О, Perplexity анонсировали крутого голосового ассистента для iOS

Это Siri на максималках (наверное, стоило написать в заголовке Siri – ВСЕ): агент сможет использовать браузер и некоторые приложения, рассылать письма, создавать брони, управлять календарем, проигрывать подкасты, YouTube ролики и другое медиа.

Обновить приложение в AppStore и попробовать (это бесплатно) можно уже сейчас

#пытаюсьпонять
Согласен с автором относительно незавершенности результатов подобных инструментов, что это лишь один из этапов, который пока работает как начальная стадия генерации.
И тем более в архитектурном проектировании. Мы работаем не просто с оболочкой а с цифровой моделью и в контексте наших задач модель массинга - это сложаная "цифровая книга", в которой учитывается много факторов.
А генераторы 3д в чистом виде - это лишь этап формирования такой "книги". Но стек LLM + HunYuan(как пример 3д генераторов) + Revit с MCP = уже становится реалистичным конвейером.

#unrealneural #пытаюсьпонять
Что делает A2A от google особенным?
В продолжение темы о которой уже писал ранее:
Агенты ИИ теперь говорят на одном языке.

Протокол прост и гениален!:
Форматы — это обычные JSON-структуры с понятной схемой.
Обмен сообщениями происходит через вызовы method, params и result.
Это означает: один формат — и ты можешь взаимодействовать хоть с LangChain, хоть с SAP, хоть с внутренним агентом компании.

Что входит в A2A-протокол?
Agent Maps — механизмы для обнаружения других агентов и их возможностей (описание через JSON: capabilities, intent, modality)
Tasks & Artifacts — декларативная система задач и артефактов (на вход/выход): task_id, inputs, outputs, status
UX Coordination — согласование пользовательского взаимодействия между агентами (в т.ч. интерфейсная адаптация)

Кто уже в деле?
Google, Salesforce, Atlassian, SAP, ServiceNow, LangChain и более 50 корпораций.

Почему это важно?
ИИ-агенты перестают быть «одиночками».
Теперь все могут:
- Интегрировать агентов из разных стеков и облаков
- Создавать настоящие распределенные ИИ-системы
- Объединять ИИ как модули одного мозга, даже если они работают в разных компаниях

Получается, что Контекст — за MCP (Model Context Protocol) от Anthropic. Поведение — за A2A.
Видимо это и есть архитектура будущего🤷🏻‍♂️🤷🏻‍♂️🤷🏻‍♂️

#unrealneural #новое
Paper2Code

PaperCoder — это многоагентная система LLM, которая преобразует документ в репозиторий кода.

Процесс состоит из трех этапов: планирование, анализ и генерация кода, каждый из которых выполняется специализированными агентами.

https://arxiv.org/pdf/2504.17192

#unrealneural

Transformer Lab — это приложение для экспериментов с LLM:
- Тренируйтесь, настраивайте или общайтесь.
- Загрузка LLM в один клик (DeepSeek, Gemma и т. д.)
- Интерфейс Drag-n-Drop для RAG.
- Встроенное ведение журнала и многое другое.

Надо тестить

#unrealneural
«…Истинные прорывы часто рождаются не из четко спланированного действия, а из открытых исследований, из экспериментов и поиска, где многое заранее предсказать невозможно..»

Можно ли это примерить на автоматизацию архитектурного проектирования? Вроде как и не всегда, потому что есть много «прорывов по плану».
Это подходит к процессам, которые имеют четкую задачу, конкретную формулировку и понятный профит в моменте.
А что если жёсткая схема "спланировать — реализовать" может ограничивать развитие?

Возможности нейросетей не всегда очевидны на старте. Особенно в проектировании. Даже скорее часто неочевидны.

Всегда ли настоящее развитие приходит через цикл гипотеза → эксперимент → анализ → новая гипотеза?

Генерить картинки диффузией конечно интересно, но как насчет генерации диффузионными моделями зданий в майнкрафте?

#unrealneural #новое
MCPify

Можно протестировать и создать свой MCP-сервер с помощью MCPify
https://mcpify.ai/