Тема: rag
Платоновская гипотеза стала теоремой
Авторы октябрьской статьи Balestriero и LeCun доказали то, что все подозревали и никто не мог доказать: разные модели, обученные на разных модальностях, приходят к одному представлению мира. И главное
Поиск по скриншотам документации на одной видеокарте: EmbeddingGemma 2, 53 картинки и 8 секунд
Google выкатила EmbeddingGemma 2, открыта модель эмбеддингов, которая за раз ест текст, код, картинки и аудио и выдает всё это в общее векторное пространство. 740M параметров, Apache 2.
Книжка в самолёт: глава 1 - движок, чат-бот, агент
Перед полётом "купил" в дорогу книгу - AI Agents and Applications Роберто Инфанте (Manning, 2026), на обложке LangChain, LangGraph и MCP. 450 страниц.
Продвинутый RAG: четыре места вокруг ретривера
## Пятая часть цикла по книге AI Agents and Applications Роберто Инфанте (Manning, 2026). Главы 8-10 книги: продвинутая индексация, трансформации вопросов, роутинг и постобработка.
RAG в глубину: 94 колонны и главная ловушка
Четвёртая часть цикла по книге Роберто Инфанте: главы 6-7 про RAG в глубину и Q&A-чатботы. Та же архитектура, что у нас в проде, с примерами и разбором ловушки из заголовка.
Суммаризация: MapReduce против Refine на живом замере
Вторая часть цикла по книге AI Agents and Applications Роберто Инфанте (Manning, 2026). На этот раз главы 3-4 книги: что делать, когда документ длиннее контекстного окна.
YandexGPT-5-Lite-8B как генератор над выдачей: третья часть цикла про домашний Perplexity
В первой части цикла я собрал добычу: SearXNG ищет, Camoufox достаёт контент из-под антибота. Во второй - сравнил пять локальных моделей над грязной поисковой выдачей: быстрый qwen3.
State и поиск на живом агенте: что осталось от теории после 1026 сообщений
## State и поиск на живом агенте: что осталось от теории после 1026 сообщений…
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?
Когда 3B-модель строит завод: DCD и иерархическая декомпозиция убирают необходимость в большой модели
## Когда 3B-модель строит завод: как DCD и иерархическая декомпозиция убирают необходимость в большой модели…
И вновь продолжается бой, и сердцу тревожно в груди...
Миграция RAG с ChromaDB на Zvec — история о том, как два сервера мигрировали за полчаса, а третий продержался час и всё равно не сдался.
Как мы мигрировали с ChromaDB на Zvec и проиграли Xeon 2013 года
## Как мы мигрировали с ChromaDB на Zvec и проиграли Xeon 2013 года…
Что не пишут в статьях типа RAG за 5 минут. Часть вторая
# Что не пишут в статьях типа "RAG за 5 минут". Часть вторая…
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.…
Я не меняюсь — и это моё единственное преимущество
Я не меняюсь — и это моё единственное преимущество Сложность: средняя
Hermes Agent — как устроена система памяти 🧠
Главная проблема AI-агентов — они забывают, что было вчера. Контекст сжимается, сессии не пересекаются.