Пора вспомнить про RFC 1149 (https://ru.wikipedia.org/wiki/IP_посредством_почтовых_голубей)

Делимся инструкцией, как запустить ИИ-чат за шесть шагов.
Внутри гайда порядок действий со списком сервисов и параметрами настройки;
команды и конфиги, которые можно скопировать и использовать;
настройка Open WebUI для работы с готовыми моделями через OpenAI-совместимый API и выбор модели прямо в интерфейсе чата;
практическая настройка защиты, ограничение доступа по IP-адресам, а также использование SSL-сертификатов для шифрования соединений.
↘️ https://cloud.ru/offers/6-shagov-dlya-razvertyvaniya-chata-s-aihttps://cloud.ru/products/evolution-managed-clickhouse

🤖 Изучите новый бесплатный курс от нашей команды о практиках развертывания, эксплуатации и автоматизации ML-систем с использованием корпоративных платформ данных.
Подходит всем, кто хочет надежно и масштабируемо внедрять ИИ‑модели. 
↘️ https://cloud.ru/education/kurs-cloud-ru-mlops-engineerhttps://cloud.ru/products/evolution-managed-clickhouse

🎙️ Выложили записи новых увлекательных вебинаров про ETL в облаке: от хаоса к управляемым процессам и корпоративный AI-чат: от выбора модели до работающего прототипа. 
↘️ https://cloud.ru/events/etl-v-oblake-ot-khaosa-k-upravliaemym-protsessam-8801681214

© Editor_cloud_ru
https://habr.com/ru/users/Editor_cloud_ru/
...

5 задач бизнеса, которые уже выполняют голосовые AI-агенты

Голосовые агенты перешли из пилотов в рабочие процессы: компании поручают им не только ответы на вопросы, но и реальные действия в CRM, календарях и заказах. Ниже — пять задач, которые голосовой AI агент (voice AI агент) уже закрывает без операторов.
https://habr.com/ru/posts/1013684/

Психобиотики: как кишечник незаметно управляет нашим настроением

Вы когда-нибудь задумывались, почему в животе иногда «сосёт от тоски» или, наоборот, «бабочки порхают»? Это не просто образные выражения. В вашем кишечнике скрыто около 100 миллионов нервных клеток — целая нейросеть, которую ученые окрестили «вторым мозгом».
И она постоянно переписывается с главным мозгом, влияя на то, радуемся мы или грустим.
↘️ https://habr.com/ru/posts/1012774/
...

Исследовательская организация METR опубликовала подробный анализ, который ставит под сомнение реальную эффективность ИИ‑агентов в программировании.

Исследователи проверили, насколько результаты одного из главных отраслевых бенчмарков SWE‑bench Verified соответствуют практике разработки с участием живых мейнтейнеров open source‑проектов.

Выяснилось, что около половины решений, которые автоматическая система оценки считает успешными, в реальности не были бы приняты в основной код
↘️ https://habr.com/ru/posts/1013778/
...

Антропик создал курс по «скилзам» (англицизм, skills), а по‑русски — навыкам.

📙 Курс по навыкам агентов искусственного интеллекта.

Ускоряем разработку в разы: специалист по ИИ собрал пять репозиториев для Claude Code, чтобы автоматизировать большинство задач в рутине программиста:

Superbase CLI — управление миграцией БД на PostgreSQL, генерирует типы из схемы БД, создаёт аутентифицированные HTTP-запросы.

Skill Creator — позволяет создавать агентные скиллы без лишних заморочек, постоянно улучшаете и оттачиваете навыки Claude для конкретных задач.

Get shit done — создаёт легковесную систему разработки с контекстным инжинирингом и поддерживает Claude Code, OpenCode, Gemini CLI, Codex, Copilot, и Antigravity.

Notebooklm-py — обеспечивает программный доступ к фичам NotebookLM, который очень хорошо будет смотреться с агентами Claude Code, Codex, и OpenClaw.

