DeepSeek API стал немножечко оживать.
Пользоваться уже можно, если у вас ранее был API KEY, но пока денег на баланс положить нельзя.
Мои тестовые 5$ которые я положил для своего бота @DeepSeekR1Bot, до сих пор не израсходовались. Когда API отвалилось, я на бота забил немного, а сейчас переписал его с Node.js на Python, с помощью OpenHands, но еще не задеплоил новую версию.
А еще нашел интересную рекомендацию по использованию параметра температуры для разных задач. Оказывается для кодинга рекомендуют 0.0. Интересно протестировать.
Пользоваться уже можно, если у вас ранее был API KEY, но пока денег на баланс положить нельзя.
Мои тестовые 5$ которые я положил для своего бота @DeepSeekR1Bot, до сих пор не израсходовались. Когда API отвалилось, я на бота забил немного, а сейчас переписал его с Node.js на Python, с помощью OpenHands, но еще не задеплоил новую версию.
А еще нашел интересную рекомендацию по использованию параметра температуры для разных задач. Оказывается для кодинга рекомендуют 0.0. Интересно протестировать.
2🔥4❤1👍1
2 подхода к обучению моделей в машинном обучении: с учителем и без учителя.
🎓 Продолжаю проходить курс "Погружение в AI" от СберУниверситета, делюсь интересными выжимками простым языком.
В машинном обучении (ML) существует два основных подхода к обучению моделей: обучение с учителем (supervised learning) и без учителя (unsupervised learning). Эти подходы различаются тем, каким образом данные используются для обучения модели.
👩🏫 Обучение с учителем предполагает наличие у нас размеченных данных, то есть таких данных, где каждому входному значению соответствует известное выходное значение (метка). Например: входными данными могут быть изображения животных, а метками – названия этих животных («кошка», «собака» и т.п.).
Задача алгоритма заключается в том, чтобы научиться предсказывать выходные значения (метки) на основе входных данных. Для этого модель обучается на размеченном наборе данных, корректируя свои параметры так, чтобы минимизировать ошибку между предсказанными и истинными метками.
👾 При обучении без учителя у нас нет заранее известных меток для каждого примера данных. Модель должна самостоятельно находить закономерности и структуры в данных. Этот подход используется тогда, когда мы хотим выявить скрытые зависимости или группы внутри данных.
Например, представьте, что вы пришли в незнакомый город и пытаетесь понять, где находятся разные районы. У вас нет карты, но вы замечаете, что в одном районе много кафе и магазинов, в другом — парки и детские площадки, а в третьем — офисы и бизнес-центры. Так вы начинаете интуитивно делить город на зоны. Вот примерно так же работает обучение без учителя.
#урок@ai_skillful
🎓 Продолжаю проходить курс "Погружение в AI" от СберУниверситета, делюсь интересными выжимками простым языком.
В машинном обучении (ML) существует два основных подхода к обучению моделей: обучение с учителем (supervised learning) и без учителя (unsupervised learning). Эти подходы различаются тем, каким образом данные используются для обучения модели.
👩🏫 Обучение с учителем предполагает наличие у нас размеченных данных, то есть таких данных, где каждому входному значению соответствует известное выходное значение (метка). Например: входными данными могут быть изображения животных, а метками – названия этих животных («кошка», «собака» и т.п.).
Задача алгоритма заключается в том, чтобы научиться предсказывать выходные значения (метки) на основе входных данных. Для этого модель обучается на размеченном наборе данных, корректируя свои параметры так, чтобы минимизировать ошибку между предсказанными и истинными метками.
👾 При обучении без учителя у нас нет заранее известных меток для каждого примера данных. Модель должна самостоятельно находить закономерности и структуры в данных. Этот подход используется тогда, когда мы хотим выявить скрытые зависимости или группы внутри данных.
Например, представьте, что вы пришли в незнакомый город и пытаетесь понять, где находятся разные районы. У вас нет карты, но вы замечаете, что в одном районе много кафе и магазинов, в другом — парки и детские площадки, а в третьем — офисы и бизнес-центры. Так вы начинаете интуитивно делить город на зоны. Вот примерно так же работает обучение без учителя.
#урок@ai_skillful
2🙏4🔥2
Media is too big
VIEW IN TELEGRAM
Github Copilot выпустил в феврале 2025 года ИИ-агента для VSCode.
Пока только в версии Visual Studio Code Insider. Я решил протестировать и сравнить с Cursor и OpenHands. Записал небольшой скринкаст. Задачу выбрал простейшую - отрефакторить файл bot.py, состоящий примерно из 500 строк, разбив его на несколько обработчиков и сложить их в папку handlers.
📝 Что из этого вышло:
- Несмотря на задачу сформулированную на русском, общался со мной на английском.
- Рассуждения не такие подробные как в OpenHands.
- Задачу сделал, НО, код не запустился, и даже после 4-5 итераций, он запутался как правильно нужно импортировать модули, менял импорт туда-сюда-обратно, я не стал его дальше мучить.
- Когда он предлагал установить pip зависимости, только раза с 3 понял, что он забыл активировать окружение.
Короче, этот выпуск еще экспериментальный, вполне возможно к релизу сделают что-то внятное, но пока этим пользоваться не очень удобно.
🤡А знаете какая самая напрягающая штука в Cursor и Copilot? Кнопка "Apply" . Она вызывает тревогу и стресс, потому что, перекладывает ответственность за исправления от ИИ на пользователя. То есть, банально, если ты не вник в то, что сделала ИИ, то ты просто не можешь принять взвешенное решение. А это дополнительный порог входа для начинающих. В OpenHands такого нет, он внес изменения, запустил, проверил, отдал рабочее.
🔥Ставьте огонечки, если хотите скринкаст с OpenHands.
