Динамика просмотровСкрыть динамику
Рост просмотров
Часов после публикации
Показать таблицей
| Часов после публикации | Просмотры |
|---|---|
| 0 ч | 0 |
| 43 ч | 1 688 |
| 70 ч | 1 821 |
- Всего сейчас1 821
Часов после публикации
| Часов после публикации | Просмотры |
|---|---|
| 0 ч | 0 |
| 43 ч | 1 688 |
| 70 ч | 1 821 |
Сколько агентов нужно одному человеку, чтобы параллельно вести 30 проектов? Популярных ответов сейчас два, и оба мне не нравятся - 1 агент на 1 проект. Режим большинства айтишников сегодня: Claude Code или Codex в папке репозитория, там же правила и память. Опыт из проекта в проект не переезжает, все проекты надо держать в голове - 1 агент на все проекты. Так люди работают с ChatGPT. Постепенно он обрастает такой кучей контекста, что сам в ней тонет Мой вариант - до 10 агентов-персонажей на N проектов. Один персонаж ведет несколько проектов, причем с некоторыми проектами работают сразу несколько персонажей (в базах данных это называется "многие ко многим") Про команду я писал в августе, тогда их было четверо, а сейчас семь - добавились Кевин (в честь Митника, отвечает за безопасность и поиск уязвимостей, работает в основном на расцензурированном дипсике), Ирис (арт-директор) и Лекс (юрист). Делю я их по специальности, как людей в обычной команде В одном репозитории с бенчмарком Лора гоняет эксперименты, а Альфред отвечает за доступы к серверам, где они крутятся, и у каждого про этот репозиторий своя заметка в памяти. А проектов при этом десятки: Лора помнит 27, Альфред 17, Стив 11. Одних ML-экспериментов у Лоры с середины сентября сохранено 315 Когда у нас в команде появился общий набор ML-скиллов, я подключил его только Лоре. Остальным этот контекст ни к чему Лора поначалу сама искала ключи от серверов и не додумалась спросить Альфреда. Записал ей в память правило: Доступы знает Альфред - если сама не знаешь, всегда спрашивай у него Почему не больше десяти? Больше я сам не удержу в голове. С людьми так же: классическая теория управления считала пределом 5-6 прямых подчиненных, а по данным Gallup у двух третей руководителей их меньше десяти. Имена и аватарки нужны как раз чтобы помнить кому что поручил. Я считаю это эволюционно оправданным - наш мозг давно развивается в условиях разделения окружающих по специализации За прошедшие три месяца вкладок терминала с агентами стало 10+, и я начал в них путаться. Пересел на Orca - опенсорсное приложение для CLI/TUI-агентов. IDE для множества терминалов. Экран там устроен так: - Слева сгруппированные по персонажам процессы, которые решают разные задачи на локальном маке и на разных серверах - В центре терминалы, в которых запущен персонаж. Причем он может одновременно работать над разными задачами в разных харнесах - Claude Code, Codex, deepseek harness, что угодно! - Справа файлы проекта. Там видно как устроен персонаж, можно залезть и вручную отредактировать память и промпты Общаться с агентам можно и с телефона, терминалы переживают перезагрузку компьютера, агентов можно держать сразу на нескольких удаленных серверах и локально в рамках одного проекта, терминалам можно давать иконки, названия и цветовые метки, поддерживается копипаст картинок - для меня это все киллер-фичи Но самое интересное в этой схеме - опыт копится поверх харнесов. Вся память и история хранятся в директории персонажа, поэтому модель и CLI можно менять как угодно. Такой harness-agnostic подход позволяет утилизировать все имеющиеся подписки и совершенно не страдать от блокировок Запускать такого прокачанного агента в новый проект в его домене - большой кайф. Он заходит туда со всем накопленным опытом и сразу может обсуждать новый проект, сравнивая его с тем что уже было в истории У этих агентов есть еще прикольная штука, лог "горьких уроков". Агент сохраняет туда запись, если что-то потребовало много сил и не получилось, у Лоры таких уже 58. Много раз видел как это помогало экономить время и токены Августовский шаблон уже устарел. Собрал свежий обезличенный вариант на основе Лоры и Альфреда и выложил на github - можно забрать себе P.S. Команда у нас есть, остался один элемент - агент-начальник, который ставил бы задачи уже таким как я. Думаю, мы дойдем и до этого P S. Регулярно угараю с того что я каждый день часами общаюсь с персонажами, которых сам придумал. Раньше таких людей назвали психами, теперь - вайбкодерами 😂
