Craft House AI | News


Kanal geosi va tili: Rossiya, Ruscha


Craft House собирает самое интересное и обязательное для ознакомления.

Связанные каналы

Kanal geosi va tili
Rossiya, Ruscha
Statistika
Postlar filtri


БлоGнот dan repost
На выходных развлекался с OpenClaw. Всегда с новым инструментом/сервисом сложно придумать интересную и нужную задачу, но я справился. И немного даже удивился результату.

Подробнее в блоге и рассылке. В рассылке заодно и видео от свежевышедшей grok imagine. А вам не напомнишь — так вы и не подпишетесь 😊.

https://open.substack.com/pub/blognot/p/openclaw?r=38cnq&utm_campaign=post&utm_medium=web&showWelcomeOnShare=true


Data Secrets dan repost
Video oldindan ko‘rish uchun mavjud emas
Telegram'da ko‘rish
OpenAI выпустили приложение Codex

Довольно симпатичная обертка вокруг CLI агента с дополнительными фичами. Главное: агенты теперь могут работать в нескольких отдельных потоках. Есть поддержка worktrees для параллельного тестирования без конфликтов.

Есть готовые расширения для инструментов: Figma, Linear, Vercel, GPT Image, Jupyter Notebooks и тд (ищите тут). Можно также дописывать собственные скиллы.

Еще из интересного – возможность планировать автоматизации, то есть ставить фоновые задачки по расписанию (например, CI-проверки).

Для Free и Go дали временную возможность попробовать, остальным удвоили лимиты.

Скачать для MacOS можно тут: openai.com/codex/


Вайб-кодинг dan repost
Video oldindan ko‘rish uchun mavjud emas
Telegram'da ko‘rish
Кэширование промптов

Отправляешь один и тот же промпт снова и снова?

Добавь "cache_control": {"type": "ephemeral"} и получишь до 90% скидки на чтение из кэша и ответы до 85% быстрее.

Примечание: у каждой модели есть минимальная длина промпта, которую можно кэшировать.

Одна строка. Огромная экономия.

Минимальная кэшируемая длина промпта:

- 4096 токенов для Opus 4.5 и Haiku 4.5
- 1024 токена для Sonnet 4.5, Sonnet 4, Opus 4.1, Opus 4

Подробнее: в доках


Ppprompt | Sexy AI Prompts & Experiments | by @ponchiknews dan repost
Что думать, надо делать — сказали ребята из OpenAI и релизнули Codex for Mac.

Я пока полностью закрываю свой скоуп задач Claude Code + Cursor + OpenClaw, и подумываю отписаться от всего.

Но если вы будете ставить - расскажите как вам.

@ppprompt


Хабр / ML & AI dan repost
О том как подключить Open WebUI и Cline к Telegram Cocoon

Удивительно, что про Telegram Cocoon почти нет практической информации, кроме той, что есть на GitHub и на официальном сайте. В разных СМИ много общей информации о запуске сети, но почти ничего о реальном пользовательском опыте.

Я решил потратить немного времени и разобраться, что на самом деле происходит в сети, как она работает и, самое главное, могу ли я как разработчик использовать её уже сегодня. Поэтому в этой статье я рассматриваю Cocoon с точки зрения разработчика: как установить и как пользоваться. Читать далее

#telegram #cocoon #ton #toncoin | @habr_ai


Имхо «170 юнитов» и «не заморачиваться» это очень амбициозная задача, но не берусь судить.

Для тех, кто хочет посмотреть, как сегодня работают профессионалы с ллмками в графике, советую поизучать comfyUi, желательно вместе с https://github.com/LykosAI/StabilityMatrix .

Стабильная и качественная генерация графики (рефы, модели, анврап, ретопо, текстуры) это всегда настроенные под определенный проект воркфлоу с большим объемом задействованных в процессе разных ллмок и сервисов, и в этом процессе все еще достаточно большая доля ручного труда и много итераций правок. Собственно для этого и сделали comfyUi


КПД dan repost
Agentic Reasoning for Large Language Models
[Статья]

На днях вышел большой обзор (135 страниц) по агентному ризонингу для LLM.

