я недавно выпустил статью про свой опыт в вайбкодинге и я пришел к структуре типа OpenSpec для агента (до этого я не знал про сам OpenSpec) по сути четкая иерархия документации, которую можно описать логикой в самом AGENTS.md указав правила хранения и гаполенения, не мало важно там уделяется внимание "артефактам" по сути то что агент пишет для себя (например аудиты, todo листы, чеклисты безопасности) что имеет свой вес хранения, а также поверхностные доки и важная часть это также наполнение, например я отдельно заставлял его писать внизу дока раздел "верификация" и там отражать дату и последний коммит, что позволяло акутализировать доки. также в agents.md я прописывал способы решения некоторых проблем как раз через анализ доков и это реально работало
тут под словом проект помечается скорее контекст, возможно формулировка кривая, да, в большом проекте начинаются проблемы и вообщем сам абзац про сам attention в LLM, оно криво смотрит на контекст и странно помечает важные штуки из контекста, а не про то что ИИ реально весь проект может просмотреть и это ему вредит
тут я пытался передать неуверенность в коде, когда есть результат его работы, но тяжело представить как он может работать в других условиях (банальное не понимание его), точнее: я не могу брать отвественность за такой код и что‑то гарантировать дальше по нему
я знал на что нарываюсь, когда взял такую тему, к сожалению в этой теме слишком много мусора, который реально является ии‑слопом, моя цель была написать что‑то нормальное своими силами по своему опыту, в данной статье я не применял "адскую машину перемножения матриц", потому что ее слишком видно, но буду рад если вы укажите места, где нашли очевидные подобные места, мне, правда интересно, когда я сам стал выражаться, как AI (мне кажется многие, кто слишком много общаеться с этими штуками, так или иначе перенимает какие‑то черты общения)
пробовал AST граф от разных репозиториев, да это немного другое, но суть та же — дать агенту инструмент для поиска по кодовой базе, в итоге работает так себе, современные LLM ужн обучены на некую чуйку лазить по коду как надо а инструмент применяется только по узкой необходимости, когда я прошу это делать (в системном промпте также оформлено как его использовать и тд, не помогает), разве что позволяет мертвый код искать, но как отдельная сессия, а не в процессе решения. Возможно оно нормально будет работать на ООП коде, а не на несколько микросвервисов с разными языками в них, но вот мой опыт ну такое и про индексацию с помощью эмбедингов и векторой базы думаю также будет, работать реально только если много доков и лить top k сразу перед самой таской в промпт тогда может быть
AI уже показал себя в юриспреденции, честно без, хотя бы одного штатного юриста, крайне сомнительная темка, в теории можно построить RAG, загрузить туда нужные документы из юр. темы и выдовать их LLM до ее ответа, добавить пару слоев для проверки ответа основной нейросети, но все это сомнительно и первое время больше, чем просто удобный инструмент для юристов оно вряд ли пригодится и при этом ценности будет на уровне интелликтуального RAG. Проверить ты свою теорию можешь буквально на готовых хернесах просто кастомизировав их pipeline под свои нужды с помощью расширений и там у юриста попросить сломать все это и будет видно работает или нет (сломать в смысле, добиться бреда, за который и срок получить можно)
на макос оно работает через tpws так что проект бесполезный сделайте уже хоть кто то через средства VPN которое встроено в макос таким образом работает happ для проксей а так проект бесполезный работает как прокси и какой толк есть spoof-dpi для мака чтобы из коробки работало а электрон я надеюсь это рофл
на моём macbook air m2 тестил deepseek r1 на 8b параметров и это неплохой локальный гугл. Код тоже способен генерировать, но писать прям полноценный код не получится, и да npu там вроде не используется (ollama.cpp), чисто мощности GPU. Есть один проект под asahi Linux, которые зареверсили npu для маков, но это скорее экспериментальный проект и подключить туда какой то pytorch не получится, либо придётся самим модифицировать исходники, чтобы оно заработало. С другими npu ситуация ещё сложнее так, что сейчас используют только GPU, а npu только поставщик софта в ноутбук, а остальным доступ дают ограниченный, либо вообще не развитый и там почти нереально что то полезное запустить.