Пока только в версии Visual Studio Code Insider. Я решил протестировать и сравнить с Cursor и OpenHands. Записал небольшой скринкаст. Задачу выбрал простейшую - отрефакторить файл bot.py, состоящий примерно из 500 строк, разбив его на несколько обработчиков и сложить их в папку handlers.
📝 Что из этого вышло:
- Несмотря на задачу сформулированную на русском, общался со мной на английском.
- Рассуждения не такие подробные как в OpenHands.
- Задачу сделал, НО, код не запустился, и даже после 4-5 итераций, он запутался как правильно нужно импортировать модули, менял импорт туда-сюда-обратно, я не стал его дальше мучить.
- Когда он предлагал установить pip зависимости, только раза с 3 понял, что он забыл активировать окружение.
Короче, этот выпуск еще экспериментальный, вполне возможно к релизу сделают что-то внятное, но пока этим пользоваться не очень удобно.
🤡А знаете какая самая напрягающая штука в Cursor и Copilot? Кнопка "Apply" . Она вызывает тревогу и стресс, потому что, перекладывает ответственность за исправления от ИИ на пользователя. То есть, банально, если ты не вник в то, что сделала ИИ, то ты просто не можешь принять взвешенное решение. А это дополнительный порог входа для начинающих. В OpenHands такого нет, он внес изменения, запустил, проверил, отдал рабочее.
🔥Ставьте огонечки, если хотите скринкаст с OpenHands.
2🔥13😁1
This media is not supported in your browser
VIEW IN TELEGRAM
Создание промптов для AI кодинг агентов.
Я много пишу про OpenHands, и разных ИИ агентов которые пишут код, запускают, тестируют, ставят зависимости и так далее. И как я говорил, самая решающая вещь в этом деле это промптинг - то есть умение четко и понятно сформулировать мысль для ИИ.
Нашел тут интересный сервис copycoder.ai, который помогает решать эту задачу. Он помогает создавать подробные промпты.
Хотел показать свой скринкаст, но оказалось надо 15$ заплатить, чтобы попробовать. Попробую на следующей неделе. Покажу, что получилось.
#инструменты@ai_skillful
Я много пишу про OpenHands, и разных ИИ агентов которые пишут код, запускают, тестируют, ставят зависимости и так далее. И как я говорил, самая решающая вещь в этом деле это промптинг - то есть умение четко и понятно сформулировать мысль для ИИ.
Нашел тут интересный сервис copycoder.ai, который помогает решать эту задачу. Он помогает создавать подробные промпты.
Хотел показать свой скринкаст, но оказалось надо 15$ заплатить, чтобы попробовать. Попробую на следующей неделе. Покажу, что получилось.
#инструменты@ai_skillful
2👍7🔥3
🤖 Еще один ИИ кодинг агент - Roo Code.
И честно сказать, он очень неплох! Что мне понравилось?
🚀 Способ распространения: это по сути VSCode расширение, ставится быстро, также быстро обновляется. В отличие от OpenHands, который ставится через Docker, и на каждый тред создает отдельный контейнер.
🛠 Гибкие настройки: в Roo Code можно создавать профили настроек - можно настроить разные модели, температуру, какие команды автоматически исполнять, а для каких требовать разрешение. Также можно задавать rate limit запросов к API, автоматическое переключение между моделями, и так далее. В OpenHands ты можешь только выбрать модель.
💆Пользовательский опыт: когда запускаешь задачу в реальном времени видишь потребление токенов, как в самих токенах, так и в реальной валюте. Видишь сколько процентов контекстного окна занято, и сколько кешировано. Так же видишь сколько денег уходит на каждый API запрос. Так же он спрашивает разрешения на просмотр файлов, и когда нужно указать какой-то секретный ключ, он останавливает работу, и дожидается когда ты ему его отправишь. OpenHands создает .env, и вставляет пустые значения.
💅Встроенный улучшатель промптов: Когда пишешь задачу для ИИ агента, рядом всегда есть кнопочка, которая сделает твой промпт более точным и структурированным. Мне прям очень зашла эта фича.
И это не все возможности! Там еще есть Browser Automation, и возможность расширить возможности ИИ агента, с помощью Model Context Protocol (MCP).
Наслаждайтесь: https://github.com/RooVetGit/Roo-Code
Делитесь с друзьями и коллегами!
#инструменты@ai_skillful
#ИИАгенты@ai_skillful
#ai4development #ai_agent
И честно сказать, он очень неплох! Что мне понравилось?
🚀 Способ распространения: это по сути VSCode расширение, ставится быстро, также быстро обновляется. В отличие от OpenHands, который ставится через Docker, и на каждый тред создает отдельный контейнер.
🛠 Гибкие настройки: в Roo Code можно создавать профили настроек - можно настроить разные модели, температуру, какие команды автоматически исполнять, а для каких требовать разрешение. Также можно задавать rate limit запросов к API, автоматическое переключение между моделями, и так далее. В OpenHands ты можешь только выбрать модель.
💆Пользовательский опыт: когда запускаешь задачу в реальном времени видишь потребление токенов, как в самих токенах, так и в реальной валюте. Видишь сколько процентов контекстного окна занято, и сколько кешировано. Так же видишь сколько денег уходит на каждый API запрос. Так же он спрашивает разрешения на просмотр файлов, и когда нужно указать какой-то секретный ключ, он останавливает работу, и дожидается когда ты ему его отправишь. OpenHands создает .env, и вставляет пустые значения.
💅Встроенный улучшатель промптов: Когда пишешь задачу для ИИ агента, рядом всегда есть кнопочка, которая сделает твой промпт более точным и структурированным. Мне прям очень зашла эта фича.
И это не все возможности! Там еще есть Browser Automation, и возможность расширить возможности ИИ агента, с помощью Model Context Protocol (MCP).
