Это абсурдно умно: есть способ сократить расходы на Fable 5 до ~70%. Просто преврати контекст Claude Code в картинку и заставь Fable распознавать их через OCR. 😂
https://github.com/teamchong/pxpipe
https://github.com/teamchong/pxpipe
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Несколько ресурсов по harness engineering, которые я с большим удовольствием изучаю в последнее время:
» https://walkinglabs.github.io/learn-harness-engineering/en/ — отличный курс о том, как продуктивно ограничивать поведение агента, какие проблемы возникают при использовании LLM (особенно с удержанием контекста) и как сделать harness более агентным и доводящим задачи до корректного завершения.
» https://twotimespi.dev — создай упрощённого агента на Python (Tau). Начни с
» https://humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents — уроки и выводы из неудач и успехов в построении harness-ов для кодинг-агентов за 12+ месяцев.
» https://langchain.com/blog/the-anatomy-of-an-agent-harness — обзор высокого уровня множества компонентов, которые должны правильно сойтись в harness-е, чтобы агент работал.
🐸 🐸 🐸
» https://walkinglabs.github.io/learn-harness-engineering/en/ — отличный курс о том, как продуктивно ограничивать поведение агента, какие проблемы возникают при использовании LLM (особенно с удержанием контекста) и как сделать harness более агентным и доводящим задачи до корректного завершения.
» https://twotimespi.dev — создай упрощённого агента на Python (Tau). Начни с
uv tool install tau-ai.» https://humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents — уроки и выводы из неудач и успехов в построении harness-ов для кодинг-агентов за 12+ месяцев.
» https://langchain.com/blog/the-anatomy-of-an-agent-harness — обзор высокого уровня множества компонентов, которые должны правильно сойтись в harness-е, чтобы агент работал.
Please open Telegram to view this post
VIEW IN TELEGRAM
walkinglabs.github.io
Welcome to Learn Harness Engineering | Learn Harness Engineering
A project-based course on designing the environments, state, verification, and control systems that make Codex and Claude Code reliable.
3
Совет для пользователей Claude Code:
Эта команда программно создает нового агента в Claude Agents.
Очень удобно, когда нужно передать работу другой сессии и сразу открыть ее с готовым контекстом.
У Matt Pocock уже есть черновик скилла
claude --bg --name "Session Name" "Prompt goes here"
Эта команда программно создает нового агента в Claude Agents.
Очень удобно, когда нужно передать работу другой сессии и сразу открыть ее с готовым контекстом.
У Matt Pocock уже есть черновик скилла
/claude-handoff — это замена /handoff, которая делает именно это.GitHub
skills/skills/in-progress/claude-handoff/SKILL.md at main · mattpocock/skills
Skills for Real Engineers. Straight from my .claude directory. - mattpocock/skills
5 опенсорс no-code платформ для создания LLM, RAG и AI-агентов
1. AutoAgent — полностью автоматизированный фреймворк с нулевым порогом входа по коду. Достаточно описать высокоуровневую цель на естественном языке, а система самостоятельно выполнит планирование, декомпозицию задач и их исполнение. Она превращает промпт в работающую систему агентов.
GitHub-репозиторий: https://github.com/HKUDS/AutoAgent
2. AnythingLLM. Одно из лучших комплексных решений для создания внутренних инструментов. Объединяет RAG, агентные воркфлоу и управление документами в едином self-hosted-пространстве. Платформа ориентирована на приватность и рассчитана как на технические, так и на нетехнические команды, которым нужно создавать инструменты на основе собственных данных.
GitHub-репозиторий: https://github.com/Mintplex-Labs/anything-llm
3. LangChain Open Agent Platform. Специализированный UI, построенный поверх LangGraph. Вместо того чтобы скрывать внутреннюю логику, он делает поток выполнения агента наглядным с помощью узлов и связей. Это позволяет детально управлять маршрутизацией, циклами и координацией нескольких агентов без необходимости писать код самого графа.
GitHub-репозиторий: https://github.com/langchain-ai/open-agent-platform
4. Sim. Визуальный конструктор воркфлоу со встроенным AI Copilot. Вы проектируете агентные пайплайны в виде исполняемых графов, при этом встроенный ИИ может генерировать или изменять эти воркфлоу за вас. Также платформа предоставляет подробный трейсинг выполнения, что значительно упрощает отладку сложных цепочек.
GitHub-репозиторий: https://github.com/simstudioai/sim
5. Dify. Платформа, готовая к использованию в проде, с акцентом на наблюдаемость. Поддерживает управление промптами, сложные RAG-пайплайны и агентную логику, а также предоставляет мониторинг во время выполнения. Если вы разворачиваете решение для реальных пользователей, это один из стандартных вариантов.