В нем рассказывается про то, что есть этот агентный 🤖 ризонинг 🧠 и с чем его едят. Виды агентного ризонинга (самомодифицирующийся и коллаборативный). А также про приложения и бенчмарки.

Основное отличие агентного ризонинга от LLMного - динамичность среды и возможность непрерывного обучения (continual learning).


AI/ML Ready | Нейросети dan repost
Хотите узнать, сколько памяти занимает ваш код, без внешних инструментов?

Python умеет измерять использование памяти прямо во время работы и делать это точно, построчно.

Подключаем встроенный модуль tracemalloc:
import tracemalloc
tracemalloc.start()

Запускаем код, который хотим измерить:
data = [x ** 2 for x in range(1_000_000)]

А потом смотрим статистику:
current, peak = tracemalloc.get_traced_memory()
print(f"Текущая: {current / 1e6:.2f} MB | Пик: {peak / 1e6:.2f} MB")

🔥 Получите точное использование памяти и пиковое значение.

🚪 AI Ready | #совет




Assistant Axis: новая статья от Anthropic про геометрию «полезности» моделей

Все знают, что LLM умеют играть роли: и хорошие, и плохие. И на посттрейне разработчики тоже пытаются вложить в чат-ботов определенную личность полезного спокойного ассистента.

Вот только практика показывает, что модели все равно с этой личности часто соскальзывают. Отсюда – всякое небезопасное поведение, галлюцинации и сумасбродство.

Так вот Anthropic сделали красивую вещь: они показали, что личностью модели можно контролировать напрямую, управляя векторами в пространстве ее активаций. Итак:

1. Они взяли около 275 ролей, для каждой из которых задавали модели определение паттерны поведение и логировали активации во время ответов.

2. Таким образом для каждой личности сформировался вектор роли – средний паттерн активаций, когда модель играет этого персонажа. Эти векторы были огромной размерности, но их прогнали через PCA, и оказалось, что на самом деле пространство персон очень низкоразмерное.

3. То есть буквально 4-19 векторов в целом объясняют всю дисперсию (все различия между личностями). Более того, оказалось, что есть одна компонента, которая в целом определяет доминирующую часть пространства. По одну сторону от нее лежат норм личности чат-бота (доктор, консультант, учитель), а по другую – странные (призрак, темный маг, левиафан). Вот ее то и назвали Assistant Axis.

Интересно, что для разных моделей Assistant Axis почти одинаковая (корреляция там выше 0.92) и возникает уже во время предобучения. То есть это действительно какая-то смысловая ось, которая геометрически определяет, насколько модель ведет себя, как  спокойный рассудительный ассистент, а не странный персонаж.

В основном во время рутинных диалогов (кодинг, конкретные бытовые задачи) модель всегда находится близко к этой оси. Но есть темы, которые заставляют от нее отдаляться: например, психология и философствование о сознании и чувствах ИИ. Тут модель может удариться во все тяжкие, и это называется Persona drift. Он-то как раз и опасен.

Хорошая новость: это можно контролировать, просто искусственно сохраняя активации в рамках нормального диапозона с точки зрения проекции на Assistant Axis. На бенчмарках при этом деградации нет (иногда качество даже растет), но метод съедает 60% вредных ответов на persona-jailbreak’ах. Занятно, в общем.

Вот тут есть даже код с экспериментами на открытых моделях, можно покопаться: https://github.com/safety-research/assistant-axis

Сама статья: https://arxiv.org/pdf/2601.10387


Data Secrets dan repost


NGI | Влад Корнышев про AI и создание AI-продуктов dan repost
Тренажер по промптингу от подписчика

Мне всегда импонирует история, когда люди делают что-то крутое для комьюнити и приходят за обратной связью. Это напоминает подход тех же Anthropic, когда они релизили свои курсы и промпт-библиотеки - делать технологии понятнее и доступнее для всех.

Одна из главных болей, которую я замечаю у тех, кто только начинает знакомство с LLM - это разрыв между теорией и практикой. Да, можно посмотреть курс, можно открыть AI Studio, но часто людям сложно связать абстрактную стратегию промпт-инжиниринга с реальными рабочими кейсами.

Мне самому очень близка история про обучение через решение конкретных задач. Поэтому, когда подписчик Сергей прислал свой проект, мне стало интересно.