Наслаждайтесь: https://github.com/RooVetGit/Roo-Code
Делитесь с друзьями и коллегами!
#инструменты@ai_skillful
#ИИАгенты@ai_skillful
#ai4development #ai_agent
3🔥8
Закончил сегодня курс "Погружение в AI" на платформе СберУниверситета. В целом было достаточно полезно. Систематизировал верхнеуровневое понимание ML/DL подходов. Слушал недавно собеседование с дата саентистом, и понимал о чем он говорит.
Была идея сделать рубрику "DS на понятном", в котором раскрывать ML подходы простым языком, насколько это возможно в этой сфере. Хотите?
Была идея сделать рубрику "DS на понятном", в котором раскрывать ML подходы простым языком, насколько это возможно в этой сфере. Хотите?
🔥13❤4👍2
Как я писал промпты для GigaChat.
Занимался задачкой классификации текстов. Было у меня порядка 2000 готовых тегов. Сделал рыбу промпта с помощью Anthropic Prompt Generator, перевел на русский с помощью Google Translate (промпт же для российской модели). В исходном виде было примерно так:
Дальше перечисляю 2к тегов и дополняю всякими инструкциями. Гружу в GigaChat с нулевой температурой, и получаю сообщение:
Иду в GigaChat Playground, копирую промпт, вставляю список из 2к тегов, каждый в новой строке, запускаю промпт и...работает!
Находит нужные теги, еще и свои додумывает, хотя в инструкции просил этого не делать, и температура нулевая. Почему в коде не работает? - подумал я.
Оказалось, дело в способе перечисления тегов. Я по привычке разделил теги запятой:
И когда, я сделал каждый тег в новой строке:
Цензор GigaChat'a пропустил такой вариант, воспринял теги не как часть инструкций, а как перечисление доступных тегов.
Но проблема генерации лишних тегов все равно оставалась. Поэтому я доработал рыбу промпта, добавив упоминание доступных тегов как можно ближе к началу промпта, и получилось:
И даже версия GigaChat Lite неплохо справляется с этой задачей.
#кейс@ai_skillful
Занимался задачкой классификации текстов. Было у меня порядка 2000 готовых тегов. Сделал рыбу промпта с помощью Anthropic Prompt Generator, перевел на русский с помощью Google Translate (промпт же для российской модели). В исходном виде было примерно так:
Вы — помощник ИИ, специализирующийся на анализе образовательных материалов и выборе наиболее подходящих тегов для них. Ваша задача — выбирать теги, которые точно отражают содержание и тематику материалов на основе их названия и описания.
Дальше перечисляю 2к тегов и дополняю всякими инструкциями. Гружу в GigaChat с нулевой температурой, и получаю сообщение:
Не люблю менять тему разговора, но вот сейчас тот самый случай
Иду в GigaChat Playground, копирую промпт, вставляю список из 2к тегов, каждый в новой строке, запускаю промпт и...работает!
Находит нужные теги, еще и свои додумывает, хотя в инструкции просил этого не делать, и температура нулевая. Почему в коде не работает? - подумал я.
Оказалось, дело в способе перечисления тегов. Я по привычке разделил теги запятой:
prompt = prompt_template.replace("{{TAGS}}", ", ".join(tags))
И когда, я сделал каждый тег в новой строке:
prompt = prompt_template.replace("{{TAGS}}", "\n\n ".join(tags))
Цензор GigaChat'a пропустил такой вариант, воспринял теги не как часть инструкций, а как перечисление доступных тегов.
Но проблема генерации лишних тегов все равно оставалась. Поэтому я доработал рыбу промпта, добавив упоминание доступных тегов как можно ближе к началу промпта, и получилось:
Вы — эксперт специализирующийся на анализе и классификации образовательных материалов. Ваша задача — из заранее подготовленного списка тегов, выбирать те теги,
которые наиболее точно отражают содержание и тематику материалов на основе их названия и описания.
И даже версия GigaChat Lite неплохо справляется с этой задачей.
#кейс@ai_skillful
2👍5
YouLearn.ai - ИИ Тьютор который понимает твои файлы, записи лекций, и даже видео.
💡 Что он умеет?
- Принимает твои файлы, записи и даже ссылки на ютуб
- Можно в чате спросить что-то по материалу
- Можно получить суммаризацию, транскрипцию, и писать заметки
- Можно создать и кастомизировать карточки для проверки знаний
💳 Сколько стоит?
Бесплатный тариф включает 2 чата в день, 3 файла или ссылки, pdf до 20Мб, 1 лекция в день.
Переходите по ссылке, пользуйтесь и делитесь с друзьями и однокурсниками. Есть русский язык, работает без VPN.
#инструменты@ai_skillful | Подпишись!
🙏 🙏 🙏 🙏
- Принимает твои файлы, записи и даже ссылки на ютуб
- Можно в чате спросить что-то по материалу
- Можно получить суммаризацию, транскрипцию, и писать заметки
- Можно создать и кастомизировать карточки для проверки знаний
Бесплатный тариф включает 2 чата в день, 3 файла или ссылки, pdf до 20Мб, 1 лекция в день.
Переходите по ссылке, пользуйтесь и делитесь с друзьями и однокурсниками. Есть русский язык, работает без VPN.
#инструменты@ai_skillful | Подпишись!
Please open Telegram to view this post
VIEW IN TELEGRAM
3🔥10❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Функция "Глубокое исследование" от OpenAI стала доступна для пользователей с подпиской Plus.
Это агент, который самостоятельно проводит многоэтапные исследования в интернете, выполняя за минуты то, на что у человека ушли бы часы.
Что умеет Deep Research?
