Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
4377
материалов
01
Как построить эффективный харнесс для кодящего AI-агента: реальный опыт на продакшене
Как обвязать кодящего AI-агента правилами, памятью и инструментами, чтобы он не галлюцинировал и приносил пользу. Реальный опыт на продакшене за 3 месяца с Clau
02
Эксперименты с поведением LLM: как изменить личность модели через промпты и векторы на примере Qwen3.5-0.8B
Практический разбор изменения поведения модели Qwen3.5-0.8B: от промпт-инжекции до векторных манипуляций. Раскрываем механизмы первого токена и уязвимости safet
03
Собираем ПК за копейки для 120B dense LLM: 10+ токенов/с, Q5, 64K контекст
Гайд по сборке бюджетного ПК для запуска 120B dense LLM с квантованием Q5/Q6 и 64K контекстом. Расчёт VRAM, выбор GPU, настройка софта для 10+ токенов/с.
04
Как уместить нейросеть для голосовой активации в 200 КБ: кейс Яндекса для наушников
Разбор того, как Яндекс запихнул споттер Алисы в 208 КБ SRAM наушников Дропс. Квантование, прунинг, NPU — полный гайд по edge AI оптимизации.
05
Удвоение скорости инференса LLM на AMD MI50: техника параллельных вычислений без дополнительной модели
Инструкция по ускорению LLM в 2 раза на AMD MI50 (19.4→38.1 tk/s) с помощью multi-stream parallel forward. Без speculative decoding, только правильная работа с
06
Как сэкономить VRAM в llama.cpp: отключаем pipeline parallelism с помощью флага компиляции
Pipeline parallelism по умолчанию жрет VRAM впустую и не дает прироста скорости. Узнайте, как одним флагом компиляции отключить его и выиграть до 1-2 ГБ памяти
07
Как построить AI-команду для vibe-coding: пайплайн агентов от задачи до прода
Пошаговое руководство по созданию агентного пайплайна разработки на Go, MongoDB и Kubernetes. MCP, саб-агенты, деплой. Избегаем хаоса и техдолга.
08
Как ускорить генерацию токенов на Gemma 4 с MTP и QAT: настройка и результаты
Полный гайд по ускорению генерации токенов на Gemma 4 27B/31B с помощью MTP и QAT. Реальные цифры скорости на RTX 3060 и RTX 4090. Пошаговая настройка в llama.c
09
Как автоматизировать квалификацию лидов в Bitrix24 с помощью ИИ: архитектура и результаты
Практический гайд: как настроить ИИ-агента на FastAPI и GPT-5 для квалификации лидов в Bitrix24 через webhooks. Экономия 70% времени менеджеров, рост конверсии.
10
Как отличить накрученный AI-харнес от реального: анализ звёзд, аккаунтов и README
Гайд по детекции накрученных репозиториев AI-харнесов. Учимся отличать реальные проекты от пустышек: анализ Star History, профилей-зомби и шаблонных README.
11
Прорыв в симуляции ткани: кубический полином ZOZO решает 30-летнюю проблему — как это работает и как реализовать в Python
Разбор метода ZOZO из ACM: как кубический полином позволяет обработать 184 млн контактов без проникновений. Полный гайд с кодом на Python.
12
Claude Code в enterprise: 8 проблем внедрения и их решения (опыт CIAN)
Реальный опыт CIAN: хранение claude.md, безопасность, плагины, версионирование, CI/CD. Пошаговый план внедрения Claude Code с примерами кода и лайфхаками.