Телеграм канал «Кисель в АйТи | AI и технологии»

Собрал небольшой портал-мастерскую для своих проектов. Всегда бутылочным горлышком было именно быстро задеплоить. Иногда пока всё сделаешь - десять раз пожалеешь. Решил, что пора уже завести постоянную тачку, обжиться на ней и публиковать всякое интересное. Да и в целом понравилась концепция таких персональных "айти-мастерских", мне кажется это в какой-то степени и тренд, и шаг вперёд в удобстве. Сделал, выложил, всё сразу крутится.

На мой вкус получилось стильно, аккуратно. Пусть местами и нейрослопово, но за пару итераций всё подчистится.

Собрал там свои наработки в том числе по платформе с курсами. Да, да, и такая была в пет-проектах, давнооо пылилась. Тем то много разных. Как пробу пера выложил большой текстовый курс по MCP. Я какое-то время назад думал "Да чего там знать то в этом mcp?". Оказалось там уже огого сколько всего появилось.

Туда же вписались и игры, кстати. СделайСиней и Last Directive (то самое продолжение Hard Cops).

В общем самое занудное - выложиться. Буду со временем допиливать. Благо на ЧатГПТ лимиты сбрасывают чуть ли не каждый день 😁

Решил тут кстати недавно с ChatGPT собрать продолжение любимой игрушки с Sega, Contra: Hard Cops называется. На то время это был прям прорыв почти во всем. Темп игры, левел дизайн, уникальные уровни.

И вот оказывается, что 6.1 sol, который "строит невероятные 3д рендеры и копирует любые приложения с одного промпта" не способен повторить даже половины механик в 2д.

Эксперимент получился прям очень интересным. Попробовал разные подходы. И с проработанным роадмапом, и с мультиагентами в разных ролях. Но суть пока одна - даже имея под боком архив оригинальной игры никак не обойтись без ручной кропотливой работы.

На старте я думал, что с пары промптов получится сделать крутой движок, прокачать левел дизайн, нагенерить крутых боссов с десятком свежих механик. Не тут то было!)

Даже способность генерить очень детальные спрайты не спасает от тотального непонимания чугунным товарищем, что такое темп игры, динамика, атмосфера. Даже референсы не помогают.

Что ж, буду использовать эту задачу как бенчмарк в будущем 😁

Месяц релизов от OpenAI можно было смело сразу назвать "месяц сбросов лимитов". Кажется вообще ничего толкового не представили. Маленькие улучшения, оптимизации. А разговоров то было.

Думаю через недельку подобьем итоги.

Под капотом ИИ-агента: от бизнес-задачи до GPU

ИИ-агент выполнил тестовую задачу. Теперь его нужно подключить к корпоративным системам и запустить под рабочей нагрузкой. Как распределить GPU, организовать доступ к данным и понять, где искать причину сбоя?

29 октября в 12:00 на вебинаре эксперты Deckhouse и Kept разберут всю цепочку: от инфраструктуры и инференса до действий агента в корпоративных приложениях.

На примере платформы KeptStore, развёрнутой на Deckhouse Platform, обсудим:
• инфраструктуру для контейнеров и виртуальных машин;
• выделение GPU с помощью DRA;
• масштабирование, отказоустойчивость и метрики инференса;
• работу агента с данными, правами и секретами;
• границы ответственности инфраструктурной, прикладной и AI/ML-команд.


А также покажем демо автономного ИИ-бухгалтера.

Узнать подробности и зарегистрироваться

Реклама. АО "ФЛАНТ". ИНН 7723661439.

Заметил интересный парадокс. ИИ забирает на себя всё больше рутины, мы успеваем делать больше, но вот становится ли от этого легче работать?

ИИ-поезд мчится дальше. И, кажется, мы начинаем иначе смотреть на сам процесс разработки.

Доверие к генерируемому коду растёт. И вместе с ним на первый план постепенно выходит намерение, а не сам код.
На этот пост меня натолкнула недавняя статья инженеров Anthropic. За четыре месяца количество изменений, вливаемых в основную ветку, выросло с 2 500 до 30 000 в день. Им даже пришлось переизобрести Git. Но особенно меня зацепила другая мысль: теперь на ревью они оценивают прежде всего смысл изменений, а не каждую строчку кода.

И я поймал себя на том же.

В моих чатах с агентами всё чаще звучат вопросы: "Почему ты выбрал именно такой подход? Какие были альтернативы? Что мы потеряем, если сделаем иначе?". Мне постепенно становится менее интересно, как именно написана конкретная ручка. Гораздо важнее понять, почему она устроена именно так и насколько обоснованно это решение.

При этом я замечаю, что всё чаще доверяю ИИ не только написание кода, но и отдельные архитектурные решения. Это позволяет буквально на ходу жонглировать реализациями, пробовать разные подходы и выбирать наиболее подходящий. И вот когда появляется такое базовое доверие, меняется сама единица контроля. Мы всё меньше управляем отдельными строчками и всё больше архитектурными решениями, ограничениями и результатами.

Конечно, это не отменяет тестирования, ревью и личной ответственности. Доверяй, но проверяй, как говорится. Хотя проверка ИИ-кода - это вообще отдельный мир, о котором мы ещё поговорим. Главный инсайт -начал меняться сам характер работы с ИИ. Это куда более фундаментальная перемена, чем очередной прирост качества генерации.

Может вы уже слышали, а может быть пропустили. Вышел Python 3.15.

Главная новинка, на мой взгляд, это ленивые импорты. Ждали их целую вечность и, наконец-то, нас услышали!

Теперь можно просто написать:
lazy import pandas
И библиотека загрузится только при первом обращении к ней. Круто!

Что ещё интересного:
• JIT ускорился. Экспериментальный компилятор показывает прирост 7–8% относительно обычного интерпретатора на x86-64 Linux.
• Tachyon. Новый профилировщик, который умеет подключаться к работающему процессу без перезапуска и с минимальными накладными расходами.
• UTF-8 по умолчанию. Долго же они думали...
• frozendict. Встроенный неизменяемый словарь, который давно напрашивался в стандартную библиотеку.

В целом релиз вписывается в их философию про повышение производительности и удобства. Без революций, зато с вполне практичными улучшениями.

🔗 Полный список изменений