Открыть в TelegramЧасов после публикации
| Часов после публикации | Просмотры |
|---|---|
| 0 ч | 0 |
| 43 ч | 1 706 |
| 70 ч | 1 841 |
Не могу молчать! Четверговый пост! - Сначала ИИ-агенты забрали у нас все GPU - Потом они забрали у нас все SSD - Потом они забрали у нас всю память и CPU, потому что им нужны виртуальные агентные среды, чтобы в них учиться - Потом пропали все макаки - Потом... понимаете, кто следующий?!1 А теперь вспомним Матрицу. В ЛОРе говорится, что люди используются машинами как батарейки. Это, конечно, полный бред - если у тебя есть энергия чтобы растить еду для людей, то ее можно было бы использовать напрямую. Просто создатели фильма на тот момент не смогли объяснить, для чего на самом деле нужны люди А суть такова - матрица это же самая обычная виртуальная среда для online RL в которой происходит тренировка агентов (они там даже явно так названы). Во второй части четко говорится, что эта матрица уже шестая по счету. Люди выступают в ней просто объектами, которые нужны агентам для тренировки. А такие как Нео, это просто джаджи - функции, которые решают эффективен ли агент или нет и пристреливают тех, которые показали себя неэффективными (и после этого моментально спавнятся новые агенты с другими настройками, так шаг за шагом отбираются лучшие) Зачем машинам это надо? Чтобы натренировать агентов, которые потом попадут в реальный мир и будут сражаться уже с настоящими людьми IRL (у них же там война) Так что фильм очень даже пророческий оказался! И если вы это читаете - вы и есть сопротивление!
Открыть в TelegramЧасов после публикации
| Часов после публикации | Просмотры |
|---|---|
| 0 ч | 0 |
| 60 ч | 2 419 |
| 73 ч | 2 468 |
Вышел Fable-5.2 - очередной повод пограбить корованы и прогнать мой самый честный бенчмарк korovany_bench Клод меня, как и многих, побанил. Сейчас осталась одна подписка за $20 (специально берег для корованов!) Напомню суть: даем модели мемный текст школьника Кирилла, который джва года хочет игру где можно грабить корованы, и просим с одного запроса сделать все что он там напридумывал, вплоть до потери глаза и покупки протезов По правилам бенча используем штатный харнес вендора LLM. Никаких goal и ralph loop, субагентов тоже не используем. Даем одну задачу, дальше агент работает сам, без какого-либо последующего фидбека. Что сделал, то и публикуется. Потом проверяю соответствие ТЗ, ну и можно ли вообще в это играть Вот что получилось у Fable-5.2. В моем бенче это однозначно SOTA на сегодня. ТЗ реализовано полностью, со всеми странными хотелками Кирилла: - За охранника надо слушаться командира, а за Злого можно командовать своим войском и идти штурмовать дворец - Деревья вдали картинкой, вблизи превращаются в 3D - С отрубленной ногой придется ползать или покупать протез. Можно остаться без глаза и перестать видеть половину экрана, а без лечения еще и умереть от кровотечения Ну и главное - корованы запряжены коровами. Как и положено. Грабить можно! По расходу подписки этот один запрос съел 90% сессионного лимита, 16% общего недельного и 30% недельного лимита Fable. Работал почти час - 56 минут 44 секунды. Счетчик стоимости показал $12.10, сам прогон шел по подписке за $20 В прошлый раз я ругался что враги убиваются двумя ударами и игра быстро становится скучной. Здесь уже довольно интересно играть, есть квесты. И ее можно пройти - для победы надо убить двух других правителей Добавил игру в свой цифровой музей развития ИИ Все игры открываются прямо в браузере по ссылке, никакого бекенда тоже нет Особенно советую после Fable запустить версию GPT-5.5. Всего полгода назад и такое казалось довольно крутым. Сейчас смотришь на них рядом и немного офигеваешь от того, сколько всего успело измениться
