на тему, дальше их раскручивают промпты. (всего их около 20). Вытаскивают все что можно вытащить, делают карточки, обогащают грамматикой, размечают, TTS озвучивает, далее промпты пишут задания на отрисовку лемм, чанков (кирпичиков) , фраз. Получается интерактивный во всех смыслах материал с тренингом . Изучив к примеру хотя бы 200 слов (они совершенно частотные конкретные ), можно составить ситуации и покрыть большую часть базовой лексики туриста. При чем некоторые вещи запоминаются блоками "я бы хотел купить" - это блок, в словацком вот он звучит "Chcel by som si" + kúpiť . Можно заглубиться в грамматику клитик, и 2 года не понимать как это сказать, а можно просто запомнить каркас "Chcel by som si" + kúpiť и начать говорить.
У меня Max подписка, лимитов хватает с головой вообще ни в чем не отказывая, по сути за 3 месяца подписки большая часть работы сделана. дальше можно потихоньку набивать материал хоть на минимальном Codex (но там контекста мне не хватает). Это больше хобби для себя и обкатки технологий). Просто мне нужны 1M контексты, ибо промпты огромные.
yaml/xml реально нет разницы. По сути это структурированый текст, модели все равно. Это больше удобно для работы, когда все разбито по блокам и этапам, не нужно проверять на согласованность , если отредактировал часть промпта. Я ушел от боли монолитов на 500 кб, которые каким-то чудом работали , но их поддержка превращалась в кошмар.
"Все или ничего" - это базовый принцип заложенный в систему. Если какая-то подсказка по грамматике или действие не дает полной уверенности , что это грамматически верно, то она просто не делается. Ибо лучше отсуствие такой подсказки, чем галюцинации и шум. А вот эта уверенность как раз повышается mcp сверкой по словарям и учебникам.
По поводу скорости добавлю, у вас онлайн приложение, у меня оффлайн. Потому мне это не так критично. Сам RAG работает быстро, а вот размышления долго. Но тут , ИМХО, в реальном времени такую обучалку сделать качественно без предустановленных и заготовленных диалогов с проверками нереально. ИИ фантазирует даже на уровне А1/А2 , дальше вообще может начать писать дичь. У меня действует принцип, или макисмальная грамматическая точность или ничего. Если модель не уверена в ответе , то она просто ничего не говорит. Внутри у нее почти всегда есть confidence параметры, она может ответить насколько она уверена, можно задать порог. Например на простых фразах будет уверенность 90-95% , на сложных 80 и ниже, так можно фильтровать в том числе по уровню.
У меня есть сложные движки (промпты), которые, например, разбирают фразу на граф и извлекают сущности: слова, чанки и частотные паттерны. Чанки — это словосочетания, которые неразрывно связаны синтаксическими зависимостями (например, если мы меняем одну часть, то меняется окончание у другой).
Пример разбора: Исходная фраза: «Я бы хотел купить ту вареную колбасу».
Разбивка: «Я бы [хотел купить]» + «ту [вареную колбасу]».
Извлекаются чанки:
«ту [вареную колбасу]» (вложенный)
«[вареную колбасу]»
Далее идет процесс обогащения (enrichment) характеристиками из разных источников:
Лемматизация: извлекаются корни, окончания и другие морфологические признаки.
Обогащение чанков: ИИ объясняет, как словосочетание «вареную колбасу» согласовывается, как оно образовывается, чем отличается в разных языках и почему используется именно такое окончание.
Генерация контекста: ИИ создает полезные для ученика подсказки, указывает на частые ошибки и предлагает разные варианты «вареных колбас».
Без использования инструментов MCP модель часто делает разбор наугад. Особенно это заметно на пограничных случаях: словах, которые склоняются не по правилам, и исключениях.
Как работает интеграция:
Триггер: Серверы MCP вклиниваются в процесс рассуждения, когда у модели низкая уверенность (confidence) в правильности решения.
Запрос к RAG: При низкой уверенности ИИ обязан отправить запрос через MCP к RAG-системе, которая содержит грамматические справочники (просто разбитый на чанки учебник).
Корректировка: По запросу (например, «склонение существительных в родительном падеже») выдается конкретный список правил из нескольких учебников. Модель «умнеет» и начинает действовать строго по ним, так как для нее это доверенный источник истины (SOT).
Логирование: Все случаи применения правил корректируют поведение и записываются в лог.
Это, кстати, очень интересный механизм, который работает для любой задачи. ИИ хорош в грамматике, но в пограничных случаях цитаты из учебника смещают фокус в правильную сторону, повышают уверенность или корректируют поведение. Аналогично происходит с определением частей речи и парадигм — инструмент (например, MorphoDiTa) отдает точные данные, и ИИ не пытается угадывать то, что можно получить из грамматического справочника.
Крутится это на Opus, модель не теряется: просто в какой-то момент она делает запрос, читает правило и продолжает работу уже на его основе с логом в аудит о применении. Gemini, как по мне, очень слабовата в грамматике, но я тестировал на старых версиях.
