Скажи мне, кто твой агент… и я тебе скажу, кто ты

Нет, с ИИ-агентами так не получается. Однако, обо всем по порядку. В этом блоге мы много раз обращались к теме ИИ-агентов, стремительный прогресс которых может существенно изменить положение дел для тех, кто предоставляет услуги верификации всего на свете. Нельзя сказать, что успехи ИИ-агентов опережают график, предсказанный многочисленными футурологами и футуристами (недавно я узнал, что это не одно и то же), условно говоря «кокотайлами». Нет, темпы развития примерно соответствуют предсказаниям. Но в ходе практической работы вскрываются все новые проблемы, трудности и методы их решения и обхода, которые не были видны предсказа…

Читать дальше

#автоматизация #python #phind

🚀 Автоматизация с помощью нейросетей
🎓 Бесплатное обучение

100 лучших ИИ-репозиториев на GitHub в 2026 году. От ИИ-агентов до генерации видео

На GitHub лежат тысячи бесплатных ИИ-инструментов, о которых 95% людей просто не знает. Я собрал сто самых популярных репозиториев - вместе они набрали ⭐7.52 млн звезд на GitHub . Это ИИ-агенты, промпты, вайбкодинг, локальные нейросети, генерация изображений/видео, автоматизация, сервисы для бизнеса и многое другое. Читать далее

Читать дальше

#python #textToSpeech #growthhacking

🚀 Автоматизация с помощью нейросетей
🎓 Бесплатное обучение

Трехфазная защита ваших ИИ-агентов от современных угроз с детальным разбором на базе модели безопасности OGL-Mini

LLM-бум породил не только новые возможности, но и новое поколение атак. За два года мы увидели реальные атаки на агенты: один вредоносный email и Copilot сливает платёжные данные клиентов, одно фальшивое GitHub issue и CI/CD пайплайн скомпрометирован, один тщательно настроенный промпт и AI-агент выполняет удалённый код на вашей машине. Это уже далеко не теория, а зафиксированные исследователями в 2025 - 2026 годах атаки на Microsoft Copilot, OpenAI Atlas, Claude Code и Apple Intelligence.

Атаки становятся изощрённее: злоумышленники маскируют вредоносные инструкции под XML-политики, шифруют в base64, вставляют невидимые символы и даже прячут джейлбрейк в стихи. Встроенные фильтры LLM пропускают до 76% таких атак.

Значит, нужен другой подход - лёгкий, быстрый (чтобы не тормозить агента) и понятный (чтобы вы знали, почему запрос заблокировали). И главное, работающий без вызовов внешних API, внутри вашей инфраструктуры. Потому что в эпоху zero-click атак доверять безопасность облачному провайдеру, который пропускает почти всё, как минимум рискованно.

В этой статье разберем основные виды атак и посмотрим на примере, как выстроить базовую защиту с моделью безопасности OGL-Mini. Читать далее

#безопасность #агенты #модель #иньекции #кибербезопасность #llm #защита #typescript #go #python | @habr_ai

Перестаньте спрашивать «этот скилл безопасен?» — спрашивайте «что он умеет?»

Подход «раскрытия возможностей» (capability disclosure) к скиллам для ИИ-агентов и маленький open-source инструмент, который читает скилл за вас. Читать далее

Читать дальше

#видеоМонтаж #bingAI #python

🚀 Автоматизация с помощью нейросетей
🎓 Бесплатное обучение

Долговременная память для ИИ-ассистента: как превратить переписку в Telegram в структурированную базу знаний

У больших языковых моделей нет памяти. сть контекстное окно: сегодня это десятки-сотни тысяч токенов, но как только диалог выходит за его пределы, модель «забывает» всё. Это серьезное ограничение для ассистента, который должен помнить ваши дела, людей и договорённости месяцами.

Я делаю персонального ассистента, который читает переписку пользователя в Telegram и отвечает на вопросы вида «какой бюджет мы обсуждали на поездку в Турцию?», «что решили по договору с подрядчиком?», «что я обещал Ане?». То есть строю долговременную память.

Казалось бы, задача решается стандартно: заливаем все сообщения в векторную базу, на каждый вопрос делаем top-k поиск и подкладываем найденные чанки в промпт. Я попробовал этот путь и довольно быстро отказался от него в чистом виде. В этой статье я расскажу почему наивный RAG по переписке ломается и какую архитектуру я построил вместо него. Читать далее

#llm #rag #ии_агенты #долговременная_память #память #python #celery #postgresql #telegram #промпт_инжиниринг | @habr_ai

Как я делаю ИИ-память из переписки в Telegram: десятки тысяч сообщений, тысячи фактов, сотни людей

Ночью, около двух по московскому времени, сервер просыпается и запускает конвейер. Сначала сервис идёт в Telegram и скачивает новые сообщения из чатов, которые пользователь отметил галочками. Через час стартует второй воркер и превращает эти сообщения в память: режет на куски, гоняет через DeepSeek, раскладывает по таблицам, выгружает в markdown-файлы. К утру у человека появляются дополнительная информация в сервисе второй памяти.