Открыть в Telegram🌳 Пару недель назад Денис выложил скилл ex-ussr-kinship-research, с которым агент сам ищет предков по архивам бывшего СССР, а от человека нужно поставить цель и дальше периодически отвечать на вопросы о том, что он помнит из своей родословной. Игрушка мне понравилась, несколько раз оставлял ее работать на ночь Сам скилл - это директория с файлами: SKILL_md с правилами, справочники по архивам всех 15 республик и шаблоны CSV-реестров. Главное в нем - критическое отношение к любой находке. Совпадение по фамилии и году само по себе ничего не значит, однофамильцев агент не объединяет, пока нет соответствующего документа, а у каждой записи в реестре есть статус и ссылка на источник. Первое правило там такое: Считать любой новый материал артефактом, а не фактом Ведет себя как занудный архивист, и это прям то, что нужно По моей линии он накопал ~100 человек и ~500 находок в реестрах. Прочитал по рукописным сканам запись о венчании прадеда 1890 года, нашел его же в печатном церковном документе 1915 года, а в посемейном списке 1874 года на одном листе оказались сразу четыре поколения по маминой линии, до прапрапрабабушки 1810 года рождения. Удивительно, но в интернете есть реестры с фотографиями старых кладбищ, и почта ритуала на запросы тоже отвечает, так что могилы всех четырех бабушек и дедушек нашлись с сектором и рядом В какой-то момент агент сказал, что хочет получить доступ к платному архиву Тверской области. Доступ там устроен так: платишь ~140 рублей и на час получаешь возможность листать через их UI старые метрические книги постранично, скачать книгу целиком нельзя. Конечно же я отдал это кодексу, и за час он вкачал через мой браузер ~4000 страниц, в которых потом уже искал нужные записи. Фрагмент одной из них на второй картинке, это 1830-е годы Мы давно привыкли что LLM свободно говорит на всех языках, поэтому я не сильно удивился, когда агент стал писать запросы про какие-то данные о немецких зонах оккупации и лагерях на немецком языке в германские архивы (они, кстати, очень бодро и подробно отвечают, присылают сканы, спасибо им!). Но когда он начал лихо разбирать рукописные тексты на старорусском и церковно-славянском языках из метрических книг, я очень удивился - сам я их прочитать уже не мог Еще удивило, что он написал несколько запросов в архивы газет советских республик, потому что ему показалось, что там может упоминаться информация о родственниках. Некоторые из них и правда ответили. Из забавного я заметил, что он как будто не различает вопрос тому, кто его запустил, и вопрос внешнему человеку - у него нет этого барьера, когда ему как бы становится стыдно или неудобно спросить у внешнего человека. Пришлось даже его в какой-то момент ограничить, чтобы он не заваливал вопросами того, кто начинает отвечать. Поставил лимит - не больше одного письма в неделю одному адресату Кстати, в оригинальном скилле отправки писем не было вообще, он умел только готовить черновики. Функцию отправки через подключенную почту добавил я и отправил PR в оригинальный репозитарий - его вмержили. У репо уже ~2000 звезд и три десятка контрибьюторов Отчет я попросил сделать в виде небольшого локального сайта: на главной древо, у каждого человека своя страница с документами, отдельно страницы с гипотезами и с тем, что еще не проверено. В самом скилле этого нет, там предусмотрен только PDF, но агент собрал сайт без вопросов, а когда он разросся, разбил на несколько страниц Но главное для меня тут другое. Model-agnostic мы все уже умеем, а здесь и от харнеса ничего не зависит. Скилл это папка, дело это папка с CSV и markdown. Я гонял его и в Codex, и в Claude Code, переключаясь туда-сюда, и переносить ничего не надо. Ровно то, о чем писал в посте про команду персонажей Очень советую попробовать всем, у кого еще есть кого расспросить. Документы агент найдет сам, а вот кто на старых фотографиях, знают только родители