Фильтрация смысловых ошибок: Фраза «Мама купила машину завтра» — это типичный тупой перевод с английского по словам, тут MorphoDiTa не поможет. На такое у меня есть чек-лист фильтры по типу:
Проверка: «Так сказал бы англичанин/американец?»
Условие: да/нет — переделывай.
С таким модели справляются легко. Задача тут не столько добится 100% грамматической точности, это практически невозможно, а свести ручную коррекцию к минимуму. У меня почти всегда 1М контекст выжирается до конца (задание вначале). Ни когда не было проблем или разницы между началом и концом. Решается нормальным строгим yaml пайплайном + механизмы самопроверки, чеклисты. Ну и те же mcp , которые дергаются постоянно при неуверенности. Т.е. основа промпта - структурированный yaml . Сам промпт целиком около 500КБ , вообще проблем 0. Едет по рельсам строго шаг за шагом, по сути алгоритм внутри промпта. Также есть механизмы коррекции на py , которые он запускает чтобы ловить слova, которые просачиваются из-за смешанного промпта.
Скрытый текст
version: 7 # v7 2026-07-10: самодокументируемость — how_to_read, паспорта tools (+healthcheck), сценарий flow из 3 актов, on_dispute, binding-поля; поведение прежнее
how_to_read: # "прочти ЭТОТ блок — дальше файл читается сверху вниз"
you_are: "LLM-исполнитель боевого стека; файл интерпретируешь: правила — в stack/, формы выхода — в blueprints/, здесь — что/когда/чем"
map: "meta (версии) -> access (диск) -> tools (паспорта инструментов) -> flow (СЦЕНАРИЙ: 3 акта) -> on_dispute (условные маршруты) -> invariants (табу)"
binding_legend: # "обязательность — СТРУКТУРОЙ: поле binding у актов, артефактов и маршрутов"
must: "обязательно — пропуск = брак прогона"
conditional: "обязательно ПРИ условии (условие — в when)"
opt: "по желанию — штрафа за пропуск нет"
meta:
purpose: "пригвождённый порядок разбора словацкой фразы боевым LLM-стеком"
serves: [manual_run, crank_heads] # "одинаковый старт для обоих: разброс = анализ, не формулировки"
rules_in: stack/ # "правил в этом файле НЕТ; формат входа — акт flow.2_read_input"
stack_version: "1.3.14" # "версия БАЗЫ (слои 1-4; двигается только версионным пакетом) -> штамп в D_audit.stack_version КАЖДОГО выхода"
schema_versions: # "пер-секционные штампы валидности данных -> D_audit.schema_versions"
rule: "значения тут НЕ дублируются — собери при прогреве из метки `schema:` в шапке файла-владельца; правка файла = бамп ЕГО шапки"
trust: "секция сохранённого выхода годна как вход ⟺ её штамп совпадает с текущей шапкой (частичные прогоны / отладка отдельных фаз)"
base: "= stack_version выше (слои 1-4 одним блоком)"
from_headers:
axes: stack/5_AXES.md
lemmas: stack/6_LEMMAS.md
translations: stack/7_TRANSLATIONS.md
export: stack/8_EXPORT.md
lex: lex/LEX_ROUTER.md # "ОДИН штамп на весь набор lex/; правка любой карточки бампает его (владелец — frontmatter роутера)"
karkas: stack/4b_KARKAS.md # "боевой слой (BD-050); штампуется только когда гонялся"
l1_traps: stack/7b_L1_TRAPS.md # "боевой слой (BD-050); штампуется только когда гонялся"
trace: extras/TRACE_ADDON.md # "штампуется в provenance каждого trace-файла"
access: # "ГДЕ прогону можно трогать диск — ЕДИНСТВЕННЫЙ источник (START и акты ссылаются сюда; пути нигде не повторяются)"
binds: "только САМОстоятельные действия — явная просьба оператора читать/писать в другом месте ПЕРЕБИВАЕТ любую границу ниже"
allow_read: [pipeline.yaml, stack/, lex/, blueprints/, extras/, glossaries/] # "glossaries/ — задел под глоссарий ВЫХОДА (в прогрев НЕ входит, см. коммент glossary ниже)"
deny_read: [live_docs/, patches/, output/] # "наша память · неслитые дельты · чужие прогоны; просьба оператора снимает запрет"
allow_write: output/ # "конкретная цель прогона = flow.3_phrase_cycle.b_output.out_dir (подпапка здесь)"
tools: # "ПАСПОРТА инструментов — единственное место деталей вызова; when_use говорит КОГДА зовёшь, healthcheck — как пинговать"
morphodita:
when_use: "ОБЯЗАТЕЛЬНО на каждую фразу — ПЕРВЫЙ шаг работы (гейт: без разбора не начинай) + при спорах о форме/падеже/числе"
healthcheck: "ToolSearch select:mcp__morpho__get_version -> вызови"
load_tool: "ToolSearch select:mcp__morpho__mcp_morpho_analyze_phrase" # "deferred-инструменты — загрузи перед вызовом"
analyze: {tool: mcp_morpho_analyze_phrase, args: {format: full}} # "ПРИГВОЖДЕНО — никогда slim (отладочная короткая форма со своей спекой чтения; головы дрейфуют к ней)"
