Свершилось чудо! Ребята из OpenAI выпустили в Open Source модели, называются gpt-oss-120b и gpt-oss-20b.

Судя по тому, что они сами пишут в бенчмарках, это лучшие модели подобного форм-фактора на сегодняшний день.

Элементом является то, что модели включают в себя reasoning и вызов инструментов (tool use). Это означает, что их можно использовать в агентных приложениях в собственных продуктах.

Модели уже завезли в Ollama, так что можно поменять где-нибудь в системе автоматизации название модели с чего-нибудь на gpt-oss:latest и посмотреть, что будет :-)

Пробуем тут: https://www.gpt-oss.com/

Хороший день.

Привет, друзья! Про GPT-5 написали даже те, кто про это обычно не пишет, поэтому не буду повторяться.

Помните, у Google появилась возможность делать подкасты на выбранную тему в notebooklm.google? У них есть еще и прекрасная возможность генерить целые презентации из документов и всего того, что вы готовы загрузить в проект.

Так получилось, что недавно я погружался на технический уровень реализации сетей Колмогорова-Арнольда, Смотрите, какая прелесть получается из научного пейпера из arxiv.org.

Воистину, в скором времени обучение станет гиперперсонализированным, и большинство площадок и курсов вымрут, потому что не смогут составить никакой конкуренции.

Сейчас просто золотое время для освоения новых навыков и профессионального роста.

Всех и каждого поддерживаю в его начинании, хорошего окончания дня, хорошо перевести дух!

Привет, друзья. Пока общественность пытается разобраться что такое GPT-5 Ребята из Google выпустили отличную библиотеку, которая может пригодиться многим для работы с текстом.

https://github.com/google/langextract

Если очень кратко, то это решение для извлечения структурированной информации из неструктурированного текста.

Признаюсь, я достаточно давно искал подобное решение, и мы с командой всегда изобретали что-то из подручных средств, теперь есть целая библиотека от одного из крупнейших игроков.

Подойдет для проектов, связанных с медициной, юриспруденцией, для армии «расшифровщиков звонков» и «создателей саммари». Кроме этого, его можно очень здорово применить там, где нужна структура и интерпретируемость запроса пользователя к системам на базе LLM.

Количество кейсов просто бесконечно. Всем, кто так или иначе умеет разбираться с кодом, рекомендую попробовать и поделиться наблюдениями.

Привет, друзья! Как ваш четверг?

Прямо сейчас я консультирую один очень интересный проект, который станет Top-1 в мире в своем сегменте в ближайшее время.

Верю в невообразимую силу комьюнити и хочу рассказать о людях, которых я очень ищу ;-)

Мне нужны два человека: ML и DS, работать нужно будет непосредственно со мной, под моим руководством.

Технологически продукт очень интересный, использует нестандартные и в некоторой степени уникальные сочетания технологий, команда — огонь.

Если вы считаете, что подходите, пожалуйста, кидайте в меня резюме с коротким рассказом о себе. Очень важно, чтобы английский был на уровне разговорного для общения с международной командой.

Также нужен подтвержденный опыт работы в коммерческих проектах. На собеседовании буду задавать вопросы, надеюсь получить на них внятные и конкретные ответы :-)

https://31c.io/careers/

Привет, друзья! Хочу поделиться своими наблюдениями по поводу инструментов, которые стоит использовать не только для разработки и программирования, но и для создания контента и выполнения других задач.

Как многие слышали, существует замечательный продукт от компании Anthropic, который называется Claude Code. По своей структуре это довольно сложный мультиагент с возможностью тонкой настройки и конфигурации.

Название Claude Code может немного сбить с толку, потому что кажется, что его можно использовать для написания кода (и это действительно так).

Но самое удивительное в том, что этот же продукт при правильной настройке может решать спектр совершенно иных задач, которые выходят за рамки простого кодирования.

