Laplace Crypto

Производство мини сериалов под тикток на автомате оказалось сильно сложнее чем я думал изначально 🤣 Но движение идет в нужном направление, я уже близко 😎Запилил MCP и теперь полное управление процессом происходит через агента, кнопки и интерфейсы на мой взляд это уже прошлое, и пока нужны чисто для подтверждения процесса работы. Зачем все настраивать самому если можно сказать агенту то, что ты хочешь и он сам настроит весь процесс

Сделал Open Source мини-продукт для быстрого мониторинга системы — https://github.com/badmintonAdmin/moniИдея максимально простая: иногда во время разработки непонятно, почему всё начинает подтупливать — Docker, какие-то процессы, dev-сервера, браузер или ещё что-то внезапно съедает CPU и память.Сделал очень лёгкую утилиту, которая показывает потребление памяти и процессора в реальном времени без перегруженного интерфейса и лишнего мусора.Полезно для тех, кто:— пишет код— гоняет Docker— работает с локальными AI/LLM— держит кучу сервисов одновременно— просто хочет понимать, что происходит с системойВо второй версии хочу добавить:— топ процессов по CPU/RAM— детализацию по процессам— историю нагрузки— более удобную визуализациюМаксимально lightweight и быстро запускается.Если интересно — буду рад фидбеку и идеям 🤣

https://github.com/badmintonAdmin/mywisper Пересобрал версию. Теперь есть версия на Silicon процессоры. Мне потребовалась. Работает нормально, быстро. Все проверил. Можете тоже пользоваться. А то ранее были проблемы с использованием этой версии для макбуков на M-серии процессорах, потому что локальная модель не работала. 😎

Наконец-то полноценно начал использовать агентскую разработку.Это когда код от начала до конца пишут, тестируют и проверяют агенты — практически без вмешательства человека.Один агент отвечает за реализацию, другой — за тестирование и проверку соответствия цели, третий — за ревью, четвертый следит за качеством кода, архитектурой, утечками, структурой и так далее.И вся эта команда работает в кооперации между собой.Самое интересное — они живут в разных изолированных средах, не пересекаются друг с другом напрямую, а некоторые вообще используют разные LLM-движки под разные задачи.Понимаю, что многие уже давно так работают. Я сам состою в куче чатов, где это обсуждается уже не первый месяц.Но заметил одну вещь:Очень многие пытаются сразу прыгнуть в multi-agent системы, минуя этап нормального понимания одного агента.То есть люди еще толком не научились:— правильно ставить задачи агенту— получать от него качественный фидбек— выстраивать коммуникацию— понимать его ограничения— понимать, как он мыслит и где ошибаетсяНо уже пытаются строить целые агентские команды и сложные протоколы взаимодействия между ними.И именно поэтому огромное количество таких попыток просто разваливается.Сначала нужно понять суть работы одного агента. Научиться с ним взаимодействовать. Научиться строить процессы вокруг него.И только потом переходить к командной агентской разработке и orchestration-слою.Но ощущение, когда просыпаешься, а у тебя уже реализовано огромное количество фич, и ты на 90% уверен, что:— нет хардкода— нет архитектурного мусора— все покрыто проверками— код структурирован нормально— и в целом все сделано как надо…это, конечно, отдельный кайф. 😎

С текущими возможностями ИИ самым важным навыком становится понимание концепций.Ценность узких технических знаний — «как именно реализовать конкретную штуку» — стремительно падает. ИИ уже умеет писать код, собирать пайплайны, объяснять документацию, дебажить и проводить человека за руку.Но есть нюанс.Если человек сам не понимает общую концепцию — как должна работать система, как строится архитектура, почему принимаются те или иные решения — результат получается гораздо менее предсказуемым. Да, ИИ может помочь что-то собрать. Но это дольше, хаотичнее и чаще приводит к странным решениям.А вот если ты понимаешь верхний уровень:— как всё должно быть устроено,— как компоненты связаны между собой,— какие есть trade-offs,— как мыслить системно,то твоя ценность в эпоху ИИ пока остаётся очень высокой.Получается довольно неприятная ситуация для узких специалистов.Если ты много лет был экспертом только в одной маленькой области и ценность была именно в ручном исполнении этой задачи — ИИ начинает обесценивать такие навыки быстрее всего.Похоже, что эпоха «узкого исполнителя» постепенно уходит, а ценность дженералистов и людей с сильным conceptual thinking — наоборот растёт.А вы как думаете?