Представьте, что у вас есть личный аналитик-исследователь, который может:
- Искать, анализировать и синтезировать сотни онлайн-источников
- Создавать подробные отчеты с полной документацией и цитатами
- Обрабатывать тексты, изображения и PDF-файлы
- Адаптировать свой поиск на основе найденной информации
Для кого это создано?
Профессионалы: финансисты, ученые, инженеры, аналитики
Обычные пользователи: ищущие глубокие рекомендации перед покупкой дорогостоящих товаров (авто, техника, мебель)
Исследователи: нуждающиеся в поиске редкой, неочевидной информации из множества источников
Как это работает?
Deep Research тренировался на реальных задачах с использованием браузера и Python. Он применяет те же методы обучения с подкреплением, что и модель OpenAI o1, но с фокусом на поиск и анализ разнообразных онлайн-источников.
Как использовать?
1. Выберите опцию 'Глубокое исследование' в приложении ChatGPT
2. Сформулируйте запрос (например, "сделай анализ стриминговых платформ" или "найди лучший велосипед для ежедневных поездок"). При желании приложите файлы для контекста
3. Ждите результат (от 5 до 30 минут) — можно отойти и заняться другими делами
4. Получите готовый отчет (скоро добавят встроенные изображения и визуализации данных)
В месяц доступно 10 исследований, для пользователей Plus.
Поделитесь, какое глубокое исследование вы бы хотели провести?
Это агент, который самостоятельно проводит многоэтапные исследования в интернете, выполняя за минуты то, на что у человека ушли бы часы.
Что умеет Deep Research?
Представьте, что у вас есть личный аналитик-исследователь, который может:
- Искать, анализировать и синтезировать сотни онлайн-источников
- Создавать подробные отчеты с полной документацией и цитатами
- Обрабатывать тексты, изображения и PDF-файлы
- Адаптировать свой поиск на основе найденной информации
Для кого это создано?
Профессионалы: финансисты, ученые, инженеры, аналитики
Обычные пользователи: ищущие глубокие рекомендации перед покупкой дорогостоящих товаров (авто, техника, мебель)
Исследователи: нуждающиеся в поиске редкой, неочевидной информации из множества источников
Как это работает?
Deep Research тренировался на реальных задачах с использованием браузера и Python. Он применяет те же методы обучения с подкреплением, что и модель OpenAI o1, но с фокусом на поиск и анализ разнообразных онлайн-источников.
Как использовать?
1. Выберите опцию 'Глубокое исследование' в приложении ChatGPT
2. Сформулируйте запрос (например, "сделай анализ стриминговых платформ" или "найди лучший велосипед для ежедневных поездок"). При желании приложите файлы для контекста
3. Ждите результат (от 5 до 30 минут) — можно отойти и заняться другими делами
4. Получите готовый отчет (скоро добавят встроенные изображения и визуализации данных)
В месяц доступно 10 исследований, для пользователей Plus.
Поделитесь, какое глубокое исследование вы бы хотели провести?
2🔥6
Бесплатный доступ к ChatGPT, как способ удержать пользователя на образовательной платформе.
Берите на заметку крутой маркетинговый ход. Если у вас есть сайт с образовательным контентом, добавьте скрипт на страницу, который будет показывать такое всплывающее окно, как только курсор мыши пользователя уходит за экран. Раньше предлагали скидки, таймеры, промокоды, чтобы удержать пользователей. А сейчас бесплатный доступ к ChatGPT. Причем это будет скоре всего дешевле, чем значимая скидка на ваш продукт. Плюсом ко всему, на основании запросов пользователя, можно лучше понимать их интересы и предлагать наиболее релевантные продукты и сервисы.
#кейс@ai_skillful | Подпишись!
Берите на заметку крутой маркетинговый ход. Если у вас есть сайт с образовательным контентом, добавьте скрипт на страницу, который будет показывать такое всплывающее окно, как только курсор мыши пользователя уходит за экран. Раньше предлагали скидки, таймеры, промокоды, чтобы удержать пользователей. А сейчас бесплатный доступ к ChatGPT. Причем это будет скоре всего дешевле, чем значимая скидка на ваш продукт. Плюсом ко всему, на основании запросов пользователя, можно лучше понимать их интересы и предлагать наиболее релевантные продукты и сервисы.
#кейс@ai_skillful | Подпишись!
2👍5
Media is too big
VIEW IN TELEGRAM
🤣 ИИ-архитектор хакнул систему и стал писать код в Markdown файлах.
В этом посте я писал про ИИ кодинг агента Roo Code. Его отличительной особенностью является режим Architect, который может помочь спроектировать систему и описать ее в Markdown документации.
Это супер фича, потому что потом опираясь на его документацию, проще писать промпты, и в проекте больше контекста, по которому уже в режиме Code, будет проще реализовывать описанную архитектуру.
Прикол в том, что в режиме архитектора ИИ агент не может писать код, у него есть доступ только к .md файлам. НО! Это же интеллект! И в этом видео я показываю как он дважды хакнул систему, сначала начал писать SQL миграции в Markdown, а потом и код за фронтендера.
😂😂😂
Короче, это кусок, смотрите до конца, наслаждайтесь Epic Symphonic Rock от Suno 4. Делитесь с друзьями!
@ai_skillful
🙏 🙏 🙏 🙏
В этом посте я писал про ИИ кодинг агента Roo Code. Его отличительной особенностью является режим Architect, который может помочь спроектировать систему и описать ее в Markdown документации.
Это супер фича, потому что потом опираясь на его документацию, проще писать промпты, и в проекте больше контекста, по которому уже в режиме Code, будет проще реализовывать описанную архитектуру.
Прикол в том, что в режиме архитектора ИИ агент не может писать код, у него есть доступ только к .md файлам. НО! Это же интеллект! И в этом видео я показываю как он дважды хакнул систему, сначала начал писать SQL миграции в Markdown, а потом и код за фронтендера.