При этом, замечательным фактом является то, что задачи могут быть очень комплексными и выходить за рамки простых транзакционных сценариев (промпт → результат).

Вот лишь некоторые вещи, которые можно с уверенностью создавать с помощью Claude Code.

1. (Мой любимый топчик) — Презентации на заданную тему в production-качестве. Есть прекрасный инструмент для создания презентации при помощи кода (https://sli.dev/), Он очень гибкий и настраиваемый. В результате достаточно «владеть маркдауном» и начальными знаниями развертывания приложений на Node.js для того, чтобы его запустить. Claude Code может собрать информацию для презентации, нагенерить картинок и сделать вам слайды в вашем стиле. Можно будет экспортировать в PDF или показывать прямо в вебе.

2. При использовании MCP Figma можно генерировать макеты интерфейса с логикой поведения с очень высокой точностью. Для дизайнеров это просто голубой океан возможностей, когда они могут не прибегать к услугам разработчиков для демонстрации своих идей.

3. Можно настроить Claude Code в режиме многоагентной работы, когда один агент будет собирать контент, второй его анализировать, а третий исправлять по итогам анализа. Каждый из этих агентов может обладать своим набором инструментов и правилами, по которым он действует.

4. Аналитика по большим объемам данных. Можно «натравить» Claude Code на папочку с отчетами или логами и попросить сделать выводы / предложить действия на основании наблюдений (мы довольно успешно применяем его на логах LangFuse).

5. Ваш вариант, напишите в комментариях, пожалуйста.

Важно! Инструмент подходит практически каждому, кто так или иначе сталкивается с цифровой сферой, и не попробовать его — просто преступление.

С чего начать:

1. Руководство от Anthropic, это авторы продукта. Примечательно, что можно смотреть на русском языке. Видимо, ребята что-то знают. https://docs.anthropic.com/ru/docs/claude-code/overview

2. Сообщество вокруг продукта. Английский, но очень много интересных примеров интеграции и кейсов. https://claudelog.com/

Привет, друзья! Заканчивается лето и начинается осень, а значит и следующий рывок в бизнесе, карьере и учёбе.

Я достаточно много общаюсь с предпринимателями и бизнесом про AI, и в последнее время начал замечать некую фрустрацию в определении будущего направления развития.

Совершенно очевидно, что тот тектонический сдвиг, который происходит сейчас, изменит наше представление о «традиционных» методах ведения бизнеса и полностью перекроит их.

Уже сейчас надо задумываться о том, кем каждый станет через год, чем будет заниматься, над чем работать, чему посвящать свою жизнь.

Я думаю, что настоящая мощь новых технологий для профессионалов и тех, кто хочет ими стать, заключается в возможности стать one-man enterprise.

В недавнем интервью Сэм Альтман (CEO OpenAI) говорил, что ждет появление компании с миллиардной капитализацией, в которой работает всего лишь один человек — её основатель.

Еще 5 лет назад это казалось бы полнейшим бредом, а сегодня выглядит более чем правдоподобно.

Инструменты, которые нас окружают, становятся мощнее каждый день. И если выстроить вокруг себя структуру, эта структура будет эволюционировать вместе с развитием инструментов и моделей, которые лежат в её основании.

Поднимем бокалы Желаю каждому через год стать руководителем и владельцем своей небольшой компании, где большинство функций выполняется языковыми моделями и механиками, с ними связанными.

А если не хватает мотивации, то можно обратиться к знаменитой цитате об этом Тёмы Лебедева. Не буду её приводить, она довольно известна :-)

Теперь о планах. Во второй половине сентября провести курс n8n-advanced, куда я включу «рецепты» по созданию мультиагентных систем на базе n8n с учетом всего наработанного опыта.

Запрыгнуть в лодку никогда не поздно. Если хотите освоить n8n до вменяемого уровня, на просторах YouTube есть замечательный человек, которого зовут Nate Herk. У него есть мастер-класс на восемь с половиной часов, это как раз на выходные.

