Рофлоистория, или собес курильщика

Поговорил я с одним коллегой из Точки, и он рассказал интересную историю собеседования 🗣

Откликнулся он на какую-то ваку на хх, в итоге приходит приглос на очный собес — уже чем-то попахивает. Заходит в офис времён 2000-х и видит перед кабинетом, где должен быть собес, толпу людей: «что за пиздец?» — думает чел

Заходит с ребятами, садятся они в ряд. Приходит насяльника (с виду нормальный мужик) и говорит:
«Денег у компании немного, поэтому собес будет групповой и быстрый. Представьте, что я заказчик, а вы разработчики, и вам нужно получить ТЗ от меня»

Показывает на первого парня. Тот говорит:
«Здравствуйте! Можно, пожалуйста, получить ТЗ?» — и тут же ловит в ответ: «Привет! ИДИ НАХУЙ». Парень в ахуе, остальные переглядываются и понимают, что такая карусель счастья ждёт и их 😐

Доходит очередь до моего коллеги. Он отвечает в духе:
«Слушай, ну ты уже пятерых нахуй отправил, давай-ка ты мне дашь ТЗ, чтобы остальных не пришлось так же посылать». Мужик, естественно, тоже отправил его нахуй.

Оказалось, это был стресс-тест: нужно было продолжать отвечать и придумывать разные варианты, не сливаясь.

Главный герой прошёл дальше. Там его встретил типичный алгособес: задача на реализацию Фибоначчи (ведь если ты их знаешь, то, конечно, сможешь написать сервис и задеплоить модель 😬)

В итоге ему дали оффер, но добавили:
«В оффере написано 220к, мы не открещиваемся, но это — когда есть задачи. А сейчас их нет, поэтому 110к». У меня и у коллеги после этих слов челюсть до пола.

И вишенка на торте: в конце ему сказали — «наш фаундер передумал нанимать бэка, поэтому пока. Оффер отменяется» 💀

Вывод из этой удивительной истории простой: нужно уметь отличать говнокомпании от нормальных. Как? Если уже на этапе собеса начинается какая-то дичь — то на работе её будет в разы больше 🤡

по итогу поступил на магу в... 🍷

LLM на стероидах: Что такое ReAct и почему он опускает обычный RAG?

Представим, что у нас есть чат-бот, который отвечает на вопросы по загруженной базе документов (RAG чат-бот). Вроде круто, но что если нам нужно, чтобы он не просто в документах копался, а еще и как-то с внешним миром взаимодействовал?

Например, мог:
🟣 Узнать погоду
🟡 Проверить статус заказа по API
🔵 Узнать текущий курс битка, чтобы фиксануть прибыль 📉
🟢 Ну или сделать деп, потом додеп и супер мега ласт додеп 😩

Обычная LLMка либо рассуждает и отвечает на основе текста, либо вызывает какой-то один инструмент, например, RAG. Она не может делать и то, и другое одновременно.

И вот тут на сцену врывается с двух ног ReAct-архитектура (Reason + Act). Такой агент - настоящий гигачад, потому что он умеет чередовать рассуждения с действиями (вызовами функций, или Tools) для взаимодействия с миром.

Агент анализирует запрос пользователя и сам решает, что делать дальше:
🟣 задать уточняющий вопрос
🟡 полезть в базу знаний
🔵 дёрнуть внешний API
🟢 сделать додеп 📈
🟡 или сразу выдать окончательный ответ

Структура ReAct Agent
1️⃣ LLM — это ядро и мозг агента. Анализирует запрос, выбирает следующий шаг и генерирует ответ.
2️⃣ Thinking — «мышление» агента. На этом этапе он решает: использовать какой-то инструмент (пойти в RAG, вызвать API) или продолжить диалог с пользователем.
3️⃣ Tools — список доступных агенту инструментов. Это может быть что угодно: векторная база, внешний API, калькулятор, SQL-база — всё, что нужно для работы.

Как это работает на практике? 🐵

Допустим, мы спрашиваем: «Хочу сделать додеп на 100 баксов в слоты, есть какие-нибудь бонусы?» 💀

🟣Агент думает (Reason): «Окей, чел хочет закинуть сотку. Надо проверить его текущий баланс и глянуть, есть ли для него жирные бонусы на деп».
🟡Агент действует (Act): Дёргает внутренний API, чтобы проверить баланс юзера. Баланс: $15.
🔵Агент снова действует (Act): Летит в API казино и проверяет доступные акции. Нашёл: 'Бонус +50% на депозит от $100'.
🟢Агент думает и отвечает (Reason & Act): Собирает всё вместе и выдаёт ответ: «Твой баланс $15. Сейчас есть акция: закидывай от сотки и получишь +50% сверху. Делаем додеп?»
После согласия пользователя агент может инициировать транзакцию через API платёжного шлюза.

Итог:
ReAct Agent превращает LLMку из обычного генератора текста в полноценного ассистента, который умеет взаимодействовать с внешним миром и реально решать задачи, а не просто болтать. Короче, это база! 🌟