Сейчас многие разработчики мечтают о вайб-кодинге. Картина в голове обычно выглядит так:AI пишет код → задачи закрываются быстрее → свободного времени становится больше → можно меньше работать и жить спокойнее.Но на практике происходит совсем другой слом парадигмы.Раньше разработчик делал определённый объём работы за условные 2 недели. Например — одну большую фичу.Теперь, когда появляется AI и вайб-кодинг, работодателю уже не нужен «тот же объём, только быстрее». Логика меняется полностью.Если раньше за 2 недели нужно было сделать фичу, то теперь за те же 2 недели от тебя ждут уже почти целый продукт.И самое забавное — времени на сам вайб-кодинг зачастую уходит не меньше, а иногда даже больше, чем раньше уходило на обычную разработку. Потому что теперь ты:• проектируешь быстрее • тестируешь больше • координируешь AI • переписываешь архитектуру на лету • проверяешь огромное количество сгенерированного кода • принимаешь в разы больше технических решенийАвтоматизация действительно ускоряет разработку. Вайб-кодинг действительно повышает производительность.Но это не означает, что требования останутся прежними. И это не означает, что можно будет работать меньше, а зарабатывать столько же.Обычно происходит обратное:рынок просто начинает ожидать от одного разработчика в 10–100 раз большего объёма результата.Вот такая новая реальность индустрии.

Сториборды - основа для вилосов 😎

Запилил UI для своего генератора видосов 😎

🚀 Готовлю обновление для Whisper.Столкнулся с неприятной проблемой: если использовать облачную модель или постпроцессинг, иногда может отвалиться соединение. И в таком случае приходилось заново всё диктовать.Сейчас делаю save-зону— аудио автоматически сохраняется— при ошибке переотправляется повторно— либо может быть транскрибировано локально, если облако недоступноТак что потерять запись будет уже намного сложнее.Параллельно хочу добавить ещё одну полезную функцию — транскрибацию файловИногда нужно быстро получить текст:• из видео, скачанного с TikTok• из обычного аудиофайла• или просто из какого-то голосового сообщенияХочется, чтобы можно было закинуть файл и сразу получить готовый текст для дальнейшей работы.Тоже допиливаю этот функционал — скоро выкачу 🚀 PS// Уже на гитхаб https://github.com/badmintonAdmin/mywisper - исталятор на сайте поменяю позже

Немного отвлекся от памятиНужно было собрать полноценный пайплайн для автопроизводства видео, поэтому пришлось глубже погрузиться в ComfyUIВ итоге написал бота, который полностью автоматизирует процесс:• генерирует сценарии • создает стартовые кадры • формирует историю • генерирует сами видео • склеивает сцены • накладывает спецэффекты • добавляет субтитры • и дальше всё автоматически публикуетсяПо пути пришлось немного подточить промпты, докрутить модели и повозиться с пайплайнами, но результатом я очень доволен.Самое приятное — наблюдать, как вся эта цепочка теперь работает полностью автономно.А дальше возвращаюсь к общей памяти для проектов. Она уже готова и протестирована — осталось нормально задеплоить 😎

Вдруг пришло довольно важное осознание: нам необходимо реализовывать общую память.Это память на уровне проекта, которая будет шариться между всеми пользователями. По сути — единый слой знаний: документы, регламенты, внутренняя информация компании, FAQ и любые другие важные данные.Как оказалось, без этого возможности ботов сильно ограничены. Многим не хватает не просто персональной памяти, а именно общего контекста, чтобы бот:— ориентировался во внутренних документах— отвечал на частые вопросы— понимал, как устроены процессы— давал корректные ответы на основе базы знаний проектаИ это логично: помимо индивидуальных знаний о пользователях, нужна ещё и единая база знаний, доступная всем.Следующая фича уже намечена. Я приступил к реализации 🚀

визуализация графа воспоминаний

Когда бот правильно держит контекст 😎

Новая фича: RequestsДобавляем важный инструмент для анализа работы ваших AI-агентов.Теперь вы сможете:— видеть, что именно запрашивают пользователи— анализировать, какие ответы они получают— отслеживать поведение и паттерны использованияЭто даёт главное:👉 прозрачность работы памяти👉 возможность оценивать качество не «на глаз», а на основе реальных данных👉 понимание динамики — как система ведёт себя со временемФактически, это шаг к управляемой и измеримой памяти, а не «чёрному ящику».Выкатываем уже сегодня–завтра.

Проверил крупнейшего конкурента на удержания контекста 😎 Кейс наглядно показывает что синтетические тесты типо LoCoMo полная фигня, они его проходят с высокой точностью, но на реальном кейсе все сыпитьсяЯ же сейчас работаю как раз над контекст свитчингом и правльном удержании, когда вопросы не прямы а абстрактные, и могу увернно сказать что уже гараздо дальше продвинулся в этом 👍