Вышел наш первый комьюнити-стрим!

Полтора часа отвечали на вопросы подписчиков про агентов и другие аспекты из мира AI.

Например в тизере - лишь часть ответа на вопрос про работу OpenClaw на разных моделях.

📹 https://youtu.be/jL6lXttUCPM

Для вас отгружали базу Алексей Остриков и Валера Ковальский, а также огромное спасибо Гене Евстратову и Сергею Шиме за помощь с вопросами. У Сергея кстати классный канал @aimastersme, все подпишитесь.

Смотреть обязательно целиком и не торопясь, получилось просто потрясно.

00:00 — Приветствие!

02:52 — Корпоративный RAG: избыточен или нет? Как понять по объёму данных, стоит ли поднимать RAG или можно обойтись более простыми решениями?

06:56 — OpenClaw — можно ли запустить на локальных моделях и стоит ли покупать для него Mac Studio за 300к? (Мам, это для учёбы!)

14:42 — Будем ли мы продолжать использовать разные фреймворки для агентов или возьмём Claude Code за основу и будем расширять его скиллами и своим контекстом?

21:21 — Как подбирать агентские фреймворки под разные задачи? Корпоративный deep research, разработка кода — и как выбирать инструменты в целом.

25:08 — Попробовал OpenClaw — не зашло из-за сложности, решил написать своего ассистента на Codex CLI. Чему уделить внимание в первую очередь, чтобы он был стабильным?

31:49 — Как выстроить пайплайн для агентов, чтобы они имели полный контекст и могли разобраться в задаче? Есть ли какая-то статья, которую можно дать агенту как основу?

38:33 — OSS-модели на 120B, которые влезут в DGX Spark, или другие локальные модели — есть ли у них перспективы? И отдельно: проблема потребления токенов в OpenClaw — какие есть варианты подписки?

47:06 — Фитнес-домен, классификация видео. Нужно классифицировать около 1000 видео. Как решить вопрос кеширования, чтобы снизить стоимость классификации?

54:47 — Какие задачи из мира LLM можно решать локально на MacBook'ах, помимо транскрибации и шумоподавления? Особенно в преддверии выхода следующих поколений чипов.

01:00:38 — Память: RAG даёт слишком много шума. Что сейчас считается SOTA в части памяти для агентов? И бонус-вопрос: если оставить только одну подписку — какую выбрать?

01:06:57 — Насколько мы готовы передавать разработку кодовым агентам? Должны ли люди контролировать каждую строку кода — особенно с учётом кейса, когда вайбкодинг привёл к убыткам в сотни миллионов рублей?

01:13:46 — GUI-инструменты для агентов: как дать агенту доступ к браузеру и какие решения сейчас работают лучше всего?

01:16:08 — Межагентское взаимодействие: как агенты могут «видеть» друг друга и обмениваться данными? Стоит ли писать собственный протокол или достаточно готовых решений?

01:18:33 — Вопрос про ERC3 и агента с эволюцией — это был готовый фреймворк или самописное решение? Не пробовали использовать https://dspy.ai/?

01:20:38 — С чего начать путь в AI: с собственного железа или облака? Какие практические кейсы подойдут для дома или небольшого офиса?

01:22:56 — Всё выходит сначала для маков — доколе?! Linux всегда был «землёй обетованной» для разработчиков — что изменилось?

01:25:05 — Computer-use на практике: агент работает с сайтом по заданным сценариям, но каждый раз начинает с нуля. Как сохранять контекст и улучшать качество сценариев?

01:28:23 — Как не переизобретать колесо при создании скиллов? Миллион разработчиков уже написали базовые инструменты — как этим пользоваться?

Ребят, огромное спасибо всем, кто пришел и увидимся в новых сериях ☕

P.S: максимальный репост приветствуется 🚀

↗️ Мы захватили этот канал

Раньше канал назывался red_mad_dev.

Теперь это _rnd — публичный блог практики R&D red_mad_robot.

Это рабочая площадка для инженеров и ресёрчеров. Здесь будут наши мысли, эксперименты, короткие и длинные технические разборы, ссылки на научные статьи и git-репозитории.

Про что будем писать:
• какие гипотезы тестируем и какие результаты получаем
• какие архитектурные решения принимаем и почему
• где ошибаемся и что это меняет
• как исследования превращаются в прикладной AI
• что происходит в индустрии и что об этом думаем

Если вам интересны reasoning-архитектуры, RAG-системы, агентные пайплайны, LLM-инфраструктура и реальный продакшн AI — вы в правильном месте.

Поехали ⚡️