GitHub-репозиторий: https://github.com/langgenius/dify
1. AutoAgent — полностью автоматизированный фреймворк с нулевым порогом входа по коду. Достаточно описать высокоуровневую цель на естественном языке, а система самостоятельно выполнит планирование, декомпозицию задач и их исполнение. Она превращает промпт в работающую систему агентов.
GitHub-репозиторий: https://github.com/HKUDS/AutoAgent
2. AnythingLLM. Одно из лучших комплексных решений для создания внутренних инструментов. Объединяет RAG, агентные воркфлоу и управление документами в едином self-hosted-пространстве. Платформа ориентирована на приватность и рассчитана как на технические, так и на нетехнические команды, которым нужно создавать инструменты на основе собственных данных.
GitHub-репозиторий: https://github.com/Mintplex-Labs/anything-llm
3. LangChain Open Agent Platform. Специализированный UI, построенный поверх LangGraph. Вместо того чтобы скрывать внутреннюю логику, он делает поток выполнения агента наглядным с помощью узлов и связей. Это позволяет детально управлять маршрутизацией, циклами и координацией нескольких агентов без необходимости писать код самого графа.
GitHub-репозиторий: https://github.com/langchain-ai/open-agent-platform
4. Sim. Визуальный конструктор воркфлоу со встроенным AI Copilot. Вы проектируете агентные пайплайны в виде исполняемых графов, при этом встроенный ИИ может генерировать или изменять эти воркфлоу за вас. Также платформа предоставляет подробный трейсинг выполнения, что значительно упрощает отладку сложных цепочек.
GitHub-репозиторий: https://github.com/simstudioai/sim
5. Dify. Платформа, готовая к использованию в проде, с акцентом на наблюдаемость. Поддерживает управление промптами, сложные RAG-пайплайны и агентную логику, а также предоставляет мониторинг во время выполнения. Если вы разворачиваете решение для реальных пользователей, это один из стандартных вариантов.
GitHub-репозиторий: https://github.com/langgenius/dify
1
This media is not supported in your browser
VIEW IN TELEGRAM
Website Downloader стал полностью открытым проектом.
Инструмент позволяет скачать практически любой сайт целиком вместе со всеми необходимыми ресурсами, чтобы он работал локально без подключения к интернету.
Автоматически скачивает HTML, CSS, JavaScript, изображения и шрифты сайта, преобразует все ссылки для локальной работы, упаковывает проект в ZIP-архив и отдает готовые файлы по мере их загрузки.
Всё, что раньше приходилось делать вручную в течение нескольких часов, теперь доступно через один интерфейс.
Проект может пригодиться для клонирования сайтов, создания офлайн-архивов или изучения реализации чужих веб-проектов.😏 😏 😏
Инструмент позволяет скачать практически любой сайт целиком вместе со всеми необходимыми ресурсами, чтобы он работал локально без подключения к интернету.
Автоматически скачивает HTML, CSS, JavaScript, изображения и шрифты сайта, преобразует все ссылки для локальной работы, упаковывает проект в ZIP-архив и отдает готовые файлы по мере их загрузки.
Всё, что раньше приходилось делать вручную в течение нескольких часов, теперь доступно через один интерфейс.
Проект может пригодиться для клонирования сайтов, создания офлайн-архивов или изучения реализации чужих веб-проектов.
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Это чертовски круто: с помощью Fable создали настоящий дневник Тома Реддла из «Гарри Поттера». 🥰
Разработчик встроил LLM в reMarkable, и теперь устройство отвечает на написанные вопросы прямо на странице
В ближайшие дни автор обещает открыть исходники
UPD: https://github.com/MaximeRivest/riddle
Разработчик встроил LLM в reMarkable, и теперь устройство отвечает на написанные вопросы прямо на странице
В ближайшие дни автор обещает открыть исходники
UPD: https://github.com/MaximeRivest/riddle
Please open Telegram to view this post
VIEW IN TELEGRAM
7
This media is not supported in your browser
VIEW IN TELEGRAM
Сохраняем: постоянно обновляемый список на 100% бесплатных API для LLM, которые остаются бесплатными навсегда.
В список входят Google AI Studio, Groq, Cerebras, OpenRouter, NVIDIA NIM, Mistral и десятки других сервисов с точными лимитами запросов и поддержкой OpenAI SDK в одном месте.
Уже 25 тыс. звёзд на GitHub. Просто вставьте любой😎
В список входят Google AI Studio, Groq, Cerebras, OpenRouter, NVIDIA NIM, Mistral и десятки других сервисов с точными лимитами запросов и поддержкой OpenAI SDK в одном месте.