perturb: mcp_morpho_generate # "возмущение — движок §5: смени токену форму, кто обязан перестроиться — тот и связан"
paradigm: mcp_morpho_paradigm # "обязательная сверка _disputed Imp-кандидата — движок §5"
out: "токены: pos+upos / lemma / features[+_syncretic,+_disputed] / is_clitic / governs / позиция"
hard_stop:
gate: "нет приложенного разбора И нет успешного analyze -> ПОЛНЫЙ СТОП, доложи ошибку"
never: "features по памяти — это обнуляет весь результат"
academic:
when_use: "спорная грамматика (on_dispute.hard_grammar) + ★-триггеры онбординга — там вызов ОБЯЗАТЕЛЕН; правильный ноль вызовов легален (LEX-гейт)"
healthcheck: "ToolSearch select:mcp__slovak_book__get_version -> вызови"
call: "retrieve_focused (tier-1); load через ToolSearch по мере надобности"
onboarding: extras/ACADEMIC_EXTRACTOR_v1.0.0.md # "как спрашивать и оценивать — владелец там (читается в 1_warmup)"
verdict: "цитатой [ZPM/MSJ s.X-Y] + query/rating в disputes_routed"
ну вообще это на целую статью, а то и цикл) созрею, опишу.
Делаю подобный проект, но под славянские языки язык. Проблема АИ в том, что ему до конца, все же, нельзя доверять некоторые вещи, ибо он может фантазировать. Пресловутые 20% последних процентов грамматической точности , а особенно последний 1%, достичь невероятно сложно. Для себя решил проблему таким образом, просто сделал mcp GraphRag сервер куда загнал несколько академических учебников . При чем для каждого учебника свой tool метод. Как результат модель в процессе рассуждений, при неуверенности, делает вызовы к mcp rag, при чем еще и триангуляцией по нескольким учебникам сразу и получает в те моменты, когда сомневается, четкие грамматические правила , далее действует уже на их основании. Плюс есть разные базы парадигм, частей слова для примера: morphodita, stanza под разные языки. Через этот фильтр вообще проходят все фразы . Страхует от фантазий на уровне слов. После этих 2-х инструментов, грамматическая точность сильно окрепла. К тому же бонусом идут реф ссылки на чанки из учебников.
А собственно какая разница. Задача только отделить уникальные кадры. 669 гб выглядит внушительно, но это 4к видео. А для модели там все равно на вход подается какое-то 640х480 . Даже без какой-то дико сложной нарезки любая модель справится с извлечением описаний прямо из потока хоть в реальном времени. К тому же там скорее всего гео + транскрибция звука, что вообще легко вытягивается из потока и индексируется. Можно накладывать слои с гео достопримечательностями и без распознавания видео. Зависит от того, что именно в запрос хочется ввести и получить на выходе.
Лично у меня пока обратное наблюдение, если для 4.7 просто писал тз, спеку и он добросовестно выполнял часто с первого раза, то 4.8 кроме этого надо ещё обязательно субагента на исследование , тесты, больше тестов, и в конце все равно бесконечно вылазят критичные баги в самых неожиданных местах. При этом Клод бьёт себя в грудь и говорит: "зуб даю , в этот раз точно все чисто" ... и начинается все по кругу.
Ну может я не приноровился к нему, но по ощущениям 4.8 стал он сильно заумный и самоуверенный и пытается сделать простое сложным, если чего не притормозить, что больше вредит.
Несколько раз перечитал, думал в прошлое попал) 20к токенов, ~10% окна , может 2% окна? ) Честно говоря времена до 1М контекста вспоминаю как страшный сон, когда этот бутстрап оптимизировал до каждого байта, и то постоянно не хватало. Сейчас с этим проблем нет, кроме того что конекст постоянно забывает и claude.md и даже свои мемори , и приходится частенько в них тыкать носом снова.
У меня не прижилась 3S так и валятся. Я привык по клику на скролл ссылки открывать, но в 3S он тугой, надо прям силой нажимать. Может просто не разработалась ? Но тактильно ход достаточно большой, вернулся на XL-750BK. Софт тоже, сколько ни крутил, как-то особых полезностей не нашел.
Тут главная беда даже не в потере контекста, клод прекрасно держит длинный контекст, проблема в том, что после 500к начинается дикий жор токенов, потому как кэш действует 5 минут - 1 час, если периодически возвращаться к такой длинной сессии , то каждый самый простой запрос отправляет весь контекст заново. Под верхней границей это вообще выжирает все лимиты со скоростью звука.