Дерзайте! https://www.youtube.com/watch?v=Ey18PDiaAYI

p.s. Если есть проблемы с YT, то вот тут скачанный мастер-класс в mp4.

Привет друзья! Анонс.

С 22 сентября стартует интенсив на 2,5 недели по продвинутым практикам n8n. Мы с ребятами собрали самые горячие темы и сделали серию из пяти занятий, где последовательно пройдём по ним.

Всё, о чём я буду рассказывать, включает мой собственный опыт по созданию подобных систем и использованию их в Production.

Курс подойдет для тех, кто уже разбирается в n8n и готов сделать шаг вперед — базовые основы проходить не будем.

Мне кажется, один из наиболее интересных моментов курса — это создание настоящего RAG-пайплайна с помощью n8n и Weaviate на базе AI-агента.

Также мы подробно рассмотрим Evaluations, это позволит проводить тестирование на основании датасетов, таким образом проверять качество ответов и автоматизации в целом.

Традиционно, предлагаю засучить рукава и нырнуть в n8n. Увидимся!

Описание тут: https://automatica.io/n8n-automation-advanced

Билеты тут: https://automatica.timepad.ru/event/3570009/

p.s. Обратите внимание, что для физических и юрлиц стоимость разная.

Привет, друзья! Много лет, начиная с 2014 года, я занимался созданием систем, которые принадлежат классу LMS (Learning Management System или система управления знаниями).

Сценарий был очень простым: в платформу загружались обучающие материалы, которые распространялись по сети сотрудников через их мобильные устройства. Они проходили обучение, после чего отвечали на вопросы тестов и таким образом, мы подтверждали, что как минимум сотрудники владеют материалом на уровне ответа на вопросы (ещё есть целый скрытый пласт, который касается использования знаний сотрудниками, но это совершенно другая история…)

В какой-то момент с одним из продуктов нам удалось построить, де-факто, стандарт на ресторанном рынке Москвы, при помощи которого обучались сотрудники крупнейших московских сетей, включая топовую Кофеманию (хотя там и без нас с обучением персонала было всё хорошо).

Одним из важнейших элементов в обучении является не сама платформа, а контент, который вы подготовите и загрузите, а с этим у наших клиентов всегда были проблемы. Часто люди, которые отвечали за подготовку контента для обучения, толком сами ничего не понимали и из-за этого мы сталкивались с постоянными проблемами качества материалов.

Решали этот вопрос через методологов, которым платили вполне себе ощутимые зарплаты за то, что они брали кипу разрозненной информации от клиента и собирали из неё более-менее вменяемые материалы, которые потом можно было отдать сотрудникам для прохождения обучения.

У меня есть много различных клиентских презентаций, в которых я «мечтал» о появлении гиперперсонализации в обучении, когда контент будет готовиться под конкретного человека, учитывая его индивидуальные способности к освоению того или иного материала.

Прошло 10 лет…

Практически каждый день пользуюсь notebooklm от Google и считаю этот продукт просто фантастическим для обучения. Помимо того, что он умеет обрабатывать достаточные объемы информации, строить из этого структуру в виде MindMap, отвечать на вопросы по контенту, он с легкостью переваривает сложные научные работы, превращая их в вполне себе доступные презентации (недавно стал доступен русский язык).

Видео выше — объяснение одной из самых популярных статей на arxiv.org, которая посвящена новой архитектуре Transformer, на базе которой строятся современные LLM.

Теперь каждый может самостоятельно освоить всё, что угодно. Главное — желание.

p.s. Попробуйте загрузить в NotebookLM код какого-нибудь проекта и сделать видео по нему — бомба!

Привет, друзья! Время от времени ко мне приходят знакомые и друзья с вопросом: «Антон, а ты же в компьютерах понимаешь, скажи, куда моего X-летнего сына / дочь отдать учиться, чтобы его потом не заменили роботами и этим вашим Искусственным Интеллектом?»

