Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5488
материалов
01
Бюджетный ПК для анализа PDF с помощью LLM: железо до €1000
Полный гайд по сборке компьютера до 1000 евро для локального AI-анализа PDF. CPU, RAM, GPU, софт. Собираем систему для конфиденциальной обработки документов.
02
Мы победили хаос планирования: мультиагентная система на Python, которая соберет ваш отпуск быстрее, чем вы выпьете кофе
Создайте собственную мультиагентную систему на Python с CrewAI и LangGraph. Полный код для агентов-планировщиков путешествий. Работает в 2026 году.
03
Как переехать с OpenClaw на Hermes Agent: пошаговый гайд с граблями и решениями
Подробный гайд по миграции с OpenClaw на Hermes Agent: бэкап, установка, перенос скиллов, настройка памяти и Telegram-бота. Реальные грабли и решения.
04
Как построить каскад бесплатных LLM провайдеров с автоматическим фолбэком: пошаговое руководство с кодом
Постройте отказоустойчивую систему вызовов LLM API без затрат. Реальный Python-код, настройка Groq, Mistral, Cerebras, DeepSeek и фолбэк для стартапов и инди-ра
05
Рекурсивные SQL-запросы vs GraphQL для графа знаний: выбор AlloyDB перед Spanner
Сравнение AlloyDB и Spanner для графов знаний. Как рекурсивные SQL с pgvector дают recall 68.3% против 46.7% у GraphQL. Гайд с кодом.
06
Как выбрать метод RAG: от Regex до Vision моделей — 3 реальных кейса
Разбираем 3 реальных кейса RAG: шаблонные документы, сарказм в тексте, изображения. Когда использовать Regex, гибридный поиск или Vision модели. Код и практичес
07
10 незаменимых настроек Claude Code: как сэкономить 15 часов в месяц разработчику-архитектору
Полный гайд по настройкам CLAUDE.md: attention, skills, контекст. Как заставить агента работать быстро, не игнорировать длинные файлы и экономить часы каждый де
08
Как построить multi-agent симуляцию с разными LLM: технический отчет Thousand Token Wood v2
Пошаговое руководство по сборке финансовой драма-симуляции на 4 маленьких моделях (GPT-oss-20b, MiniCPM3-4B, Nemotron-Mini-4B). Интеграция, настройка персонажей
09
Дрессировка LLM: как заставить нейросеть родить валидный JSON и не сломать прод
Полный гайд по fine-tuning open-source LLM для генерации структурированного JSON: от датасета до продакшена. LoRA, QLoRA, грамматики и подводные камни.
10
Gemma 4 на MacBook M3: извлечение данных из графиков и таблиц — реальная точность и галлюцинации
Проверяем мультимодальную Gemma 4 12B на MacBook M3: как вытащить данные из графиков и таблиц локально, реальная точность, галлюцинации и пошаговый гайд с кодом
11
Ускорение байесовского вывода в 10 раз: замена SciPy на Diffrax (JAX)
Кейс из космологии: как переход с SciPy solve_ivp на Diffrax (JAX) сократил время расчётов с 5 минут до секунд. Пошаговый гайд с кодом, бенчмарками и нюансами J
12
Когда код тяжелее контекста: анатомия дробления без RAG
Как создавать ИИ-проекты без RAG, когда исходный код превышает 100 КБ. Стратегия дробления на автономные блоки, вайб-кодинг и лимиты контекста — полный гайд.