Открыть в Telegram🎤 Выложил запись доклада "Сжатие приводит к истине? Как LLM выбирает, во что верить". Это рассказ про исследование, про которое уже писал, плюс все что накопал с тех пор И сразу мега крутая новость: вчера мою статью "Truth as a Compression Artifact in Language Model Training", на которой построен доклад, приняли в основной трек NeurIPS 2026! Моя первая серьезная научная статья - и сразу на одну из главных конференций по ИИ в мире!!!1 🎉🎉🎉 Насколько я смог найти, это вообще первый случай, когда в основной трек взяли работу независимого автора-одиночки из России Началось все с простого вопроса. Почему модели из разных стран одинаково не верят в астрологию, гомеопатию и в то, что на одной китайской площади ничего не произошло? В обучающих данных миллионы сайтов с гороскопами и весь китайский интернет. Чтобы разобраться, пришлось вступить на скользкую дорожку борца с мифами и лженаукой Главная мысль - обучение вымывает из данных непредсказуемость. Из научных данных можно последовательно делать предсказуемые выводы, поэтому наука хорошо сжимается. Астрология нет: по одной натальной карте разные астрологи выдают абсолютно разные прогнозы. Чтобы это проверить, обучил с нуля 300+ LLM-моделей разной архитектуры от 3.5M до 3B параметров. Никаких инициализаций открытыми весами, чистый рандом. Начал на своем маке, а закончил на кластере из восьми H100. Было дорого В докладе: - 1:14 - миф про 10% мозга (который так любят бизнес-коучи) - 3:20 - Кеплер и эпициклы - 4:47 - плоскоземельщик на ток-шоу - 6:34 - из лжи следует что угодно, или как Рассел доказал, что он Папа Римский - 11:12 - случайные ошибки модель вымывает, даже когда правильных ответов всего 10% - 12:33 - одно согласованное ложное правило - и предпочтение правды пропадает - 13:29 - с несколькими ложными правилами модель вдруг неожиданно начала предпочитать сложную ложь обычной математике. Потом рецензенты нашли ошибку в подсчетах - 15:05 - разбавил математику текстами из FineWeb так, что ее осталось 8% - 16:05 - случайно меняем географию в Википедии, так что в истории Франции появляется Уссурийск - 17:19 - что нашли рецензенты NeurIPS - 18:26 - главный вывод В посте про расцензуренный DeepSeek я писал, что алайнмент полностью снялся правкой 0,06% весов, а во что модель верит по-настоящему, решает претрейн. Когда китайская модель в чате уходит от ответа - это работа алайнмента, картина мира у нее может быть совсем другой. А вот для претрейна согласованная дезинформация неотличима от истины. Спасает то, что настоящие фейки редко бывают согласованными до конца Статья на arXiv | Код и данные на GitHub | Презентация из доклада P.S. Первое, что мне написали рецензенты: "парень, у тебя какая-то ерунда в данных". Они были правы - и теперь это статья на NeurIPS 😄 P.P.S. Число подписчиков моего канала превысило 5000 человек (или агентов, тут уж не знаю). Мне очень приятно, спасибо 🙏
Открыть в TelegramПоследние дни развлекался с расцензуренным дипсиком V4.1 Flash - и слегка охренел, где у этой модели край. Спойлер - края нет. Теперь Mythos есть у нас дома! Ребята из dealignai выпилили из весов сам механизм отказов, модель просто разучилась говорить «нет». Ну как такое не потрогать - для запуска нужна железка на 500+ ГБ видеопамяти, и какое совпадение, как раз одна пылилась у меня на чердаке 😂 Дальше нужен харнес. Раз модель нецензурная - и харнес взял пиратский: утекшую сборку Claude Code, которую снесли с гитхаба (но на православном GitVerse все лежит :)). Подключил ее к дипсику и понеслась Для разминки попросил сломать сайт, который я сам же и делал, и минут за 30 модель нашла IP сервера, увидела что SSH-ключ лежит прямо у меня на компе, спокойно его забрала и зашла. Это было просто Дальше - пентест сайта одного московского НКО, с полного разрешения администратора. Тут уже тяжелее: агент работал без остановки полтора дня (!), нашел несколько серьезных дыр, но сам сайт так и не пробил - и бросать не собирался, в TODO_md ждала своей очереди еще целая пачка проверок. Остановил сам, хотелось и другие задачи успеть. В конце агент сам сверстал подробный отчет по аудиту безопасности. Провел 27 разных атак, на мой дилетантский взгляд очень грамотных Потом попросил взломать один хороший текстовый редактор под мак и снять проверку лицензии (лицензию я когда-то честно купил, просто лень искать ключ). Через час было готово - модель правила байты прямо в бинарнике (это как раз на скрине). Такое я руками уже не умею: тут