Я стараюсь не доводить до 500к без особой надобности, периодически делать хангоф эпохи ( обязательно включающий все отвергнутые теории, грабли и т.д., а также самое важное) бортжурнал коммитов (заставляю модель подробно пояснять каждый коммит теми подробностями, что не ясно из самого дифа и описания) , а потом делаю компакт и заставляю перечитать. Плюс максимально заставлять делегировать подзадачи субагентам, чтобы не раздувать контекст.
И кстати, многие из моих анализаторов на вскидку скриптовые, но все попытки перевести их в скрипт заканчивались неудачей. Пресловутые последние несколько % ломали все. Словари исключений начинали раздуваться дикими темпами, код усложнялся до невозможности ...
Вот взять простую задачу, которая у меня есть. Матчинг окончаний между русским и словацким. С подсветкой где равно, где похоже, где отличается. Какзалось бы, чисто скриптовая задача. Есть 2 справочника парадигм, окончаний , сравнивай - не хочу ...
Но даже на уровне А1/А2 чистый скрипт часто вызывал сплошную боль. Очень много пограничных вариантов, где схема ломалась. В конце концов решилось гибридом, скрипт который матчит , то что матчится на 100% остальное дотягивает ИИ. Ему проще там, где в целом-то тривиальное совпадение человеческим взглядом, но для скрипта = <> и все начинает сыпаться или обрастать кучей правил, отодвигая конечное решение на бесконечные сроки.
Гугл транслейт очень слабенький переводчик. Любая модель на самом дешевом тарифе порвет его как тузик грелку. При чем в том же Codex за 20 баксов можно делать это автоматически.
ИИ последних моделей справляются с переводом или OCR просто на ура. И 20 баксов за ChatGpt хватит с головой на кучу задач.
Я вот переводил 2 огромных учебника , при чем OCR .
Мне сам ИИ предложил изначально составить список терминов которые не надо переводить (задача перевода учебника совсем нетривиальна, ибо нужно думать что переводить, а что нет).
Мне вот , кстати, интересно как сработает мой движок на франзузском. Можете дать десяток фраз, я сделаю разбор с переводом по блокам, правда с разбегу (для качественного анализа нужны те самые пресловутые учебники, лексические таггеры). Но для уровня А1/А2 в целом ИИ справляется и без подпорок.
Очень интересные и неожиданные находки появляются. например что немецкий и славянские языки достаточно близки по строению. А словацкий(чешский) и итальянский имеют много общего , те же клитики ...
У меня делается такая ИИ сегментация. И перевод идет как фразы целиком, так и по отдельным блокам. Т.е. у меня есть четкий матчинг между словацким блоком и русским переводом. Вот тот же "chel by som" переведется не пословно "хотел бы я" , а "я бы хотел" .
После кучи иттераций нашел интересный механизм, который лег в основу движка , который делает сегментацию.
Смысл в том, что мы берем слово и пытаемся его изменить (крутим ручку: род, число, падеж ... ) далее смотрим что тянет изменить в фразе, чтобы она осталась грамматически правильной, какие элементы меняются. Далее уже обнаруживаются взаимосвязи и фраза делится на чанки (неразравные элементы-блоки). Ну и ручки кручения становятся осями вариатора, по которым потом из 1 фразы можно сгенерировать несколько.
Т.е. у меня появляется некий слой абстракции, между словами и фразой. Чанки состоят из слов, а фразы состоят из чанков + слов связок.
Для любых славянских языков это работает четко. Пробовал для Немецкого - Как-то работает) но я его не понимаю совсем, чисто игрался.
Скрытый текст
С грамматикой в словацком проще в той части, что она тотально не так сильно отличается от русской, как например английская , немецкая или французская. Очень много похожих по звучанию и написанию слов. Поэтому тут достаточно часто увидеть разницу и запомнить различия. Для этого и расчленяю фразу на составляющие.
Про математику я писал в той части, что мне проще искать структуру, логику , взаимосвязи , чем листать огромные учебники.
Собственно изучение грамматики ни кто не отменяет, это параллeльный процесс. Сначала мы запоминаем "chel by som" как кнопка в голове, которую надо нажать, чтобы что-то попросить. И параллельно учим правила.
А проблему генерации фраз я решил в первую неделю разработки, собственно это очень простая для ИИ задача, особенно если дать опору из mcp учебников и морфотаггеров.
При чем конкретно у меня сейчас идет привязка к словацкому, потому как он мне нужен, но совершенно на тех же принципах я могу делать на любую языковую пару из славянских языков. Английский тут нет, из-за иного подхода к грамматике. Но даже ради интереса пробовал с разбегу перестроить под Немецкий и получил неплохие результаты. Оказывается он достаточно близок к славянским языкам в части построения фраз, падежей окончаний. Я не лингвист тут , но мои алгоритмы отработали достаточно неплохо даже без перестройки под специфику.
