#llm #search

🔥 Fireplexity — открытый аналог Perplexity

Простой движок вопросов и ответов на базе ИИ.
Работает через два основных эндпоинта:

• /search — выполняет поиск по интернету
• /scrape — извлекает текст со страниц

Ответы ИИ формируются на основе найденной информации и включают ссылки на источники.
Можно использовать как готовый сервис или собрать свою версию — код открыт.

Подходит для интеграции в чат-ботов, ассистентов и внутренних инструментов.

git clone https://github.com/mendableai/fireplexity.git
cd fireplexity
npm install

📌 Github
📌 Попробовать

@data_analysis_ml

#llm #petproject

10 рабочих ИИ решений за июнь 2025

Меня жутко бесят все AI-каналы, где собирают самые бесполезные в мире новости. Как у Сэма Альтмана перекупают разработчиков, когда британские ученые предсказывают AGI и тд. Хочу собрать реально полезный ИИ-дайджест.

И собрал. Дайджест из 10 рабочих решений, которые вышли/прославились в июне 2025.

Здесь опенсорс библиотеки, модели, гайды, прикладные статьи. Например:
- релизы опенсорс моделей Gemma и Qwen

- обзор архитектур защиты от промпт инъекций

- библиотека для RAG на графе знаний

- насколько успешны vLLM в классическом CV

и куча еще всего.

Делитесь, комментируйте. Если зайдет — сделаю регулярным

Я принес. Как ковались «Джедайские техники» или о выживании в большом объеме задач

Прочитал недавно в блоге у Максима Дорофеева о том, как он внедрял свои джедайские техники, а главное, как он их патчил, когда они перестали помогать https://club.mnogosdelal.ru/post/3245/

Думаю, такое чтение и рефлексия после него будет полезна мидл-менеджерам-отличникам, желающим всё успеть, или особо перегруженным по каким-то причинам тимлидам.
Признаюсь честно, с тех пор, как я научился быть сразу и тимлидом команды разработки, и менеджером мультикомандных проектов, и тимлидом менеджеров, я думаю, что просто тимлидом работу свою можно организовать не шибко напряжно.

Но вот если добавляются какие-то дополнительные активности или скоуп растет в мидл-менеджмент нескольких команд – там уже плотненько. И там уже люди приходят к тому, к чему пришел Максим в статье. Когда уже обмазывание тайм-менеджментом и системой ведения дел перестает помогать с потоком всех входящих задач, когда в принципе невозможно физически справиться с этим потоком на хорошем уровне, там и начинается либо ноулайф-режим с постепенным выгоранием, либо контролируемый продолб и выбор поддержания себя здоровым и видящим смысл в своей работе.

И в конце золотая цитата «Слышал мнение, что за такое поведение могут и уволить, если вдруг на пол упадет что-то важное. Согласен. Могут. Но в такой ситуации, если уж на то пошло, этого не избежать. Так пусть уж уволят в трезвом уме и твердой памяти, чем через полгода задротом-неврастеником.»

На заметку любителям новых терминов: только-только всех начали учить промт-инжинирингу, только-только про промтинг заговорили все, от школьных учителей до продавцов инфобиза — и на тебе. Промт-инжиниринг - это, как выясняется, прошлый год (а в ИИ-мире это означает замшелый прошлый век).
Теперь, говорят, пора учиться контекст-инжинирингу, если хочешь всерьез работать с современным ИИ. Если шуточки в сторону, то в новом названии (и подходе) есть реальный смысл. CEO Shopify формулирует его так: It describes the core skill better: the art of providing all the context for the task to be plausibly solvable by the LLM.
Промт ведь, даже затейливый, — просто инструкция, а в реальных задачах почти всегда очень важен контекст, без него ответы нередко либо поверхностны, либо глуповаты. Вот тут-то и появляется необходимость овладеть delicate art and science of filling the context window with just the right information for the next step. Беда, правда, в том, что для этого надо неплохо владеть предметной областью и уметь думать, а любители промтить всеми силами стараются этого избежать:)
https://officechai.com/ai/context-engineering/

#database #systemdesign #interview

#code #courses

Саморазвитие в Computer Science через практику языка Си

Есть один язык, на котором я особенно люблю писать, когда хочется по-настоящему разобраться в теме. Это язык - Си.

