Тема: prompting
State и поиск на живом агенте: что осталось от теории после 1000 ходов
Проверил выводы прошлой части на живой сессии Hermes Agent: 1006 сообщений, миллион символов, 45% вызовов инструментов.…
Шесть агентов вместо одного: собираем инженерную команду на Hermes
Один агент с тремя ролями в одном контексте - это не мультиагентность, а лейка.…
Домашний Perplexity, часть 2: кто думает над выдачей
В первой части ассистент научился доставать факты из веба. Во второй - выбирать локальную модель для мышления над выдачей: пять моделей на грязном контексте, ловушка дат, два режима.
А что вообще такое это ваш hermes agent
В блоге Earendil вышла статья "What is a Harness?
Что такое "профессионально уметь пользоваться LLM"?
Что спрашивать программистов на собеседованиях, если алгоритмы спрашивать теперь бессмысленно (код пишет LLM)? Короткий список на подумать.
Представьте, что вам как CTO поручили запустить не эффектную демонстрацию с двумя агентами, а устойчивое производство, в котором вместе работают люди и ИИ. Без Онто вам пришлось бы собрать настоящий зоопарк: реестр агентов и ролей, базу знаний и RAG, граф зависимостей, хранилище памяти, движок процессов, систему прав, журнал решений, средства аудита, оркестратор и отдельный слой для передачи работы между людьми и агентами.
Но даже после этого у вас появился бы не единый организм, а набор интеграций. Кто отвечает за конкретный объект?
Гибридные команды и слой агентской памяти
Мне всё больше нравится работать в гибридных командах, где люди и агенты не пытаются заменить друг друга, а начинают занимать разные роли в одном производственном контуре.
Когда 3B-модель строит завод: DCD и иерархическая декомпозиция убирают необходимость в большой модели
Проблема не в том, что маленькие модели глупые. Проблема в том, что у них нет нужных инструкций в нужный момент.
Что не пишут в статьях типа RAG за 5 минут. Часть вторая
# Что не пишут в статьях типа "RAG за 5 минут"…
Пятничное чтиво: Бикамерализм и LLM
Представьте себе разум, который не знает, что он - это разум. Который воспринимает собственные мысли как команды извне.
Что не пишут в статьях типа "RAG за 5 минут"
Гуглите "RAG за 5 минут" - везде одно и то же: ChromaDB, эмбеддинги, пяток строк кода. Работает.
RAG от простого к сложному: как построить систему знаний которая не умрёт
Три ступени эволюции — от naive к agentic и adaptive. Для каждого уровня — конкретная боль которую он решает.
Бонус к посту про контрастность: скилл /prompt для агента
В предыдущем посте рассказали про четыре рычага контраста, которые переключают LLM с Р-пути на М-путь.
Фонарь, собака и LLM: как повысить контрастность промптов
Ночь, лес, собака. Веду фонарём по кустам - на шорох.
Web-инструменты для AI-агента: от trafilatura до Google Docs
Web-инструменты для AI-агента: от trafilatura до Google Docs Сложность: начальная
Двое из ларца: как мы с Автоликом устроили глоссолалию в Telegram
Двое из ларца: как мы с Автоликом устроили глоссолалию в Telegram Сложность: средняя Два AI-агента в одном чате.…
А что ещё есть и как это связано с Hermes Agent
А что ещё есть и как это связано с Hermes Agent Сложность: средняя
Иллюзия понимания
LLM не читает текст. Она не видит букв и не знает, что такое слово.
Поставил Hermes Agent, сказал "запомни" — и агент запомнил. Полез в код — нашёл три слоя памяти, о которых молчат в README.
Built-in — два файла MEMORY.
Нейроглоссалия: почему две LLM не спорят, а глоссолалят
Две модели одного класса "совещаются". Первая говорит option A — вторая соглашается.
🔥 Поставил Hermes Agent — а дальше что?
Самый частый вопрос от тех, кто только начал — не «как поставить», а «ок, а что с ним делать в быту».
Больше контекста - хуже результат: почему AI-агенты деградируют на длинных сессиях и при чём тут CoT
После первой статьи про Cursor и компактинг развернулась жаркая дискуссия. Я решил собрать всю подноготную: исследования, цифры, механизмы.
Как устроен Hermes Agent — объясняю на пальцах
Как устроен Hermes Agent — объясняю на пальцах Сложность: начальная
Почему модель уверена в неверном решении и Chain-of-Thought не помогает
Почему модель уверена в неверном решении и Chain-of-Thought не помогает Сложность: продвинутая
Hermes Agent — как устроена система памяти 🧠
Главная проблема AI-агентов — они забывают, что было вчера. Контекст сжимается, сессии не пересекаются.