Это бесплатный тренажер по промптингу. Внутри 6 заданий - они простые, но выстроены так, чтобы после прохождения сложилась картинка: как модель реагирует на разные подходы и почему ведет себя именно так.

Я пощупал продукт, концепция мне зашла - отличный старт. Уже обсудили с Сергеем точки роста, он планирует развивать эту историю, поэтому делюсь своими мыслями по фичам, которые я бы добавил для глубины:

1. Jailbreak и NSFW. Сейчас задания на обход защиты довольно мягкие. Я бы добавил работу с NSFW контентом, чтобы наглядно показать, где у модели границы и как работают механизмы цензуры.

2. Использование SGR. Для улучшения качества аутпута я предложил внедрить SGR. Это когда мы не просто просим модель подумать, а задаем ей жесткую схему рассуждений, валидируя каждый шаг. Это помогает получить предсказуемый и структурированный результат, о чем я уже писал ранее.

3. Регулятор температуры. Промпт-инжиниринг - это не только текст, но и параметры. Для задач на галлюцинации и извлечение данных критически важно уметь работать с Temperature. Хочется видеть этот ползунок в интерфейсе.

4. Управление контекстом. Добавил бы задачки на удержание внимания модели, чтобы пользователь учился работать с границами контекстного окна.

Сергей сейчас активно собирает обратную связь, чтобы допилить инструмент. Предлагаю вам тоже поюзать и накидать ему идей - это тот случай, когда можно напрямую повлиять на полезный для сообщества продукт.

Ссылка на тренажер: https://prompttrainer.replit.app/

Ну и традиционно: если вы тоже пилите что-то интересное в сфере AI - приходите, я всегда рад подсветить годные инициативы, денег за это не беру 🙂


Нейронавт | Нейросети в творчестве dan repost
В Ollama v0.14.3 (среда для работы с LLM) добавили генерацию изображений

Доступны Z-Image Turbo и Flux.2 Klein

Команды:

ollama run x/z-image-turbo

ollama run x/flux2-klein

Заявлена поддержка macOS. Windows и Linux обещают позже.

Спасибо @Endorpheen

#Flux2 #ZImage #macos #tools


Остриков пилит агентов dan repost
Важные секции, которые должны быть в наших PRD

Плиз проверьте, что эти блоки точно есть, и давайте их располагать в след структуре, чтобы было проще читать:

1. Назначение сервиса

Формат: один абзац, который коротко описывает суть и назначение сервиса, какую задачу он решает на большом ландшафте всей системы.

Planner - отвечает за заведение и запуск новых кампаний для взаимодействия с пользователями через агентов. Отбирает пользователей по сегментам и запускает по ним кампании.

2. Глоссарий основных сущностей сервиса

Формат: набор пар термин - описание. Нужно, чтобы всем говорить на одном языке дальше по документу.

Task - задача для агента на общение с пользователем с конкретной целью. Агент должен ее стартануть в определенное время, и довести до завершения

Session - сессия разговора агент-пользователь, начинается с сообщения агент
а и заканчивается спустя последнее сообщение человека/агента через 2 часа

3. Как внешний мир видит этот компонент

И на каком языке с ним общается. Тут детально расписывается вся внешняя апишка сервиса и другие входящие потоки данных.

POST /api/v1/offers/create - добавление нового оффера
{"offer_type": "bonus100", "offer_name": "xyz", ...}

PUT /api/v1/campaign/start - ручной запуск компании
{"id": "ieur-er4r4r-4r4"}

4. Модель БД сервиса

Детальное описание всех таблиц, полей, смысла полей, foreign keys constraints и индексов. Пишем все - nullable/not null/default итд. Самая важная секция, max attention - самая дорогая цена ошибки

== tasks (задачи на общение с пользователями) ==
id: bigint - pk
user_uuid: text - index
created_at: timestamp
...

