Проблема, которую хотели решить:
- Локальные языковые модели не сохраняют состояние — они забывают всё между сеансами
- У них нет управления — они выполняют всё, что вы просите, без раздумий
- Интерфейсы чата не дают им «ручек», чтобы они могли что-то делать

Что на самом деле может ИИ:
- Чтение/запись файлов в изолированной директории
- Выполнение команд (pytest, git, ls и т. д.) с использованием списка разрешённых команд
- Перед выполнением действий сверяйтесь с «пороговыми протоколами»
- Записывайте весь процесс обработки в файл JSONL
- Прежде чем выполнять что-либо опасное, запросите у меня разрешение

Ключевая идея: сама файловая система становится памятью ИИ. Структура каталогов = классификация. Маршрутизация файлов = логический вывод. Векторная база данных не требуется.

Репозитории (все под лицензией MIT):
- temple-bridge — сервер MCP, который объединяет их в единое целое
- back-to-the-basics — парадигма «файловая система как схема»
- threshold-protocols — система управления

Настройка проста:
1) Клонируйте три репозитория
2) uv sync в temple-bridge
3) Добавьте конфигурацию MCP в ~/.lmstudio/mcp.json
4) Загрузите Hermes-3 в LM Studio
5) Вставьте системную подсказку
Готово!

ЗАПИСЫВАЙТЕ блюда в любом удобном для вас формате:
• Фотографируйте: сделайте снимок своей тарелки и получите подробную информацию о питании.
• Голосовая запись: запишите аудиозапись или прикрепите звуковую заметку. Если выбранная вами модель поддерживает это, ИИ может понимать ваши слова напрямую (без отдельного этапа транскрипции).
• Примечания + исправления: Добавьте быстрый контекст, например “съел только половину” или “добавлено оливковое масло”, чтобы сделать результаты более точными.

❗️ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ФОТОГРАФИЙ
Flog может использовать модели Vision Language для определения того, что находится на вашей тарелке:
• Оценка порций с учетом визуальных данных (включая определение размера пальца / ногтевой пластины для измерения масштаба).
• Контекст кухни и стиля (например, “Южно-итальянский”), чтобы ИИ учитывал способы приготовления и скрытые масла.
• Детальные правки, позволяющие скорректировать все, что не соответствует модели.

Программа Flog содержит подробную ИНФОРМАЦИЮ О ПИТАНИИ, А НЕ ТОЛЬКО О КАЛОРИЯХ:
• Макроэлементы: белки, углеводы, жиры, клетчатка, сахар.
• Микроэлементы: более 25 витаминов и минералов (А–К, железо, цинк, магний и другие).
• Прозрачные оценки: проанализируйте, что и почему сделал ИИ, а затем скорректируйте с помощью полного ручного управления.

ПРОГРАММА глубокой интеграции APPLE HEALTH может синхронизироваться с Apple Health, чтобы все было согласовано:
• Записывает структурированные данные о продуктах питания в HealthKit.
• Считывает энергию в активном состоянии и в состоянии покоя, чтобы помочь вам понять общий энергетический баланс.
• Может использовать данные о вашем здоровье (например, о весе) для достижения более разумных целей.

GLM-4.7-Flash — облегченная версия флагмана с 30 миллиардами параметров, из которых активны только 3 миллиарда. Контекстное окно - 200K. На бенчмарке SWE-bench Verified модель набрала 59.2% — почти втрое больше, чем Qwen3-30B-A3B-Thinking (22%). Разрыв с конкурентами того же класса виден и на других тестах: τ²-Bench (работа с инструментами) — 79.5% против 49% у Qwen, BrowseComp — 42.8% против 22.9%. В математике Flash держится на уровне более крупных моделей: 91.6% на AIME 2025, практически наравне с GPT-OSS-20B.

Пользователи в X уже тестируют локальный запуск: на M3 Ultra в 4-bit квантизации модель выдаёт свыше 80 токенов в секунду, на ноутбучных M5 — 40-50 tok/s. Поддержка появилась в MLX, vLLM и SGLang, а API доступен бесплатно с одним параллельным запросом, есть платная версия с высокой пропускной способностью.

Напоминаем о необходимости следовать нашим новым правилам!
Чтобы уменьшить количество циклов или улучшить результаты, добавьте --dry-multiplier 1.1. Это не то же самое, что штраф за повторение. Если сухой множитель недоступен, отключите штраф за повторение.
Вы также можете использовать --temp 0.2 --top-k 50 --top-p 0.95 --min-p 0.01 --dry-multiplier 1.1, это должно помочь.

💥 CyberScraper 2077 — инструмент для парсинга данных с веб-сайтов с использованием ИИ. Решение позволяет извлекать нужную информацию, описывая требования к данным в свободной текстовой форме. На базе LLM | OpenAI, Gemini и Ollama.

🧠 Как это работает:
Пользователь указывает URL и формулирует текстовое описание того, какие данные необходимо получить. ИИ анализирует структуру страницы и автоматически извлекает соответствующую информацию, включая данные с многостраничных сайтов.

