{
    "version": "https:\/\/jsonfeed.org\/version\/1.1",
    "title": "Yuriy Gavrilov: posts tagged Agents",
    "_rss_description": "Welcome to my personal place for love, peace and happiness 🤖 Yuiry Gavrilov",
    "_rss_language": "en",
    "_itunes_email": "yvgavrilov@gmail.com",
    "_itunes_categories_xml": "",
    "_itunes_image": "https:\/\/gavrilov.info\/pictures\/userpic\/userpic-square@2x.jpg?1643451008",
    "_itunes_explicit": "no",
    "home_page_url": "https:\/\/gavrilov.info\/tags\/agents\/",
    "feed_url": "https:\/\/gavrilov.info\/tags\/agents\/json\/",
    "icon": "https:\/\/gavrilov.info\/pictures\/userpic\/userpic@2x.jpg?1643451008",
    "authors": [
        {
            "name": "Yuriy Gavrilov - B[u]g - for charity.gavrilov.eth",
            "url": "https:\/\/gavrilov.info\/",
            "avatar": "https:\/\/gavrilov.info\/pictures\/userpic\/userpic@2x.jpg?1643451008"
        }
    ],
    "items": [
        {
            "id": "303",
            "url": "https:\/\/gavrilov.info\/all\/ii-v-2025-godu-chemu-nas-nauchili-100-trillionov-tokenov\/",
            "title": "ИИ в 2025 году: Чему нас научили 100 триллионов токенов?",
            "content_html": "<p><b>Как на самом деле мир использует искусственный интеллект: от смерти чат-ботов к рождению агентов<\/b><\/p>\n<p>Долгое время наше понимание того, как люди используют нейросети, строилось на опросах и догадках. Компания OpenRouter провела масштабное эмпирическое исследование, проанализировав <b>100 триллионов токенов<\/b> (единиц информации), прошедших через их платформу за последний год (по декабрь 2025). Эти данные рисуют картину, кардинально отличающуюся от маркетинговых обещаний техногигантов.<\/p>\n<p>Вот небольшой обзор того, как изменился ландшафт ИИ.<\/p>\n<p><b>Ссылка на оригинал исследования:<\/b><br \/>\n<a href=\"https:\/\/openrouter.ai\/state-of-ai\">State of AI: An Empirical 100 Trillion Token Study with OpenRouter<\/a><\/p>\n<h3>1. Конец эпохи «Вопрос-Ответ». Наступление эры «Думающих машин»<\/h3>\n<p>Самый главный сдвиг 2025 года — это переход от простой генерации текста к <b>агентному инференсу<\/b> (agentic inference).<\/p>\n<ul>\n<li>Если раньше пользователь просил: «Напиши письмо», то теперь запрос звучит как: «Проанализируй эти файлы, напиши код, проверь его и выдай результат».<\/li>\n<li>Доля использования моделей, способных к «рассуждению» (reasoning models, таких как o1, Gemini 2.5, DeepSeek R1), выросла с близких к 0% значений в начале года до более чем 50% к концу 2025-го.<\/li>\n<li>Запросы стали сложнее: средняя длина промпта (входных данных) выросла в 4 раза. ИИ перестал быть собеседником и стал исполнителем, встроенным в сложные цепочки задач.<\/li>\n<\/ul>\n<h3>2. «Эффект хрустальной туфельки»: почему пользователи хранят верность<\/h3>\n<p>Исследование выявило удивительный феномен, названный <b>«Эффектом хрустальной туфельки Золушки»<\/b>.<br \/>\nРынок ИИ характеризуется огромной текучкой: пользователи постоянно пробуют новые модели и бросают их. Однако существуют «фундаментальные когорты» (foundational cohorts) — группы ранних пользователей, которые остаются с конкретной моделью навсегда.