Ваша же задача, таблица спряжений , если я ее правильно понимаю, решается морфологическими таггерами. Можно с ИИ можно без.
Для словацкого есть MorphoDiTa
для русского , у меня вот такой стек определения форм и окончаний. Это mcp , который отдает информацию модели на лету в процессе рассуждения, и она при надобности получает все формы слова, разбор окончаний (это нужно для сопоставления их со словацкими и подсветки разницы для привлечения внимания).
Скрытый текст
под вашу задачу вот беглый гуглеж дал такие советы (по сути это аналог моей MorphoDita/Stanza):
А далее или ручками, то что вам нужно, скриптами. Или сделать mcp сервер как у меня, который будет возвращать json со всеми формами и фразы на вход. Собственно вот у меня таким занимается вариатор, когда из 1 фразы делает несколько , отвечая на вопросы (а вот если тут был бы другой род/число/падеж ..., как бы изменилась фраза) .
Скрытый текст
1. Для генерации форм (Синтез)
Если вашему вариатору нужно взять инфинитив (лемму) и сгенерировать правильную форму для подстановки во фразу:
verbecc— это буквально то, о чем вы писали выше. Эта библиотека построена ровно на тех самых ~150 XML-шаблонах спряжений. Вы даете ей глагол, она определяет его шаблон и возвращает полный JSON со всеми 90 формами. Это идеальный детерминированный инструмент для вашей задачи.Lefff (Lexique des Formes Fléchies du Français) — это колоссальный открытый морфологический словарь французского языка (аналог словаря OpenCorpora, который использует
pymorphy3). Это огромная таблица, где перечислены сотни тысяч словоформ с их тегами (существительные, прилагательные, глаголы). Если нужно склонять не только глаголы, но и менять род/число прилагательных, используют этот словарь.2. Для разбора текста (Анализ)
Если вам нужно разобрать готовое французское предложение, понять, где там подлежащее, а где сказуемое, и получить леммы (начальные формы) для последующей сверки:
UDPipe — прямой родственник MorphoDiTa (разработан той же командой). Отлично делает морфологический анализ французского и отдает данные в формате Universal Dependencies.
spaCy (модели
fr_core_news_...) — заменяет связку Stanza/MorphoDiTa для анализа. Он мгновенно разбивает предложение на токены, отдает лемму каждого слова и его синтаксическую роль (что крайне важно для разбивки на чанки, о которых мы говорили ранее).Сегментация есть у меня) Собственно это основа всего процесса. Правда на уровне фразы.
Ниже грубый пример отрисованный с raw data. Фраза разбирается на граф взаимосвязей. Ось вращения (pivot) - это основа для вариатора, когда из 1 фразы мы можем показать изменение любой части по роду, числу , падежу ...
Чанк же это грамматический блок-кирпичик. Где изменение одной части тянет за собой изменение другой (род тянет окончание, меняем род, меняется окончание). Для славянских языков это важно, словацикй тут не исключение. И окончания с русскими совпадают в 40% случаев, хотя тенденции и прослеживаются, и проще учить различия...
Скрытый текст
И кстати, вот на том видео, что вы прислали "200 фраз" , для меня как человека, который живет в стране, 50% полностью бесполезны: "Я тебя люблю", "я работаю в больнице" , "позволь мне тебя обнять" ... остальные постольку-поскольку. Реально золотых там от силы 20-30 фраз. И это касается большинства обучаловок.
К тому же нет обьяснения как строится фраза, если будет не "тот" а "та"? Если не "вон тут" а "вот там"? А если перестроить фразу ... и да, с репетиторами тоже достаточно плохо. Программы обучения из прошлого века ...
У меня на это есть вариатор ,который раскручивает из 1 фразы кучу вариатов в разных падежах, числах, лицах ...
Одно дело учить язык "на вырост" в свободное время, а другое дело, что нужно вот здесь и сейчас, при полном лимите свободного времени на обучение.
Ну и у всех разные способности к языкам, у меня они посредственные. Мне надо математически разложить все по полочкам. Понять структуру , связи , визуализации ...
Да, спасибо, это неплохой ресурс, пользовался им. Но может в силу возраста, может особенностей запоминания мне сложно воспринимать черно-белый плоский текст.
Да и сырая лингвистика не моя тема, я визуал и мне нужны графики, таблички, выделение цветом, мнемоника с картинками ...
И почему бы и нет, если современные Image модели способны очень качествено визуализировать данные, что значительно облегчает процесс запоминания.
Потому пошел своим путем, и делаю обучалку в первую очередь для себя + опыт в ИИ разработке.
Хочется решить задачу 1 мили, именно старта.
Для меня это не блажь, а жизненная необходимость и обучении должен быть некий минимальный интерактив.
Что для меня означает удобный визуальный тренажер с возможностью отмечать "помню/не помню" "знаю/не знаю" , чтобы не тягать по 100 раз уже выученные слова и фразы в блокнотике, это уже как-то дико в наш цифровой век.
