Хакатон для ВШЭ

Совсем забыл написать, что на прошлых выходных провел хакатон для ВШЭ.

10 лет назад я мечтал поступить в ВШЭ, сначала на бакалавриат, потом думал идти на магистратуру, но судьба решила иначе.

Теперь я сам был преподавателем для магистрантов и закрыл некий гештальт по этому направлению.

Мы собрали около 50 человек и 15 команд, каждая из которых успела собрать работающее решение на стеке Bolt + Supabase + n8n (потому что Lovable вероломно перестал открываться за день до хакатона)

Наш 2-ух часовой хакатон по итогу вышел даже более живым и продуктивным, чем часовой хакатон хегай, на котором я был в жюри неделей ранее.

Это отличный пример того, что в наше время человек с минимальным техническим опытом может разработать MVP продукта в течении всего пары часов.

Может быть организовать свой хакатон или интенсив по контент-заводам, что думаете?
____

Если хотите изучить этот стэк - присоединяйтесь к сообществу

Самообучающиеся агенты

На днях разбирал winning solution с конкурса ERC3 по построению ИИ-агентов. Парень выиграл с системой, где агенты сами себя улучшают - без человека.

Архитектура довольно простая: основной агент на Anthropic SDK с Claude Opus 4.5, все инструменты описаны в одном файле, динамические HTTP-запросы к API бенчмарка. Ничего сложного.

Системный промпт собрал все правила из корпоративной вики в компактный алгоритм: проверить личность, верифицировать права, собрать данные, вернуть результат.

Но самое интересное - это три агента, которые работают в связке.

Первый агент запускает бенчмарк и решает задачи, логирует всё подряд. Второй анализирует логи проваленных задач и формулирует гипотезы, что пошло не так. Третий читает эти гипотезы, решает что внедрить и генерирует новую версию промпта.

Получается замкнутый цикл: прогнал бенчмарк → проанализировал ошибки → пропатчил промпт → повторил.

Финальный промпт, который пошел в продакшн, был 80-й генерацией. Он автоматически эволюционировал из базовой версии через десятки итераций, каждая из которых фиксила конкретные паттерны ошибок.

Никакого ручного prompt engineering. Просто агенты, улучшающие агентов.

Как вам такой подход? Пробовали что-то похожее?

Прочитали пост выше? А теперь самое интересное - я написал его с помощью самообучившегося ИИ-агента. ХА

В чем вообще фишка - когда вы просите улучшить что-то в ChatGPT, то он запоминает это лишь на ближайшее время, далее память сжимает все что было до короткого саммари.

Таким образом “обучение” ИИ-агента возможно через память, системный промпт или файнтюнинг. К файнтюнингу прибегают очень редко, а вот память и промпт являются по сути главным рычагом влияния на агента. При этом и память, и системный ромпт одно и то же - это инпут, который вы отправляете вместе со своим сообщением.

Системный промпт в итоге остается мозгом ИИ-агента и именно через его улучшение вы можете добиться более хороших результатов.

Поэтому так важны разработки самообучающихся агентов, которые могут улучшать свой промпт по ходу разговора.

Я решил собрать такого бота на n8n - это достаточно просто. Я вручил агенту инструмент, который является еще одним агентом для обработки изменений и обновления системного промпта.

Каждый раз, когда мне что-то не нравится, агент идет менять свой “мозг” и далее выдает более релевантные результаты “навсегда”, а не только насколько хватит ему памяти.

В итоге, используя систему с такими агентом, каждый ваш чат будет автоматически затачиваться под определенную задачу и самообучаться на вашей обратной связи.

Так и вышел предыдущий пост - сначала я скормил решение и попросил сделать пост, а далее дал обратную связь и пример моего поста, чтобы скорректировать формат. ИИ-агент скорректировал не только сам текст, но и свой промпт и теперь в следующий раз он будет писать как надо.

UPD: мини-гайд https://www.loom.com/share/4cb014a8894b4ab2b81755031e8020e6
____

Готовый шаблон уже в сообществе