<\/p>\n<ul>\n<li>Это происходит, когда новая модель первой решает конкретную, ранее невыполнимую задачу пользователя (как туфелька, которая подошла только Золушке).<\/li>\n<li>Как только этот «пазл» складывается, пользователь встраивает модель в свои рабочие процессы и перестает искать альтернативы, даже если выходят более дешевые аналоги.<\/li>\n<li>Если модель на старте не находит свою «боль», которую она лечит лучше всех, она обречена на забвение, даже будучи качественной.<\/li>\n<\/ul>\n<h3>3. Программирование поглощает ИИ<\/h3>\n<p>Миф о том, что ИИ — это в первую очередь генератор текстов и картинок, разрушен данными.<\/p>\n<ul>\n<li><b>Программирование<\/b> стало доминирующей категорией, превысив 50% от всего объема токенов к концу 2025 года.<\/li>\n<li>Это самая конкурентная сфера: здесь идет ожесточенная битва между Anthropic (Claude), OpenAI и новыми игроками вроде Qwen.<\/li>\n<li>Код — это драйвер сложности: именно задачи по программированию требуют самых длинных контекстов и глубокого рассуждения.<\/li>\n<\/ul>\n<h3>4. Скрытая жизнь Open Source: Ролевые игры и Китай<\/h3>\n<p>Рынок четко разделился на две части: закрытые модели (Closed Source) и открытые (Open Source).<\/p>\n<ul>\n<li>Баланс сил:** Открытые модели теперь занимают около 30% рынка.<\/li>\n<li>Китайский прорыв:** Модели из Китая (DeepSeek, Qwen) совершили рывок с 1.2% до почти 30% доли рынка в пиковые недели. Они обновляются невероятно быстро, предлагая качество уровня GPT-4 бесплатно или очень дешево.<\/li>\n<li>Для чего используют Open Source?<b> Более 50% трафика открытых моделей приходится на **Roleplay (Ролевые игры)<\/b>. Люди используют их для создания персонажей, интерактивных историй и развлечений, где важна свобода от цензуры и творческая гибкость. В то же время, закрытые модели (Claude, GPT) доминируют в бизнесе и программировании.<\/li>\n<\/ul>\n<h3>5. Размер имеет значение: «Средний» — это новый стандарт<\/h3>\n<p>В 2024 году рынок состоял из гигантских дорогих моделей и маленьких слабых. В 2025 году сформировался класс <b>«Medium»<\/b> (от 15 до 70 миллиардов параметров).<\/p>\n<ul>\n<li>Маленькие модели вымирают.<\/li>\n<li>Средние модели (например, Qwen Coder 32B) стали «золотой серединой»: они достаточно умны для сложных задач, но достаточно дешевы для массового использования.<\/li>\n<\/ul>\n<h3>6. Цена больше не определяет спрос<\/h3>\n<p>Анализ показал слабую эластичность спроса.<\/p>\n<ul>\n<li>Пользователи делятся на два лагеря. Одни готовы платить любые деньги (30-40$ долларов за миллион токенов) за <b>премиум-интеллект<\/b> (модели OpenAI, Anthropic) для критически важных задач.<\/li>\n<li>Другие выбирают «эффективных гигантов» (DeepSeek, Google Flash), где цена стремится к нулю, для обработки огромных массивов данных.<\/li>\n<li>Просто «быть дешевым» недостаточно. Дешевые модели без уникальных способностей игнорируются рынком.<\/li>\n<\/ul>\n<h3>7. Глобализация интеллекта<\/h3>\n<p>ИИ перестает быть «западной» технологией.<\/p>\n<ul>\n<li>Доля Азии в потреблении ИИ выросла с 13% до 31%.<\/li>\n<li>Азия теперь не только потребляет, но и производит передовые модели, которые конкурируют на равных с Кремниевой долиной.<\/li>\n<\/ul>\n<hr \/>\n<h3>Основные выводы и тренды<\/h3>\n<ol start=\"1\">\n<li><b>Смерть «простого чат-бота»:<\/b> Будущее за агентами, которые умеют планировать, писать код и использовать инструменты (браузер, терминал).