заранее уволено 80% штата разработчиков и заменены на ии
я недавно выпустил статью про свой опыт в вайбкодинге и я пришел к структуре типа OpenSpec для агента (до этого я не знал про сам OpenSpec) по сути четкая иерархия документации, которую можно описать логикой в самом AGENTS.md указав правила хранения и гаполенения, не мало важно там уделяется внимание "артефактам" по сути то что агент пишет для себя (например аудиты, todo листы, чеклисты безопасности) что имеет свой вес хранения, а также поверхностные доки и важная часть это также наполнение, например я отдельно заставлял его писать внизу дока раздел "верификация" и там отражать дату и последний коммит, что позволяло акутализировать доки.
также в agents.md я прописывал способы решения некоторых проблем как раз через анализ доков и это реально работало
тут под словом проект помечается скорее контекст, возможно формулировка кривая, да, в большом проекте начинаются проблемы и вообщем сам абзац про сам attention в LLM, оно криво смотрит на контекст и странно помечает важные штуки из контекста, а не про то что ИИ реально весь проект может просмотреть и это ему вредит
тут я пытался передать неуверенность в коде, когда есть результат его работы, но тяжело представить как он может работать в других условиях (банальное не понимание его), точнее: я не могу брать отвественность за такой код и что‑то гарантировать дальше по нему
я знал на что нарываюсь, когда взял такую тему, к сожалению в этой теме слишком много мусора, который реально является ии‑слопом, моя цель была написать что‑то нормальное своими силами по своему опыту, в данной статье я не применял "адскую машину перемножения матриц", потому что ее слишком видно, но буду рад если вы укажите места, где нашли очевидные подобные места, мне, правда интересно, когда я сам стал выражаться, как AI (мне кажется многие, кто слишком много общаеться с этими штуками, так или иначе перенимает какие‑то черты общения)
пробовал AST граф от разных репозиториев, да это немного другое, но суть та же — дать агенту инструмент для поиска по кодовой базе, в итоге работает так себе, современные LLM ужн обучены на некую чуйку лазить по коду как надо а инструмент применяется только по узкой необходимости, когда я прошу это делать (в системном промпте также оформлено как его использовать и тд, не помогает), разве что позволяет мертвый код искать, но как отдельная сессия, а не в процессе решения. Возможно оно нормально будет работать на ООП коде, а не на несколько микросвервисов с разными языками в них, но вот мой опыт ну такое и про индексацию с помощью эмбедингов и векторой базы думаю также будет, работать реально только если много доков и лить top k сразу перед самой таской в промпт тогда может быть
По моим тестам Luna еще хуже чем DeepSeek и несет полный бред и скорость, да это тоже косяк
AI уже показал себя в юриспреденции, честно без, хотя бы одного штатного юриста, крайне сомнительная темка, в теории можно построить RAG, загрузить туда нужные документы из юр. темы и выдовать их LLM до ее ответа, добавить пару слоев для проверки ответа основной нейросети, но все это сомнительно и первое время больше, чем просто удобный инструмент для юристов оно вряд ли пригодится и при этом ценности будет на уровне интелликтуального RAG.
Проверить ты свою теорию можешь буквально на готовых хернесах просто кастомизировав их pipeline под свои нужды с помощью расширений и там у юриста попросить сломать все это и будет видно работает или нет (сломать в смысле, добиться бреда, за который и срок получить можно)
на макос оно работает через tpws так что проект бесполезный сделайте уже хоть кто то через средства VPN которое встроено в макос таким образом работает happ для проксей а так проект бесполезный работает как прокси и какой толк есть spoof-dpi для мака чтобы из коробки работало а электрон я надеюсь это рофл
на моём macbook air m2 тестил deepseek r1 на 8b параметров и это неплохой локальный гугл. Код тоже способен генерировать, но писать прям полноценный код не получится, и да npu там вроде не используется (ollama.cpp), чисто мощности GPU. Есть один проект под asahi Linux, которые зареверсили npu для маков, но это скорее экспериментальный проект и подключить туда какой то pytorch не получится, либо придётся самим модифицировать исходники, чтобы оно заработало. С другими npu ситуация ещё сложнее так, что сейчас используют только GPU, а npu только поставщик софта в ноутбук, а остальным доступ дают ограниченный, либо вообще не развитый и там почти нереально что то полезное запустить.