Бывают ещё обвязки не для кода вовсе, вроде OpenClaw (мост между мессенджерами и моделями) или Hermes (самоулучшающийся персональный агент), но их с кодинг-агентами лучше не путать, это другой инструмент под другую задачу.
Что скажете по персональным агентам? Поставил локально Hermes, но пока рассматриваю как игрушку. OpenClaw - вообще непонятное назначение, с моей точки зрения.
RAG, векторные базы и семантический поиск - это, конечно, классно как начальный вау-эффект, но с ростом объёма данных агент начинает путаться даже при разбивке знаний по экспертам.
Ищу персональный агент с грамотной организацией памяти, раутингом на экспертов и реалиционной структурой знаний у каждого эксперта.
Может, что подскажете из групп разработки или интересующихся ребят?
Замечания по прочтению:
Информации много: слишком сильно вмешался AI, наколбасил чего-то в кучу. Читать очень тяжело.
Некоторые части, которые должны быть четко структурированы, типа списка Coding Agents, свалены в 1 параграф, убористой набивкой. Усложняет понимание.
Наш метод превосходит геометрический трансформер DocTr как по скорости, так и по качеству. Его реализация позволяет системе распознавания деловых документов Smart Document Engine успешно справляться с документами, сложенными втрое.
На какую аудиторию рассчитывалась данная статья?
У меня unstructured, semi-structured and structured mortgage banking documents. Соответственно, нужна классификация и извлечение данных из документов. Извлечение нужно согласно схемы на каждый документ.
Зашел на ваш веб-сайт, просмотрел вдоль и поперек и не нашёл интересующий меня список возможностей. Ни цен, ни возможностей, только самопохваление и просьба на каждый чих-пых записаться к вам на приём.
Если Вы рассчитываете на клиентов уровня Газпром, то какой смысл рассказывать здесь технарям про ваши достижения в борьбе со сложенными втрое бумажками?
... там должно влезть 256к, да еще и место остаться и без турбокванта. Или я что-то не понимаю?
У меня на тестах в 16GB VRAM на RTX A5000 влезло 129К контекста, а больше: out of memory.
Но, кстати, модели довольно умные. По моим внутренним 80 тестам лажанулись всего на 6, да и то при исправленном промпте прошли все 80. Я заменил свою старую модель на Ternary-Bonsai-27B.
Не планируете каждой категории свой prompt, модель и структуру данных в SQLite?
В том смысле, что некоторые категории лучше хранить как реляционная структура данных. Им нужен свой промпт, свой уровень интеллекта, может быть определенный набор скиллов.
Про экзешник не понятно - это какое-то самописное решение?
Да.
Что он делает?
Дает доступ к спецификации репозитория, таскам в Bug Tracking System, отслеживает активность и specification drift, просмотр best practices repository ... Объем функций растет по мере реализации, потому и написал что в процессе.
Потуги
Смотрелка спецификации проекта
упрощалка взаимодействия с агентом - выбрал текст, выбрал опцию
автоматически инжектит решение в клипборд с автосабмит (или без)
А вот про Spec Drift Monitoring расскажите подробнее — чем проверяете?
Отдельный экзешник лезет прямо в сессии среды разработки (Курсор). В новой версии тестирую Курсов в дебаг режиме, чтобы можно было контролировать каждое окно, но мониторинг файловой системы более надежный.
Задачу для AI можно упростить, используя High-Level Building Blocks.
На внутренней разработке и тестировании: 1. Spec-Driven Design and Development; 2. Архитектура на базе Best Practices: репозиторий Best Practices; 3. Набор UI Components вместо Low-Level UI Coding; 4. Spec Drift Monitoring.
Знакомая боль. Когда я запросил Антропик проанализировать все сессии проектов и выдать рекомендации, он пожаловался, что 60% моего общения - это матерные frustrations. :) У меня локальный ASR и все "факи" передаются без авто-коррекции.
За полтора года плотной работы с ИИ, появилась определенная "гигиена". Например: - собираемый контекст и факты/выводы, которые делает модель в ходе общения, сейчас черный ящик. Было бы удобно в рамках каждой сессии видеть набор ключевых фактов, на основании которых модель принимает решения. - Specification-driven design and development - чем детальнее инструкции, тем более предсказуемый результат. - отслеживание Specification Drift. Дополнительный агент должен следить, чтобы исполнителя спецификации не понесло.
Идея интересная, но некоторые архитектурные моменты могут послужить препятствием для adoption: 1. Custom JSX. Я бы рассматривал это как основной шоу-стоппер. 2. WASM - Зачастую пользователям нужно легковесное стендалон решение в одном файле.
Конструктивная критика: 1. я бы не отходил от JSX стандарта. 2. Рассмотрите вариант Standalone JSX Viewer. Размер файла особой роли не играет до тех пор, пока концепция 1 JSX viewer и multiple JSX configurations работает.
