AI / ML
MCP и WebMCP: как ИИ-ассистенты действуют на сайтах и покупают в магазинах
Как ИИ-ассистент действует на сайте: MCP-сервер и инструменты WebMCP с примерами кода, подключение к ChatGPT, Claude и Gemini, протоколы покупок через ИИ и что нужно интернет-магазину.
GEO: как ChatGPT, Claude и Gemini находят и читают сайты
GEO на практике: как ИИ-ассистенты находят и читают сайт, каких роботов пускать, что настроить в robots.txt, Cloudflare и других CDN, как готовить текст и разметку и как измерить результат.
Движки инференса LLM: vLLM, llama.cpp, LiteRT-LM и другие — скорость, железо, масштабирование
Чем запускать языковые модели в конце 2026 года: движки vLLM, SGLang, TensorRT-LLM, llama.cpp, MLX, LiteRT-LM и ExecuTorch и программы на их основе вроде Ollama и LM Studio — за счёт чего движки быстрые, на каком железе работают и как масштабируются, с замерами на ноутбуке.
Сравнение 41 AI-харнеса — от Claude Code до OpenClaw
Агенты для программирования и универсальные агенты: Claude Code, Codex, Cursor, Copilot, OpenCode, OpenClaw, Hermes — лицензии, модели, настройка, песочница, бенчмарки, обучение на вашем коде и утечки.
Claude Code — команды, настройки, флаги
Справочник Claude Code: все слэш-команды с разбором аргументов и примерами, ключи settings.json, правила прав доступа, терминальные подкоманды, флаги и переменные окружения. Актуально на август 2026.
Claude Code — Best Practices
Как организовать работу с Claude Code: инструкции проекта, правила и скилы, трекер задач и багов в репозитории, план перед кодом, подагенты, контекст, разрешения и расход бюджета.
Хуки Claude Code
Разбор хуков Claude Code: все события, коды выхода и JSON-решения, matcher и if, пять типов обработчиков, и три рабочих хука — звук, контроль лимитов подписки и журнал работы.
LangChain и LangGraph — агенты, графы и вся инфраструктура вокруг них
Как устроен стек LangChain 1.x и LangGraph 1.x: models и messages, tools, create_agent и middleware, StateGraph с reducers, checkpointers и store, streaming, human-in-the-loop, LangSmith, Agent Server и langgraph CLI, миграция с 0.x.
Техники промпт-инжиниринга для больших языковых моделей
Ручка усилия у reasoning-моделей, строгие схемы ответа, промпты для агентов, разделители, XML-теги и few-shot: как формулировать промпты для ChatGPT, Claude и Gemini ради предсказуемого ответа.
DSPy — Автоматическая генерация промптов
DSPy 3.4 на примере агента поддержки: сигнатуры вместо текста промпта, инструменты, метрика, оптимизаторы MIPROv2 и GEPA, сохранение результата и что изменится в DSPy 3.5.
RAG (Retrieval-Augmented Generation), Function / Tools Calling, CAG (Cache-Augmented Generation) для LLM моделей
RAG, Function Calling и CAG для локальных LLM: как работает векторная база и примеры на Kotlin, Dspy, LangChain, LangChain4j и llama.cpp.
Векторные базы данных
Векторные базы на практике: чем отличаются Milvus, Qdrant и Weaviate, как считаются эмбеддинги, работают индексы HNSW и поиск по близости.
Offline AI Launcher — запуск AI LLM нейросетей на смартфоне
Приложение Offline AI Launcher: как запускать LLM Gemma, DeepSeek, Llama и Qwen прямо на Android из моделей .gguf, без интернета и подписки.
LoRA — Дообучение AI LLM моделей
Дообучение LLM с помощью LoRA: когда оно лучше RAG, а когда нет, как устроены адаптеры, и два полных примера для Gemma 4 E2B на Unsloth и PEFT с экспортом в GGUF.
llama.cpp AI LLM Engine — Как это работает
Как устроен инференс в llama.cpp: загрузка GGUF, токенизация, построение вычислительного графа, KV-cache и сэмплинг следующего токена.
Локальный запуск LLM моделей на Android смартфоне
Чем запустить языковую модель прямо на Android: LiteRT-LM, llama.cpp, MediaPipe, MLC LLM и ONNX Runtime GenAI — что выбрать, как подготовить модель и код на Kotlin, который правильно останавливает генерацию.
Нейросети простым языком
Как устроена LLM: токенизация, embedding, attention в трансформере, квантование и семплеры, которые определяют выбор следующего токена.