<\/li>\n<li><b>Дуополия задач:<\/b> Рынок кристаллизовался вокруг двух мега-сценариев — <b>Программирование<\/b> (для работы) и <b>Ролевые игры<\/b> (для развлечения). Все остальное (перевод, юриспруденция, наука) занимает нишевые доли.<\/li>\n<li><b>Битва экосистем:<\/b> Нет «одной нейросети, чтоб править всеми». Разработчики комбинируют закрытые дорогие модели для «мозгов» и открытые дешевые модели для рутины.<\/li>\n<li><b>Удержание важнее хайпа:<\/b> Успех модели теперь измеряется не пиком скачиваний, а способностью создать «фундаментальную когорту» пользователей, чью уникальную проблему она решила первой.<\/li>\n<\/ol>\n<h3>Итог<\/h3>\n<p>Данные за 2025 год показывают, что индустрия перешла от фазы экспериментов к фазе прагматичной интеграции. Мы больше не спрашиваем ИИ «кто президент США?». Мы поручаем ему: «Напиши приложение, исправь баги и разверни его на сервере». ИИ стал новой вычислительной инфраструктурой, где код и креативность являются главными валютами.<\/p>\n",
            "date_published": "2025-12-13T00:02:25+03:00",
            "date_modified": "2025-12-13T00:02:47+03:00",
            "tags": [
                "Agents",
                "AI",
                "RnD"
            ],
            "_date_published_rfc2822": "Sat, 13 Dec 2025 00:02:25 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "303",
            "_rss_enclosures": [],
            "_e2_data": {
                "is_favourite": false,
                "links_required": [],
                "og_images": []
            }
        },
        {
            "id": "233",
            "url": "https:\/\/gavrilov.info\/all\/prakticheskoe-rukovodstvo-postroeniya-agentov-ii\/",
            "title": "Практическое руководство построения Агентов ИИ",
            "content_html": "<p><a href=\"http:\/\/a.gavrilov.info\/data\/posts\/Practical_Guide_to_Building_Agents.pdf\">Инструкция оригинал тут<\/a><\/p>\n<div class=\"e2-text-picture\">\n<img src=\"https:\/\/gavrilov.info\/pictures\/AI_Agents.png\" width=\"600\" height=\"380\" alt=\"\" \/>\n<\/div>\n<p>Потом еще свой код покажу, но он работает в версии 1.65, надо бы обновить.<\/p>\n<p>Документ представляет собой руководство по разработке автономных систем (агентов) на базе языковых моделей (LLM). Основные темы:<\/p>\n<p>Определение агентов: системы, выполняющие задачи от имени пользователя с высокой степенью автономии.<br \/>\nКлючевые компоненты: модели LLM, инструменты (API, функции), инструкции, защитные механизмы (guardrails).<br \/>\nОркестрация: подходы к управлению агентами (одиночные и мультиагентные системы).<br \/>\nGuardrails: механизмы безопасности для контроля рисков.<br \/>\nПрактические рекомендации: выбор моделей, проектирование инструментов, обработка исключений, интеграция с людьми.<\/p>\n<p>Ниже не полный перевод. Раздел Guardrails очень интересный!<\/p>\n<hr \/>\n<h4>Практическое руководство по созданию агентов<\/h4>\n<p><b>Автор: OpenAI<\/b><\/p>\n<p>---<\/p>\n<h5>Содержание<\/h5>\n<ol start=\"1\">\n<li><b>Введение<\/b><\/li>\n<li><b>Что такое агент?<\/b><\/li>\n<li><b>Когда следует создавать агента?