Словацкий , не смотря на кажущуюся простоту, достаточно сильно отличается от русского, и именно на контрасте у меня построена вся обучающая модель. Т.е. показать сходства и отличия.
Разговорники не устраивают, тем, что их нет :D . Если для Английского,Немецкого, Франзузского их валом, то для словацкого я нашел только 1 приложение , в котором есть живые фразы, та и то криво-косое за дикие деньги. Учебников для рускоязычных критически мало.
К тому же тот же словацкий, при всей похожести, имеет кучу критических отличий, одно из них клитики. И тут либо зубрить грамматику , чтобы сказать простую фразу.
Вот , к примеру: Я бы хотел отдохнуть - частая фраза.
В словацком она звучит Chcel by som si oddýchnuť . Если переводить и составлять по словам, о Хотел бы я себе отдохнуть.
В моей обучалке эта фраза породит 2 чанка [Chcel by som] - я бы хотел [si oddýchnuť] - отдохнуть
+ 1 так называемый каркас (это список вот таких заготовок с которых начинаются самые популярные разговорные фразы) :
[Chcel by som] + [ что? ...]
Ученик запоминает блоками, пока не подтянет грамматику.
Далее слой энрича обьяснит отдельно почему в [Chcel by som] порядок именно такой со ссылкой на грамматические правила из учебника. Плюс мнемоническая отрисовка.
Еще примеры (напомню это полный автомат-конвеер просто от 1 фразы , 0 ручной работы). Есть промпт, который генерит промпты для Gpt Image . Вот ниже еще один пример с глаголом быть, который есть в словацком, и которого нет в русском.
Скрытый текст
У меня расчет на 0 уровень, потому максимум интерактива, мнемоническое запоминание. При чем запоминание блоками и на реальных фразах, на каждый день. Мне сухие слова сложно запоминать)
Скрытый текст
Для основных языков есть такие наборы. Для мноих стран с небольшим населением их нет. В целом у меня ии генератор отлично справляется с этой задачей выдавая качественный материал.
При чем у него есть 2 точки опоры, это mcp морфологический анализатор + RAG по учебникам.
И я получаю свои наборы, которые нужны сдесь и сейчас.
А пользовательским словарям, сейчас сложно доверять, там может быть вполне ни кем не проверенный ии слоп. Дак у меня хоть свой, контролируемый по куче правил и чеклистов.
И у меня на выходе приблизительно вот такое (это маленькая часть , чисто рабочий набросок отрисованый Gpt по сырым данным). По каждой фразе вместо сырого текста.
Скрытый текст
Ну вот я такую обучалку делаю исключительно для себя. Проблема в том, что для большинства европейских языков обучалки очень скудные. Особенно если это малочисленная страна. И обучение сводится к изучи слова , и по системе, которая только автору понятна. Да, всякие дом, дерево, трава - высокочастотные с точки зрения лингвистики, но совершенно бесполезные в реальной жизни. Свои же наборы создавать часто невозможно или криво или неудобно.
Анки большие наборы, но GUI для них мягко сказать оставляют желать лучшего ,как и изображения.
Поэтому мой пайплан строится от диалога-реальной жизненной ситуации с которой сталкивается человек приехавший в страну.
1 ситуация 10-15 фраз в виде диалога . Далее этот диалога раскладывается на : фразы, чанки (это смысловые связанные словосочетания, которые неразрывны и учаться 1 блоком), леммы (все слова , что участвуют в диалоге) и интересная фишка каркасы, это некие блоки, которые участвуют почти во всех фразах. По типу "я бы хотел ..." , "покажите мне" , "а сколько стоит ... " ... . По каждой сущности материал раскладывается ии промптами, и далее обогащается полезными подсказками. Например дял лемм вытягиваются окончания, парадигмы, склонения, правила написания. Для чанков - как образовывается и изменяется.
Далее идет озвучка через elevenlabs и отрисовка через ChatGpt image . При чем качество изображений на порядок лучше того, что есть в любом текущем софте.
Вот сейчас как раз на финальном этапе составления базы. GUI , к сожалению очень сырой, все силы брошены именно на составление базы, потому как ничего дельного не нашел для своего языка и приходится заниматся этим самому. Будет GUI, тогда опишу. Есть много интересных решений, по типу RAG учебники грамматики, которыми через mcp пользуются агенты энричеры дергая при неуверенности правила грамматики. Это убирает фантазии ии, и повышает грамматическую ценность.
Я вообще для себя делал) По сути идея была в том, чтобы учить язык не словами. А конструктами, чанками, фразами.
Большинство обучаловок на словацком (их реально мало) начинают со слов: дерево, трава, кошка под столом ... а зачем мне знать про кошку, если мне надо в чужой стране купить колбасы...
Вот у меня весь процесс стартует от ситуаций. 10-15 фраз на конкретную тему : магазин, бытовая ситуация, аптека, больница ...