Скажу честно, всем, у кого дети проявляют технические навыки и интересуются программированием и электроникой, я советую (парадоксально) начать заниматься робототехникой.

Это не реклама какой-либо робототехнической школы, это, скорее, мой личный взгляд на будущее в горизонте 5–10 лет.

Если бы мне сейчас было 13 лет, я бы выстраивал свой творческий путь в направлении создания / программирования / управления андройдами (человекоподобными роботами).

Почему именно андройды: наш мир спроектирован людьми для людей, поэтому всё, что мы придумали до настоящего момента (начиная от высоты ступенек, заканчивая люками на космических станциях) «заточено» под наши геометрию и кинематику.

После того, как мы (страна / человечество) оседлаем AI до уровня AGI, а это, на секунду, полностью цифровая среда, речь пойдёт о том, как начать применять накопленные знания в физическом мире. Андройды с AI на борту — это следующий органический шаг в этом направлении.

Если посмотреть на товарища Маска, то в своих бизнесах он развивает различные части общей экосистемы, и одна из них — роботы Optimus. Видимо, Elon что-то знает.

Начать традиционно нужно с зажигания интереса в ребёнке, вот что я думаю: у нас открыли границы с Китаем и можно на каникулах поехать с сыном или дочерью на выставку роботов, коих в Китае проходит довольно много, одна из таких была в августе в Пекине (WRC 2025).

Для нашей страны роботизация может стать решением массы сопутствующих проблем, начиная от сельского хозяйства (автономные фермы), заканчивая решением вопроса с трудовыми мигрантами, который сейчас стоит довольно остро.

What a great time to be alive, как говорится.

p.s. Что делать людям творческих профессий: максимально прокачивать свою уникальность и аутентичность. Прочитайте Almanack of Naval Ravikant, там довольно подробно изложены основные принципы.

Между тем, вышла новая модель Claude Sonnet 4.5!

Судя по тому, что написано на сайте Anthropic, это лучшее, что доступно сейчас.

https://www.anthropic.com/news/claude-sonnet-4-5

Прощай, сон...

Привет, друзья! Вчера в ночи на занятии по n8n-advanced рассказывал историю и решил сегодня написать про неё тут.

Как-то в стародавние времена я преподавал в Британке продуктовым дизайнерам и там мы использовали очень простую и действенную методику, которая помогала быстро наработать навык проектирования / визуального дизайна.

Работало так: группе давалось изображение интерфейса / паттерна и задача стояла в том, чтобы его повторить максимально близко к оригиналу. Ничего не надо выдумывать — просто повторить.

Сам процесс повторения вырабатывал навык с одной стороны, а с другой — помогал разобраться что же там под капотом в оригинале (размеры, отступы, элементы управления).

Сейчас я делаю примерно то же самое с n8n — даю «младшей группе» ссылку на какое-нибудь обучающее видео по n8n на YT, задача — повторить workflow максимально близко к оригиналу.

Недавно наткнулся на один очень прикольный на мой взгляд пример, парень делает нано-контент-завод на Veo3-fast от Google через API. Генерируется минутный ролик, который склеивается из восьми сцен, загружается и публикуется на YT автоматом.

Если захотите поэкспериментировать на выходных — время повторения воркфлоу с нуля около 1 часа. В результате получите примерно то же, что на видео к посту.

Оговорюсь, что потребуются платные доступы к генератору и blotato для публикации (можно без него, кстати). Стоимость генерации одного минутного видео ~$2.5, все сцены создаются автоматом, ваша задача — определить только общий сюжет, ответив на вопрос «про что это видео».

Удивительные времена, ведь через месяц к такому же генератору будет подключена Sora 2, и doomscrolling в интернете приобретет совершенно иные масштабы… Бедная дофаминовая система…

p.s. Законченный workflow в первом комменте, но это только для ориентира ;-) Хэппи фрайдэй!