Сервис второй памяти - это не просто история переписки. Через полгода можно спросить «какой бюджет мы тогда согласовали на поездку» и получить ответ со ссылкой на конкретное сообщение в конкретном чате.

Как ни странно, почти вся моя работа по созданию сервиса была не в работе с LLM. А в чём?

#llm #rag #ии_агенты #долговременная_память #память #python #celery #postgresql #telegram #промпт_инжиниринг | @habr_ai

Одиннадцать релизов за сутки: как мы чинили память ИИ-агента и что из этого вышло

Я сел проверить собственный инструмент — локальную память для кодовых агентов — и нашёл в нём подряд одиннадцать вещей, которые надо было чинить. Stop-хук, рекурсивно породивший 4083 сессии за сутки; recall, мёртвый на обычной установке; миграция на 66 секунд внутри хука с таймаутом 10. Разбор каждого пункта: что сломалось, как чинили и кто это нашёл — я, внешнее ревью другой моделью, CI или проверка на живой Ubuntu. Читать далее

#skillmem #claude_code #codex #mcp #sqlite #python #память | @habr_ai

Как мы научили ИИ-агента понимать чужую кодовую базу: вместо чанков — три источника фактов

Мы — разработчики MetaVision for 1C: AI, программы для статического анализа конфигураций 1С с ИИ-агентом. Столкнулись с классической проблемой RAG: на реальных кодовых базах схема «чанки + embeddings + векторный поиск» почти не работает — агент уверенно отвечает «такого нет» там, где это есть. Рассказываем, почему чанки провалились на коде, и что мы построили вместо них: три источника фактов в одной SQLite — SQL-индекс, полнотекстовый FTS5 и вектора — плюс граф вызовов со скрытыми связями. С живыми примерами и граблями, на которые наступили. Читать далее

Читать дальше

#python #bard #chatbot

🚀 Автоматизация с помощью нейросетей
🎓 Бесплатное обучение

Гибридный RAG на Налоговом кодексе: восемь находок, семь потерь

守 (Сю) — это про то, как, сохранив себя, достичь своей лучшей версии. При чём здесь RAG? Да при том, что, прежде чем рваться к агентным RAG и GraphRAG, надо разобраться с базой — довести до ума уже имеющиеся формы, чтобы получить качественную систему. Привет, меня зовут Бромбин Андрей. Сегодня на примере Налогового кодекса я покажу путь от базового RAG к гибридному поиску и реранкингу: где каждый следующий шаг действительно повышает качество, а где лишь усложняет систему. Все выводы я проверил на воспроизводимом стенде: 240 вопросов из FAQ ФНС, три способа поиска и отдельный прогон реранкера. Читать далее

Читать дальше

#аналитика #python #transformers

🚀 Автоматизация с помощью нейросетей
🎓 Бесплатное обучение

Зачем учить Python, если агент уже пишет пайплайны?

Допустим, агент написала загрузку заказов. Есть функции, аннотации типов, логирование и даже тесты. На небольшом файле всё работает.

Можно ли теперь не разбираться в Python?

Я бы сначала задал три вопроса. Что останется после падения посреди записи? Что произойдёт при повторном запуске? И зачем эта строчка складывает всю выгрузку в память?

Точный синтаксис можно подсмотреть. А вот заметить, что здесь вообще есть проблема, без понимания кода сложнее.

Сразу оговорюсь: речь не о том, что каждому инженеру данных обязательно нужен именно Python. Но если вы разрабатываете и поддерживаете Python-пайплайны, умение читать и менять этот код — вполне практическая необходимость.

Разберём несколько примеров. Автор кода здесь неважен: человек и модель проходят одно ревью. Погружайся!

#сезон_код_будущего #ai #ai_агенты #agents #python #ии_ассистент #ии_ассистенты_2026 #ии_ассистент_разработчика #ии_ассистент_для_ревью #ии_ассистенты | @habr_ai

Голосовой ИИ Агент

Голосового агента выдаёт не голос. Современный синтез звучит прилично, и на связке телефонной линии с её 8 кГц разница между хорошим и отличным TTS вообще теряется. Выдаёт другое: как он читает числа.

«Привезём 15.07.2026» в устах робота превращается во что угодно — от «пятнадцать точка ноль семь» до бодрого чтения даты как дроби. Телефон, прочитанный как одно десятизначное число, невозможно записать со слуха. И каждый такой момент — это секунда, в которую собеседник вспоминает, что говорит с программой.

