Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5488
материалов
01
Как внедрить MCP в Enterprise: опыт платформы MWS Octapi с low-code интеграциями
Пошаговое руководство по интеграции MCP-протокола с корпоративными системами на примере low-code платформы MWS Octapi. OpenAPI, SOAP, GraphQL и типичные ошибки.
02
Как появиться в ответах ChatGPT: пошаговый гайд по созданию личного сайта для LLM за один вечер
Пошаговая инструкция, как за один вечер создать сайт, который ChatGPT и Claude будут цитировать. Форк репозитория, llms.txt, деплой, подводные камни.
03
ZeroClaw: как мы автоматизировали расчёт отпусков с помощью AI-агента в корпоративном мессенджере
Подробный кейс: ZeroClaw + Mattermost для расчёта отпусков. Интеграция, локальные модели, обработка исключений. Сократили время расчёта с 30 минут до 30 секунд.
04
Стратум: инженерная методология для превращения LLM в детерминированную систему
Галлюцинации и нестабильность LLM побеждаются архитектурно. Стратум — методология, вдохновлённая советской школой проектирования. Пошаговый гайд с примерами и т
05
DQ-шаблон с ИИ-агентом и MCP: как мы автоматизировали проверку качества данных (и где споткнулись)
Практический гайд по сборке DQ-шаблона с ИИ-агентом и MCP-сервером: архитектура, пошаговый план, типичные ошибки и как их избежать. Для BI и Data Engineering ко
06
Как настроить K8s для LLM инференса: DRA, GIE и LLM-D на практике
Настройка Kubernetes для высоконагруженного LLM инференса с DRA, GIE и LLM-D. Практические шаги, архитектура, ошибки. Только реальный опыт 2026.
07
Масштабирование AI-систем: от GPT-wrapper до распределённой архитектуры
Как превратить простой API-вызов в миллион RPS? Разбираем кэширование, rate limiting, роутинг запросов и распределенный вывод. Гайд для DevOps и архитекторов AI
08
Сравнение 21 инструмента сборки контекста для AI-агентов: от ripgrep до RAG и LSP (бенчмарк и экономия токенов)
Сравнение ripgrep, srag, ToolTrim, Context Lens и других тулов. Бенчмарк скорости, точности и экономии токенов. Анализ LLM-судьи. Какие инструменты реально спас
09
Как настроить MiMo-2.5 для кодинга: решение проблемы зацикливания
Пошаговое решение проблемы зацикливания MiMo-2.5 (310B) при локальном кодинге. Правильные кванты, параметры context_length, temperature и repeat_penalty для ста
10
TOON vs TRON vs JSON: какой формат данных эффективнее для LLM? Подробное сравнение с бенчмарками
Сравнение TOON, TRON и JSON для LLM. Реальные бенчмарки, экономия токенов, скорость парсинга. Какой формат выбрать для RAG и промптов? Тесты на GPT-4o и Llama 4
11
Как построить AI-агента: уроки из провала — токены, зацикливание и мультиагентные роли
Разбор трёх фатальных проблем AI-агентов: бесконечные циклы, неконтролируемый расход токенов и почему один агент плох. Решения на LangGraph с мультиагентными ро
12
Как сократить расход токенов в Hermes Agent: оптимизация фоновых задач через конфиг YAML
Узнайте, как auxiliary блоки Hermes Agent сжирают токены. Настройка роутинга моделей через YAML: пример экономии в 125 раз. Пошаговое руководство с конфигом.