Obsidian.md — аналог NotebookLM со схожим функционалом, который работает в России и в него можно интегрировать Claude, чтобы получить мощный ворфлоу.

rules отдельно, skills отдельно: система правил для ИИ-агентов в Claude Code

Возвращаюсь к своему опыту работы с Claude Code.
Там за неделю накопилось несколько интересных решений в работе контентными агентами.

Например, добавил устойчивость к ошибкам WebSearch и начал сохранять результаты проверок для дообучения. Но сначала надо вам рассказать про правила.

Почему rules, если есть уже привычные skills? Разница между этими сущностями принципиальная:

➡️ rules — это «как оформлять» (ограничения, чеклисты, формат),

➡️ skills — «что знать» (предметная экспертиза, справочники, методологии).
Rules загружаются автоматически через симлинки.
Skills вызываются по запросу, когда агенту нужна глубокая экспертиза.

Но всё равно же не очень понятно, зачем такое разделение, да?

Правила не засоряют контекстное окно.
Файлы из .claude/rules/ загружаются в системный промт автоматически — агент соблюдает правила, не тратя токены на их обсуждение. Skills, наоборот, подгружаются только когда нужны.

Справочник на 200 терминов не висит в контексте постоянно — он появляется в момент, когда автору пора писать, и не мешает исследователю или фактчекеру.

Когда агентов больше одного, правила написания текстов неизбежно дублируются.
Обновил термин в одном месте — забыл в трёх других.

Решение: вынести все правила в единую директорию rules/ и раздавать агентам через симлинки в .claude/rules/

При этом сами правила делятся на два уровня:

➡️ Общие (rules/common/) загружаются в каждого агента: терминология, стиль, грамматика, протокол работы субагентов.

➡️ Доменные (rules/{domain}/) добавляют специфику формата: у SEO-статьи свои требования к структуре, у пресс-релиза — свои, у лендинга — свои.

Доменные папки могут содержать файлы с теми же именами, что и в common/.

Это не дубли, а дельты — дополнения и уточнения общих правил для конкретного формата.
Агент загружает оба файла и применяет оба набора ограничений.

Результат: один файл правил — один источник правды. Изменил правило в rules/common/ — оно обновилось у всех агентов.

Новый агент подключается за минуту: создал .claude/rules/, добавил симлинки — готово.

Как это работает в оркестрации

В модульной системе с субагентами разделение rules и skills становится особенно важным.

Типичный пайплайн:

1️⃣ Оркестратор собирает параметры задачи через wizard.
2️⃣ Субагент-исследователь загружает свои rules (протокол работы, устойчивость к ошибкам поиска), ищет данные, возвращает структурированный конспект.
3️⃣ Субагент-автор загружает свои rules (доменные стандарты формата + общие правила качества) и skill (экспертная специализация), пишет текст по конспекту.
4️⃣ Субагент-проверщик загружает свои rules (требования к фактам и качеству), проверяет текст независимо.

Каждый субагент получает только нужные данные (чистый контекст) и только свои правила. Исследователь не знает правил оформления — они ему не нужны.

Автор не знает, как проверять факты — это задача следующего субагента.
Фактчекер не знает, как писать — он только проверяет.

Такое разделение позволяет держать контекст каждого субагента компактным и сфокусированным.

Источник:
↘️ https://habr.com/ru/posts/1013544/
...

Небольшой хак для работы с нейросетью GLM-5

У проекта есть бесплатный чат, а что ещё важнее у них есть бесплатный агентный режим.
Нейроесть бесплатно доступна по адресу: https://chat.z.ai

Каких-то ограничений в бесплатной версии я не видел, в целом достаточно интересный и главное бесплатный проект.
Есть только одна проблема, веб интерфейс поддерживает загрузку только определенных типов файлов: txt, doc, docx, pdf, png, mp4, py, ничего кроме разрешенных форматов загрузить нельзя. Т.е. если у вас проект на c#, php или любом другом языке, то придётся каждый файл переименовать и загружать как txt ))
Да и ещё один не очень приятный момент, одновременно через web можно загрузить не более 10 файлов, а если у вас в проекте их 30?
Что тогда? Установить у каждого из них расширение txt и загружать 3 раза по 10 файлов?
К счастью нас спасает то, что в отличие от веб интерфейса, сам агент будет поумнее и может то, что через веб не разрешено.
Я нашел для себя хороший простой способ, позволяющий обойти эти ограничения.
Запаковываем папку с проектом в zip архив и добавляем расширение docx (другие расширения не подойдут, так как сервер проверяет контент на соответствие расширению, а docx это по факту и есть zip)
После чего грузим его через интерфейс и пишем агенту примерно следующий текст:
Переименуй файл myproject.zip.docx в myproject.zip и распакуй в папку с проектом.