Привет, друзья! Несколько лет назад, когда я рассказывал людям про Ai, я делал акцент на том, что креативные профессии защищены и тогда это действительно было так.

Если посмотреть на то, как работает большинство генеративных сетей (текст, картинки, видео, аудио), то можно сделать вывод, что они замечательно справляются с задачей «повторения» виденного ранее и очень удачно миксуют различные примеры обучающей выборки в более сложную форму.

Некоторые знают, что большую часть своей жизни я был связан с музыкой — начал играть на гитаре в школе, потом много лет в разных группах, очень серьёзно увлекался Nirvana, Smashing Pumpkins, Bush, Radiohead, Placebo.

Помню, что во времена моей молодости люди сильно «кластеризовались» по музыкальным интересам, и «ты что слушаешь?» был одним из основных вопросов для того, чтобы понять, из какого кластера стоящий перед тобой человек и насколько вы вообще «совместимы».

Оглядываясь назад, я понимаю, что каждый человек был определённым образом «сконфигурирован» и струнки его души задевала лишь часть доступного творчества.

Как говаривал мой любимый Е. Гришковец: «Какие нужны условия, чтобы почувствовать?» :-)

Музыка была и остаётся тем языком, который способен вызвать чувства, теперь «под нейросетевым ударом». Suno.ai совершает тихую революцию в музыке, их последний генератор настолько хорошо генерирует материал почти с первого раза, что вызывает удивление даже у видавших виды.

Я как-то шутил, что можно будет автоматически делать автоматические саундтреки в стиле шансон для шашлычных, а сегодня понимаю, что можно делать гиперперсонализированные альбомы для _каждого_ слушателя, за которые он будет готов платить потому что «чувствует».

Всем, кто имеет хоть какое-то отношение к музыке рекомендую пойти и посмотреть что такое Suno AI Studio. Вот тут рассказывают про неё: https://www.youtube.com/watch?v=HlkoEt9BleU

А если вы интересуетесь автоматизацией, то вам сюда: https://kie.ai/playground/suno — это API, который в один запрос прикручивается к n8n и вы получаете генератор, который можно применить в любом «креативном» сценарии.

О, дивный мир.

Привет, друзья! Вчера я провёл последнее занятие курса n8n-advanced, где делился нашими наработками последнего года в части автоматизации с помощью n8n.

На мой взгляд, получился концентрированный и полезный материал, для меня особенно интересными оказались вопросы, которые касались работы n8n под нагрузкой, RAG и on-prem в корпоративной среде.

Хочу немного поделиться планами: есть аппетит записать открытый курс по базовому n8n: установка и первоначальная настройка, простые workflow с Ai-нодами, интеграции с Telegram, простой RAG в виде последовательного изложения.

Есть единственный момент, который вызывает сомнения: сейчас интернет/YT кишит материалами и курсами формата «с нуля до профессионала n8n за два часа». Я не против, конечно, но не сильно верю в чудеса и не хочу повторяться :-)

Хочу обратиться к своим читателям и спросить, ответы на какие вопросы вам хочется получить в рамках n8n, что не получается сделать, с чем больше всего головной боли? Напишите в комментах, пожалуйста, максимально развёрнуто, возможно, какие-то из задач можно будет оформить в виде «пятиминуток», которые я временно забросил из-за нагрузки.

Прицельная работа мне нравится больше всего, основная цель — максимальная польза.

Привет, друзья! Третьего дня OpenAI выпустили AgentKit — визуальную среду для создания агентов на базе собственных сервисов.

По-моему, только ленивый не написал про это, а где-то даже раздавались приглушённые крики «убийца n8n» :-)

Вот моё мнение. Из приятного: OpenAI встали на путь демократизации Ai-агентов и существенно снизили порог входа а) в мир агентов, б) на свою платформу.