<\/b><\/li>\n<li><b>Основы проектирования агентов<\/b><\/li>\n<li><b>Выбор моделей<\/b><\/li>\n<li><b>Определение инструментов<\/b><\/li>\n<li><b>Конфигурация инструкций<\/b><\/li>\n<li><b>Оркестрация<\/b>\n<ul>\n  <li>8.1. Системы с одним агентом<\/li>\n  <li>8.2. Мультиагентные системы<\/li>\n<\/ul>\n<\/li>\n<li><b>Защитные механизмы (Guardrails)<\/b><\/li>\n<li><b>Заключение<\/b><\/li>\n<\/ol>\n<p>---<\/p>\n<h4>1. Введение<\/h4>\n<p>Крупные языковые модели (LLM) становятся всё более способными решать сложные многошаговые задачи. Достижения в области логических рассуждений, мультимодальности и использования инструментов открыли новую категорию систем на базе LLM — <b>агентов<\/b>.<\/p>\n<p>Это руководство предназначено для продуктовых и инженерных команд, изучающих создание своих первых агентов. В нём собраны практические рекомендации, основанные на опыте внедрения агентов в различных проектах.<\/p>\n<p><b>После прочтения вы узнаете:<\/b><\/p>\n<ul>\n<li>Как выбирать подходящие сценарии использования.<\/li>\n<li>Как проектировать логику агентов и управлять их взаимодействием.<\/li>\n<li>Как обеспечивать безопасность и предсказуемость работы.<\/li>\n<\/ul>\n<p>---<\/p>\n<h4>2. Что такое агент?<\/h4>\n<p>Агенты — системы, которые <b>самостоятельно<\/b> выполняют задачи от имени пользователя.<\/p>\n<h5>Ключевые характеристики:<\/h5>\n<ol start=\"1\">\n<li><b>Использование LLM<\/b>\n<ul>\n  <li>Управление рабочими процессами.<\/li>\n  <li>Корректировка действий при ошибках.<\/li>\n<\/ul>\n<\/li>\n<li><b>Доступ к инструментам<\/b>\n<ul>\n  <li>Взаимодействие с API, базами данных, внешними системами.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n<p><b>Примеры задач:<\/b><\/p>\n<ul>\n<li>Обработка запросов в службе поддержки.<\/li>\n<li>Бронирование ресторана.<\/li>\n<li>Генерация отчётов.<\/li>\n<\/ul>\n<p><b>Не являются агентами:<\/b><\/p>\n<ul>\n<li>Простые чат-боты.<\/li>\n<li>Системы без управления рабочими процессами.<\/li>\n<\/ul>\n<p>---<\/p>\n<h4>3. Когда следует создавать агента?<\/h4>\n<p>Агенты подходят для задач, где традиционные правила и детерминированные системы неэффективны.<\/p>\n<h5>Сценарии для внедрения:<\/h5>\n<table cellpadding=\"0\" cellspacing=\"0\" border=\"0\" class=\"e2-text-table\">\n<tr>\n<td>Категория<\/td>\n<td>Примеры задач<\/td>\n<\/tr>\n<tr>\n<td>Сложные решения<\/td>\n<td>Одобрение возврата средств.<\/td>\n<\/tr>\n<tr>\n<td>Сложные правила<\/td>\n<td>Проверка безопасности поставщиков.<\/td>\n<\/tr>\n<tr>\n<td>Неструктурированные данные<\/td>\n<td>Анализ страховых случаев.<\/td>\n<\/tr>\n<\/table>\n<p><b>Перед созданием агента:<\/b><\/p>\n<ul>\n<li>Убедитесь, что задача требует неоднозначных решений.<\/li>\n<li>Если задача простая, используйте детерминированные методы.<\/li>\n<\/ul>\n<p>---<\/p>\n<h4>4. Основы проектирования агентов<\/h4>\n<p>Агент состоит из трёх компонентов:<\/p>\n<table cellpadding=\"0\" cellspacing=\"0\" border=\"0\" class=\"e2-text-table\">\n<tr>\n<td>Компонент<\/td>\n<td>Описание<\/td>\n<\/tr>\n<tr>\n<td><b>Модель<\/b><\/td>\n<td>LLM для логики и принятия решений.<\/td>\n<\/tr>\n<tr>\n<td><b>Инструменты<\/b><\/td>\n<td>API, базы данных, внешние системы.<\/td>\n<\/tr>\n<tr>\n<td><b>Инструкции<\/b><\/td>\n<td>Правила и ограничения поведения.