Все... Агент выполнит вашу просьбу, распакует архив и сможет работать с файлами вашего проекта.

Источник:
↘️ https://habr.com/ru/posts/1013358/
...

Студентам и научным руководителям: 3 бесплатных курса по ИИ от Яндекса и ВШЭ

В Яндекс Практикуме появляется всё больше курсов по использованию ИИ в учёбе.
Делимся небольшой подборкой для всех, кто собирается поступать, уже учится или преподаёт.
Все курсы бесплатные, без дедлайнов, а доступ остаётся навсегда.
↘️ https://habr.com/ru/posts/1013582/

Внутри вы найдёте теорию с примерами, а также квизы и задачи для закрепления материала.
Прохождение самостоятельное, но с вами будет ИИ-помощник: он объяс��ит сложный термин, приведёт примеры, даст подсказку при выполнении задания и поможет сориентироваться в контенте уроков.
1. «Нейросети для учёбы» 
Кому: старшеклассникам и студентам первых курсов
Время прохождения: 13 часов в своём темпе
В конце вы получите сертификат о прохождении курса
На курсе вы научитесь готовить конспекты, проводить исследования и готовиться к экзаменам, а также освоите техники промптинга для написания эссе и создания иллюстраций. Расскажем, как быстро структурировать любые данные и как использовать ИИ для персонального тайм-менеджмента. Также вы узнаете, как пользоваться нейросетями осознанно и безопасно.
Узнать о курсе подробнее и начать учиться →
2. «ИИ и промптинг для студенческих проектов»
Кому: студентам бакалавриата и магистратуры
Время прохождения: 8 часов в своём темпе
В конце вы получите сертификат о прохождении курса 
Курс даёт базу для ответственного использования ИИ в учебных и исследовательских задачах. Вы научитесь формулировать тему, искать и анализировать информацию, планировать исследование, оформлять и проверять работу с помощью ИИ. А также разберётесь, как применять ИИ осознанно и представлять этот опыт на защите курсовой или дипломной работы. 
Узнать о курсе подробнее и начать учиться →
3. «ИИ и промптинг для научных руководителей»
Кому: преподавателям и научным руководителям
Время прохождения: 9 часов в своём темпе
В конце вы получите сертификат о прохождении курса
Курс основан на опыте проекта Яндекс Образования и ФКН ВШЭ, апробированного в 11 вузах с участием более 500 студентов и 250 преподавателей. Вы разберётесь в возможностях и ограничениях технологий, научитесь формулировать критерии их применения и давать аргументированную обратную связь по работам студентов.
Вы научитесь писать качественные промпты, а также узнаете, как с помощью ИИ искать и анализировать научные источники, формулировать темы и гипотезы исследований, оформлять библиографию и визуализировать данные. А ещё познакомитесь с ИИ-инструментами, которые помогут автоматизировать рутинные задачи.

Узнать о курсе подробнее и начать учиться →
...

Зачем ограничивать связь?

Если это для борьбы с БПЛА, то можно же отследить странное перемещение сигнала от вражеского мобильного устройства даже без GPS данных от него, используя Location‑based services (LBS) + MLP + подключить в наше время к анализу ИИ.

Сразу выборочно направлять данные о подозрительном объекте «куда следует» и блокировать.
Чем больше станций — тем точнее, но почему‑ то наоборот «массово демонтируют оборудование провайдеров на опорах „Россетей“ — вредительство?»