Ребята приделали большое количество разных интеграций, из коробки доступна часть экосистемы Google, есть джентльменский набор платёжных провайдеров, CRM, магазины. Есть «окно в вечность» в виде интеграции с Zapier, который будет выступать в роли интеграционного хаба в кучу других приложений.

Присутствует минимальный набор управления течением flow в виде условных ветвлений процесса, while, Human-in-the-loop, есть механики преобразования данных и простой работы с переменными через State.

Наиболее крутая вещь, которая меня обрадовала — это встроенные ноды Guardrail, которые позволяют валидировать и модерировать информацию.

На этом почти всё.

Для первой версии все это выглядит довольно неплохо, есть пара критичных моментов, которые ставят под вопрос использование подобных инструментов в боевых автоматизациях в отрыве от функциональности.

Прежде всего, это приватность данных, тотальная зависимость от OpenAi как от провайдера моделей, невозможность интеграции с внутренними системами компаний без рисков безопасности.

Сравнивать n8n и AgentKit как-то даже некрасиво… Но, повторюсь, для первой версии — огонь.

В заключении хочу сказать, что я никогда не пропагандирую использование одного единственного инструмента, как решение всех проблем. Я, наоборот, всегда топлю за то, чтобы у человека в руках был спектр различных инструментов-возможностей, которые он будет применять, исходя из сложности и типа поставленной задачи.

Привет, друзья! Недавно появилась довольно интересная концепция, которая называется Schema Guided Reasoning. Её авторы придумали подход, который позволяет даже небольшим моделям выполнять задачи на уровне сложных и «умных» (разумеется, в ряде случаев).

Смысл состоит в том, что фантазия агентов явным образом ограничивается, и им задается четкая структура мышления, за рамки которой они не могут выйти.

Условно получается некий FSM (конечный автомат), который в рамках кода определяет поведение агента, работу с инструментами, форматы ввода / вывода.

Это очень ценно, потому что не всегда есть возможность использовать дорогие модели, и всё чаще нам приходится ограничиваться локальными моделями, которые проявляют гораздо меньше сообразительности, чем их старшие собратья.

В этом случае интеллект модели, точнее его недостаток, компенсируется тщательным описанием правил её работы. Единственный минус — схема работы статична.

В конце сентября ребята из Google выпустили другую интересную концепцию, которая называется Reasoning Bank.

Смысл заключается в том, что создается некое хранилище (память), в котором накапливаются дистиллированные стратегии предыдущих рассуждений, на основании которых каждый последующий запуск сначала ищет ответ на вопрос «как мы уже решали эту задачу» и не фантазирует заново.

Этот подход напоминает идею из Reinforcement Learning, где агент накапливает опыт и учится на своих действиях (подобно Experience Replay в Q-Learning), но вместо численных оценок здесь используются текстовые стратегии.

Я думаю, что можно объединить эти две механики и получить некий гибрид, который условно назовем Adaptive SGR, получив записную книжку с «хитростями» (Reasoning Bank) и набор шаблонов и трафаретов для точной работы (SGR).

Возможно даже, что для комплексных задач можно иметь надстройку в виде Reasoning Bank и исполнительный уровень в виде агентов на базе Adaptive Schema Guided Reasoning.

Я надеюсь, что в будущем со всеми этими свистелками и прибамбасами мы сможем гонять достаточно сложные агентные workflow даже на слабом железе.

Нихао, друзья! Есть такая прекрасная компания из Китая, называется Zhipu AI (z.ai). Так вот, недавно они выпустили семейство моделей GLM 4.6, которые на очень неплохом уровне справляются с задачами кодирования и пригодны для агентного использования.

Примечательно, что у ребят есть специальные кодинг-планы и самый доступный из них стоит всего $3/месяц.

Контекстное окно у старшей модели довольно большое (200К), поэтому легко можно использовать их для анализа больших репозиториев и работы с объемным кодом.