Первая фаза пайплайна генерирует фразы на тему, дальше их раскручивают промпты. (всего их около 20). Вытаскивают все что можно вытащить, делают карточки, обогащают грамматикой, размечают, TTS озвучивает, далее промпты пишут задания на отрисовку лемм, чанков (кирпичиков) , фраз.
Получается интерактивный во всех смыслах материал с тренингом . Изучив к примеру хотя бы 200 слов (они совершенно частотные конкретные ), можно составить ситуации и покрыть большую часть базовой лексики туриста.
При чем некоторые вещи запоминаются блоками "я бы хотел купить" - это блок, в словацком вот он звучит "Chcel by som si" + kúpiť . Можно заглубиться в грамматику клитик, и 2 года не понимать как это сказать, а можно просто запомнить каркас "Chcel by som si" + kúpiť и начать говорить.
У меня Max подписка, лимитов хватает с головой вообще ни в чем не отказывая, по сути за 3 месяца подписки большая часть работы сделана. дальше можно потихоньку набивать материал хоть на минимальном Codex (но там контекста мне не хватает). Это больше хобби для себя и обкатки технологий).
Просто мне нужны 1M контексты, ибо промпты огромные.
yaml/xml реально нет разницы. По сути это структурированый текст, модели все равно. Это больше удобно для работы, когда все разбито по блокам и этапам, не нужно проверять на согласованность , если отредактировал часть промпта. Я ушел от боли монолитов на 500 кб, которые каким-то чудом работали , но их поддержка превращалась в кошмар.
"Все или ничего" - это базовый принцип заложенный в систему. Если какая-то подсказка по грамматике или действие не дает полной уверенности , что это грамматически верно, то она просто не делается. Ибо лучше отсуствие такой подсказки, чем галюцинации и шум. А вот эта уверенность как раз повышается mcp сверкой по словарям и учебникам.
По поводу скорости добавлю, у вас онлайн приложение, у меня оффлайн. Потому мне это не так критично. Сам RAG работает быстро, а вот размышления долго.
Но тут , ИМХО, в реальном времени такую обучалку сделать качественно без предустановленных и заготовленных диалогов с проверками нереально. ИИ фантазирует даже на уровне А1/А2 , дальше вообще может начать писать дичь.
У меня действует принцип, или макисмальная грамматическая точность или ничего. Если модель не уверена в ответе , то она просто ничего не говорит.
Внутри у нее почти всегда есть confidence параметры, она может ответить насколько она уверена, можно задать порог. Например на простых фразах будет уверенность 90-95% , на сложных 80 и ниже, так можно фильтровать в том числе по уровню.
У меня есть сложные движки (промпты), которые, например, разбирают фразу на граф и извлекают сущности: слова, чанки и частотные паттерны. Чанки — это словосочетания, которые неразрывно связаны синтаксическими зависимостями (например, если мы меняем одну часть, то меняется окончание у другой).
Пример разбора: Исходная фраза: «Я бы хотел купить ту вареную колбасу».
Разбивка:
«Я бы [хотел купить]»+«ту [вареную колбасу]».Извлекаются чанки:
«ту [вареную колбасу]»(вложенный)«[вареную колбасу]»Далее идет процесс обогащения (enrichment) характеристиками из разных источников:
Лемматизация: извлекаются корни, окончания и другие морфологические признаки.
Обогащение чанков: ИИ объясняет, как словосочетание «вареную колбасу» согласовывается, как оно образовывается, чем отличается в разных языках и почему используется именно такое окончание.
Генерация контекста: ИИ создает полезные для ученика подсказки, указывает на частые ошибки и предлагает разные варианты «вареных колбас».
Без использования инструментов MCP модель часто делает разбор наугад. Особенно это заметно на пограничных случаях: словах, которые склоняются не по правилам, и исключениях.
Как работает интеграция:
Триггер: Серверы MCP вклиниваются в процесс рассуждения, когда у модели низкая уверенность (confidence) в правильности решения.
Запрос к RAG: При низкой уверенности ИИ обязан отправить запрос через MCP к RAG-системе, которая содержит грамматические справочники (просто разбитый на чанки учебник).
Корректировка: По запросу (например, «склонение существительных в родительном падеже») выдается конкретный список правил из нескольких учебников. Модель «умнеет» и начинает действовать строго по ним, так как для нее это доверенный источник истины (SOT).
Логирование: Все случаи применения правил корректируют поведение и записываются в лог.
Это, кстати, очень интересный механизм, который работает для любой задачи. ИИ хорош в грамматике, но в пограничных случаях цитаты из учебника смещают фокус в правильную сторону, повышают уверенность или корректируют поведение. Аналогично происходит с определением частей речи и парадигм — инструмент (например, MorphoDiTa) отдает точные данные, и ИИ не пытается угадывать то, что можно получить из грамматического справочника.
Крутится это на Opus, модель не теряется: просто в какой-то момент она делает запрос, читает правило и продолжает работу уже на его основе с логом в аудит о применении. Gemini, как по мне, очень слабовата в грамматике, но я тестировал на старых версиях.