😂😂😂
Короче, это кусок, смотрите до конца, наслаждайтесь Epic Symphonic Rock от Suno 4. Делитесь с друзьями!
@ai_skillful
Please open Telegram to view this post
VIEW IN TELEGRAM
😁5🔥2
🕵️♂️ Учитывайте исследование «Lost in the Middle» при написании промптов.
Исследование «Lost in the Middle» показало, что современные LLM плохо справляются с использованием длинного контекста на всём его протяжении.
🧪 Эксперимент: модель должна ответить на вопрос по многостраничному тексту; при этом контролируется положение ключевой информации (ответа) в тексте – в начале, в середине или в конце контекста.
💊 Результат: точность модели имеет U-образную зависимость от позиции релевантного фрагмента . Наивысшая точность достигается, когда нужные сведения находятся в самом начале контекста (эффект первичности) или в самом конце (эффект свежести). Если же ответ спрятан в середине длинного (> 4–8 тыс. токенов) документа, качество ответов модели значительно падает.
Это говорит о том, что хотя архитектурно трансформер может смотреть на весь контекст, модель не уделяет одинакового внимания разным частям длинного ввода. Она склонна «забывать» или игнорировать информацию, находящуюся в середине.
🤓 Более подробно о решении этой проблемы можно прочитать в этом исследовании.
@ai_skillful | Подписывайтесь
Исследование «Lost in the Middle» показало, что современные LLM плохо справляются с использованием длинного контекста на всём его протяжении.
🧪 Эксперимент: модель должна ответить на вопрос по многостраничному тексту; при этом контролируется положение ключевой информации (ответа) в тексте – в начале, в середине или в конце контекста.
💊 Результат: точность модели имеет U-образную зависимость от позиции релевантного фрагмента . Наивысшая точность достигается, когда нужные сведения находятся в самом начале контекста (эффект первичности) или в самом конце (эффект свежести). Если же ответ спрятан в середине длинного (> 4–8 тыс. токенов) документа, качество ответов модели значительно падает.
Это говорит о том, что хотя архитектурно трансформер может смотреть на весь контекст, модель не уделяет одинакового внимания разным частям длинного ввода. Она склонна «забывать» или игнорировать информацию, находящуюся в середине.
🤓 Более подробно о решении этой проблемы можно прочитать в этом исследовании.
@ai_skillful | Подписывайтесь
arXiv.org
Lost in the Middle: How Language Models Use Long Contexts
While recent language models have the ability to take long contexts as input, relatively little is known about how well they use longer context. We analyze the performance of language models on...
2👍8
Forwarded from AI Vibe Coding by Chuykov (Konstantin Chuykov)
Метки «контент сгенерирован с помощью ИИ» в социальных медиа.
На многих информационных ресурсах, социальных сетях, стали появляться метки типа «контент сгенерирован с помощью ИИ». Интересно, когда Telegram сделает также?
Думаю, что открытость Telegram, делает эту площадку наиболее интересной для каналов полностью ведущихся с помощью ИИ.
Да и реализация не очень сложная. Алгоритм примерно следующий:
1. С помощью Cursor/Windserf пишем бота на Python/Telethon для автоматизированного создания каналов и публикации в них.
2. С помощью подключенного аккаунта, подписываемся на конкурентные каналы, каналы со схожей тематикой.
3. С помощью Langchain делаем ИИ агента, который делает следующие шаги:
- Идет в конкурентные каналы и собирает их контент для анализа.
- Генерирует контент-план на месяц вперед по заданной теме, с учетом контента конкурентов.
- Каждый день берет тему из контент плана. Делает Deep Research этой темы, чтобы была опора на факты, исследования в реальном времени.
- На основе Deep Research составляет 5 самостоятельных постов, и ставит их в отложенные сообщения.
Заметка: крутые каналы публикуют в среднем по 5 коротких постов в день.
Алгоритм может меняться в зависимости от направления канала, например научные могут быть основаны на глубоком исследовании, новостные на поиске свежих новостей, и так далее.
Сервис можно поднять локально, чтобы не тратится на инфраструктуру в облаке.
Также нужно провести сравнительный анализ моделей, и оценку промптов. Tone of voice постов очень зависит от модели.
Надо понимать, что это канал не для души, а скорее бизнес проект, который должен иметь свой ROI. Нужно заранее понимать сколько ты готов отдавать за генерацию контента, и сколько денег вкладывать в рекламу.
Так как контент специфИИчный, то очевидно, что затраты на рекламу будут значительно больше среднестатистического живого канала, так как конверсия в подписчики будет значительно ниже. А если еще и делать пометку, что сгенерирован ИИ, то еще меньше конверсия.
Ниши которые сложно реализовать: юмор и мемы, именной авторский экспертный контент.
Делитесь своими мыслями и идеями. Подписались бы на такой канал? Что бы доработали в алгоритме?
На многих информационных ресурсах, социальных сетях, стали появляться метки типа «контент сгенерирован с помощью ИИ». Интересно, когда Telegram сделает также?
Думаю, что открытость Telegram, делает эту площадку наиболее интересной для каналов полностью ведущихся с помощью ИИ.
Да и реализация не очень сложная. Алгоритм примерно следующий:
1. С помощью Cursor/Windserf пишем бота на Python/Telethon для автоматизированного создания каналов и публикации в них.
2. С помощью подключенного аккаунта, подписываемся на конкурентные каналы, каналы со схожей тематикой.
3. С помощью Langchain делаем ИИ агента, который делает следующие шаги:
- Идет в конкурентные каналы и собирает их контент для анализа.
- Генерирует контент-план на месяц вперед по заданной теме, с учетом контента конкурентов.
