AI

Пошаговое руководство по разработке ИИ-агента с использованием Microsoft Agent-Lightning В последние годы искусственный интеллект (ИИ) стал неотъемлемой частью бизнес-процессов. Для многих компаний вопрос интеграции ИИ-решений стал актуальным. В этом контексте Microsoft Agent-Lightning предоставляет отличный инструмент для создания AI-агентов. Давайте разберемся, как использовать этот фреймворк шаг за шагом. Подготовка окружения Первый шаг в создании вашего ИИ-агента — подготовка окружения. Для этого вам потребуется установить необходимые библиотеки, которые помогут наладить работу с Agent-Lightning и OpenAI. Ниже приведен код для установки всех нужных компонентов: !pip -q install agentlightning openai nest_asyncio python-dotenv > /dev/null После установки библиотек необходимо импортировать модули и настроить ключ API… ➡️➡️➡️

NVIDIA Jetson Thor: Уникальная Платформа для Физического ИИ и Робототехники Следующего Поколения На прошлой неделе команда NVIDIA по робототехнике представила Jetson Thor, включая Jetson AGX Thor Developer Kit и модуль Jetson T5000. Это значительное достижение в разработке ИИ-робототехники, которое открывает новые горизонты для применения физических ИИ-систем. Архитектурные Особенности Jetson Thor Производительность Вычислений Jetson Thor демонстрирует впечатляющие 2070 FP4 терафлопс (TFLOPS) вычислительной мощности благодаря своему графическому процессору на архитектуре Blackwell. Это на 7,5 раза больше, чем у предыдущей платформы Jetson Orin, и всё это при энергопотреблении всего 130 Вт. Возможность работы на уровне 40 Вт обеспечивает отличное соотношение между производительностью и… ➡️➡️➡️

Понимание OAuth 2.1 для серверов MCP (Model Context Protocol): Этапы открытия, авторизации и доступа OAuth 2.1 представляет собой современный стандарт авторизации, который находит всё большее применение в области автоматизации бизнес-процессов. В данной статье мы обсудим, как этот протокол работает в рамках серверов Model Context Protocol (MCP), акцентируя внимание на его практическом применении и реальных преимуществах для бизнеса. Введение в OAuth 2.1 OAuth 2.1 — это стандартизированный подход к управлению авторизацией, который позволяет клиентам безопасно получать доступ к защищённым ресурсам от имени владельцев данных. Протокол обеспечивает надёжную защиту и простоту интеграции, что делает его идеальным для использования в современных приложениях. В… ➡️➡️➡️

Что такое наблюдаемость агентов ИИ? Наблюдаемость агентов ИИ — это ключевая дисциплина, которая позволяет отслеживать, оценивать и контролировать работу ИИ-агентов на всех этапах их жизненного цикла. Это включает в себя отладку сбоев, оценку качества и безопасности, управление задержками и затратами, а также соблюдение требований к управлению. В условиях, когда агенты работают в многослойной и нестабильной среде, важно иметь четкие механизмы наблюдения и анализа. Топ-7 лучших практик для надежного ИИ Практика 1: Применение стандартов OpenTelemetry для агентов Инструментируйте агентов с помощью стандартов OpenTelemetry, чтобы каждый шаг процесса был четко отслеживаемым. Это включает в себя планирование, вызовы инструментов, чтение и запись в… ➡️➡️➡️

Введение: Появление GUI-агентов Современные вычисления все больше ориентируются на графические пользовательские интерфейсы — будь то мобильные устройства, настольные компьютеры или веб. Автоматизация задач в этих средах традиционно ограничивалась скриптами или хрупкими, ручными правилами. Однако недавние достижения в области моделей «визуального языка» открывают новые горизонты для агентов, способных понимать экраны, рассуждать о задачах и выполнять действия, как это делает человек. Команда исследователей Alibaba Qwen представила GUI-Owl и Mobile-Agent-v3, чтобы преодолеть эти вызовы. GUI-Owl: Основная модель GUI-Owl — это нативная, многомодальная модель, построенная на базе Qwen2.5-VL и дополнительно обученная на больших объемах данных взаимодействия с GUI. Она объединяет восприятие, понимание, планирование и… ➡️➡️➡️