<\/td>\n<\/tr>\n<\/table>\n<p><b>Пример кода (Agents SDK):<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">weather_agent = Agent(  \n    name=&quot;Weather agent&quot;,  \n    instructions=&quot;Вы помощник, который отвечает на вопросы о погоде.&quot;,  \n    tools=[get_weather],  \n)<\/code><\/pre><p>---<\/p>\n<h4>5. Выбор моделей<\/h4>\n<p><b>Рекомендации:<\/b><\/p>\n<ol start=\"1\">\n<li>Начните с самой мощной модели для базового уровня производительности.<\/li>\n<li>Заменяйте её на более лёгкие модели, где это возможно.<\/li>\n<\/ol>\n<p><b>Примеры задач:<\/b><\/p>\n<ul>\n<li>Простые запросы → Маленькие модели (например, `gpt-3.5`).<\/li>\n<li>Сложные решения → Мощные модели (например, `gpt-4`).<\/li>\n<\/ul>\n<p>---<\/p>\n<h4>6. Определение инструментов<\/h4>\n<p>Инструменты расширяют возможности агентов через API.<\/p>\n<h5>Типы инструментов:<\/h5>\n<table cellpadding=\"0\" cellspacing=\"0\" border=\"0\" class=\"e2-text-table\">\n<tr>\n<td>Тип<\/td>\n<td style=\"text-align: right\">Примеры<\/td>\n<\/tr>\n<tr>\n<td><b>Данные<\/b><\/td>\n<td>Запросы к CRM, чтение PDF.<\/td>\n<\/tr>\n<tr>\n<td><b>Действия<\/b><\/td>\n<td>Отправка email, обновление CRM.<\/td>\n<\/tr>\n<tr>\n<td><b>Оркестрация<\/b><\/td>\n<td>Агент возвратов, исследовательский агент.<\/td>\n<\/tr>\n<\/table>\n<p><b>Пример кода:<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">search_agent = Agent(  \n    name=&quot;Search agent&quot;,  \n    instructions=&quot;Помогите пользователю искать в интернете.&quot;,  \n    tools=[WebSearchTool(), save_results],  \n)<\/code><\/pre><p>---<\/p>\n<h4>7. Конфигурация инструкций<\/h4>\n<p><b>Рекомендации:<\/b><\/p>\n<ul>\n<li>Используйте существующие документы (например, инструкции службы поддержки).<\/li>\n<li>Разбивайте задачи на шаги.<\/li>\n<li>Определяйте чёткие действия для каждого шага.<\/li>\n<li>Учитывайте крайние случаи.<\/li>\n<\/ul>\n<p><b>Пример генерации инструкций:<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">prompt = &quot;&quot;&quot;  \nВы эксперт по созданию инструкций для агентов.  \nПреобразуйте документ в нумерованный список без неоднозначностей.  \nДокумент: {{help_center_doc}}  \n&quot;&quot;&quot;<\/code><\/pre><p>---<\/p>\n<h4>8. Оркестрация<\/h4>\n<h5>8.1. Системы с одним агентом<\/h5>\n<ul>\n<li>Один агент управляет всеми задачами.<\/li>\n<li>Простота внедрения и обслуживания.<\/li>\n<\/ul>\n<p><b>Пример работы:<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">await Runner.run(agent, [UserMessage(&quot;Столица США?&quot;)])<\/code><\/pre><h5>8.2. Мультиагентные системы<\/h5>\n<ul>\n<li><b>Менеджер-агент<\/b> координирует специализированных агентов.<\/li>\n<li><b>Децентрализованные агенты<\/b> передают задачи друг другу.<\/li>\n<\/ul>\n<p><b>Пример менеджер-агента:<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">manager_agent = Agent(  \n    name=&quot;Менеджер переводов&quot;,  \n    tools=[spanish_agent, french_agent],  \n)<\/code><\/pre><p>---<\/p>\n<h4>9. Защитные механизмы (Guardrails)<\/h4>\n<p><b>Цель:<\/b> Предотвращение рисков (утечки данных, вредоносные запросы).<\/p>\n<h5>Типы защит:<\/h5>\n<ul>\n<li><b>Классификатор релевантности<\/b> → Фильтрация не относящихся к делу запросов.