· Хабр

Опыт создания мультиагентного ИИ-секретаря на базе DeepSeek и Claude Opus

Разработчик Telegram-бота «Лиза Петровна» раскрыл статистику работы мультиагентного ИИ-секретаря, обработавшего 8568 запросов за месяц при расходах в $77. Около 88% ответов формирует DeepSeek, тогда как 7% запросов к Claude Opus генерируют три четверти всех затрат на языковые модели. Автор также описал архитектуру памяти на pgvector и структуру пользовательских сценариев.

Читать в первоисточнике — Хабр ↗

Ещё в ленте

· Хабр · Продукты

В чате с ИИ запустили функцию нетворкинга между пользователями

Разработчики представили функцию «Облако мыслей», которая позволяет ИИ знакомить пользователей на основе их диалогов с чат-ботом. Система анализирует контекст бесед и находит совпадения по интересам, локации или потребностям людей. Это открывает новые сценарии взаимодействия, от поиска деловых партнеров до решения бытовых задач.

· Хабр · Продукты · Бизнес

Опыт создания сервиса проверки смет без прямого участия нейросетей

Разработчик представил систему проверки смет для ремонтной компании, где все 310 замечаний сформированы детерминированным кодом с правилами без запуска живой языковой модели. Нейросети применялись непосредственно в процессе разработки для написания кода и анализа таблиц Excel. Решение показывает подход, при котором ИИ интегрируется в конечный продукт только для незаменимых задач.

· Хабр · Продукты

Как составлять задачи для генерации кода с помощью AI: практический опыт и чек-лист

Хотя AI позволяет быстро создавать рабочие прототипы, с развитием проекта в сгенерированном коде могут возникать технические и архитектурные сбои. Автор делится опытом подготовки требований к задачам до генерации кода, чтобы обеспечить устойчивость системы в продакшене. В материале разобран кейс с платежной операцией и приведен чек-лист из 12 вопросов.

Мир Квестов представил ИИ-помощника Квестоша для контакт-центра

Агрегатор «Мир Квестов» внедрил в контакт-центр ИИ-бота Квестоша для подбора игр и бронирования. Архитектура решения включает базу знаний из markdown-файлов, интеграцию по протоколу MCP, маскировку персональных данных и тестирование пяти моделей по гейтам безопасности.