Протокол вместо фреймворка: что изменилось в сборке агентов
Где проходит граница между вашим кодом и чужими системами и что протокол не решает
Мультиагентность: зачем её пробуют и где она рассыпается
Роли по образцу команды не работают: где схема теряет смысл на каждой передаче
Векторная база: когда она окупается, а когда хватит обычного поиска
Модель расчёта в часах: когда векторный поиск окупается, а когда только мешает
Длинный контекст: когда он экономит, а когда просто дорожает
Как на самом деле считается стоимость длинного контекста, за что вы платите при каждом запросе и когда кэш префикса даёт реальную экономию
Дообучение или поиск по документам: как выбрать
Почему дообучение и поиск по документам лечат разные отказы, и как понять, какой именно мешает вашей модели
Промпт как код: почему он гниёт быстрее
Разбираем, почему промпт портится быстрее кода, какие привычные приёмы разработки его не спасают и при каком условии мы ошибаемся
Бюджет времени в многошаговом агенте
Почему лимит шагов и таймаут страхуют агентный цикл от разных отказов и как выбирать бюджеты, которые ограничивают именно то, что вы думаете
Оценка качества агента до релиза
Почему один успешный прогон агента ничего не доказывает и как выстроить оценку, которая до релиза покажет форму распределения и характерные отказы
Дежурство по агенту: порядок действий
Как дежурному по агенту отличить жёсткий отказ от мягкого, не тратить время на рестарт и откат и найти причину по трассе одного эпизода
Агенты в продакшене: что отказывает на второй неделе
Сбои многошаговых агентов почти никогда не начинаются с модели. Они выводятся из арифметики шагов — и поэтому предсказуемы до запуска.
Поиск решает меньше, чем принято считать
Почему агент отвечает мимо при хорошем поиске, как за вечер найти настоящее слабое звено и что крутить вместо ретривера
Что агент не делает: список, который пишут заранее
Почему перечисление действий и запреты в инструкции не задают границу ответственности агента и как провести её снаружи списком из трёх колонок
Что такое ИИ-агент и почему о нём все спорят
Чем ИИ-агент отличается от ассистента, почему дело не в уме модели, и где на самом деле проходит настоящий спор вокруг таких систем
Как объяснить совету директоров затраты на ИИ
Почему обещанная окупаемость превращает защиту бюджета в допрос и как сменить форму заявки на измеримую цену одной задачи
Откуда берётся счёт за искусственный интеллект
Почему у нейросети нет готовых ответов, за что вы платите на самом деле и как ваш разговор меняет итоговый счёт
Что мерить у модели кроме точности
Почему одна цифра не отражает качество языковой модели и как измерять калибровку и отдельные режимы отказа, чтобы понять, стало ли лучше
Сколько стоит инференс: считаем до счёта, а не после
Модель расчёта, которую можно заполнить своими числами за час. Главный множитель — не размер модели, а доля повторов.
Локальный инференс: когда он дешевле облака
Как построить модель расчёта, которая по вашей нагрузке, планке качества и тарифам покажет, когда локальный запуск LLM дешевле облачного API, а когда дороже
Повторы, которые удваивают счёт
Разбираемся, почему счёт за API языковых моделей растёт при неизменном продукте, как повторные попытки превращаются в умножение затрат и что чинить на самом деле