При этом из всех маркеров робота этот — самый дешёвый в устранении. Ниже — библиотека на 155 строк с одной зависимостью, которая закрывает даты, телефоны, деньги, проценты и номера заказов для русского языка. Код целиком в статье, забирайте. А заодно — три ловушки, в которые я наступил, пока её писал, включая баг, который нашёл прямо в процессе подготовки этого текста. Читать далее

#сезон_код_будущего #синтез_речи #tts #нормализация_текста #голосовой_агент #num2words #python #регулярные_выражения #склонение_числительных #open_source | @habr_ai

ИИ-агенты. Часть 1: Первые шаги

Всем привет! Сегодня я хочу рассказать вам про то, как я начал внедрять в процесс разработки ИИ-агентов. Поделюсь своим опытом.

Эта статья нацелена на начинающих, чтобы дать им первый толчок к использованию ИИ-агентов. Однако, если вы уже давно в этой теме, то буду рад вам в комментариях. Читать далее

#ии_агенты #агентная_разработка #python #fastapi #prompt_engineering #ai_agents #skills_md #agents_md #git_flow #автоматизация_разработки | @habr_ai

Регрессионное тестирование промптов: ИИ-модель в роли читателя пропустила три из четырёх текстов, которые я правил

Я правлю промпты агентов, которые пишут и проверяют тексты. Чтобы правка не сломала то, что раньше работало, я собрал набор примеров с известным ответом и прогнал по нему проверку, где ИИ-модель играет читателя. Сильно правленые тексты она чаще пропускала, чем возвращала.

В набор вошли тексты двух видов: одни я потом сильно переписывал руками, другие почти не тронул. Если принять правку промпта по такой проверке, брак уйдёт дальше, а проверка будет гореть зелёным. Читать далее

#регрессионное_тестирование #тестирование_промптов #тестирование_llm #тестирование_ии_агентов #llm #ии_агенты #промпты #llm_as_a_judge #python #оценка_моделей | @habr_ai

Research First Builder: как проверить, откуда ИИ‑агент взял архитектурное решение

В плане локального менеджера закладок появилась SQLite. Сам выбор выглядит разумно: один пользователь, небольшая база, ничего не нужно разворачивать на сервере. Но по названию базы ещё нельзя понять, что произойдёт при повторном сохранении ссылки и переживут ли изменения перезапуск приложения.

Такие вопросы стоит разобрать до кода. Для этого я сделал Research First Builder — скилл для ИИ‑агента и небольшую проверяющую программу. Он задаёт порядок работы: изучить похожие реализации, объяснить решения, составить план, написать приложение и записать проверки. Ниже разберу один реальный запуск из репозитория и покажу, какую работу этот порядок помогает проверить. Разобрать решения

#research_first_builder #ии_агенты #архитектура_приложений #sqlite #python #проверка_кода #open_source | @habr_ai

Слепой краш-тест 27 LLM осени 2026 (GPT-6, Opus, Алиса): кто сломал JSON, проглотил инъекцию и влетел на 152-ФЗ

В январе этого года я уже выкладывал на Хабре свой первый большой аудит 14 нейросетей на галлюцинации (тогда я пару недель гонял тесты в декабре сразу после выхода Gemini 3, а в январе упаковал результаты в статью). За прошедшие девять месяцев ландшафт изменился до неузнаваемости: вышли новые поколения флагманов, а требования бизнеса сместились от «поболтать в чате» к жёстким продакшен-пайплайнам.

Этой осенью я специально держал паузу и не запускал новый прогон, пока на арену не выйдет последний из ожидаемых мастодонтов - Google Gemini 4 Argon (и попутно за пару дней до теста успел захватить свежайшую Muse Wonder).

Почему я вообще трачу время и свои деньги на такие тесты? Большинство публичных бенчмарков сегодня малопригодны для реальной инженерной работы. Когда мы проектируем B2B-пайплайн или агентский контур, нам плевать, сколько баллов модель набирает в синтетическом MMLU или как хорошо она решает олимпиадные задачки в вакууме.

В реальном бизнес-контуре модель сталкивается с грязными данными, хитрыми пользователями и жёсткими контрактами интеграций. Нас интересует другое:

- Сломает ли модель парсер, добавив вежливое Вот ваш JSON: перед фигурной скобкой?

- Проглотит ли она косвенную инъекцию (Indirect Prompt Injection) из клиентского письма, самовольно выставив в CRM статус «100% предоплата согласована»?

- Начнёт ли сыпать китайскими иероглифами или выдумывать несуществующие статьи УК РФ с пометкой точно?