Уже 25 тыс. звёзд на GitHub. Просто вставьте любой
endpoint в Cursor или Claude Code и начинайте разработку Please open Telegram to view this post
VIEW IN TELEGRAM
Это интересно: чувак выполнил реверс-инжиниринг архитектуры маршрутизации, лежащей в основе Skana AI Fugu, и реализовал её аналог для открытых фронтир-моделей.
tinyrouter — это компактный LLM-маршрутизатор примерно на 10 тыс. параметров, который обучается определять, какую модель использовать и какую роль она должна выполнять для каждого запроса.
Цель была простой: превзойти каждую отдельную модель, направляя каждую задачу наиболее подходящему специализированному исполнителю, вместо того чтобы полагаться на одну LLM.
Вот исходники😏
Несколько интересных наблюдений:
• Маршрутизация приносит пользу только тогда, когда модели обладают взаимодополняющими сильными сторонами. Если все модели показывают схожие результаты на одном бенчмарке, маршрутизатору практически нечего оптимизировать.
• На MMLU маршрутизатор превзошёл каждую отдельную модель. На математических задачах он показал результат на уровне лучшей модели, поскольку набор моделей демонстрировал очень низкое разнообразие в качестве решений.
• Предварительная инициализация маршрутизатора и настройка функции вознаграждения в эволюционном обучении улучшили процесс обучения. Однако авторы пока не заявляют о реальном приросте качества, поскольку разброс результатов при оценке оказался слишком высоким. Для подтверждения эффекта необходимы более строгие эксперименты.
tinyrouter — это компактный LLM-маршрутизатор примерно на 10 тыс. параметров, который обучается определять, какую модель использовать и какую роль она должна выполнять для каждого запроса.
Цель была простой: превзойти каждую отдельную модель, направляя каждую задачу наиболее подходящему специализированному исполнителю, вместо того чтобы полагаться на одну LLM.
Вот исходники
Несколько интересных наблюдений:
• Маршрутизация приносит пользу только тогда, когда модели обладают взаимодополняющими сильными сторонами. Если все модели показывают схожие результаты на одном бенчмарке, маршрутизатору практически нечего оптимизировать.
• На MMLU маршрутизатор превзошёл каждую отдельную модель. На математических задачах он показал результат на уровне лучшей модели, поскольку набор моделей демонстрировал очень низкое разнообразие в качестве решений.
• Предварительная инициализация маршрутизатора и настройка функции вознаграждения в эволюционном обучении улучшили процесс обучения. Однако авторы пока не заявляют о реальном приросте качества, поскольку разброс результатов при оценке оказался слишком высоким. Для подтверждения эффекта необходимы более строгие эксперименты.
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Энтузиаст нативно портировал культовую игру Command & Conquer: Generals Zero Hour на iPhone и iPad
Порт был создан с помощью Fable 5. При этом используется оригинальный движок 2003 года, нативно скомпилированный под архитектуру ARM64, благодаря чему игра работает без эмуляции.
На данный момент полностью поддерживаются сюжетная кампания, режим Skirmish и Generals Challenge. Для мобилок также было разработано сенсорное управление, адаптированное под жанр RTS.
Время зарубиться💃 💃 💃
Порт был создан с помощью Fable 5. При этом используется оригинальный движок 2003 года, нативно скомпилированный под архитектуру ARM64, благодаря чему игра работает без эмуляции.
На данный момент полностью поддерживаются сюжетная кампания, режим Skirmish и Generals Challenge. Для мобилок также было разработано сенсорное управление, адаптированное под жанр RTS.
Время зарубиться
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Нашёл открытую небольшую модель, которая уже набрала 50 тысяч звёзд на GitHub и попала в раздел Trending.
С её помощью можно обучить сверхкомпактную языковую модель всего с 25,8 млн параметров — примерно за 3 доллара и два часа.
Проект делает ставку на максимальную компактность: самая маленькая версия составляет всего 1/2700 от размера GPT-3.
Кроме того, в открытый доступ выложено обучение токенизатора, а также полный код для всех этапов обучения — Pretrain, SFT и не только. Проект также включает мультимодальную визуальную модель MiniMind-V.
Все обучающие скрипты написаны на чистом PyTorch, совместимы с архитектурами MoE и фактически представляют собой открытую реализацию всех этапов обучения больших языковых моделей.
💵 💵 💵
С её помощью можно обучить сверхкомпактную языковую модель всего с 25,8 млн параметров — примерно за 3 доллара и два часа.
