Юрий Петров | ai engineering
1.75K subscribers
454 photos
45 videos
16 files
696 links
Привет! 👋
Я руководитель отдела разработки.
Здесь мы изучаем LLM, автоматизацию с n8n, делаем крутые приложения на Flutter и учим их думать с помощью ИИ.
Новости, лайфхаки, интересные кейсы, присоединяйся.
#flutter #dart #llm #ai #ollama #n8n #agent #go
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
Всем привет, хотите написать свой Claude Code и понять, как он работает?

Тогда для вас хорошая новость, я доделал полностью курс:
Создание AI-агентов на Go: Eino (LangGraph), ReAct, RAG, MCP.

Это практический курс по разработке AI-агентов на Go. Где мы собираем агента Mini Code (аналог Claude Code) своими руками: от первого вызова языковой модели до рассуждающего ассистента, который пользуется инструментами, сам пишет код, помнит контекст диалога и ищет ответы прямо в коде проекта.
Фреймворк курса, Eino от CloudWeGo, это нативный Go-фреймворк для LLM-приложений с графовой оркестрацией, готовым ReAct-агентом, инструментами, состоянием и interrupt/resume.

Ну и конечно, скидка моим подписчикам 30% с промокодом SUBS ☺️
🔥15😁1
Не долго музыка играла...
😢4
Всем привет, встречайте обновление курса «Математика LLM — Создаем Большую Языковую Модель своими руками» , где:

Полностью пересчитал на бумажке и через NumPy все расчёты, тензоры и матрицы.

Переработал код, теперь это не просто простыня непонятного кода, а разбил на логичные шаги.

Добавил ко всем модулям проверочные задания.

Добавил картинки в сложные для понимания шаги.

Также, полностью понял и разобрался, как семплировать модель и обучать, чтобы она отвечала как ChatGPT.

На подходе модули:

15. Улучшаем генерацию: sampling
16. Fine-tuning: учим модель отвечать как ChatGPT


Ну и конечно промокод для подписчиков на скидку 20%:  SUBS

P.S. благодарю ребят, которые указали мне на ошибки в расчётах 🤝
Please open Telegram to view this post
VIEW IN TELEGRAM
5🔥8
Юрий Петров | ai engineering pinned «Всем привет, встречайте обновление курса «Математика LLM — Создаем Большую Языковую Модель своими руками» , где: Полностью пересчитал на бумажке и через NumPy все расчёты, тензоры и матрицы. Переработал код, теперь это не просто простыня непонятного…»
Вышел Opus 5, говорят дешевле чем Fable, но ничем ему не уступает.
🔥8
Встречайте крупное обновление курса - Математика LLM — Создаем Большую Языковую Модель своими руками

Добавил 14-ый модуль:
Улучшаем генерацию: sampling, температура, top-k и top-p,
где
учим модель отвечать по-разному: вместо жадного argmax — сэмплирование, температура, top-k и top-p. Посчитаем, как всегда, всё ручками) и улучшим нашу модель.

- Проблема жадной генерации.
- Sampling, выбор следующего токена случайно.
- Параметр T (температура), насколько смелой будет модель.
- Параметр top-k, самые вероятные токены.
- Параметр top-p, сортировка токенов по убыванию вероятности.

Это важный шаг к реализации обучения, где мы сделаем реальный ChatGPT.

🎁 Для подписчиков канала промокод SUBS на скидку 20%.
🔥5👏1😁1
Как собрать свою GPT с нуля и наконец понять, что у LLM внутри?
https://stepik.org/a/276236

Большинство работает с языковыми моделями как с чёрным ящиком: вызвал API - получил ответ. Но на собеседованиях и в реальных задачах всё чаще нужно понимать, как модель устроена под капотом:
• Как текст превращается в токены и векторы?
• Как на самом деле работает механизм внимания (attention)?
• Что происходит внутри трансформер-блока?
• Как модель обучается и начинает генерировать текст?
• Как из простых формул собирается работающая GPT?

