Прям вспомнил, как бывает больше самому разверткой заниматься, если опыта нет. Мы для студентов на курсе предлагаем воспользоваться бесплатной версией n8n от https://vsellm.ru/ (не реклама) - получается безшовно. Для того чтобы погрузиться в фрэймворк и начать первый воркфлоу собирать - вообще песня.
Все сильно зависит от цели) Я постоянно на интенсиве по n8n и ИИ агентам рассказываю, как можно избегать переусложнений, при этом сохраняя эффективность решения и удоство отладки. https://stepik.org/a/222232
Да, согласны, с короткими фразами справляется на "ура". Но статья о контент-производстве больше, создании инфографик, об этом будет во второй части. Могли бы Вы поделиться готовыми инфографиками, которые смогла сделать SD3?
Agentic AI это архитектура, в которую входит LLM, но дополнительно есть планировщик, логика переходов, оценка результата, и т.д. Тут суть была в том, что просто LLM вы можете давать задачи и сами вести ее по вашему пути. А концепт описанный для сравнения заключается в том, что система скорректирует путь сама в процессе, не прибегая к помощи от вас!
Сам концепт Agentic AI это своего рода автономная система, что способна сама себя контролировать и исправлять ошибки в случае непредсказуемых сценариев без остановки системы. Оркестратором вы делаете то, что вам будет удобнее и подходить под задачи!
Здравствуйте! Пример с Chroma это больше для возможности у читателя "прочувствовать опыт за автором". Простенький для воспроизводимости. Касаемо размера, то если вы будете подбирать размер фрагмента то, слишком маленький может потерять контекст, а слишком большой, то он може много шума похватать, что тоже не очень. Так что лучше стартовать по моему опыту с 250-400, а дальше смотреть на ваших данных. У себя кстати мы вообще используем Qdrant, в ней нам понравилась возможность сделать payload фильтры, что также ускорило развертывание системы.
в точку!
Статья что надо!
второй взлет произошел, когда добавили опцию собирать воркфлоу в чате с помощью ИИ агента
Единственная статья, то что надо! Все по полочкам разложил
Наслаждайся
Спасибо) Стараемся
Степик самый топовый. Работаю на нем. Вообще не понимаю, как гет-курс еще не умел)
Да полезно, но можно на том же vsellm.ru бесплатно доступ к серверу n8n получить. Не благодарите
Прям вспомнил, как бывает больше самому разверткой заниматься, если опыта нет. Мы для студентов на курсе предлагаем воспользоваться бесплатной версией n8n от https://vsellm.ru/ (не реклама) - получается безшовно. Для того чтобы погрузиться в фрэймворк и начать первый воркфлоу собирать - вообще песня.
Крч, попробуй n8n. Лишнем не будет)
Все сильно зависит от цели) Я постоянно на интенсиве по n8n и ИИ агентам рассказываю, как можно избегать переусложнений, при этом сохраняя эффективность решения и удоство отладки. https://stepik.org/a/222232
Кажись, реально надо было туда поступать!
Да, согласны, с короткими фразами справляется на "ура". Но статья о контент-производстве больше, создании инфографик, об этом будет во второй части. Могли бы Вы поделиться готовыми инфографиками, которые смогла сделать SD3?
Здравствуйте, у нас в тестовой выборке как раз были такие случаи. Модель справлялась и различала на снимке чек.
Попробуй сейчас, вроде работает
Agentic AI это архитектура, в которую входит LLM, но дополнительно есть планировщик, логика переходов, оценка результата, и т.д. Тут суть была в том, что просто LLM вы можете давать задачи и сами вести ее по вашему пути. А концепт описанный для сравнения заключается в том, что система скорректирует путь сама в процессе, не прибегая к помощи от вас!
Сам концепт Agentic AI это своего рода автономная система, что способна сама себя контролировать и исправлять ошибки в случае непредсказуемых сценариев без остановки системы. Оркестратором вы делаете то, что вам будет удобнее и подходить под задачи!
По моему наблюдению скажу так. Удобство и гибкость из-за роста качества LLM агентов перевалила критическую отметку. Вот и пошел резкий рост.
А как насчет VPN?
Здравствуйте! Пример с Chroma это больше для возможности у читателя "прочувствовать опыт за автором". Простенький для воспроизводимости. Касаемо размера, то если вы будете подбирать размер фрагмента то, слишком маленький может потерять контекст, а слишком большой, то он може много шума похватать, что тоже не очень. Так что лучше стартовать по моему опыту с 250-400, а дальше смотреть на ваших данных. У себя кстати мы вообще используем Qdrant, в ней нам понравилась возможность сделать payload фильтры, что также ускорило развертывание системы.