- Каждый день берет тему из контент плана. Делает Deep Research этой темы, чтобы была опора на факты, исследования в реальном времени.
- На основе Deep Research составляет 5 самостоятельных постов, и ставит их в отложенные сообщения.
Заметка: крутые каналы публикуют в среднем по 5 коротких постов в день.
Алгоритм может меняться в зависимости от направления канала, например научные могут быть основаны на глубоком исследовании, новостные на поиске свежих новостей, и так далее.
Сервис можно поднять локально, чтобы не тратится на инфраструктуру в облаке.
Также нужно провести сравнительный анализ моделей, и оценку промптов. Tone of voice постов очень зависит от модели.
Надо понимать, что это канал не для души, а скорее бизнес проект, который должен иметь свой ROI. Нужно заранее понимать сколько ты готов отдавать за генерацию контента, и сколько денег вкладывать в рекламу.
Так как контент специфИИчный, то очевидно, что затраты на рекламу будут значительно больше среднестатистического живого канала, так как конверсия в подписчики будет значительно ниже. А если еще и делать пометку, что сгенерирован ИИ, то еще меньше конверсия.
Ниши которые сложно реализовать: юмор и мемы, именной авторский экспертный контент.
Делитесь своими мыслями и идеями. Подписались бы на такой канал? Что бы доработали в алгоритме?
2❤4
И нет, я не про дипфейки на собесах, если кто-то подумал.
😋 Я тут нашел интересную для себя вакансию - «руководитель направления ИИ» со следующим описанием:
- любишь исследовать передовые AI-решения;
- имеешь опыт работы с Data Science и AI от 5 лет;
- понимаешь методы ML;
- программируешь на Python или других языках, используемых для разработки AI-приложений;
- имеешь опыт настройки ML-приложений под конкретные бизнес-задачи.
Каким-то требованиям я соответствую, а каким-то нет. Это в пределах нормы. С чего начать закрытие пробелов в компетенциях? С плана обучения!
Я пошел в ChatGPT, и составил следующий промпт:
Описание вакансии «[Позиция]»:
[Требования]
Составь план обучения, чтобы подходить под данную вакансию.
Используй следующую структуру:
# Функциональная позиция
## Область знаний
### Инструмент или навык
- Модуль обучения 1
- Модуль обучения 2
- …
Верни план в формате интеллект-карты Markdown.
📊 А теперь добавим немного визуализации. Идем на сайт https://markmap.js.org/repl, и вставляем в поле Markdown сгенерированный ChatGPT. Теперь у вас есть отличная визуализация вашего трека развития. Начало положено!
Делитесь с друзьями, присылайте скриншоты ваших треков в комментариях.
✅ Подпишись! | #кейс@ai_skillful
Please open Telegram to view this post
VIEW IN TELEGRAM
2🔥7👍3
С появлением функций Deep Research, и возможности в моменте задать вопрос GPT на бегу, начинаю замечать за собой тренд - непрочитанные ответы от GPT.
У меня уже скопилось несколько непрочитанных тредов, которые меня интересовали в моменте, но не было времени в них погрузиться сразу.
А как у вас? Не замечали такой тенденции за собой? Сразу читаете все ответы? А сколько у вас видео в плейлисте «Смотреть позже» на YouTube?
#жизнь@ai_skillful
У меня уже скопилось несколько непрочитанных тредов, которые меня интересовали в моменте, но не было времени в них погрузиться сразу.
А как у вас? Не замечали такой тенденции за собой? Сразу читаете все ответы? А сколько у вас видео в плейлисте «Смотреть позже» на YouTube?
#жизнь@ai_skillful
😁11
🧑🏫 Как измениться обучение программированию с развитием искусственного интеллекта?
С развитием ИИ, программирование меняется, и это неизбежно затрагивает образование. Уже появился термин «вайб-кодинг» (vibe coding) — процесс написания кода только с помощью ИИ. У него даже появилась страничка на Wikipedia.
Название не случайно. Большие языковые модели действительно создают определенный вайб: берут на себя рутинные задачи и предлагают готовые решения за считанные секунды. Это сильно снижает когнитивную нагрузку разработчиков.
Но все чаще стало появляться скептическое мнение относительно этого явления. ИИ всё еще не умеет работать с большими проектами со сложной логикой, сохраняя архитектурный подход. Поэтому его «полуфабрикаты» требует тщательной проверки.
Так, как же развитие вайб-кодинга повлияет на обучение программированию?
Я думаю, что:
1️⃣ Во-первых, «вайб-кодинг» точно должен стать частью образовательных программ, чтобы студенты на практике смогли увидеть все проблемы данного подхода, и знать как с ними работать
2️⃣ Во-вторых, база программирования, алгоритмов и системного дизайна точно должна остаться ключевым аспектом образования
3️⃣ В-третьих, обучение переориентируется на развитие навыков критического мышления, тестирования и дебага, ревью кода и системного анализа.
То есть, если раньше давали базу, и человек шел по пути:
- джун (говорят как делать)
- мидл (что-то могу делать сам)
- синьор (знаю как сделать лучше),
- тимлид (могу научить делать лучше).
То сейчас, как-будто нужно сразу целиться как минимум в майндсет синьора. Чтобы студент знал лучшие практики, архитектурную базу, и мог контролировать качество «вайб-кодинг полуфабриката».
А что ты думаешь? Нужно ли менять образовательные программы? Делись мнением в комментариях!
💎 Подпишись! | #образованИИе
С развитием ИИ, программирование меняется, и это неизбежно затрагивает образование. Уже появился термин «вайб-кодинг» (vibe coding) — процесс написания кода только с помощью ИИ. У него даже появилась страничка на Wikipedia.
Название не случайно. Большие языковые модели действительно создают определенный вайб: берут на себя рутинные задачи и предлагают готовые решения за считанные секунды. Это сильно снижает когнитивную нагрузку разработчиков.
