Все выпуски
Архив публикаций
Все материалы AiManual в единой хронологической ленте.
5545
Локальная LLM для заметок: как не сойти с ума от приватности
Полное руководство по настройке локальной LLM для приватной обработки заметок: суммаризация, извлечение задач, лучшие модели и инструменты на 2025 год.
5546
Py-Spy: практическое руководство по профилированию медленного Python-кода для Data Science
Пошаговое руководство по использованию Py-Spy для поиска узких мест в Python-коде для Data Science. Реальные примеры, сравнение с другими инструментами.
5547
12 ГБ VRAM и Ollama: Как заставить локальный переводчик работать как ChatGPT, но бесплатно
Пошаговый гайд по выбору и запуску моделей перевода в Ollama на 12 ГБ видеопамяти. NLLB, SeamlessM4T, сравнение качества и производительности.
5548
vLLM-Omni: как команда vLLM взломала производительность мультимодальных моделей
Разбор vLLM-Omni — новой архитектуры для any-to-any мультимодальных моделей. Ускорение до 91.4%, stage-based graph decomposition и тесты на Qwen-Image.
5549
AI-ревью тест-кейсов в Allure TestOps: настройка Cursor AI и промпты для автоматизации QA
Полное руководство по настройке Cursor AI для автоматического ревью тест-кейсов в Allure TestOps. Практические промпты, MCP интеграция и workflow из реального п
5550
Как создать Semantic Wiki без сложных онтологий: практический гайд на примере Gramax
Пошаговый гайд по созданию семантической вики без сложных онтологий. Используем Gramax для связывания статей и построения единого источника правды.
5551
JSON-дрейф: как измерить, когда ваша LLM начинает врать в структуре данных
Практический гайд по измерению стабильности JSON-вывода локальных LLM с помощью CLI-инструмента aicert. Метрики, тесты и сравнение моделей на 05.02.2026.
5552
Как я нашел 13К подписчиков в чужом Telegram-канале: взлом контент-стратегии через NotebookLM
Пошаговый гайд по анализу Telegram-каналов конкурентов в NotebookLM. Экспорт истории, готовые промпты, поиск трендовых тем. Практический кейс роста на 13К.
5553
Страхи разработчика: почему Copilot и ChatGPT опасны для качества кода (личный опыт C#)
Личный опыт разработчика на C# о том, как GitHub Copilot и ChatGPT портят качество кода. Почему ИИ-ассистенты опасны и как их использовать без вреда.
5554
Сингулярность 2026: что на самом деле говорили в Давосе CEO OpenAI, Anthropic и DeepMind
Что на самом деле говорили Саття Наделла, Дэрио Амодеи и Демис Хассабис о сверхчеловеческом ИИ в 2026 году. Разбор сенсационных заявлений из Давоса.
5555
SERA, Devstral, Qwen3-Coder: чей агент реально работает, а не просто сдает тесты
Практический тест агентных моделей: производительность на реальных задачах, сравнение квантований Q4 vs Q8, оценка скорости и надежности. Выбираем модель, а не
5556
AC⚡DC: обзор и тестирование не-агентного инструмента для быстрого кодирования на LiteLLM
Тестируем ACDC - не-агентный инструмент для молниеносного кодирования на LiteLLM. Сравнение с Aider, работа с Ollama, Llama.cpp и другими провайдерами.