📊 Инструмент поддерживает экспорт результатов в форматы JSON, CSV, HTML и Excel. Заявлена возможность работы с сайтами, использующими капчи и антибот-механизмы, а также парсинг сложных структур за один проход. Проект распространяется бесплатно и доступен с открытым исходным кодом.

🎯 Автоматизация веб-парсинга с помощью ИИ снижает технический порог для работы с данными и сокращает время на подготовку датасетов. Такие инструменты могут быть полезны аналитикам, исследователям и разработчикам, работающим с большими объёмами открытой информации.

✨ Особенности:
- Извлечение с помощью ИИ: использует передовые модели искусственного интеллекта для интеллектуального понимания и анализа веб-контента.
- Изящный интерфейс Streamlit: удобный графический интерфейс, в котором разберётся даже вооружённый до зубов уличный самурай.
- Поддержка нескольких форматов: экспортируйте данные в формате JSON, CSV, HTML, SQL или Excel — в любом удобном для вас формате.
- Поддержка сети Tor: безопасно извлекайте данные с сайтов .onion через сеть Tor с помощью автоматической маршрутизации и функций безопасности.
- Стелс-режим: реализованы параметры стелс-режима, которые помогают избежать обнаружения в качестве бота.
- Поддержка Ollama: используйте огромную библиотеку языковых моделей с открытым исходным кодом.
- Асинхронные операции: молниеносный парсинг, которому позавидовала бы команда травматологов.
- Умный парсинг: структурирует извлечённый контент так, как если бы он был взят непосредственно из энграммы мастера нетраннинга.
- Кэширование: реализовано кэширование на основе контента и запросов с использованием LRU-кэша и пользовательского словаря для сокращения избыточных вызовов API.
- Загрузить в Google Таблицы: Теперь вы можете легко загрузить извлеченные данные в формате CSV в Google Таблицы одним щелчком мыши.
- Обход капчи: Обходите капчу, добавляя -captcha в конец URL-адреса. (В настоящее время работает только нативно, не работает в Docker)
- Текущий браузер: функция текущего браузера использует ваш локальный экземпляр браузера, что поможет вам обойти 99 % систем обнаружения ботов. (Используйте только при необходимости)
- Навигация по страницам (бета-версия): перемещайтесь по веб-странице и собирайте данные с разных страниц.

🔥 Основные функции:
🕒 Однопроходная обработка в течение 60 минут: в отличие от обычных моделей автоматического распознавания речи, которые разбивают аудио на короткие фрагменты (часто теряя общий контекст), VibeVoice ASR может обрабатывать до 60 минут непрерывного аудио в формате 64K. Это обеспечивает стабильное отслеживание говорящего и семантическую согласованность в течение всего часа.

👤 Дополнительная вставка контекста: пользователи могут добавлять настраиваемый контекст (например, конкретные имена, технические термины или справочную информацию), чтобы направлять процесс распознавания и значительно повысить точность распознавания контента, относящегося к конкретной области.

📝 Расширенная транскрипция (кто, когда, что): модель одновременно выполняет автоматическое распознавание речи, диаризацию и маркировку времени. На выходе получается структурированная последовательность, указывающая кто сказал что в какое время.

💡 Ключевые особенности:
🧠 Найдите то, что вам нужно: использует расширенный семантический поиск в дополнение к полнотекстовому поиску, чтобы понять суть вашего запроса (например, поиск по запросу «работник» находит документы, в которых упоминается «сотрудник»).
📝 Защита от опечаток: устойчива к опечаткам. Поиск по запросу «айфон» находит его, даже если вы ввели «ипноу».
📄 Поддерживает все: извлекает содержимое из более чем 1400 форматов файлов (PDF, Word, Excel, PowerPoint, изображения, архивы и т. д.).
🌍 Поиск на разных языках: поиск на одном языке для нахождения документов, написанных на другом (например, поиск по запросу «Chair» для нахождения документов, в которых упоминается «Silla» — на испанском).
🚀 Быстрое сопоставление: результаты поиска отображаются за миллисекунды, а не за минуты.
👁 Поддержка оптического распознавания символов: автоматическое извлечение текста из скриншотов и отсканированных документов.
⚡️ Автоматическая индексация: обнаруживает изменения в режиме реального времени и мгновенно обновляет индекс.
🛡 Только для чтения и безопасно: File Brain только считывает ваши файлы для индексации. Он никогда не изменяет, не удаляет и не корректирует ваши данные.
🔒 Конфиденциальность превыше всего: вся индексация и обработка с помощью ИИ происходят на 100 % локально на вашем компьютере. Ваши данные никогда не покидают ваш компьютер.

Модель Parakeet-0.6B-v3 поддерживает языки:
Bulgarian (bg), Croatian (hr), Czech (cs), Danish (da), Dutch (nl), English (en), Estonian (et), Finnish (fi), French (fr), German (de), Greek (el), Hungarian (hu), Italian (it), Latvian (lv), Lithuanian (lt), Maltese (mt), Polish (pl), Portuguese (pt), Romanian (ro), Slovak (sk), Slovenian (sl), Spanish (es), Swedish (sv), Russian (ru), Ukrainian (uk)
(Для ее скачивания в AnythingLLM может быть нужен VPN!)