Со своей стороны: также создал JSX Viewer и тестирую последние полгода. Формат JSX не менял, но пользовательский интерфейс строю на UI Framework, то есть из высокоуровневых UI компонентов. Прямо в JSX Viewer встроил MCP-сервер, к которому можно подключиться из любой среды разработки, типа Cursor, и сказать AI Agent: customize the JSX configuration. Получилось прикольно - один экзешник и куча конфигураций. Вовнутрь JSX Viewer интегрированы поддержки соединений с разными базами данных, RBAC, Mermaid и другая фигня, которая бывает полезна при быстром прототипировании.
ИИ-роутер — это единое окно доступа к 300+ генеративным ИИ-моделям.
слегка misleading. воспринял как agentic AI routing. Может более точно: "AI API Gateway" ? Я видел, что у вас уже построена документация на этом термине, но всё равно confusing.
Насчет MCP, я просто не очень понимаю, какой в этом смысл? Ну сгенерит он тебе сет, а при чем тут разработка в ide? Как буд-то более логичная история, это через токены напрячь Иишки подбирать сеты для конкретного сайта в рабочем b4 инстансе, но даже тут возникает куча проблем.
Рассматривай IDE не как среду разработки, а как чат-бот, который может прочитать все возможности конфигурирования твоего сета через MCP, понять назначение каждой опции и сгенерить/исправить Сет. Сет меняется: - либо с автоматическим сабмитом в твоё приложение, - либо с выдачей тебе некоторого файла для импорта вручную.
Рассматривай MCP как API для чат-бота. Чат-бот может запросить возможности твоего приложения через MCP, получить от тебя задачу в чате и сгенерить согласно задачи и возможностей обратно через MCP новую настройку (Сет), либо подправить текущую или целую группу текучих настроек (Сет).
Browser Extension открывает настройки твоего приложения через бесплатный чат-бот. Я могу показать чат-бот, который управляет серверами через SSH и работает с базами через сиквельные запросы, но эта задача чуток сложнее.
Их есть у меня. Весь этот веб-интерфейс - на самом деле просто клиент поверх REST API. Всё, что вы делаете кнопками, точно так же делается обычными HTTP-запросами. А значит, B4 можно не только настраивать руками, но и встраивать во что угодно своё - скрипты, автоматизацию, мониторинг, свою собственную морду, если моя вам не по душе.
А слабо еще встроить MCP сервер, чтобы можно было создавать 'Сеты' в среде разработки, типа Cursor или Claude Code?
Я бы еще и Browser Extension подтащил для интеграции с чат-ботом, но это уже более сложная задача.
ИИ сильно снижает порог входа в соседние области, поэтому умение быстро переключаться между ними снова становится конкурентным преимуществом.
Именно это имел в виду.
Cейчас больше время опытных разработчиков и архитекторов. Джунам, без глубокого понимания архитектуры и прикладных областей, особенно нужна помощь становиться на рельсы. И менторинг должен сильно отличаться в сторону critical thinking и понимания общей картины архитектуры, и прикладной задачи.
Что скажете по персональным агентам?
Поставил локально Hermes, но пока рассматриваю как игрушку.
OpenClaw - вообще непонятное назначение, с моей точки зрения.
RAG, векторные базы и семантический поиск - это, конечно, классно как начальный вау-эффект, но с ростом объёма данных агент начинает путаться даже при разбивке знаний по экспертам.
Ищу персональный агент с грамотной организацией памяти, раутингом на экспертов и реалиционной структурой знаний у каждого эксперта.
Может, что подскажете из групп разработки или интересующихся ребят?
Замечания по прочтению:
Информации много: слишком сильно вмешался AI, наколбасил чего-то в кучу.
Читать очень тяжело.
Некоторые части, которые должны быть четко структурированы, типа списка Coding Agents, свалены в 1 параграф, убористой набивкой.
Усложняет понимание.
Хорошо бы выделить суть из общего объёма.
Херассе.
По подсчётам, оборудование на $6,200, за прогон $1,100.
Оно точно стоило того?
Может проще отдать в лабу за 200 долларов?
На какую аудиторию рассчитывалась данная статья?
У меня unstructured, semi-structured and structured mortgage banking documents.
Соответственно, нужна классификация и извлечение данных из документов.
Извлечение нужно согласно схемы на каждый документ.
Зашел на ваш веб-сайт, просмотрел вдоль и поперек и не нашёл интересующий меня список возможностей.
Ни цен, ни возможностей, только самопохваление и просьба на каждый чих-пых записаться к вам на приём.
Если Вы рассчитываете на клиентов уровня Газпром, то какой смысл рассказывать здесь технарям про ваши достижения в борьбе со сложенными втрое бумажками?
У меня на тестах в 16GB VRAM на RTX A5000 влезло 129К контекста,
а больше: out of memory.
Но, кстати, модели довольно умные.
По моим внутренним 80 тестам лажанулись всего на 6,
да и то при исправленном промпте прошли все 80.
Я заменил свою старую модель на Ternary-Bonsai-27B.
Ну, это вы загнули ... или слишком много доверили генератору текста.
Не планируете каждой категории свой prompt, модель и структуру данных в SQLite?
