Согласен, но для массового использования нужно чтобы это просто подключалось без своих серверов и агентов. На данный момент подключение mcp я проверил в claude, chatgpt и gemini (spark) - из них нормально работает claude - показывает из ответа и текст, и схему вагона. chatgpt не показывает схему вагона, пишет что в ответе ее нет ) gemini spark - пока сырой, каждый запрос к mcp требует подтверждения
Российские Алису и Гигачат еще не смотрел, но не слышал чтобы там можно было подключать сторонний mcp.
Спасибо, по фикстурам согласен, это самое слабое место сейчас. Разделение на кандидата и подтверждённое купе живёт в коде, но в тестах не закреплено: парсер можно поправить так, что формулировка тихо станет смелее, и ничего не упадёт. Три случая, которые вы назвали (1-4 в одном купе, 1-2 и 5-6 в разных, обрезанный ответ API), как раз и есть минимальный набор - причём третий важнее первых двух: именно на неполной схеме хочется гарантированного отката к «вагон минимум с четырьмя местами», а не к молчаливому «нашёл купе».
Про время проверки тоже верно, и это стоит делать не в тексте ответа, а в самом инструменте: возвращать метку времени по Москве отдельным полем, чтобы модель не могла её потерять при пересказе. Наличие мест устаревает за минуты, а ответ ассистента выглядит одинаково убедительно и через час.
Спасибо за точный комментарий! Диффузия действительно решает похожие проблемы генерации, и я обязательно до нее дойду - тема в планах.
Сейчас я последовательно изучаю семейство подходов с латентными векторными пространствами на базе традиционной авторегрессии (CALM, ConceptLM и концепт-модели в целом). Цель - оценить, насколько эффективно такие “смыслы-векторы” применимы в прикладных HR-задачах (анализ вакансий, выравнивание грейдов, семантический поиск кандидатов).
Вы пишете: Все наши сервисы запускаются в виде Docker-контейнеров, скидочный сервис не стал исключением. Дополнительный слой виртуализации имеет свою цену. При локальном замере производительности, использование Docker-контейнера замедляет приложение примерно в 4-5 раз.
А с чем связано это?
Быть может нужна более тонкая настройка докер контейнеров по cpu / ram?
Самый большой плюс nextjs - Fullstack разработка. Многие компании спускают бюджеты на Backend/Frontend разработку на разных языках. С Server actions вам нужна одна команда, один стек. Вам не нужен redux, чтобы дублировать стейт на клиенте. Можно вызвать Server action и router.refresh(). Очень много кода просто не нужно писать, если вы пишете Fullstack приложение на nextjs. Ни за что не агитирую, если вам нравится реактивщина redux, два языка и Backed/Frontend. Но с nextjs можно писать намного проще.
Отличная статья, четкий и последовательный подход к решению задачи автоматизированного анализа текстовой информации. А есть ли у вас опыт парсинга, например, резюме и вакансий с таким подходом?
Автосалон действительно не может выдать кредит, потому что нужна лицензия. Но можно сделать кредитную платформу для нескольких участников - автосалонов, МФО, скоринговых, коллекторских агенств, где каждый будет выполнять свою роль.
Спасибо за исходный проект: без него я бы заметно дольше писал запросы к неофициальному API. Может когда то РЖД сделает и официальный API )
Согласен, но для массового использования нужно чтобы это просто подключалось без своих серверов и агентов. На данный момент подключение mcp я проверил в claude, chatgpt и gemini (spark) - из них нормально работает claude - показывает из ответа и текст, и схему вагона. chatgpt не показывает схему вагона, пишет что в ответе ее нет )
gemini spark - пока сырой, каждый запрос к mcp требует подтверждения
Российские Алису и Гигачат еще не смотрел, но не слышал чтобы там можно было подключать сторонний mcp.
