Мультиагентные ИИ-системы для разработчиков: от чат-ботов к исправлению билдов
Службы технической поддержки для разработчиков переходят от простых кнопочных чат-ботов к системам из нескольких специализированных агентов. Мультиагентные решения позволяют автоматически анализировать логи и код, готовить контекст для инженеров и создавать Pull Request с исправлениями.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Опыт разработки iOS-приложения с помощью ИИ-агента и лимитов на использование
Разработчик приложения для личных финансов Кубыш рассказал об опыте создания проекта, в котором код пишет ИИ-агент. Установленные сервисом 5-часовые и недельные лимиты на работу искусственного интеллекта стали естественным регулятором рабочего графика автора.
Зачем компании обучают компактные LLM под узкие задачи
Компании переходят к обучению небольших языковых моделей для выполнения конкретных рутинных задач, таких как категоризация обращений или проверка формата ответов. Использование для подобных операций флагманских моделей через API считается избыточным.
Архитектура интеллектуального агента с нуля: личный опыт разработки
Автор начал цикл статей с разбором базовой архитектуры интеллектуального агента и попыткой ответить на вопрос о достижении AGI. В материале на понятных примерах описываются принципы восприятия, анализа и принятия решений агентом. Цикл задуман как пошаговое практическое руководство по созданию автономного алгоритма с нуля.
Проверка утечек персональных данных после маскировки текста для LLM
При маскировании ФИО в текстах перед отправкой в LLM могут сохраняться идентификаторы, позволяющие найти человека в открытых реестрах. В статье на восьми синтетических примерах тестируется полнота очистки данных, а также влияние нормализации и распознавания имен на результат.