Появился опенсорс проект cardiag, который слушает запись работы вашей ласточки, очищает звук от лишнего и пытается понять, где проблема и что стоит проверить первым. И да, нужную зону нейронка верно определяет почти в 80%.
Обучали, кстати, модель на роликах с YouTube и TikTok: автор собирал видео с шумами неисправных машин, чистил аудио и размечал данные по названиям, описаниям и ключевым словам.
Это гениально: платим за Claude Fable до 60% меньше с помощью обычного JPEG.
Утилита pxpipe превращает весь контекст для модели в картинку. Фишка в том, что изображения тарифицируются по пикселям, а не по количеству символов, так что длинный контекст обходится заметно дешевле. Автор так сократил расходы в 7 (!) раз. И нет, текст не превращается в кашу: Fable без проблем прочитал все 39 тестовых изображений.
Делаем архитектуру проекта понятной: нашел для системных аналитиков классный скилл Archify 🤩
Просто описываете, как у вас всё устроено в проекте, а агент рисует архитектуру, связи между сервисами, потоки данных и другие схемы. На выходе получается HTML-файл, который можно открыть в браузере или экспортировать.