Облачная LLM на 16 ГБ VRAM — часть 3: ChatGPT-интерфейс для ваших LangGraph-агентов

Следующий шаг который нас интересует — MCP-серверы под конкретные бизнес-задачи, как вы и написали в выводах. Если будет статья на эту тему — буду первым читателем

Слишком умный, чтобы выжить

Статья хорошая, но хотелось бы больше про то почему именно у людей эволюция не остановила этот процесс — ведь у ворон остановила, у дельфинов притормозила

Intersection Observer API: примеры использования

У нас был неприятный баг на мобиле — страница через 10-15 минут работы начинала подлагивать. Долго искали, оказалось в компоненте на React забыли вызывать observer.disconnect() при размонтировании.

Проблема в том что observer продолжает висеть и слушать даже после того как компонент уже уничтожен — и так копится с каждым переходом по страницам. На десктопе незаметно, на мобиле через какое-то время начинает ощущаться.

Лечится просто:

useEffect(() => {
  const observer = new IntersectionObserver(callback)
  observer.observe(ref.current)
  return () => observer.disconnect()
}, [])

disconnect() убирает всё сразу, unobserve(element) — по одному.
В статье примеры хорошие но это место стоило бы добавить

Как объяснить вайбкодеру, что “работает” — не значит “сделано нормально”

Прям в точку. У нас была похожая история — генерили через Claude эндпоинты для файлового хранилища, всё выглядело чисто, линтер доволен, тесты проходят. Потом senior посмотрел и нашёл именно path traversal — почти один в один как в статье. Самое обидное, что код был «уверенный», без единого намёка на то что там проблема.

С тех пор правило простое: LLM пишет черновик, человек с контекстом смотрит граничные случаи. Особенно всё что касается авторизации и файлов. Без этого — рулетка.

ИИ для Университета 4.0, а «Королев ИИ» для МГТУ им. Н.Э....

30+ моделей протестировали — это реально серьёзная работа. Интересно, на чём в итоге остановились для голосового ассистента, отечественные или зарубежные?