Мой агент получил высокий балл. Проверяю, что он сделал
Как проверить, что диалоговый агент выполнил задачу, если бенчмарк поставил высокий балл? В первой пробе мой агент получил награду 1 на всех пяти за…
Latest News
⚑ Report a ProblemTech news from the best sources
All topics
- Искусственный интеллект, машинное обучение, нейросети
- Новости сети
- автомобили, мотоциклы, транспортные средства
- вирусы, трояны, уязвимости в ПО, вопросы безопасности
- игры
- мобильные телефоны, смартфоны, сотовая связь, коммуникаторы, КПК
- процессоры
AI-агенты
LLM
Python
ai
ai-агенты
claude
linux
llm
open source
python
ruvds_статьи
Новости
Статьи
автоматизация
ии
ии-агенты
информационная безопасность
искусственный интеллект
машинное обучение
нейросети
программирование
разработка
тестирование
Хотел поручить AI целый проект. Уперся в изоляцию, память и восстановление после сбоев
Что пришлось проверить, прежде чем доверять системе самостоятельную работу над программным проектом. Хотел построить систему, способную самосто…
Три раза ALLOW: в ERP оказалось 120 вместо разрешённых 100
Человек разрешил workflow заказать не больше 100 единиц товара. Три запроса по 40 прошли через слой авторизации и получили ALLOW. В ERP в итоге оказ…
Карта автономии AI: как решить, что агенту можно делать без человека
На демо AI-агент уверенно отвечает на вопросы, и кто-то предлагает: «Давайте разрешим ему действовать самому». Но между «предложить возврат» и «отпр…
[Перевод] Где искать возможности в B2C сегменте в AI
Привет! Меня зовут Саша Журавлев. Я венчурный инвестор и основатель фонда Mento vc. Мы инвестируем в стартапы на стадиях Seed / Series A в США, а в…
Правила для агентов тоже становятся legacy-кодом
Cockroach Labs обнаружила тысячи лишних слов в инструкциях агентов. Я сопоставил их опыт с собственным случаем: три предложения новых правил после п…
Выносила за девять месяцев: гайдлайн по вайб-кодингу для девочек (и мальчиков)
Для тех, кто только открыл Claude Code и уже чувствует, что что-то идёт не так Девять месяцев я пишу свои проекты с Claude Code. Я не разработчик и…
«Я не робот»: как ботнеты научились быть людьми
Каждый, кто хоть раз пытался купить билеты на концерт в первые минуты продаж, знает это чувство, когда ты честно ставишь галочку «Я не робот», выбир…
Почему с AI‑агентами код доезжает до main медленнее
AI‑агенты позволяют разработчикам закрывать больше задач и быстрее писать код, но изменения всё чаще застревают на ревью и в QA.…
Может ли робот написать merge request? Агенты фронтенда с GigaChat и без
Салют, Хабр! У GitHub есть GitHub Copilot Code Review, y GitVerse — GigaCode Agent… но мы не можем их использовать, так как это внешние решения, кот…
Мы научили агента писать тесты так, как их пишет наша команда
Привет! Я Артем Житко, iOS разработчик в Т-Банке. Каждому iOS-разработчику знакома ситуация: задача уже готова, кажется, что самое сложное уже позад…
«Давайте просто развернём свою LLM на 1Т параметров»: что пришлось построить вокруг неё в Битрикс24
В просьбе «давайте просто развернём свою LLM на 1Т параметров» больше всего вопросов к слову «просто». Допустим, модель уже работает.…
Агентный поиск на open-source моделях: кого нашёл, сколько потратил и где всё сломалось
У меня давно была одна идея: хочу сделать свой агентный поиск на открытых моделях и со своим контролем над источниками. Не чтобы сэкономить на подпи…
Из ИТ в fashion и к ИИ-агентам: как я создал COSMOS
Я пришёл из ИТ в бизнес одежды. Экономика маркетплейсов заставила нас оцифровать работу и заняться автоматизацией 1С. Примерно год назад я начал соб…