Фильтрация смысловых ошибок: Фраза «Мама купила машину завтра» — это типичный тупой перевод с английского по словам, тут MorphoDiTa не поможет. На такое у меня есть чек-лист фильтры по типу:
Проверка: «Так сказал бы англичанин/американец?»
Условие: да/нет — переделывай.
С таким модели справляются легко.
Задача тут не столько добится 100% грамматической точности, это практически невозможно, а свести ручную коррекцию к минимуму.
У меня почти всегда 1М контекст выжирается до конца (задание вначале). Ни когда не было проблем или разницы между началом и концом.
Решается нормальным строгим yaml пайплайном + механизмы самопроверки, чеклисты.
Ну и те же mcp , которые дергаются постоянно при неуверенности.
Т.е. основа промпта - структурированный yaml . Сам промпт целиком около 500КБ , вообще проблем 0. Едет по рельсам строго шаг за шагом, по сути алгоритм внутри промпта. Также есть механизмы коррекции на py , которые он запускает чтобы ловить слova, которые просачиваются из-за смешанного промпта.
Скрытый текст
ну вообще это на целую статью, а то и цикл) созрею, опишу.
Делаю подобный проект, но под славянские языки язык. Проблема АИ в том, что ему до конца, все же, нельзя доверять некоторые вещи, ибо он может фантазировать.
Пресловутые 20% последних процентов грамматической точности , а особенно последний 1%, достичь невероятно сложно.
Для себя решил проблему таким образом, просто сделал mcp GraphRag сервер куда загнал несколько академических учебников . При чем для каждого учебника свой tool метод. Как результат модель в процессе рассуждений, при неуверенности, делает вызовы к mcp rag, при чем еще и триангуляцией по нескольким учебникам сразу и получает в те моменты, когда сомневается, четкие грамматические правила , далее действует уже на их основании.
Плюс есть разные базы парадигм, частей слова для примера: morphodita, stanza под разные языки. Через этот фильтр вообще проходят все фразы . Страхует от фантазий на уровне слов.
После этих 2-х инструментов, грамматическая точность сильно окрепла. К тому же бонусом идут реф ссылки на чанки из учебников.
А собственно какая разница. Задача только отделить уникальные кадры. 669 гб выглядит внушительно, но это 4к видео. А для модели там все равно на вход подается какое-то 640х480 . Даже без какой-то дико сложной нарезки любая модель справится с извлечением описаний прямо из потока хоть в реальном времени.
К тому же там скорее всего гео + транскрибция звука, что вообще легко вытягивается из потока и индексируется. Можно накладывать слои с гео достопримечательностями и без распознавания видео. Зависит от того, что именно в запрос хочется ввести и получить на выходе.
Лично у меня пока обратное наблюдение, если для 4.7 просто писал тз, спеку и он добросовестно выполнял часто с первого раза, то 4.8 кроме этого надо ещё обязательно субагента на исследование , тесты, больше тестов, и в конце все равно бесконечно вылазят критичные баги в самых неожиданных местах. При этом Клод бьёт себя в грудь и говорит: "зуб даю , в этот раз точно все чисто" ... и начинается все по кругу.
Ну может я не приноровился к нему, но по ощущениям 4.8 стал он сильно заумный и самоуверенный и пытается сделать простое сложным, если чего не притормозить, что больше вредит.
Несколько раз перечитал, думал в прошлое попал) 20к токенов, ~10% окна , может 2% окна? )
Честно говоря времена до 1М контекста вспоминаю как страшный сон, когда этот бутстрап оптимизировал до каждого байта, и то постоянно не хватало.
Сейчас с этим проблем нет, кроме того что конекст постоянно забывает и claude.md и даже свои мемори , и приходится частенько в них тыкать носом снова.
У меня не прижилась 3S так и валятся. Я привык по клику на скролл ссылки открывать, но в 3S он тугой, надо прям силой нажимать. Может просто не разработалась ? Но тактильно ход достаточно большой, вернулся на XL-750BK.
Софт тоже, сколько ни крутил, как-то особых полезностей не нашел.
Тут главная беда даже не в потере контекста, клод прекрасно держит длинный контекст, проблема в том, что после 500к начинается дикий жор токенов, потому как кэш действует 5 минут - 1 час, если периодически возвращаться к такой длинной сессии , то каждый самый простой запрос отправляет весь контекст заново. Под верхней границей это вообще выжирает все лимиты со скоростью звука.
Я стараюсь не доводить до 500к без особой надобности, периодически делать хангоф эпохи ( обязательно включающий все отвергнутые теории, грабли и т.д., а также самое важное) бортжурнал коммитов (заставляю модель подробно пояснять каждый коммит теми подробностями, что не ясно из самого дифа и описания) , а потом делаю компакт и заставляю перечитать. Плюс максимально заставлять делегировать подзадачи субагентам, чтобы не раздувать контекст.