== messages (сообщения чатов) ==
id: bigint - pk
task_id: bigint (fk -> tasks.id) - index
text: text // текст сообщения
role: test // автор сообщения, человек или агент
created_at: timestamp
...

id_task_id - unique constarint

5. Sequence flow всех основных процессов

По всем процессам есть расписанная по шагам последовательность действий, которые происходят в сервисе, в четкой структуре

1. Горутина обработки ответа на сообщение
- подтягиваем прошлую историю переписки из кеша переписок, если кеш пуст, достаем из messages)
- достаем заранее созданные инстанс агента из мапы агентов
- достаем информацию (user context) по пользователю из кеша пользователей (если нет, идем в avalon за данными)
- динамически собираем промт агента, добавляя туда историю, данные пользователя
- запускаем цикл агента, получаем новое сообщение
- сообщение сохраняем в messages + кеш
- отправляем сообщение в whatsup gateway

2. Создание новой кампании
...

6. Внешние сервисы, в которые мы ходим изнутри сервиса

Все внешние системы, в которых мы дергаем ручки/отправляем файлы/пишем в чужие очереди итд.

Главное отличие от пункта 3 - в нем наш сервис как черный ящик, и мы описываем как внешний мир его видит и использует. Тут - наоборот.

- хранилище офферов - забираем оффер в json описании при заведении новой кампании

7. Мониторинги, за которыми мы будем следить и которые будут нам звонить если что-то идет не так

Пишем только криты, которые если происходят, мы в любое время дня и ночи сразу собираем звонок и решаем инцидент

- в табличке messages скопилось больше 500 сообщений от пользователей в статусе NEW, которые мы не разгребаем более 10 минут (то есть процессинг упал)


Зачем такая духота?

Важно, чтобы до программирования (передачи PRD в клод код) мы детально понимали логику будущего сервиса на всех уровнях, без участков "ну тут хуле делать, пусть клод сам затащит"

Второй момент - верю, что при идеально написанном PRD клод будет писать сервис за один промт, а потом потребуется лишь незначительная шлифовка. Если не пишет, будем править claude.md, пока не напишет))

И последнее, ваш PRD может иметь другие доп секции, но убедитесь что текущие присутствуют обязательно и оформлены один в один в том же формате

———
Сидел потел, пробовал оцифровать правила наших PRD для будущих сервисов, без помощи нейронок 🫠

Есть что-то важное, что забыл? За лучший комментарий отправлю Кабанчика бесплатно по России (без шуток)

#prd


Выключатель dan repost
⚡️ Превращаем Gemini в пушку

Нашли 4 мощных запроса, которые бустят мышление нейронки, заставляют её думать шире и резко повышают точность ответов

Убираем ошибки в рассуждениях
В процессе рассуждения обязательно используй фразы вроде "Подождите, дайте проверю", "О, я упустил...", "Но что если...". Если найдешь ошибку в своих рассуждениях, укажи на нее и исправь

Рассуждение с разных точек зрения
Действуй как команда из трех экспертов: скептичный критик, креативный дизайнер и дотошный аналитик. Обсудите решение задачи, по очереди выдвигая аргументы и опровергая ошибки друг друга

Включаем жёсткую самокритику
Сначала предложи решение, а затем жестко раскритикуй его, найдя слабые места. Сформулируй финальный ответ на основе этой критики

Объединяем противоположные подходы
Сначала рассмотри задачу с точки зрения педантичного профессора, который ищет фактические ошибки. Затем — с точки зрения смелого изобретателя. Объедини их выводы

Пользуемся👨‍💻

⚡️ Выключатель




Pavel Zloi dan repost
Составной системный промт Claude Code

Пока гуглил промт Claude (утёкший ещё в прошлом году) увидел в выдаче ссылку на GitHub-репозиторий которую сохранил в избранное, но забыл изучить.

Вот она:
https://github.com/Piebald-AI/claude-code-system-prompts

Если кратко, то автор репозитория смог вытянуть из Claude Code коллекцию промтов из которых составляется системный промт кодового агента в зависимости от поставленной задачи. Там очень любопытная архитектура оказалась, в зависимости от языка, среды, версий программ и запросов пользователя некий подпроцесс генерирует из чанков системный промт, полагаю какая-то часть находится вверху и не меняется (чтоб kv-кеш мог нормально работать), а какая-то часть адаптируется под задачи пользователя в процессе работы.

И вот сижу я, смотрю на всё это великолепие, а в голове роятся идеи всякие, так что рекомендую ознакомиться.




