Ковыряю AI Agents Course от Hugging Face.

Хочу разобраться, как агенты работают на практике.

Что уже понял:
• Есть фиксированный набор промптов.
• В клиенте заложены функции (tools).
• LLM в цикле анализирует, что делать, и перебирает варианты.
• Понимает, какие тулзы доступны, и вызывает нужные (actions).
• Клиент запускает инструменты и ждет final answer.

Быстро накидал функцию, которая тянет курсы конвертации крипты с Coinbase и умеет с ними работать.
На первом скрине сам код. Через декоратор @tool, аннотации и типы формируется описание для LLM, чтобы она знала, как этим пользоваться.

Из неожиданного — LLM (или gradio/Hugging Face - пока не понял) умеет писать Python-код и сразу его исполнять.

Примеры:
• На втором скрине модель вызвала get_conversion_rates, потом сама написала и запустила код, чтобы перемножить курс на количество ETH.
• На третьем — сгенерировала if, который проверяет, есть ли курс, и если его нет, выводит URL API.

Сам курс пока сырой. Местами криво: то переменные отсутствуют, то приходится разбираться, зачем вообще поднимать виртуалку на Hugging Face. После нормальных туториалов такие моменты раздражают.

Но штука интересная. Буду копать дальше.

Какое-то время пользуюсь веб-интерфейсом для Тинькова и откровенно не понимаю, нахрена сейчас нужны банковские приложения именно как нативные, кроме того, что они будут чуть быстрее.

Так вы поубирайте всю эту ненужную хуйню, которая тормозит, например сторисы и будет вообще топ. Банковское приложение это 5 табличек и 3 формочки.

Итого практически незаметно, что это не натив. Там есть пара каких-то вещей, через которые я как веб-разработчик вижу, что это HTML, но в остальном один в один. И даже интерфейс

https://loops.so

+ к рассыльщикам емейлов

Из интересного:
1. Прайсинг по количеству контактов (юзеров). До 1000 - бесплатно
2. Транзакционки - бесплатно
3. Симпатичный редактор писем
4. Ивенты!