Проект делает ставку на максимальную компактность: самая маленькая версия составляет всего 1/2700 от размера GPT-3.
Кроме того, в открытый доступ выложено обучение токенизатора, а также полный код для всех этапов обучения — Pretrain, SFT и не только. Проект также включает мультимодальную визуальную модель MiniMind-V.
Все обучающие скрипты написаны на чистом PyTorch, совместимы с архитектурами MoE и фактически представляют собой открытую реализацию всех этапов обучения больших языковых моделей.
Please open Telegram to view this post
VIEW IN TELEGRAM
Время собрать своего ИИ-агента: какой-то парень основал бесплатный университет по ИИ на GitHub.
Там вместо туториалов и теории - полноценные ИИшные-системы из реальной практики.
Шаг за шагом.
Неделя 1 → Docker, FastAPI, базы данных
Неделя 2 → Автоматизированные пайплайны обработки данных
Неделя 3 → Создание собственного поискового движка (BM25)
Неделя 4 → Гибридный поиск (семантический + по ключевым словам)
Неделя 5 → Полноценная RAG-система
Неделя 6 → Подготовка к продакшену (кэширование + мониторинг)
Неделя 7 → Агентный ИИ с LangGraph
Начинаем проходить💵
Там вместо туториалов и теории - полноценные ИИшные-системы из реальной практики.
Шаг за шагом.
Неделя 1 → Docker, FastAPI, базы данных
Неделя 2 → Автоматизированные пайплайны обработки данных
Неделя 3 → Создание собственного поискового движка (BM25)
Неделя 4 → Гибридный поиск (семантический + по ключевым словам)
Неделя 5 → Полноценная RAG-система
Неделя 6 → Подготовка к продакшену (кэширование + мониторинг)
Неделя 7 → Агентный ИИ с LangGraph
Начинаем проходить
Please open Telegram to view this post
VIEW IN TELEGRAM
Из обсуждений на Reddit: Fable 5, вероятно, можно будет запускать локально примерно через два года.
Именно такой прогноз показывает график, опубликованный в r/LocalLLaMA. Он отслеживает, сколько времени требуется, чтобы возможности передовых облачных моделей стали сопоставимы с открытыми моделями, которые можно запускать на обычном ноутбуке.
Среднее наблюдаемое отставание составляет около 24,8 месяца.
Возможности уровня GPT-3 — через 37 месяцев.
Возможности уровня GPT-3.5 — через 17 месяцев.
Возможности уровня GPT-4 — примерно через 24 месяца.
Согласно этому прогнозу, модели уровня Fable / Mythos 5 смогут работать на высокопроизводительном потребительском оборудовании примерно к июлю 2028 года.
Но есть нюанс. Если текущая тенденция сохранится, то высокопроизводительное потребительское железо будет стоить столько же, сколько корпоративное оборудование.🤣
Именно такой прогноз показывает график, опубликованный в r/LocalLLaMA. Он отслеживает, сколько времени требуется, чтобы возможности передовых облачных моделей стали сопоставимы с открытыми моделями, которые можно запускать на обычном ноутбуке.
Среднее наблюдаемое отставание составляет около 24,8 месяца.
Возможности уровня GPT-3 — через 37 месяцев.
Возможности уровня GPT-3.5 — через 17 месяцев.
Возможности уровня GPT-4 — примерно через 24 месяца.
Согласно этому прогнозу, модели уровня Fable / Mythos 5 смогут работать на высокопроизводительном потребительском оборудовании примерно к июлю 2028 года.
Но есть нюанс. Если текущая тенденция сохранится, то высокопроизводительное потребительское железо будет стоить столько же, сколько корпоративное оборудование.
Please open Telegram to view this post
VIEW IN TELEGRAM
Это может пригодиться: тщательно подобранный список инструментов и фреймворков на GitHub для оркестрации AI-агентов, используемых в разработке.
Он помогает быстрее разобраться в экосистеме средств оркестрации агентов, группируя проекты по практическим категориям: средства параллельного запуска, персональные AI-ассистенты, мультиагентные системы и решения с автономным циклом выполнения.
Для каждого элемента приведена ссылка на репозиторий и краткое описание.
Ссылка на это добро.😜
Он помогает быстрее разобраться в экосистеме средств оркестрации агентов, группируя проекты по практическим категориям: средства параллельного запуска, персональные AI-ассистенты, мультиагентные системы и решения с автономным циклом выполнения.
Для каждого элемента приведена ссылка на репозиторий и краткое описание.
Ссылка на это добро.
Please open Telegram to view this post
VIEW IN TELEGRAM