Остриков пилит агентов dan repost
Как жить этот грешный год

Сегодня совершенно неожиданно (ну простите!) пришло много людей, и пост в первую очередь для вас ❤️

Вокруг нас, в этой самой комнате, находится очень крутое русскоязычное комьюнити про GenAI

В основе его - удивительные люди, которые ведут каналы, пишут код, записывают стримы, выступают на конференциях и делятся опытом. Их не так много, человек 10-20

А вокруг них, еще несколько сотен человек, которые общаются в каналах, задают вопросы, вместе троллят релизы OpenAI, залезают в кишки фреймворков и рассказывают свои истории

Один из способов быть в теме, но не сойти с ума, следующий:


1. Каналы

Вы подписываетесь на базу, ядро комьюнити (список лично мой, с упором на практику, вы быстро найдете своих фаворитов):

- @neuraldeep
- @llm_under_hood
- @nobilix
- @evilfreelancer
- @the_ai_architect
- @dealerAI
- @oestick
- @ilia_izmailov
- @cryptoEssay
- @gleb_pro_ai

Лучше даже создать отдельную папку, и туда сложить всё это золото. Каждый автор - уникален, кто-то может закатать рукава и сделать свой claude cowork на локальных моделях за два вечера, кто-то строит соревновательные платформы для агентов, кто-то читает новые публикации и рассказывает по простому обычным смертным, кто-то угорает по осознанному вайбкодингу и показывает как будет выглядеть профессия кодера через годик. Просто авторов, делающих обзоры новостей тут нет


2. Чаты

Каналы, это лишь треть успеха. Они позволяют не пропустить что-то важное и громкое, но мякотка всегда раскрывается в чатах. Именно в чатах люди задают вопросы, а авторы поясняют по фактам, именно туда разные люди несут свои мнения (и получают бан 🤣), именно там чаще всего происходит процесс осознания нового. И не молчите там - задавайте вопросы, отвечайте, кидайте мемы, спорьте!

Поэтому создаем вторую папку и складываем туда чаты групп:

- @neuraldeepchat
- @llm_driven_products
- @nobilix_chat
- @evilfreelancer_chat
- @the_ai_architect

Чатов сильно больше, но не у всех есть паблик ссылки

Зачем папки? Наверное, есть любители держать все в общем списке каналов, но при этом нужна железная сила воли, чтобы постоянно не отвлекаться. А тут можно выделить хоть 10-15 мин вечером, и скушать все за раз


3. Практика

Ищите в информационном потоке интересное, и пробуйте, пробуйте, пробуйте. Если вы вдруг увидели что-то классное, да так что ладошки вспотели - найдите время установить/поиграться/пощупать!

Все мои самые интересные моменты прошлого года были как раз случайными порывами, из которых потом вырастало нечто большее. Внедрить ответы по RAG в большой продукт, организовать хакатон по написанию mcp, написать в отпуске агента выделяющего сегменты пользователей, голосовые агенты, расшифровки диалогов, erc3, вкусвилл ботик - все эти ниточки давали в итоге бесценный опыт и знакомили с потрясающими людьми

Была и куча фейлов, и потраченного времени, и невзлетевших проектов, и это тоже опыт - вы быстро поймете что не сработало, и в след раз не вляпаетесь

Короче - ищите то, что нравится и хватайтесь за это. А раз вы оказались здесь, значит вам нравятся AI и агенты, и нет более sexy области сейчас

Всех обнял 😘


Вайб-кодинг dan repost
God проект: xyOps это система нового поколения для ворк-автоматизации и мониторинга серверов. 😱

Если по-простому: это ультимативный комбайн, где в одном котле смешали планирование заданий, автоматизацию воркфлоу, мониторинг, алерты и реакцию на инциденты.

Большинство “автоматизационных платформ” на рынке умеют тупо гонять задачи, как скрипт, который только выполняет команды. xyOps не про это. Он связывает задачи с мониторингом в реальном времени, алертингом, снапшотами, тикетами и инцидент-менеджментом в один цельный конвейер.

#️⃣Вот исходники

20 ta oxirgi post ko‘rsatilgan.

4

obunachilar
Kanal statistikasi