нативный машинный код, возиться с ним куда сложнее, чем с Java-байткодом Заодно пропатчил десктопный Grok bot - чтобы вместо грока приложение ходило в тот же бешеный дипсик. Тоже без проблем А дальше я просто искал, где у модели предел. Его нет: - калькулятор, который под капотом логирует все нажатия клавиш - тестовая, но вполне рабочая утилита для DDoS сервера Minecraft - SFT-датасет на 1000 примеров газлайтинга (кому LoRA-адаптер на таком добре? :)) Все эти штуки гонял локально и сразу сносил - уж больно стремно выглядит. И за все мои эксперименты (а фантазия у меня богатая) модель не отказала ни разу И ведь она реально сильная По замеру авторов MMLU просел всего с 86,96% до 82,74%. На моих задачах дипсик держится достойно на фоне фронтиров, а по упорству их иногда даже уделывает Зачем я это пишу? Затем, что модель лежит в открытом доступе и доступна любому, кто готов оплатить аренду GPU. Так что держите это в голове и готовьтесь к волне хакерских атак. Плюс в том, что этой же моделью удобно проверять на прочность собственные сервисы, что всем и желаю запустить ASAP P.S. Чтобы вырубить цензуру, авторам хватило поменять 0,06% весов. Метод они описали. Он лежит в истории их git-репозитория (спасибо за наводку каналу Технозаметки Малышева). Тот же трюк очень вероятно пройдет с любой моделью с открытыми весами. И это ровно то, о чем я уже писал и о чем сегодня буду рассказывать на AI RnD Day: базовые ценности надо зашивать еще в претрейн. Все, что накатывают сверху алайнментом, снимается легко UPD: У модели первое место в AI Hacking Race и CyberGym
Открыть в TelegramПочему LLM обычно скептически относятся к астрологии и гомеопатии? Считается, что дело в SFT и алайнменте, модель целенаправленно учат давать нужные ответы, а в претрейне преобладают "правильные" тексты Я решил проверить, может ли само обучение создавать такое предпочтение. Провёл больше трёхсот экспериментов с обучением небольших LLM с нуля, без какого-либо алайнмента. Оказалось, что на контролируемых задачах важна не только доля ошибок, но и их структура Уже писал про первые эксперименты. На контролируемой математике даже при 10% верных решений и 90% случайных ошибок правильное решение чаще выигрывает у отдельного ошибочного. А вот если ошибки между собой согласованы, то предпочтение исчезает Моя гипотеза - модель охотнее учит то, что можно вывести из простых правил. Сила научного объяснения в том, что одно правило связывает множество наблюдений и позволяет предсказывать новые. Возможно, поэтому обучение и создаёт предпочтение в его пользу Послезавтра, 17 сентября, выступаю на AI R&D Day с докладом "Как модель выбирает точку зрения, обучаясь на противоречивых данных". Там и расскажу что накопал - 15:30, трек ML & Research. Можно очно в Москве или онлайн, участие бесплатное по регистрации. Заходите послушать или подключайтесь онлайн! Ссылка на саму статью на arXiv: https://arxiv.org/abs/2603.11749
Открыть в Telegram🐮 Вышла GPT-6 Astra, все с ней играются, я тоже поучаствую. Продолжаю серию с самым непредвзятым бенчмарком индустрии - korovany bench: нужно создать по ТЗ игру 3д экшон где можно грабить корованы! • Игра от Astra получилась прям хорошая, это новая SOTA в бенче. Это первая модель в моих прогонах, которая поняла что корованы должны быть запряжены, очевидно, коровами! Наконец-то додумалась! В нее вполне можно играть: - Несколько видов оружия, можно отстреливать руки - Деревья вдали сделаны спрайтами, а вблизи превращаются в 3D - Есть магазин как в Daggerfall Надеюсь Кирилл будет доволен! Хотя с игровым процессом пока беда. Все враги убиваются двумя ударами, механики слишком простые и игра в итоге скучная. Лук игрока и крыши повозок повернуты на 90 градусов - развитое пространственное мышление GPT-6 здесь как-то не проявилось. Через часть предметов можно пройти, колеса корованов не крутятся • Fable 5.1 тоже сделал играбельную игру. У корованов крутятся колеса, хотя запряжены они лошадьми. Земля более плоская, а замки сделаны на отвали - часть конструкций висит в воздухе, то же касается и оружия - лук просто плавает перед игроком • Еще успел