Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
4377
материалов
01
Как выбрать самую крупную модель ИИ для 144 ГБ VRAM: сравнение Qwen, Gemma, Minimax и советы по квантизации
Разбираемся, какую модель запустить на 144GB GH200: Qwen 3.6, Gemma 4 или Minimax M3. Реальный расчёт VRAM, советы по квантованию, таблица KL divergence и типич
02
Как построить корпоративного RAG-ассистента: опыт ЮMoney и архитектура безопасной платформы
Разбираем, как ЮMoney построили безопасного RAG-ассистента. Шаги, выбор LLM, защита данных. Реальный кейс для enterprise.
03
Как ускорить инференс Ornith 35B на 30-40% с помощью спекулятивного декодирования: пошаговый гайд с Qwen3.6 35B DFlash
Пошаговый гайд по настройке спекулятивного декодирования для Ornith 35B с драфт-моделью Qwen3.6 35B DFlash. Команды, флаги, квантизация — ускорение на 30-40% бе
04
Классическое NLP против современных LLM: пошаговый гайд по идентификации автора текста на Python
Пошаговый гайд по авторской идентификации: сравниваем TF-IDF, Vowpal Wabbit, стекинг с BERT. Код, бенчмарки, реальные грабли. Для инженеров, которые не верят ха
05
Prompt Regression: как поймать скрытые ошибки промптов с помощью автоматических тестов
Полный гайд по тестированию промптов: golden queries, LLM-as-a-judge, эмбеддинги, CI/CD. Ловим регрессию до того, как она сломает продакшн.
06
Корпоративная экзаменационная платформа с AI: архитектура, генерация вопросов через LLM, multi-tenant
Создаём корпоративную экзаменационную платформу с AI: архитектура на FastAPI и SQLAlchemy, генерация вопросов через LLM, stateful runtime, multi-tenant. Полный
07
MQTT + TimescaleDB + LLM через MCP: как заставить датчики говорить с нейросетью
Пошаговый гайд по интеграции IoT-датчиков с LLM через Model Context Protocol. Настройка MCP-серверов, запросы на естественном языке и реальная аналитика без API
08
Маленькие модели vs гиганты: как не разориться на токенах и не потерять в качестве — гайд 2026
Как выбрать между маленькими (1B-14B) и большими моделями в 2026. Реальные кейсы, бенчмарки, код для запуска локально. Советы инженера.
09
Как принудительно привязать ИИ к фактам: три защитных контура против галлюцинаций
Методика с промптами и кодом: как заставить LLM не врать. Системный промпт, фактологический экстрактор и evals — три уровня защиты от галлюцинаций.
10
TaskCtx: открытый плагин для Claude Code, который сам тащит контекст из Jira и Linear через RAG
Открытый плагин TaskCtx для Claude Code собирает контекст из задач Jira/Linear, индексирует через RAG и экономит до 60% токенов. Пошаговая настройка и нюансы.
11
Создание доступного DatePicker на React с AI: сравнение подхода 80/20 и системного проектирования с агентом
Детальный гайд по созданию a11y-компонента DatePicker на React с помощью AI. Сравнение быстрого промптинга и Specification-Driven Development с агентами. Код, о
12
Три реальные атаки на AI-агентов: разбор уязвимостей и методы защиты (OWASP ASI)
Разбор трёх классов атак на AI-агентов из OWASP ASI: Confused Deputy, Trust Exploitation, Agentic DoS. Конкретные пейлоады, примеры из практики и методы защиты.