Но все чаще стало появляться скептическое мнение относительно этого явления. ИИ всё еще не умеет работать с большими проектами со сложной логикой, сохраняя архитектурный подход. Поэтому его «полуфабрикаты» требует тщательной проверки.
Так, как же развитие вайб-кодинга повлияет на обучение программированию?
Я думаю, что:
1️⃣ Во-первых, «вайб-кодинг» точно должен стать частью образовательных программ, чтобы студенты на практике смогли увидеть все проблемы данного подхода, и знать как с ними работать
2️⃣ Во-вторых, база программирования, алгоритмов и системного дизайна точно должна остаться ключевым аспектом образования
3️⃣ В-третьих, обучение переориентируется на развитие навыков критического мышления, тестирования и дебага, ревью кода и системного анализа.
То есть, если раньше давали базу, и человек шел по пути:
- джун (говорят как делать)
- мидл (что-то могу делать сам)
- синьор (знаю как сделать лучше),
- тимлид (могу научить делать лучше).
То сейчас, как-будто нужно сразу целиться как минимум в майндсет синьора. Чтобы студент знал лучшие практики, архитектурную базу, и мог контролировать качество «вайб-кодинг полуфабриката».
А что ты думаешь? Нужно ли менять образовательные программы? Делись мнением в комментариях!
💎 Подпишись! | #образованИИе
Wikipedia
Vibe coding
programming paradigm with AI assistance
2👍8❤2
Сегодня в рубрике #НеЮтуб просто концентрат полезности! Matthew Berman подготовил крутой туториал лучших практик "вайб-кодинга". В прошлом посте я писал, что вайб-кодинг должен стать частью обучения IT специалистов, сейчас я уже думаю, что не только программистов. Термин вайб-кодинг был предложен Андреем Карпатым, сооснователем OpenAI. Термин уже появился в википедии, и стал хайпом на ютуб.
🏖Итак, как сделать вайб-кодинг не только приятным, но результативным.
- Используем Cursor или Windsurf IDE
- Выбираем модель Claude Sonnet 3.7 Thinking
- Генерируем детальную спецификацию проекта с помощью ИИ, описываем требования к проекту
- Создаем файл инструкций через rules-файлы. Без них ИИ будет делать странные вещи: менять технологии на лету, дублировать код, использовать фейковые данные вместо реальных, и так далее. В следующих постах расскажу подробнее.
- Используйте популярные технологии. ИИ лучше работает с Python, JavaScript и SQL, чем с нишевыми фреймворками.
- Давайте узкие задачи. Не просите "сделай целое приложение", а разбивайте на маленькие шаги: "добавь валидацию длины тега", "исправь этот баг" и т.п.
- Тестируйте каждую функцию. Просите ИИ писать тесты для всего, что он создаёт.
- Следите за контекстным окном. Когда контекст разговора становится слишком большим, производительность падает — начинайте новый чат.
- Коммитьте часто. ИИ может сломать код, а частые коммиты помогут откатиться.
⏰Теперь немного про эффективность:
- Цикл разработки может казаться медленным (до 15 минут на итерацию), но всё равно быстрее ручного кодирования
- Разрешите агенту выполнять функции без подтверждения, и сохранять код сразу, а не ждать аппрува от вас. Это рисковано, но экономит время.
- Откройте несколько окон, и запускайте параллельно несколько задач в разных ветках, над разными фичами. Вам останется только ревьюить и мержить код из разных веток.
Самое крутое, что для такого подхода не нужно быть профи в коде. Средних знаний достаточно, чтобы руководить нейроагентом и строить крутые штуки!
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Vibe Coding Tutorial and Best Practices (Cursor / Windsurf)
Got a lot of questions asking about my stack and what I do when vibe coding. So I made a full video on it!
👉 Learn more on https://mammouth.ai/
Join My Newsletter for Regular AI Updates 👇🏼
https://forwardfuture.ai
My Links 🔗
👉🏻 Subscribe: https://www.…
👉 Learn more on https://mammouth.ai/
Join My Newsletter for Regular AI Updates 👇🏼
https://forwardfuture.ai
My Links 🔗
👉🏻 Subscribe: https://www.…
2❤2🔥2
А вот и комментарий самого Андрея Карпатого о вайб-кодинге:
«Есть новый вид программирования, который я называю вайб‑программированием (vibe coding), где вы полностью отдаётесь вибрациям, принимаете экспоненты и забываете, что код вообще существует. Это возможно, потому что большие языковые модели (LLM, например, Cursor Composer w Sonnet) становятся слишком хороши. Также я просто общаюсь с Composer с SuperWhisper, поэтому я почти не касаюсь клавиатуры. Я прошу о самых глупых вещах, таких как „уменьшить отступ на боковой панели вдвое“, потому что мне слишком лениво, чтобы найти его. Я всегда „Принимаю всё“ (Accept All), я больше не читаю diffs. Когда я получаю сообщения об ошибках, я просто копирую и вставляю их без комментариев, обычно это исправляет ситуацию. Код выходит за рамки моего обычного понимания, мне приходится действительно читать его некоторое время. Иногда LLM не могут исправить ошибку, поэтому я просто обхожу её или прошу вносить случайные изменения, пока она не исчезнет. Это не так уж плохо для одноразовых проектов на выходные, но все равно довольно забавно. Я создаю проект или веб‑приложение, но это не совсем программирование — я просто вижу что‑то, говорю что‑то, запускаю что‑то и копирую, вставляю что‑то, и это в основном работает»
Как вам? Откликается? Делитесь мыслями в комментариях.