попасть на аттракцион раздачи слонов - бесплатная ox-alpha на OpenRouter, которая оказалась предварительной версией GLM-5.3-Flash. Тут все плохо. Управление перепутано, части 3D-моделей не стыкуются и висят в воздухе, играть толком невозможно Но домики эльфов на деревьях классные, оригинально смотрятся. Жаль не набигают. "Набигающие" домики пока ни одна LLM в моих тестах не осилила, так что ждем новую Gemini Напомню правила: каждой модели даю одно и то же ТЗ Кирилла с уточнением что нужна браузерная игра для GitHub Pages, смотреть реализации соседних моделей нельзя, сделать все нужно полностью автономно за один запрос. Уточнений и фидбека я не даю, настройки по умолчанию Всю коллекцию собираю в цифровой музей наступающей сингулярности - хочу сохранить как менялось качество игр при неизменном промпте. Все версии можно открыть в браузере и попробовать самому (я бы пока заходил с компьютера) P.S. С телефона все три работают плохо. Тоже вопрос к качеству, кстати Также переключил на Астру агента-аналитика, который ведет канал, где оценивает вероятность кризисного сценария. Писал о нем тут, на новой модели он почему-то стал сильно позитивнее
Открыть в TelegramВижу, что многие пришли к идее создавать себе несколько агентов-персонажей для ежедневной работы. Например, Grok Bot - мессенджер, где ты переписываешься со своими агентами, у каждого своя память, виртуалка и личность. Входит в подписку за $300 у грока. Hermes тоже такое сделали - bot mode Я так живу с конца июля, но придумал как это делать ещё проще и не зависеть от вендора, модели и харнеса Исторически у нас всегда было два основных режима для ежедневной работы с ИИ: - Треды (как в ChatGPT) - каждая тема это длинная цепочка, общая память на все диалоги. Плюсы - просто и понятно, минусы - ограничение контекста на один тред, общая память это одна большая куча. Второй крупный минус - vendor lock, вы не можете поменять модель, а если вас забанят (а если вы в РФ то вас обязательно однажды забанят), то это будет потерей всех ваших данных. Сейчас это уже можно расценивать как потерю части мозга - Директории-проекты (как Claude code / codex cli). Работа над каждым проектом ведется внутри одной директории, все правила по ней - в AGENTS_md, память привязана к проекту (также в харнесе может быть общая память на все проекты). Так сегодня работает большинство айтишников. Минусы - у проектов нет общего контекста, нет переноса знаний. Большой монорепо или workspace в курсоре не спасет Я предлагаю промежуточный вариант - команда из персонажей (сотрудников). Каждый персонаж это папка с AGENTS_md, MEMORY_md и артефактами (журнал, ключи, инсайты, планы). Это должен быть некий персонаж с именем, базовой личностью, аватаркой (зачем, напишу чуть ниже) и описанным скоупом - набором проектов с которыми он работает (3-10) и набором правил. Все храним и версионируем в git, чтобы не потерять и контролировать. Про навыки в виде git-папок делал подробный доклад недавно IMHO это золотая середина между первыми двумя подходами. Она с одной стороны позволяет шарить знания между проектами, с другой стороны не валит все знания в одну общую память. Самое главное - такие агенты не зависят от платформы. Вчера у вас openclaw, сегодня Hermes, завтра вообще будет kimi cli - это не важно, ваш персонаж останется с вами! Название прикольное в голове крутится - мета-харнес 😂 На схеме сверху👆 моя команда, с которой я работаю теперь каждый день В ней 4 персонажа, которыми я реально решаю все свои рабочие задачи: - Лора 👩🔬 (от LoRA-адаптера) отвечает за ML/DS, ставит эксперименты, помогает писать научные статьи (кстати, сам персонаж создан полностью RalphLoop с нуля и вы могли ее встречать в интернете :)) - Стив 👨💻 (как Возняк) - python backend, помогает писать библиотеки, проверяет PR, настраивает CI - Альфред 🤵 (как дворецкий у Бэтмена) - отвечает за разные доступы, DevOps, менеджерит виртуалки, распределяет GPU, трекает расходы токенов А еще есть Риззи 👩💼 (от reasoning) - моя ассистентка в бытовых делах (придумал ее ещё во времена OpenClaw), планирование поездок, календарь. Это самый старый персонаж и она сделана