Постоянно нахожу годные материалы по запросу «Write X in C». За время работы и учебы накопил много классных туториалов и мини-книг, очень хочу с вами поделиться и замотивировать вас копнуть чуть глубже прикладного уровня.

Пусть этот пост будет маленьким островком романтики Computer Science в мире фреймворков и бизнес-задач.

-----

Туториалы

🔸 Указатели. База, без которой никуда
- https://github.com/jflaherty/ptrtut13
- https://cslibrary.stanford.edu/102/PointersAndMemory.pdf

🔸 Хэш-таблица. Реализация самой популярной структуры данных с нуля
- https://github.com/jamesroutley/write-a-hash-table

🔸 Минималистичный HTTP-сервер на C с fork()
- https://github.com/foxweb/pico

🔸 Собственная командная строка (shell)
- https://brennan.io/2015/01/16/write-a-shell-in-c/

🔸 Виртуальная память
Мини-книга про malloc, кучу, стек и байты:
- https://github.com/alx-tools/Hack-The-Virtual-Memory

🔸 Реализация Garbage Collector на C
- https://github.com/mkirchner/gc

🔸 Кооперативные потоки (userspace multitasking)
- https://brennan.io/2020/05/24/userspace-cooperative-multitasking/

🔸 Системные вызовы (syscalls). Как реализовать syscall в ядре Linux:
- https://brennan.io/2016/11/14/kernel-dev-ep3/

🔸 Клон SQLite - реализация базы данных
- https://cstack.github.io/db_tutorial/

🔸 TCP/IP стек на C
Реализация сетевого стека с нуля:
- https://github.com/saminiir/level-ip

-----

Книги

🔸 Мини-книги по C / Unix / сетям
- https://beej.us/guide/

🔸 ООП в C
Как реализовать принципы объектного программирования в языке без ООП:
- https://www.cs.rit.edu/~ats/books/ooc.pdf

Если заинтересовало - сохраняйте, пробуйте, читайте. А если есть свои любимые ресурсы про C, ОС, память или сети - делитесь в комментах😊

#agents #security

#gan #papers

Как выработать продуктовый подход, когда ты разраб?

Есть компании с четким разделением задач и тепличными условиями для разрабов
- под каждую задачу заводятся ТЗ/ Design Doc
- есть аналитик, прикрепленный к команде
- есть тестировщик, который сам пропишет тест-кейсы и вернет детальный баг-репорт

Но правда жизни иногда бывает, что ты зачастую, как швейцарский нож. К тебе у кофе-машины подходит Engineering менеджер и говорит что-то вроде
- мы хотим добавить фичу Х, или апскейлить фичу Y на все регионы платформы. Сколько это может нам денег принести/ сэкономить?
- успеем ли мы сделать до завершения Q3?
- справимся ли мы своими силами, или нужно от смежников кого-то подключать?

И вот, не успев моргнуть глазом, ты уже тех лид проекта с нечетко поставленной задачей. Что дальше?
Дальше главное не пороть горячку, а составить список вопросов и получить на них максимально детальные ответы

- А какие проблемы мы, собственно, решаем?

- Решаем проблемы A, B. Чтобы что? (если создаем новую фичу Х, чтобы уменьшить CPM, или лучше пейсить бюджет, или улучшить availability платформы, или чтобы терять меньше денег на инцидентах, или уменьшить CPU usage машин в инфре, когда хотим заменить предикты по одному на запрос запросу в real-time на batch processing)

- Это быстрый патч проблемы или стратегическое long-term решение?

- Как это работает сейчас? И долго ли оно уже так живет?