«Есть новый вид программирования, который я называю вайб‑программированием (vibe coding), где вы полностью отдаётесь вибрациям, принимаете экспоненты и забываете, что код вообще существует. Это возможно, потому что большие языковые модели (LLM, например, Cursor Composer w Sonnet) становятся слишком хороши. Также я просто общаюсь с Composer с SuperWhisper, поэтому я почти не касаюсь клавиатуры. Я прошу о самых глупых вещах, таких как „уменьшить отступ на боковой панели вдвое“, потому что мне слишком лениво, чтобы найти его. Я всегда „Принимаю всё“ (Accept All), я больше не читаю diffs. Когда я получаю сообщения об ошибках, я просто копирую и вставляю их без комментариев, обычно это исправляет ситуацию. Код выходит за рамки моего обычного понимания, мне приходится действительно читать его некоторое время. Иногда LLM не могут исправить ошибку, поэтому я просто обхожу её или прошу вносить случайные изменения, пока она не исчезнет. Это не так уж плохо для одноразовых проектов на выходные, но все равно довольно забавно. Я создаю проект или веб‑приложение, но это не совсем программирование — я просто вижу что‑то, говорю что‑то, запускаю что‑то и копирую, вставляю что‑то, и это в основном работает»
Как вам? Откликается? Делитесь мыслями в комментариях.
🔥4❤1
Совсем недавно вышло интересное исследование от MIT (Массачусетского технологического института), и я хотел поделиться с вами его ключевыми инсайтами.
👨🔬 Авторы исследования разработали подход, где искусственный интеллект автономно «выращивает» сети знаний, не просто запоминая информацию, а логически связывая идеи между собой. Это может стать настоящим прорывом, позволяющим нейросетям находить нестандартные решения в самых разных областях.
Ключевые инсайты:
- Нейросеть использует графы, где знания представлены в виде связанных между собой узлов.
- В процессе работы формируются «хабы» (центральные узлы, вокруг которых концентрируются идеи) и «мосты» (связи, соединяющие разные области знаний).
- Такой подход позволяет нейросети выявлять неожиданные связи и создавать принципиально новые концепции, которые человеку могут быть неочевидны.
- ИИ не просто воспроизводит имеющуюся информацию, но активно синтезирует новые идеи, расширяя и углубляя существующие знания.
Подобные технологии могут значительно ускорить процесс научных открытий и сделать взаимодействие человека и искусственного интеллекта более эффективным и продуктивным.
Ссылка на исследование
✅ Подпишись! | #исследования@ai_skillful
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍5🔥3
OpenAI выкатили мощный набор инструментов для создания агентов 🔥
Только что OpenAI представила новый инструментарий, который серьезно упростит разработку AI-агентов. И это действительно большой шаг вперед для всего сообщества разработчиков.
Что нового?
Responses API 🚀
Это новый API-примитив, который объединяет лучшие возможности Chat Completions и Assistants API. Он проще в использовании и включает встроенные инструменты от OpenAI, которые автоматически выполняют вызовы функций и добавляют результаты в контекст беседы.
Новые инструменты для создания полезных агентов:
🌐 Web Search — поиск в интернете, который выдает точные ответы с четкими ссылками на источники. Работает с моделями gpt-4o и gpt-4o-mini. Доступен всем разработчикам в режиме превью.
📁 File Search — быстрый и точный поиск по файлам различных типов, с поддержкой фильтрации, переранжирования и переформулировки запросов.
💻 Computer Use — самый быстрый способ создания агентов, управляющих компьютером. Использует ту же модель, что и Operator в ChatGPT. Достаточно передать скриншот, и модель ответит действием: клик, скролл или набор текста. Пока доступно ограниченному кругу разработчиков.
🧰 Agents SDK — фреймворк оркестрации, абстрагирующий сложность разработки и масштабирования агентов. Включает встроенные инструменты наблюдения, позволяющие логировать, визуализировать и анализировать производительность агентов. Вдохновлен проектом Swarm, имеет открытый исходный код и поддерживает различных провайдеров моделей и трассировки.
Эти инструменты радикально снижают барьер входа в разработку полноценных агентов — мы наконец получаем стандартизированные компоненты, на которых можно строить действительно полезные AI-решения!
#новости@ai_skillful
Только что OpenAI представила новый инструментарий, который серьезно упростит разработку AI-агентов. И это действительно большой шаг вперед для всего сообщества разработчиков.
Что нового?
Responses API 🚀
Это новый API-примитив, который объединяет лучшие возможности Chat Completions и Assistants API. Он проще в использовании и включает встроенные инструменты от OpenAI, которые автоматически выполняют вызовы функций и добавляют результаты в контекст беседы.
Новые инструменты для создания полезных агентов:
🌐 Web Search — поиск в интернете, который выдает точные ответы с четкими ссылками на источники. Работает с моделями gpt-4o и gpt-4o-mini. Доступен всем разработчикам в режиме превью.
📁 File Search — быстрый и точный поиск по файлам различных типов, с поддержкой фильтрации, переранжирования и переформулировки запросов.
💻 Computer Use — самый быстрый способ создания агентов, управляющих компьютером. Использует ту же модель, что и Operator в ChatGPT. Достаточно передать скриншот, и модель ответит действием: клик, скролл или набор текста. Пока доступно ограниченному кругу разработчиков.
🧰 Agents SDK — фреймворк оркестрации, абстрагирующий сложность разработки и масштабирования агентов. Включает встроенные инструменты наблюдения, позволяющие логировать, визуализировать и анализировать производительность агентов. Вдохновлен проектом Swarm, имеет открытый исходный код и поддерживает различных провайдеров моделей и трассировки.
Эти инструменты радикально снижают барьер входа в разработку полноценных агентов — мы наконец получаем стандартизированные компоненты, на которых можно строить действительно полезные AI-решения!
#новости@ai_skillful
2