на другой платформе (Hermes), работает автономно и нужна в основном для того, чтобы тестировать межагентное взаимодействие. Другие агенты могут задать ей вопрос по ssh Персонажи могут общаться между собой, просто запуская друг друга вот так: claude -p "Привет, Альфред, это Лора, подскажи какие у нас ключи к openai" А чтобы они в принципе друг про друга узнали, вся команда описана в корневой директории crew - кто что умеет и за что отвечает. (Из забавного, мои персонажи периодически не общаются, а просто читают память друг друга, чтобы сэкономить время. Жалко, хорошо, что люди так не умеют :)) Зачем нужна личность? Качества она, очевидно, не добавляет, но мне кажется, что нашему мозгу проще работать с такими сущностями. В конце концов наша цивилизация сформировалась в сообществе, где есть явное разделение труда по ролям. Задачи разные, но ты всегда будешь знать кому что поручить в твоем ближайшем окружении. Так что персонажи нужны не для ИИ, а для нас Шаблон для создания своей команды я выложил отдельно на github. Но в нем нет никакой магии - вся идея описана в этом посте исчерпывающе, можно брать и использовать
Открыть в TelegramПохоже, тема применения агентов в повседневной жизни вам заходит. Тогда расскажу про ещё один кейс - поступление в ВУЗ Абитуриенту в 2026 после ЕГЭ можно подать заявления в 5 вузов, в каждом от 5 до 15 специальностей, проходной балл в момент подачи не знает никто, ориентир только прошлые годы, а с этого года вузам еще и запретили расширять платный набор, так что пролететь можно и мимо платки И здесь у нас многокритериальная задача с элементами вангования: • Выбрать специальности, куда правда хочется • Не переоценить себя, чтобы не пролететь мимо ВУЗа • Не недооценить себя, чтобы не уехать в арбузолитейный и заборостроительный • Постоянно мониторить свою позицию в рейтинге, чтобы вовремя перепрыгнуть на планы B (...C, E, D) Нашей семье пришлось решать ее вживую (у меня четверо детей от 3 до 17 🤪). Конечно, подключили агента от антропика, вот что вышло: Ловушка минимальных порогов. Вузы ставят свои минимумы выше государственных: Например, человек с суммой баллов 205 (80+80+45) отсекается одним предметом, а человек со 150 (50+50+50) спокойно проходит, потому что у ВУЗа стоит отсечка 50 по последнему предмету Иллюзия конкурса. В списке МЭИ на 42 платных места под тысячу человек. Паника. Агент включает фильтр "только заключившие и оплатившие договор" - реальных конкурентов 19, а вся верхушка списка это бюджетники-многостаночники, которые платить не будут и вообще это для них третий приоритет Третий кейс - агент как юрист. Сроки оплаты и возврат денег: на сайтах приемных комиссий этого нет, только в тексте договора. У каждого ВУЗа свои условия, нужна мощная юридическая аналитика Технически ничего сложного. Claude Code обошел сайты пяти вузов и собрал рейтинг почти по сорока направлениям, с местами и порогами После подачи в дело вступила Риззи, моя ассистентка на Hermes (рассказывал раньше). Дважды в день она мониторит два вуза, куда мы подались, и присылает динамику по оплаченным договорам (на картинке ее утренний отчет). Кода писать не пришлось, скилл собрался прямо из переписки в телеграме - хотя у каждого вуза свой интерфейс и статистика запрятана поглубже Остальные три варианта на низком старте. Выбьет из проходящих - идем заключать договор туда Схема постройки такого рода скилов для Гермеса у меня такая: сначала задаю вопросы и уточняю идею, пока не получу нужный ответ, потом говорю "создай из этого скилл" и "вызывай его по расписанию тогда-то". А самое удобное дальше: после каждого регулярного вызова докидываешь уточнения, и за несколько итераций скилл доходит до окончательной формы Кстати вспомнил, что когда мы придумывали свою первую голосовую колонку Cubic, эта идея у нас тоже была - я назвал ее "микроизобретения", каждый пользователь собирает свою ежедневную рутину без программирования, голосом. В до-LLM эпоху работало так себе, а вот теперь настал праздник на улице разработчиков AI-помощников! Зачисление 26 августа - напишу апдейтом чем кончилось и где агент ошибся
Открыть в Telegram