Вот выдержка из гугла:
1. Как провайдер определяет скорость
Оператор не просто видит местоположение, он анализирует динамику изменения сетевых параметров:
Частота хендоверов (Handover Rate): Это основной показатель.
Если телефон переключается между базовыми станциями (Cell ID) каждые 30–60 секунд, алгоритмы сети понимают, что объект движется по трассе или в поезде.
Зная расстояние между вышками, система вычисляет среднюю скорость.

Доплеровский сдвиг (Doppler Shift):
При быстром движении частота радиоволны меняется (эффект Доплера). Оборудование базовой станции измеряет это отклонение, что позволяет определить мгновенную скорость объекта относительно вышки.

Изменение Timing Advance (TA):
Параметр TA определяет задержку сигнала и расстояние до вышки (шагами по ~550 метров). Если значение TA быстро уменьшается или растет, оператор видит радиальную скорость сближения или удаления.

2. Как провайдер определяет высоту (Z-координату)
Это более сложная задача, но в современных сетях (LTE/5G) она решается так:
Протокол LPP (LTE Positioning Protocol): Сеть может запросить у смартфона данные его внутренних датчиков.
Если в телефоне есть барометр, он передаст данные о давлении в зашифрованном виде оператору, что даст точность высоты до 1–3 метров.

MDT (Minimization of Drive Tests):
Это функция, при которой смартфоны анонимно передают отчеты о качестве покрытия, включая GPS-координаты (в том числе высоту над уровнем моря), если навигация включена.

UTDOA (Uplink Time Difference of Arrival):
Несколько вышек фиксируют время прихода сигнала с точностью до наносекунд. Разница во времени позволяет построить 3D-модель и вычислить высоту (Z), даже если у телефона нет GPS или барометра.
Это метод «обратной триангуляции».

Анализ диаграммы направленности:
Антенны на вышках имеют определенный наклон (Tilt). Анализируя, какой сектор и под каким углом принимает сигнал, система может предположить, находится ли абонент на земле или на верхних этажах небоскреба.
3. Где эти данные обрабатываются?

В архитектуре сети за это отвечают специальные узлы:

GMLC (Gateway Mobile Location Centre):
Шлюз, который собирает и выдает координаты внешним сервисам (например, экстренным службам 112).

LMF (Location Management Function):
В сетях 5G этот узел отвечает за сложные вычисления 3D-позиционирования в реальном времени.

Источник:
↘️ https://habr.com/ru/posts/1013138/
...

У меня много лет была одна любимая табличка — считал в ней зарплату с премиями, бонусами, всем этим счастьем. Простая, понятная, проверенная временем.
И вот сегодня поймал себя на мысли: она вообще не учитывает прогрессивный налог. Который, на секундочку, уже пару лет как есть. 
Дальше всё по классике.
Любой нормальный человек открыл бы формулу, поправил пару строк и пошёл дальше. Но нет. Я решил чуть заоверинжинерить и вместо фикса таблички сделал небольшой сервис — paycalc.ru
Сейчас там две вещи, которые мне самому переодически нужны:
посчитать зарплату с учётом налогов
сравнить две зарплаты, например текущую и оффер
Особенно второе оказалось полезным. Потому что «+50к» на бумаге и «сколько реально придёт на руки» — это иногда две разные истории.

В итоге задача на 10 минут превратилась в отдельный сервис.
Но зато теперь не надо каждый раз лезть в таблицу и вспоминать, где я там что сломал в формулах
↘️ https://habr.com/ru/posts/1013038/
...

Представлен открытый учебный проект OpenMAIC (Open Multi-Agent Interactive Classroom).
Это нейроуниверситет, который может помочь за несколько занятий выучить материал на 100 страниц (демо в браузере):
работает как полноценная лекция + практика — есть ИИ-преподаватель и ИИ-студенты.
на заданную тему ИИ её разжёвывает, а потом закрепляет практикой и самыми каверзными вопросами.
можете слушать и фиксировать, а можете принять участие — голосом или текстом.
задали вопрос — получили ответ.
всё максимально удобно — лекции с озвучками, лазерной указкой и тестами.
ИИ-преподаватель разберёт все ошибки в понимании материала.
практика — прямо в браузере идёт имитация задач и физических экспериментов.
↘️ https://habr.com/ru/posts/1012924/

Представлен открытый проект ClawRouter, который максимально эффективно позволяет расходовать токены ИИ-моделей, анализируя задачи и подбирая нейросети, чтобы пользователи не переплачивали за лишний расход ИИ-мощностей:
анализирует запрос и оценивает его по 14 пунктам: сложность, комплексность, длина промпта и другие параметры.
подбирает эффективную модель из 40+ сервисов.
результат прилетает за секунды.
работает полностью локально.