Спасибо, по фикстурам согласен, это самое слабое место сейчас. Разделение на кандидата и подтверждённое купе живёт в коде, но в тестах не закреплено: парсер можно поправить так, что формулировка тихо станет смелее, и ничего не упадёт. Три случая, которые вы назвали (1-4 в одном купе, 1-2 и 5-6 в разных, обрезанный ответ API), как раз и есть минимальный набор - причём третий важнее первых двух: именно на неполной схеме хочется гарантированного отката к «вагон минимум с четырьмя местами», а не к молчаливому «нашёл купе».
Про время проверки тоже верно, и это стоит делать не в тексте ответа, а в самом инструменте: возвращать метку времени по Москве отдельным полем, чтобы модель не могла её потерять при пересказе. Наличие мест устаревает за минуты, а ответ ассистента выглядит одинаково убедительно и через час.
Спасибо за точный комментарий! Диффузия действительно решает похожие проблемы генерации, и я обязательно до нее дойду - тема в планах.
Сейчас я последовательно изучаю семейство подходов с латентными векторными пространствами на базе традиционной авторегрессии (CALM, ConceptLM и концепт-модели в целом). Цель - оценить, насколько эффективно такие “смыслы-векторы” применимы в прикладных HR-задачах (анализ вакансий, выравнивание грейдов, семантический поиск кандидатов).
А как создать аккаунт из США, чтобы получить доступ к Opal?
Согласен, процессы нужно менять ИИ.
Например, там где идёт работа с документами, их можно структурировать с LLM и использовать RPA.
Например, сотрудник банка читает кредитную документацию и сверяет. А если извлечь данные, то сверять можно просто алгоритмом.
Подскажите, есть агрегаторы ИИ, принимающие оплату из России, SWIFT например?
В Affine self hosted всего 3 пользователей дает завести, а как вы завели 5 пользователей?
Добрый день!
Может ли помочь замена слоёв на линейные регрессии при запуске на более слабом железе?
Можно ли получить доступ к такой модели?
Спасибо! Благодаря nextjs и react 19 (server components, server actions, form) становится проще писать приложения.
Если получать данные в React server components и вызывать действия через server actions, то почти весь код можно убрать с клиента.
Обновили данные в бэке, перерисовали.
Особенно удобно, когда фулстек приложение.
Вы пишете: Все наши сервисы запускаются в виде Docker-контейнеров, скидочный сервис не стал исключением. Дополнительный слой виртуализации имеет свою цену. При локальном замере производительности, использование Docker-контейнера замедляет приложение примерно в 4-5 раз.
А с чем связано это?
Быть может нужна более тонкая настройка докер контейнеров по cpu / ram?
Поздравляю с успехом! Всё собираем с помощью werf.
Что вы думаете насчет замены iframe - module federation?
werf converge не рассматривали?
Готовое решение от flant, есть интеграция с GitHub и gitlab
У ArgoCD есть интеграция с werf, получается цельное решение (развёртывание+сборка)
Но справедливости ради, можно организовать развёртывание и без него, на чистом werf.
Самый большой плюс nextjs - Fullstack разработка. Многие компании спускают бюджеты на Backend/Frontend разработку на разных языках. С Server actions вам нужна одна команда, один стек. Вам не нужен redux, чтобы дублировать стейт на клиенте. Можно вызвать Server action и router.refresh(). Очень много кода просто не нужно писать, если вы пишете Fullstack приложение на nextjs. Ни за что не агитирую, если вам нравится реактивщина redux, два языка и Backed/Frontend. Но с nextjs можно писать намного проще.
Небольшой обзор вашей статьи на vc.ru https://vc.ru/s/1717877-iconicompany/746037-preimushchestva-modeli-business-processes-as-a-service
Отличная статья, четкий и последовательный подход к решению задачи автоматизированного анализа текстовой информации.
А есть ли у вас опыт парсинга, например, резюме и вакансий с таким подходом?
Автосалон действительно не может выдать кредит, потому что нужна лицензия. Но можно сделать кредитную платформу для нескольких участников - автосалонов, МФО, скоринговых, коллекторских агенств, где каждый будет выполнять свою роль.