В том смысле, что некоторые категории лучше хранить как реляционная структура данных.
Им нужен свой промпт, свой уровень интеллекта, может быть определенный набор скиллов.
Да.
Дает доступ к спецификации репозитория, таскам в Bug Tracking System, отслеживает активность и specification drift, просмотр best practices repository ...
Объем функций растет по мере реализации, потому и написал что в процессе.
Потуги
автоматически инжектит решение в клипборд с автосабмит (или без)
Отдельный экзешник лезет прямо в сессии среды разработки (Курсор).
В новой версии тестирую Курсов в дебаг режиме, чтобы можно было контролировать каждое окно, но мониторинг файловой системы более надежный.
Задачу для AI можно упростить, используя High-Level Building Blocks.
На внутренней разработке и тестировании:
1. Spec-Driven Design and Development;
2. Архитектура на базе Best Practices: репозиторий Best Practices;
3. Набор UI Components вместо Low-Level UI Coding;
4. Spec Drift Monitoring.
Разгребать после сотни и будет наш хлеб.
Знакомая боль.
Когда я запросил Антропик проанализировать все сессии проектов и выдать рекомендации,
он пожаловался, что 60% моего общения - это матерные frustrations. :)
У меня локальный ASR и все "факи" передаются без авто-коррекции.
За полтора года плотной работы с ИИ, появилась определенная "гигиена".
Например:
- собираемый контекст и факты/выводы, которые делает модель в ходе общения, сейчас черный ящик.
Было бы удобно в рамках каждой сессии видеть набор ключевых фактов, на основании которых модель принимает решения.
- Specification-driven design and development - чем детальнее инструкции, тем более предсказуемый результат.
- отслеживание Specification Drift.
Дополнительный агент должен следить, чтобы исполнителя спецификации не понесло.
Идея интересная, но некоторые архитектурные моменты могут послужить препятствием для adoption:
1. Custom JSX. Я бы рассматривал это как основной шоу-стоппер.
2. WASM - Зачастую пользователям нужно легковесное стендалон решение в одном файле.
Конструктивная критика:
1. я бы не отходил от JSX стандарта.
2. Рассмотрите вариант Standalone JSX Viewer. Размер файла особой роли не играет до тех пор, пока концепция 1 JSX viewer и multiple JSX configurations работает.
Со своей стороны: также создал JSX Viewer и тестирую последние полгода.
Формат JSX не менял, но пользовательский интерфейс строю на UI Framework, то есть из высокоуровневых UI компонентов.
Прямо в JSX Viewer встроил MCP-сервер, к которому можно подключиться из любой среды разработки, типа Cursor, и сказать AI Agent: customize the JSX configuration.
Получилось прикольно - один экзешник и куча конфигураций. Вовнутрь JSX Viewer интегрированы поддержки соединений с разными базами данных, RBAC, Mermaid и другая фигня, которая бывает полезна при быстром прототипировании.
Удачи.
Было бы удобно иметь полную таблицу доступных моделей с расценками, скоростью и уровнем интеллекта.
что-то типа этого
слегка misleading.
воспринял как agentic AI routing.
Может более точно: "AI API Gateway" ?
Я видел, что у вас уже построена документация на этом термине, но всё равно confusing.
А если таблица неприлично большая?
Вопрос не праздный.
Работаю с трансформацией законов.
Попадаются большие и/или вложенные друг в друга таблицы.
Как посоветуете готовить этих монстров?
Рассматривай IDE не как среду разработки, а как чат-бот, который может прочитать все возможности конфигурирования твоего сета через MCP, понять назначение каждой опции и сгенерить/исправить Сет.
Сет меняется:
- либо с автоматическим сабмитом в твоё приложение,
- либо с выдачей тебе некоторого файла для импорта вручную.
Рассматривай MCP как API для чат-бота.
Чат-бот может запросить возможности твоего приложения через MCP, получить от тебя задачу в чате и сгенерить согласно задачи и возможностей обратно через MCP новую настройку (Сет), либо подправить текущую или целую группу текучих настроек (Сет).
Browser Extension открывает настройки твоего приложения через бесплатный чат-бот.
Я могу показать чат-бот, который управляет серверами через SSH и работает с базами через сиквельные запросы, но эта задача чуток сложнее.
А слабо еще встроить MCP сервер, чтобы можно было создавать 'Сеты' в среде разработки, типа Cursor или Claude Code?
Я бы еще и Browser Extension подтащил для интеграции с чат-ботом, но это уже более сложная задача.
Обязательный инструмент во все школы.
Именно это имел в виду.
Cейчас больше время опытных разработчиков и архитекторов.
Джунам, без глубокого понимания архитектуры и прикладных областей, особенно нужна помощь становиться на рельсы.
И менторинг должен сильно отличаться в сторону critical thinking и понимания общей картины архитектуры, и прикладной задачи.
В 90-х Full-Stack был скорее нормой.
В нулевых началось расслоение и достигло своего пика до момента появления AI.
Сейчас, я словно вернулся в девяностые и мне чертовски нравится это изменение.