Несем вам свежий дайджест статей про ИИ. Сегодня в подборке — семь прикладных материалов: от сжатого русского эмбеддера до архитектуры торгового агента, RAG-эволюции и безопасности вайб-кодинга. Читайте, сохраняйте полезное и делитесь с коллегами!
▪️ От Naive RAG до ReAct-агента: как мы строили корпоративного AI-помощника
Эволюция корпоративного RAG-помощника от наивной версии до полноценного ReAct-агента — с реальным стеком (Qdrant, Giga-Embeddings, Qwen2.5-72B на vLLM) и конкретным фиксом парсинга Confluence, который у всех рано или поздно всплывает.
▪️ Гайд по безопасности вайб-кодинга: что сделать, чтобы не слить данные в прод
Очень практичный материал: конкретные примеры, готовый pre-commit конфиг с версиями и чек-лист реагирования на инцидент из 12 шагов. Не про то, что вайб-кодинг это плохо — про то, как не подставиться, если уже им пользуешься.
▪️ Как я ужал русский эмбеддер до 24 млн параметров
Автор сжал русскоязычную эмбеддинг-модель до 24М параметров и превратил ее в GGUF с квантизацией — работающий рецепт для тех, кому RAG на проде нужен без видеокарты за миллион. Все гиперпараметры, команда запуска и ссылки на репозиторий с моделью — открыты.
▪️ Как я обучил русский RAG-сплиттер
Пошаговое дообучение модели, которая режет документы на чанки по смысловым границам, а не как попало каждые 500 токенов. С конфигом LoRA, командой запуска и патчем токенайзера — можно повторить один в один.
▪️ Анатомия ИИ-трейдера: как создать своего автономного ИИ-агента и зарабатывать на бирже
Полный код торгового агента на LangChain/StateGraph по паттерну ReAct — от промпта до cron-джобы, которая его запускает. Читать не как обещание заработка, а как чистый образец архитектуры автономного агента с инструментами.
▪️ Контекстуальный ретривал: техника, которая чинит главную проблему RAG за 50 центов на тысячу чанков
Реализация метода Anthropic — добавление контекста к каждому чанку перед индексацией, снижающее ошибки ретрива на 49-67%. С кодом (generate_chunk_context(), ContextualRAGIndexer) и чек-листом внедрения из 7 шагов. Если RAG у вас промахивается мимо очевидного — это первое, что стоит попробовать.
#tech_inside
▪️ От Naive RAG до ReAct-агента: как мы строили корпоративного AI-помощника
Эволюция корпоративного RAG-помощника от наивной версии до полноценного ReAct-агента — с реальным стеком (Qdrant, Giga-Embeddings, Qwen2.5-72B на vLLM) и конкретным фиксом парсинга Confluence, который у всех рано или поздно всплывает.
▪️ Гайд по безопасности вайб-кодинга: что сделать, чтобы не слить данные в прод
Очень практичный материал: конкретные примеры, готовый pre-commit конфиг с версиями и чек-лист реагирования на инцидент из 12 шагов. Не про то, что вайб-кодинг это плохо — про то, как не подставиться, если уже им пользуешься.
▪️ Как я ужал русский эмбеддер до 24 млн параметров
Автор сжал русскоязычную эмбеддинг-модель до 24М параметров и превратил ее в GGUF с квантизацией — работающий рецепт для тех, кому RAG на проде нужен без видеокарты за миллион. Все гиперпараметры, команда запуска и ссылки на репозиторий с моделью — открыты.
▪️ Как я обучил русский RAG-сплиттер
Пошаговое дообучение модели, которая режет документы на чанки по смысловым границам, а не как попало каждые 500 токенов. С конфигом LoRA, командой запуска и патчем токенайзера — можно повторить один в один.
▪️ Анатомия ИИ-трейдера: как создать своего автономного ИИ-агента и зарабатывать на бирже
Полный код торгового агента на LangChain/StateGraph по паттерну ReAct — от промпта до cron-джобы, которая его запускает. Читать не как обещание заработка, а как чистый образец архитектуры автономного агента с инструментами.
▪️ Контекстуальный ретривал: техника, которая чинит главную проблему RAG за 50 центов на тысячу чанков
Реализация метода Anthropic — добавление контекста к каждому чанку перед индексацией, снижающее ошибки ретрива на 49-67%. С кодом (generate_chunk_context(), ContextualRAGIndexer) и чек-листом внедрения из 7 шагов. Если RAG у вас промахивается мимо очевидного — это первое, что стоит попробовать.
#tech_inside