- Если долго, то может быть нас это устраивает. Тогда еще раз спрашиваем себя, зачем нам это нужно

- Кто основные пользователи и стейкхолдеры (агенства, паблишеры, меда байеры, рекламодатели)? В чем их цели/интересы?

- По каким метрикам сможем оценить успешность (Margin, Revenue, CPM, Impressions, Network-out etc.)? как будем их отслеживать до/после?

- Какие альтернативы уже рассматривали? Какие готовые решения можно просто купить? Почему их не выбрали?

- Какие есть ограничения - по таймингам, комплаенсу, трафику, юридические...?

- Есть ли пересечения с другими проектами в параллели? Возможно наш roadmap уже забит на квартал, и новый проект будет в приоритете, начиная с Q3

- План rollout-а - страны/регионы/сегментов пользователей/ паблишеров, полная выкладка или A/B, alpha тест?

- Какие операции/ фичи мы своим новым решением можем сломать?

Здесь хорошо эти вопросы уточнять и задавать в паре со своим продактом. Он с упором на бизнес, а ты, как тех лид, с упором на технические аспекты

#llm #petproject

Из больше 1000 ответивших на опрос по GenAI более 500 людей используют GenAI тулы меньше часа в день

Спасибо за ответы. Сингулярность еще далеко. Выдыхаем
Вообще я очень удивилась тому, что в медиане по опросу время в GenAI тулах меньше часа
Я из тех людей кто проводит 5-8 часов, в какие-то дни больше 8
От этого я очень excited и scared одновременно. В моей голове сингулярность уже почти наступила
Ощущаю сетки как второй мозг рядом.
Ниже написала, что я делаю в GenAI тулах (самые частые кейсы). Поделитесь своими кейсами тоже
1) Гуглю. У меня в проектах есть специальный промпт, который смотрит англ авторитетные источники, спорит с ними, выдает мне разные версии и ссылки на них
2) Записываю калории, физическую активность, пробежки, вес, обмеры. Я кстати перешла черту в 70 кг с 94 в январе, считаю chatgpt помог
3) Думаю и обсуждаю голосом проблемы - вопросы, конфликты, стратегию, планирую разговоры с людьми, ищу мотивацию, когда нет сил
4) Пишу посты в линкедин - голосом надиктовываю в чат гпт мысли и мясо поста, потом скриню понравившийся хук у кого-то в линке и он превращает это в посты. За месяц кстати порядка 130к охватов набрала в линке
5) Разбираюсь в новых интерфейсах - например скриню рекламные кабинет, беру ссылку на сайт и скрины, прошу рассказать что значит каждая опция и какие варианты перфоманса мне можно подобрать.
6) Учусь - например сейчас изучаю армянскую духовность и класику маркетинга - Котлера,брендинг - задаю вопросы из состояния любопытства и закапываюсь в тему, подходы, авторов
7) Немного прогаю - делала лендос недавно, рисовала немного дизайна, писала sql запросы
8) Инвестирую - есть промпты которые каждый день мне ищут, что резко дропнулось и на чем можно сыграть и как захеджироваться. Из недавного успешного - акции Теслы во время конфликта Маска и Трампа
9) Планирую поездки, подбираю места, куда сходить, где тренить и тд

P:S: Пока пользовалась GenAI поняла, что особенно сейчас важно использовать сетки как второй мозг, а не вместо первого мозга. Есть такое свойство shit in - shit out. Чат гпт обучен на большом кол-ве инфы, плохо фильтрованной и часто неверной. Если спрашивать чатик вопросы в духе "как лучше делать" и "что полезнее есть" можно столкнуться с очень неожиданными результатами - цитированиями мейнстрима в лучшем случае
Если вы хотите классно развиваться, а не просто получить второй телевизор - то самый важный навык это критическое мышление, умение большой вопрос раскладывать на маленькие и понимание статистики, дизайна экспериментов и значимости

#softskills #career