Курс «Математика LLM - Создаём большую языковую модель своими руками проведёт вас от нуля до собственной мини-GPT. Каждый слой пишем и считаем сами, а не берём готовым из библиотеки.
Внутри:
✔️ GPT-трансформер с нуля на чистом Python, без «магии» готовых библиотек
✔️ 15 модулей: от мини-математики и Python до обучения и генерации
✔️ 108 уроков, 330 шагов и более 150 проверочных заданий
✔️ Токенизация, эмбеддинги, attention, Multi-Head, FFN, training loop
✔️ Математика каждого шага на простых примерах + рабочий код
✔️ Своя мини-GPT в финале - её можно запускать, дообучать и менять
✔️ Проверка знаний после каждого модуля
✔️ Ответы автора прямо в комментариях к шагам

🎁 Для подписчиков канала промокод SUBS на скидку 20%.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥1🤣1
This media is not supported in your browser
VIEW IN TELEGRAM
Парень на Claude Opus 5 одним промтом сделал 3D-шутер, похожий на Call of Duty.
https://github.com/mshumer/Claude-of-Duty


Мда, похоже, скоро и игроделов ИИ заменит.
Вот, собственно, и сам промт:

I want you to build a first-person shooter at the level of the most recent Call of Duty games. It should be utterly perfect, visually beautiful, with every single thing done at AAA quality—from textures to physics to anything you could think of.

Fan out sub-agents and have sub-agents tackle each one individually so that the game is utterly perfect. You should /loop on each item and have a separate sub-agent check it visually to ensure it looks triple A. That separate sub-agent should be a really harsh critic, and if it doesn't look triple A, it should keep going.

Don't stop until each sub-agent is utterly wowed with the quality when compared with the actual Call of Duty game. It should literally compare them side by side blind and say which one looks better. Do this in ThreeJS. /loop until it's utterly perfect. Fan out sub-agents and ultracode.
🤣11🔥4
Moonshot AI, как и обещали, дропнули в open-source свою топовую нейронку.

https://huggingface.co/moonshotai/Kimi-K3

Что реально интересно:
1. Первая в мире открытая модель класса 3T — 2,8 триллиона параметров.
2. Революционная архитектура внимания. Модель построена на новых механизмах Kimi Delta Attention и Attention Residuals (надо будет на курсе изучить эти подходы).
3. Встроенный автономный агент для разработки.
4. Нативная мультимодальность + 1 миллион токенов. Модель из коробки понимает текст, изображения и видео в рамках единого контекстного окна

В итоге это полноценный автономный инженер-агент с триллионами параметров, нативным зрением, которая за раз может взять контекст огромного репозитория и которая теперь официально доступна сообществу.

😄 где то вместе грустят антропики и openai
👍13
Еще один удар по американской гегемонии в области LLM.
Компания Alibaba выпустила Qwen 3.8.
На что можно обратить внимание:
1. Модель имеет 2,4 триллиона общих параметров.
2. Появилась поддержка режимов «Thinking» и «Non-Thinking» для гибкого контроля над балансом.
3. Это первая мультимодальная модель семейства, преодолевающая барьер в триллион параметров.
4. Модель задает новую планку в программировании и способна автономно работать над сложными проектами до 10 дней подряд.
5. Alibaba подтвердила, что, так же как и Kimi, модель скоро будет выпущена с открытыми весами.

Ознакомиться можно здесь https://chat.qwen.ai/
🔥5
Интересно конечно, имея неограниченный доступ к своим моделям, не могут обеспечить нормальный uptime😏
😁2
Борис Черный, инженер Anthropic и создатель Claude Code, показывает, как работать с инструментом на практике. Историю и теорию почти не затрагивает.

Переведено, специально для себя))

Речь о том, почему освоение незнакомой кодовой базы занимает дни вместо недель.
Дальше про передачу контекста через файлы CLAUDE.md и команду /memory, про то, как принять из предложенной правки только часть строк, чем опасен Bash и почему агенту стоит выдать отдельный сервер для проверок.
Ближе к концу речь заходит о тех, кто применяет инструмент вне инженерных задач.

Всем обязательно к просмотру, кто использует Claude Code.

https://vkvideo.ru/video-193881724_456239157
🔥4👍3