<\/li>\n<li><b>Фильтр PII<\/b> → Защита персональных данных.<\/li>\n<li><b>Модерация<\/b> → Блокировка вредоносного контента.<\/li>\n<\/ul>\n<p><b>Пример кода:<\/b><\/p>\n<pre class=\"e2-text-code\"><code class=\"\">@input_guardrail  \nasync def churn_detection(ctx, input):  \n    # Проверка риска оттока клиентов  \n    ...<\/code><\/pre><p>---<\/p>\n<h4>10. Заключение<\/h4>\n<p><b>Ключевые принципы:<\/b><\/p>\n<ul>\n<li>Начинайте с простых агентов.<\/li>\n<li>Используйте защитные механизмы.<\/li>\n<li>Планируйте вмешательство человека для критических задач.<\/li>\n<\/ul>\n<p>Агенты открывают новые возможности для автоматизации сложных рабочих процессов.<\/p>\n<p><b>OpenAI<\/b> — компания, занимающаяся разработкой ИИ. Наша миссия — обеспечить, чтобы искусственный интеллект приносил пользу человечеству.<\/p>\n",
            "date_published": "2025-04-20T14:09:40+03:00",
            "date_modified": "2025-04-20T14:16:18+03:00",
            "tags": [
                "Agents",
                "AI",
                "LLM"
            ],
            "image": "https:\/\/gavrilov.info\/pictures\/AI_Agents.png",
            "_date_published_rfc2822": "Sun, 20 Apr 2025 14:09:40 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "233",
            "_rss_enclosures": [],
            "_e2_data": {
                "is_favourite": false,
                "links_required": [
                    "highlight\/highlight.js",
                    "highlight\/highlight.css"
                ],
                "og_images": [
                    "https:\/\/gavrilov.info\/pictures\/AI_Agents.png"
                ]
            }
        },
        {
            "id": "220",
            "url": "https:\/\/gavrilov.info\/all\/testiruem-gusya\/",
            "title": "Тестируем Гуся 🪿",
            "content_html": "<p>an open source, extensible AI agent that goes beyond code suggestions – install, execute, edit, and test with any LLM<\/p>\n<p>смотрим, все понятно.<\/p>\n<p><video controls style=\"width: 100%; max-width: 740px; height: auto;\"><br \/>\n<source src=\"http:\/\/a.gavrilov.info\/data\/posts\/Meet-codename-goose-1-0.mp4\" type=\"video\/mp4\"><br \/>\nВаш браузер не поддерживает видео.<br \/>\n<\/video><\/p>\n<p>Основной их сайт:  <a href=\"https:\/\/block.github.io\/goose\/\">https:\/\/block.github.io\/goose\/<\/a><br \/>\nВзять можно тут: <a href=\"https:\/\/github.com\/block\/goose\">https:\/\/github.com\/block\/goose<\/a><br \/>\nили еще почитать тут: <a href=\"https:\/\/habr.com\/ru\/articles\/877522\/\">https:\/\/habr.com\/ru\/articles\/877522\/<\/a><\/p>\n<p>Вот, что сделал:<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.02.54.png\" width=\"1494\" height=\"1126\" alt=\"\" \/>\n<\/div>\n<p>или тут файлы: <a href=\"http:\/\/a.gavrilov.info\/data\/posts\/Goose_App.zip\">Goose_App.zip<\/a><\/p>\n<ol start=\"0\">\n<li>Небольшой сайт, что выше<\/li>\n<li>Скачал версию на Мак<\/li>\n<li>Настроил на openrouter.ai<\/li>\n<li>Выбрал сеть Sonnet 3.5 ( Есть и другие, но эта первая попалась )<\/li>\n<li>Поставил режим режим апрува Goose Mode: Smart Approval<\/li>\n<li>Рабочая директория \/Users\/yuriygavrilov\/NeDir<\/li>\n<\/ol>\n<p>Промт:<\/p>\n<p>выключи запущенную программу на python, сделай кнопку красной и добавь исчезающее приветствие. Запусти программу снова и открой её в браузере. сделай страницу красивой. добавь туда самолет зеленый на фон и запускай программу в фоновом режиме. Открой программу в браузере. Ожидай дальнейших инструкций. Приветствие должно появляться по нажатию кнопки. и добавь еще ssl сертификат на страницу сгенерированный.