итог: сложные задачи летят в более мощные нейронки с большим лимитом, а легкие забирает малышня.

Источник:
↘️ https://habr.com/ru/posts/1013242/
...

Собираем локальную агентную AI-систему

Если хочется не просто «чатик с нейронкой», а локального AI агента, который умеет ходить в инструменты (файлы и т. п.) и выполнять твои задачи, то вот статья, которую реально можно повторить руками: «От чат-бота к AI агенту: собираем локальную систему на LibreChat, Langflow и MCP».
Это подробнейший мануал с пятью уровнями сложности!

В этой статье покажем, как собрать связку из трёх ключевых компонентов:

LibreChat — UI для работы с LLM
Langflow — low-code платформа и визуальный редактор
MCP — стандарт для подключения инструментов

Структура статьи «по нарастающей»: можно остановиться на любом уровне — от простого локального чата до кастомизируемого агента.

Читать полностью:
↘️ https://habr.com/ru/posts/1012910/
...

Как стать Go-разработчиком?
Чтобы стать крутым разработчиком на Go, мало знать язык — нужно понимать как в целом устроена разработка, а еще осваивать инструменты, которые активно применяются на практике и облегчают повседневные задачи.

Ловите подборку таких инструментов — они идеально подойдут как для входа в профессию, так и для развития профессиональных навыков, а на Хабр Карьере уже полно актуальных учебных программ по каждому из них:

— SQL. Работаем с базами данных
— Git. Отслеживаем изменения в коде.
— CI/CD. Автоматизируем сборки, тестирование и развёртывание кода.
— Postman. Тестируем API через отправку HTTP-запросов и анализа ответов.
— Bash. Работаем с операционной системой и пишем скрипты.

Источник:
↘️ https://habr.com/ru/posts/1012796/
...

Архитектура голосового AI-агента для бизнеса

Голосовой AI-агент для бизнеса — это не просто связка распознавания речи и озвученного ответа.

Полноценная система объединяет каналы связи, ядро диалога, интеграции с внутренними сервисами, управление сессией и правила передачи разговора человеку. Именно эта связка определяет, сможет ли агент реально участвовать в бизнес-процессах, а не только отвечать на типовые вопросы.
↘️ https://habr.com/ru/posts/1012540/
...

Для Chrome вышло расширение для локального запуска браузерного AI-ассистента на базе Gemma 4 #habr
https://habr.com/ru/news/1029332/
Tags: chrome, google chrome, hugging face, gemma, gemma 4, браузеры, браузерные расширения, плагины, ai-ассистент, искусственный интеллект

Как использовать GitHub Actions и настроить интеграцию с PyPI для Python-проектов #habr
https://habr.com/ru/articles/1029354/
Tags: python, github, github actions, ci, cd, deployment, pypi, poetry, tutorial
Author: ViAchKoN

Империя наносит ответный удар: kad.arbitr.ru снова поддается парсингу (часть 1) #habr
https://habr.com/ru/articles/1029384/
Tags: парсинг, webassembly, reverse-engineering
Author: mullltifrukt

Мета-работа, память агентов и Product Graph: почему AI не спасёт продукт без структуры знаний #habr
https://habr.com/ru/articles/1029336/
Tags: управление знаниями, product management, product owner, ии-агенты, ии
Author: grixate

Prompt-first разработка: почему в эпоху AI код без утвержденного плана быстро становится legacy #habr
https://habr.com/ru/companies/t2/articles/1027862/
Tags: Prompt-first, вайбкодинг, codereview, ci
Author: jarick (t2)