Конечно, модели GLM никаким лидером рынка назвать нельзя, но они определенно обладают рядом преимуществ по сравнению со старшими братьями Claude 4.5 Sonnet и GPT-5 Codex.

Как минимум, это стоимость, которая важна для масштабных исследовательских задач + GLM по их тестам(!) лучше Sonnet 4.5 в Reasoning + Agentic Capabilities, хотя проигрывает по кодированию.

Например, сейчас у меня в команде есть задача по исследованию 40 репозиториев довольно разношерстного и разнообразного кода одного из крупных проектов.

Теоретически можно использовать для этого Claude Code с их собственными моделями, но я боюсь, что чек за такое исследование может стать довольно объемным.

Мы написали скрипт и теперь через Claude Code с GLM под капотом гоняем исследования практически автоматом, получая очень подробные выдержки из репозиториев с описанием основных функций и того, что нас в них интересует, причём исследования вполне себе достойного качества.

Да-да, GLM 4.6 можно использовать практически со всеми тулами vibe-кодинга, включая Claude Code: нужно добавить чуть-чуть конфига в .claude/settings.json + запустить Claude Code с API ключиком GLM 4.6

Инструкция тут.

Кстати, примечательно, что у моделей GLM 4.6, потрясающей по сравнению с остальными моделями, способности к агентному использованию браузеров (aka Browser Use), что вкупе с Claude Code и Playwright MCP даёт небывалые возможности для отладки приложений и задач, которые касаются работы и вебом.

Если кто-то использует, поделитесь своими впечатлениями!

Привет, друзья! На прошлой неделе выступал в школе и рассказывал 13-летним как построить простого бота в TG с использованием n8n.

Несмотря на то, что у меня уже есть некоторый преподавательский опыт, могу констатировать, что объяснять детям — отдельный вид искусства.

Даже не потому, что нужно владеть их вниманием и не давать отвлекаться, нужно уметь простыми и понятными словами объяснять сложные вещи. LLM, агент, автоматизация, вебхук, триггер, память и так далее.

Если у вас есть детская школа программирования и вы учите автоматизации, напишите в личку, пожалуйста, интересно посмотреть программу, может быть, что-то придумаем вместе.

p.s. Мальчик на видео мастерски меняет тембр. Репетиции делают чудеса :-)

Привет, друзья! Помните, пару лет назад у Яндекса утекли исходники из-за внутреннего слива? Как-то в интернете мне попался на глаза файл из этой утечки, это были фразы для Алисы (ассистент), которые ставили её на паузу.

Могу сказать, что это очень занимательный списочек, даже и не подумаешь сколько всего она «выслушала» за свою жизнь.

В качестве очередного эксперимента с видео в одном из учебных проектов, получилась вот такая композиция (видео), мне кажется, очень неплохо :-)

Тут собраны фразы из словаря пауз и только они.

Стихи из кода придуманы Gemini, музыкальный трек — Suno v5, видео — MidJourney.

Полностью автоматический пайплайн в n8n.

А как звучит код ваших проектов? :-)

Привет, друзья! Случилось хорошее. Вышел продукт под названием Chandra от Datalab для преобразования всего в Markdown.

Традиционно, Markdown является чуть ли не самым главным форматом, который нативно понимают и выдают почти все LLM и перед нами почти в каждом проекте стоит задача преобразовывать что-то в Markdown, особенно, если это что-то приходит от пользователей.

На своих занятиях я топлю за LlamaParse от LlamaIndex, качество мне нравится больше всего, есть довольно объёмный бесплатный Tier, которого обычно хватает для небольших проектов.

Chandra показывает _очень_ хорошие результаты, к тому же продукт можно развернуть локально и использовать с vllm (модели Chandra до 20Gb, поместятся в 4090).

Разумеется, есть и API, и Playground. Хороший день.

p.s. С 17 ноября планируется второй поток моего авторского курса n8n Advanced, скоро будет анонс.