Как превратить Cursor в долговременную память проекта: LLM Wiki, QMD и Cursor CLI
Большой контекст в Cursor спасает ровно до тех пор, пока проект живёт дольше одного чата: требования, SQL-гипотезы и причины отброшенных решений быс…
AI & ML
⚑ Report a ProblemLatest AI & ML news from Tech News
All topics
AI
News
Tech
agents
ai
api
architecture
automation
backend
beginners
career
claude
database
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
Синтетическая эмпатия: как RAG, системные промпты и TTS инженерят привязанность к LLM-агентам
ELIZA в 1966-м заставляла секретарш просить не заглядывать в распечатки диалогов. Шестьдесят лет спустя компаньон-агенты на LLM делают то же самое,…
Cutting Vector Index Costs in a Developer Changelog Tracker (and When Web Search Wins)
Short answer: use a staged retrieval design with explicit collections, bounded queries, and traceable source context. Keep the vector index for know…
How to Build Retrieval Architecture for a Multi-Tenant SaaS Help Center (with Pagination)
Short answer: for retrieval architecture in a multi-tenant SaaS help center, use staged retrieval with explicit collections, bounded queries, and so…
Finding the Bugs I Built an AI Agent to Prevent: Building Deterministic Guardrails with LangGraph & Python
`` A real debugging log: fabrication bugs, deployment gaps, and false test passes found and closed across 6 rounds of adversarial testing. System pr…
Counting OpenAI Tokens per Request in FastAPI — Without Touching My Use Cases
I'm rebuilding evorag , a Python retrieval service: it chunks documents, embeds them with OpenAI's text-embedding-3-small , stores vectors in Postgr…
Your MCP Server Returns the Source. Does the Answer Still Cite It?
A benchmark for what happens to citations after a retrieval server hands its results to an AI agent it doesn't control. Part 1 of 6 in the series Ci…
Building a RAG assistant that says “I don’t know”: evaluation, security and a $0 deployment
Most RAG tutorials end when the chatbot answers a question about a PDF. I wanted to find out what comes after that: how do you know it works, who is…
BOOTH Was Featured in Python Weekly: A Small Milestone for My Open-Source Project
A small milestone for a project I've been building: BOOTH was featured in Python Weekly! It appears in Python Weekly Issue #767 (October 15, 2026) u…
Why Agents Need a Knowledge Base: The Gaps an LLM Can't Fill by Itself
When a team starts building an agent, the first version is very often only a model, a system prompt and a few tools, and for a demo that is usually…
I benchmarked 8 PDF extractors on 27 documents from 1 to 487 pages. Here's what broke, and what won.
I knew something was off when two numbers landed in the same afternoon. Every tool that reads the PDF text layer had scored exactly 0.00 on every ch…
Вторая память и второй мозг — не одно и то же. Как я собрал 200 тысяч файлов своей жизни и подключил к ним агентов
Модно называть вторым мозгом папку с заметками в Obsidian. Но 200 тысяч файлов сами по себе ничего не делают - это вторая память. Мозгом она станови…
Travel Planner Retrieval Design with Bounded Access Rules and Source Citations
Short answer: a travel itinerary planner needs a staged retrieval architecture with bounded access rules and source context attached to every answer…
Claims Evidence Retrieval: Immutable Revisions for Insurance Intake Pipelines
Short answer: keep every uploaded claim document immutable, assign a monotonically increasing revision, and let retrieval filter by an explicit as-o…
Metadata filtering in vector search: post-filter loses results, measured
Multi-tenant RAG needs a filter: “only search documents this user may see.” Vector indexes are built for nearest neighbours, not for “nearest neighb…
Тень стратега (2): Постановка цели
Как загрузить качественным топливом конвейер разработки? Как измерить эффективность симбиоза человека и машины? Читать далее
Recruiting Candidate Search Source Deduplication — A 3-Stage Node.js Retrieval Design
Short answer: use a staged retrieval design with explicit collections, bounded queries, and traceable source context for recruiting candidate search…
Evaluating AI-Powered RAG Systems: Beyond Just Correct Answers
Artificial Intelligence is changing how we search for information and interact with documents. Retrieval-Augmented Generation (RAG) is an important…
Первый RAG комом: как мы учились анализировать ошибки автотестов с помощью LLM
Привет! Меня зовут Алексей, я автотестер в hh.ru . У нас около 3000 запускаемых классов с e2e (UI) тестами на Java. Они прогоняются по несколько раз…
Postgres Retrieval Architecture: Multi-Tenant SaaS Help Center Schema Design
Short answer: use a staged retrieval design with explicit collections, bounded queries, and traceable source context, then make index cost a schema…
Я добавил Rerank в Obsidian. Что показали тесты на 64 и 500 заметках
Добавил Rerank в свой плагин для Obsidian и решил проверить, стоит ли запускать вторую модель при каждом поиске. Сравнил три модели, провёл эксперим…
Как сделать RAG-чат для сайта, который не выдумывает цены: пять решений из моего бота
С июня я делаю AI-чат для сайтов, который не выдумывает цены и не соглашается с клиентом во всём подряд. К пяти решениям из статьи я пришёл через ош…
Ошибки RAG: 6 причин, почему лагает память ИИ-агента, и как провести диагностику retrieval
RAG (Retrieval-Augmented Generation или генерация с дополненной выборкой) — это технология, которая объединяет большую языковую модель (LLM) с внешн…
RAG Evaluation & Monitoring: Metrics, Frameworks & Production Observability
RAG Evaluation & Monitoring: Metrics, Frameworks & Production Observability Comprehensive guide to evaluating and monitoring Retrieval-Augme…
Building RAG from Scratch: No Frameworks Needed
Building RAG from Scratch: No Frameworks Needed Understand Retrieval-Augmented Generation by building it yourself — pure Python, zero dependencies.…
Ragas vs Truvec for RAG Retrieval Evaluation
I have built and debugged many RAG systems, and the most common failure I saw was not because of bad prompts or weak LLM models. Most failures were…
Insurance Claims Retrieval Architecture with Node.js: Five Access-Rule Checks
Short answer: use a staged retrieval design with explicit collections, bounded queries, and traceable source context; make access rules part of retr…
Candidate Search Architecture: Tenant-Bounded Retrieval and Source Traceability
Recruiting search has an awkward constraint: a highly relevant profile is still a security incident if it came from the wrong customer. Short answer…
Building Better RAG
Most RAG systems that disappoint in production fail at retrieval, not generation: the model answers well from the wrong context, or from none at all…
Как Google научил крошечную модель понимать текст, картинки, видео и звук: разбираем EmbeddingGemma 2
6 октября 2026 года Google DeepMind выпустила EmbeddingGemma 2 — открытую модель эмбеддингов, которая превращает в векторы текст, код, изображения,…