Аналитика Telegram-канала
Подписчики
1 395
Охват за 24 ч
59
ER за 24 ч
4,23%
Публикаций
802
Динамика подписчиков
7 дней
30 дней
6 месяцев
Больше
16 ноя18 ноя21 ноя
Показаны последние 7 дней
Больше истории →
Охваты публикаций
28.1020.11
22
Средний охват
22
Лучший результат
Показаны 2 публикации — последние в канале
Больше статистики →
Упоминания
27
Упоминаний
10
Из них репостов
22
Каналов
0
Упоминаний за 90 дней
0
Из них репостов
0
Каналов за 90 дней
Последние посты
2 из 802 2 из 802Сделала для вас гайд по первой настройке Claude ❤️
Внутри: где скачать, как настроить под себя, мои любимые скиллы и коннекторы. Даже если уже пользуетесь, загляните)
Там есть готовые промпты, которые можно просто скопировать и подставить свои данные.
➡️ В новом видео на YouTube всё подробно показываю
ещё
21
0
20 ноя, 14:46
🧠 Почему агент ошибается, даже если модель умная
Принято думать, что качество ИИ-агента зависит от модели: чем она мощнее, тем лучше результат. Чаще всего агент ломается не из-за модели, а из-за того, что её окружает. Это окружение называют харнесс (от англ. harness, «упряжь»).
🔧 Что такое харнесс
Это всё, что превращает «голую» языковую модель в рабочего агента:
• цикл, в котором модель думает, действует и проверяет себя;
• инструменты: поиск, код, файлы;
• память и управление контекстом;
• обработка ошибок, ограничения и безопасность.
💻 Удобно сравнить с компьютером. Модель — это процессор, контекстное окно — оперативная память, внешние базы — диск, а харнесс — операционная система.
📊 Почему это важно: цифры
• LangChain не трогал модель, а изменил только харнесс. В бенчмарке TerminalBench 2.0 его агент поднялся из-за пределов топ-30 на 5-е место.
• Vercel убрал 80% инструментов из v0, и результаты стали лучше.
• Manus за полгода пять раз переписывали харнесс и каждый раз упрощали.
• По словам создателя Claude Code Бориса Черного, если дать модели проверять свою работу, качество вырастает в 2–3 раза.
⚠️ Где агенты спотыкаются
• Ошибки накапливаются. Если каждый из 10 шагов удаётся в 99% случаев, вся задача удаётся только примерно в 90%.
• Модель хуже замечает то, что лежит в середине контекста: качество может упасть больше чем на 30%.
• Если контекст перегружен, агент «плывёт». Поэтому его сжимают, лишнее скрывают, а нужное подгружают по запросу.
🏗 Главная мысль
Харнесс похож на строительные леса. Чем умнее становятся модели, тем тоньше он должен быть. Если харнесс только разрастается, это плохой знак.
💡 Что взять на заметку
✅ Если агент ошибается, сначала проверьте харнесс, а потом уже вините модель.
✅ Меньше инструментов часто означает лучший результат.
✅ Дайте агенту способ проверить себя: тесты, линтеры, скриншоты.
✅ Несколько агентов нужны только для действительно больших задач, например если у вас больше 10 пересекающихся инструментов.
📖 Полный разбор с примерами Claude Code, OpenAI и LangChain: https://habr.com/ru/articles/1023316/
#нейросети #ИИагенты #LLM
ещё
22
2
28 окт, 13:52
Продолжить анализ этого канала
- История роста подписчиков
- Просмотры и охваты публикаций
- Кто упоминает канал и кого упоминает он
- Похожие каналы и подбор для рекламы
Открыть аналитику
Демо до 14 дней