Введение в создание разговорного ИИ-агента с LangGraph В современном мире автоматизации бизнеса использование ИИ становится неотъемлемой частью успешных стратегий. Одним из наиболее интересных направлений является создание разговорных ИИ-агентов, которые могут значительно упростить взаимодействие с клиентами и улучшить процессы исследования. В этой статье мы рассмотрим, как построить разговорного исследовательского ИИ-агента с помощью LangGraph, используя функции воспроизведения шагов и контрольные точки времени. Что такое LangGraph? LangGraph — это мощный инструмент, который позволяет разработчикам создавать сложные разговорные интерфейсы. Он предоставляет возможность управлять потоками диалога и сохранять состояние взаимодействия, что делает его идеальным для создания ИИ-агентов, способных адаптироваться к запросам пользователей. Преимущества использования LangGraph… ➡️➡️➡️

«`html Chunking vs. Tokenization: Key Differences in AI Text Processing Введение Работая с ИИ и обработкой естественного языка, вы неизбежно столкнетесь с двумя важными концепциями: токенизацией и чанкингом. Несмотря на то, что обе они направлены на разделение текста на более мелкие части, цели и масштабы их применения совершенно различны. Понимание этих различий критически важно для создания эффективных систем. Что такое токенизация? Токенизация – это процесс разбивки текста на наименьшие значимые единицы, которые могут быть поняты моделями ИИ. Эти единицы, называемые токенами, служат основными строительными блоками для языковых моделей. Существует несколько способов создания токенов: Токенизация на уровне слов делит текст на… ➡️➡️➡️

«`html Руководство по созданию ИИ-агента с иерархическим мышлением на основе моделей Hugging Face В этом руководстве мы воспроизводим суть модели иерархического мышления (HRM), используя бесплатную модель Hugging Face, работающую локально. Мы создадим легковесного, но структурированного агента для решения задач. Разделяя проблемы на подзадачи, решая их с помощью Python, оценивая результаты и синтезируя окончательные ответы, данное руководство демонстрирует, как иерархическое планирование и выполнение могут повысить эффективность мышления. Этот процесс показывает, как можно реализовать рабочий процесс, вдохновленный мозгом, без необходимости в крупных моделях или дорогих API. Настройка окружения Начнем с установки необходимых библиотек и загрузки модели Qwen2.5-1.5B-Instruct из Hugging Face. Тип данных… ➡️➡️➡️

Microsoft AI представляет rStar2-Agent: Модель математического вывода на 14 миллиардов параметров, обученная с помощью агентного обучения с подкреплением для достижения передового уровня производительности Проблема «долгого мышления» Большие языковые модели добились впечатляющих успехов в математическом выводе, расширяя свои процессы Chain-of-Thought (CoT) — по сути, «думая дольше» через более детализированные шаги рассуждений. Однако у этого подхода есть фундаментальные ограничения. Когда модели сталкиваются с тонкими ошибками в своих цепочках рассуждений, они часто накапливают эти ошибки, а не обнаруживают и исправляют их. Внутренняя саморефлексия часто оказывается неэффективной, особенно когда изначальный подход к рассуждению изначально ошибочен. Исследовательский отчет Microsoft вводит rStar2-Agent, который использует другой подход:… ➡️➡️➡️

Введение в MCP-Bench: Оценка LLM-агентов в реальных задачах Современные большие языковые модели (LLM) уже давно вышли за рамки простой генерации текста. Сегодня они способны решать сложные задачи, требующие взаимодействия с внешними инструментами — такими как API, базы данных и программные библиотеки. MCP-Bench от Accenture Research ставит перед собой важную задачу: как точно оценить, может ли ИИ-агент планировать, рассуждать и координировать действия так же, как это делает человек? Проблемы существующих бенчмарков Ранее существующие бенчмарки для LLM, использующих инструменты, часто сосредотачивались на изолированных вызовах API или узких, искусственно созданных рабочих процессах. Даже продвинутые оценки не всегда проверяли способности агентов находить и связывать… ➡️➡️➡️