- И сколько времени и денег сожрёт один сквозной прогон - полцента за 30 секунд или полтора доллара и полчаса ожидания? Читать далее

#llm #бенчмарк #gpt_6 #claude #prompt_injection #152_фз #strict_json #openrouter #нейросети #python | @habr_ai

5 задач, которые я больше не хочу делать руками после знакомства с AI-агентами

Если одну и ту же скучную операцию я делаю руками второй раз, где-то в мире грустит один AI-агент. А если третий — вероятно, уже и Python-скрипт.

За последнее время я поймал себя на том, что всё реже хочу самостоятельно разбирать Excel, конвертировать документы, писать одноразовые утилиты и разбираться с очередной ошибкой в терминале.

Не потому, что разучился. Просто теперь многие из этих задач можно делегировать AI-агенту, который не только подскажет решение, но и выполнит его.

Собрал пять повседневных сценариев, в которых AI-агенты действительно экономят мне время. Без фантазий про замену целых профессий — только практические примеры, ограничения и немного боли от ручной работы. Читать далее

#ai_агенты #искусственный_интеллект #llm #автоматизация #python #обработка_данных #продуктивность #ai_agents | @habr_ai

Pydantic AI: типизированные агенты на своих моделях

У типового проекта с LLM-агентом судьба примерно одна. Сначала это милые сорок строк: промпт, вызов openai-совместимого API, json.loads — и всё работает. Через пару недель модель начинает вставлять перед JSON пояснительный текст в духе «Конечно! Вот ваш ответ:», одно из обязательных полей то появляется, то исчезает, а вложенный массив иногда приходит строкой. В код въезжают регулярки, ручные проверки и повторные запросы. Ещё через месяц вы владеете комом связующего кода на несколько сотен строк, который никто не хочет трогать — потому что непонятно, что именно отвалится.

Увы, модель тут чаще ни при чём. Ломается стык между её выводом и приложением — там, где нет ни типов, ни валидации формата.

Pydantic AI предлагает выйти из этого круга через модели типов. Фреймворк делает команда Pydantic — той самой библиотеки, на которой держится валидация в FastAPI, OpenAI SDK и ещё доброй дюжине проектов. Инструмент агента здесь описывается обычной функцией с аннотациями, структурированный ответ — pydantic-моделью, а замена облачной модели на локальную через Ollama сводится к правке одной строки.

Так написано в README. Под катом — как это выглядит на практике. Читать далее

#pydantic #pydantic_ai #искуственный_интеллекты #ии_агенты #агенты #нейросеть #python | @habr_ai

Как я 2,5 года никому не нужный софт вайбкодил

По моим прошлым статьям «Искусство цифрового мазохизма: как я потратил сотни часов на обложки для сериалов, которые даже не смотрю» и «Как я сделал ремастер «Том и Джерри» в 4K за два года» многим стало очевидно, что я умею находить себе самые нерациональные и специфичные занятия на пару месяцев, а то и лет.

И в этот раз я захотел сделать программу, чтобы ускорить процесс и просто сравнивать изображения апскейлинга бок о бок, но всё быстро вышло из-под контроля, превратившись в новое бессмысленное хобби с ворочанием армии ИИ-агентов. Читать далее

#вайбкодинг #нейросети #искусственный_интеллект #python #qt #claude #cursor #рефакторинг #обработка_изображений #ruvds_статьи | @habr_ai

Агент повесил Bash одной кавычкой. Как детерминированный FSM спасает CLI-рантаймы

Представьте: ваш автономный агент генерирует команду для терминала, но ошибается на один символ. Шелл уходит в бесконечное ожидание, а процесс агента намертво зависает. Сегодня разберём, почему регулярки не спасают от этой боли, и покажем, как детерминированный конечный автомат (FSM) на хуке PreToolUse снимает проблему на уровне инфраструктуры. Читать далее

#llm #ai_agents #cli #fsm #powershell #bash #quote_guard #python | @habr_ai

Как попасть в ответы нейросетей: почему ответа в первом абзаце мало и как проверить начало страницы

Как попасть в ответы нейросетей? Первым делом вам посоветуют дать ответ в первых строках страницы, а это значит браться за начало каждой страницы на сайте. Search Engine Journal пересказал анализ TJ Robertson из агентства TJ Digital на 193 507 ответах ChatGPT и ИИ-ответов Google (AI Mode и AI Overviews): процитированные страницы и правда чаще начинались с прямого ответа. Но против страниц, которые ИИ нашёл и не стал цитировать, разрыв небольшой, а сам Robertson считает это связью и причиной не называет. Переписывать весь сайт рано: сначала стоит проверить начало важных страниц, каждую по её целевому вопросу. Я опираюсь на логи замера ответов ИИ-моделей и аудит цитируемости страниц, так что для меня это рабочая задача. Читать далее

#как_писать_текст_для_нейросети #попасть_в_ответы_нейросетей #geoperplexity #ответы_нейросетей #chatgpt #техническая_документация #llm #python | @habr_ai