Вайбкодинг от $100 000 в месяц: пять проектов порог прошли, четыре не дотянули
Вайбкодинг подают как способ собрать миллион за две недели: миллион за 17 дней, миллион к октябрю, миллион с одного промпта. Я проверил, какие проек…
Как мы запустили ИИ-ревьюера на 4000 PR в день — и какие баги он находит
Бывает так, что ревьюер посмотрел пул-реквест, тесты зелёные, компиляция прошла успешно, а в коде всё равно остался баг, который проявится только в…
Агент, который меня заменил, или открытия одного интернет-маркетолога
У нас было 12 проектов и один человек, который отвечал за настройку всех email-рассылок. Этим человеком был я. Директ-маркетолог с 7 годами опыта, н…
Три CLI‑агента, один Telegram‑интерфейс: JSON‑RPC, ACP, worktree и контроль разрешений
Codex CLI, Claude Code и Cursor Agent умеют самостоятельно читать код, изменять файлы и запускать тесты. Но стоит отойти от компьютера&nbs…
Confidence ≠ Permission: почему я не разрешаю LLM самостоятельно принимать решения
LLM может быть уверена в своём ответе, но это ещё не означает, что системе разрешено выполнять действие. В AI Career I…
Как мы пускаем ИИ на боевые сайты, или Что происходит после команды «исправляй»
В первой части я рассказывал, как мы дошли от обычного копирования кода между MODX и ChatGPT до нормального предметного интерфейса к CMS. Агент пере…
Как я собрала на n8n SEO-агента для трех сайтов: данные, правила и немного нейросети
После просадки органики я устала вручную сводить Screaming Frog, Метрику и Вебмастер и собрала SEO-агента на n8n. Он хранит историю страниц, очищает…
От одного агента к AI-холдингу: масштабирование автономных AI-систем
ИИ ускоряет выполнение отдельных задач, но управление растущим числом процессов и проектов остаётся на человеке. На примере своих экспериментов пока…
Я перестал показывать ИИ файлы и дал ему сам MODX
С искусственным интеллектом в веб-разработке мы работаем уже достаточно давно. На проектах с MODX 2 ChatGPT помогал искать ошибки, разбирать чужой к…
Опубликована книга «Цифровой мозг фирмы»
Есть момент, который многие руководители уже чувствуют, но ещё не всегда формулируют вслух. Искусственный интеллект перестаёт быть отдельной техноло…
MTPLX против oMLX: одна модель, два сервера, разница в 3–6 раз
Вторая часть. Первая — «Локальный агент для кода на Mac: MTPLX + pi + Qwen3.8-27B» . В первой части я посадил кодового агента pi на локальную Qwen3.…
Вдвое меньше токенов без смены модели: что NVIDIA сделала с harness кодинг-агента
Исследователи из NVIDIA, MIT и NTU поручили одному ИИ-агенту улучшать harness другого, кодинг-ассистента на базе открытого Pi. Агент перебрал 152 ид…
Как на Python описать архитектуру сервисов и превратить её в код
Можно ли описать архитектуру на Python, а получить работающий каркас сервиса на Go, C++, Rust или TypeScript? Причём так, чтобы схема не становилась…
Фабрика кода с выключенным светом: почему Хорти зовет обратно читать код, и что у меня с этим сходится
Дэкс Хорти из HumanLayer объясняет, почему “фабрика кода с выключенным светом”, где агенты пишут, ревьюят и тестируют без человека, пока не работает…
65 бесплатных уроков октября: от LLM и Kubernetes до микросервисов, Kafka и безопасности
Привет, Хабр. В этом дайджесте собрали 65 бесплатных демо-уроков по основным IT-направлениям. В программе — многопоточность, микросервисы, Kubernete…
Анализ AI‑Disrupt PDLC от Сбера
AI‑Disrupt PDLC Сбера объединяет модель жизненного цикла, референсную архитектуру, уровни автономии AI‑агентов, модель зрелости, платформенные практ…