В кейсе, который разберём сегодня – агент забирает данные с площадки без API, связывает объявления с лидами, считает показатели и готовит рекомендации для маркетолога. Считаю, что это интересный и полезный пример того, как система позволила быстро проверить бизнес-гипотезу и не потратить ещё несколько месяцев на проект, у которого не сходится нижняя часть воронки.Давайте разберём архитектуру системы на n8n, роль языковой модели и результат, который оказался важнее расчётной экономии. Читать далее
Что если AI‑агент сможет не просто исправить ошибку, а извлекать из этого урок? В статье рассказываю как автоматизировать процесс обучения скилла. Покажу на примерах как организовать память скилла и автоматизировать его обучение: собрать доказательства, воспроизвести дефект, сформулировать новое правило, протестировать проверить его и вернуть обновлённый скилл в рабочий проект. Читать далее
В релизе 1С ИИ агент 0.8.5 агент стал ближе к полноценному рабочему инструменту аналитика: появился более устойчивый графовый цикл выполнения, улучшена работа с файлами и вложениями, а режим «Запрос 1С» теперь поддерживает follow-up уточнения. В статье показываем сценарий: пользователь просит вывести контрагентов, затем добавляет поля ИНН и код, а потом фильтрует только покупателей — агент перестраивает запрос и показывает результат в табличном документе. Читать далее
Математик Паата Иванишвили из Калифорнийского университета в Ирвайне сообщил, что Grok 4.6 в обвязке Grok Build (аналог Claude Code от SpaceXAI) доказал гипотезу Холмса, Холройда и Рамиреса, которую Иванишвили окрестил "Greedy is least speedy" ("жадный — самый медленный"). Модель доказала более сильную комбинаторную Гипотезу 5 из той же статьи — а из нее основное утверждение следует автоматически. Результат оформлен в короткую заметку, соавтором которой стал Шэнтун Чжан из Стэнфорда. Читать далее