Журнал DevNeuroX
Блог
Внутренний рабочий слой AI-моделей: что нашла Anthropic
Anthropic описала внутренние представления, доступные модели для отчёта и рассуждения. Разбираем выводы без заявлений о сознании и пользу для AI-агентов.
Claude Mythos / Fable 5: что эта модель меняет в безопасности AI-агентов
Claude Mythos / Fable 5 показал 73% на экспертных cyber-задачах. Разбираем 10 000+ найденных уязвимостей и правила доступа AI-агентов в бизнес-системах.
AI-ассистент фаундера: память, задачи и контроль действий
Персональный AI-ассистент связывает проектную память, Telegram, почту, документы и расписания. Разбираем дайджесты, права и контроль действий.
AI-агенты для рутины: с чего начать небольшой команде
AI-агент соединяет модель, инструменты, память и правила процесса. Разбираем первые сценарии, ограничения прав, подтверждения и контроль ошибок.
Когда локальная AI-модель подходит для рабочих задач
Gemma 3 показывает, какие рабочие задачи уже можно выполнять рядом с данными. Разбираем приватность, квантизацию, инфраструктуру и гибридный подход.
Как писать промпты, которые дают полезный результат
Рабочий промпт задаёт контекст, задачу, формат, ограничения и критерии качества. Разбираем структуру запроса, итерации и проверку ответа AI.
Как работать с AI-моделями: выбор инструмента и контекста
Практическое руководство по выбору AI-модели, подготовке контекста и работе с длинными чатами. Разбираем Gemini, Claude и локальные модели на практике.
Что люди ждут от AI: выводы из 80 508 интервью
Исследование Anthropic показывает: люди ждут от AI профессионального роста, надёжных ответов и контроля, сохраняя за собой право принимать решения.
Память AI-агента: зачем нужны векторы, граф и PostgreSQL
Векторы находят похожие фрагменты, граф хранит связи, PostgreSQL даёт точные факты. Разбираем гибридную память AI-агента на примере Digital Shadow.
Digital Shadow: AI-ассистент фаундера для задач и контекста
Digital Shadow связывает проекты, встречи, документы и решения фаундера. Разбираем утренний план, вечернюю рефлексию, память и граф связей в компании.
RAG и векторные хранилища: как бизнесу искать по смыслу
RAG помогает искать ответы по смыслу в PDF, каталогах и инструкциях. Разбираем архитектуру, выбор хранилища, ограничения и ошибки внедрения.
Промпты, RAG или LoRA: что выбрать бизнесу
Промпты, RAG и LoRA решают разные задачи. Разбираем, когда бизнесу хватит инструкции, когда нужна база знаний и когда оправдано дообучение модели.
Почему AI без памяти каждый день начинает с нуля
AI без памяти заставляет повторять контекст. Я добавил в Digital Shadow RAG и векторный поиск, чтобы агент возвращал проекты, факты и решения по смыслу.
Как я автоматизировал криптотрейдинг вместо ручных сделок
Я собрал AI-пет-проект для криптотрейдинга: сигналы, риск, стопы и разбор сделок. На старте win rate был 53%, но это не обещание доходности.
Digital Shadow v1.0: личная AI-память для фаундера
Digital Shadow хранит задачи, людей, файлы и решения фаундера. В обзоре Gartner 47% digital workers сообщили о трудностях с поиском рабочих данных.