<\/p>\n<p>Ответ:<\/p>\n<pre class=\"e2-text-code\"><code class=\"\">Я помогу вам модифицировать и запустить программу. Давайте выполним это пошагово.\n\nСначала найдем и остановим запущенную программу:\nShell\ncommand\nps aux | grep python | grep uvicorn\n\nOutput\nShell\ncommand\npkill -f uvicorn\n\nOutput\nGoose would like to call the above tool. Allow?\nShell is approved\nТеперь посмотрим текущий код:\nShell\ncommand\nrg --files | rg '\\.py$'\n\nOutput\nText Editor\ncommand\nview\npath\n\/Users\/yuriygavrilov\/NeDir\/app.py\n\nOutput\nСоздадим новый HTML шаблон с красивым дизайном:\nShell\ncommand\nmkdir -p templates static\/images\n\nOutput\nGoose would like to call the above tool. Allow?\nShell is approved\nСоздадим обновленный HTML файл:\nText Editor\ncommand\nwrite\nfile_text\n&lt;!DOCTYPE html&gt; &lt;html lang=&quot;ru&quot;&gt; &lt;head&gt; &lt;meta charset=&quot;U...\n\npath\n\/Users\/yuriygavrilov\/NeDir\/templates\/index.html\n\nOutput\nGoose would like to call the above tool. Allow?\nText Editor is approved\nСоздадим SVG изображение самолета:\nText Editor\ncommand\nwrite\nfile_text\n&lt;?xml version=&quot;1.0&quot; encoding=&quot;UTF-8&quot;?&gt; &lt;svg width=&quot;800px&quot; he...\n\npath\n\/Users\/yuriygavrilov\/NeDir\/static\/images\/airplane.svg\n\nOutput\nGoose would like to call the above tool. Allow?\nText Editor is approved\nУстановим необходимые зависимости:\nShell\ncommand\npip install flask flask-talisman pyOpenSSL\n\nOutput\nGoose would like to call the above tool. Allow?\nShell is approved\nЗапустим программу в фоновом режиме:\nShell\ncommand\npython app.py &amp;\n\nOutput\nGoose would like to call the above tool. Allow?\nShell is approved\nТеперь вы можете открыть программу в браузере по адресу: https:\/\/localhost:5000\n\nЧто было сделано:\n\nОстановлена предыдущая версия программы\nСоздан новый дизайн с красной кнопкой\nДобавлено исчезающее приветствие (появляется на 3 секунды при нажатии на кнопку)\nДобавлен зеленый самолет\nНастроен SSL сертификат (самоподписанный)\nПрограмма запущена в фоновом режиме\nПри открытии в браузере вы увидите:\n\nКрасивый градиентный фон\nКрасную кнопку в центре\nПолупрозрачный зеленый самолет на фоне\nПри нажатии на кнопку появится приветствие, которое исчезнет через 3 секунды\nПримечание: Поскольку используется самоподписанный SSL-сертификат, браузер может показать предупреждение о безопасности. Это нормально в тестовой среде. Чтобы продолжить, нужно подтвердить исключение безопасности в браузере.\n\nЖду ваших дальнейших инструкций!<\/code><\/pre><div class=\"e2-text-picture\">\n<img src=\"https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.04.01.png\" width=\"1478\" height=\"1580\" alt=\"\" \/>\n<\/div>\n<p>🤖 Ай да Гусь :) но самолета не вижу почему то.  А денег съела прилично где-то 80 центов за пару тестов.<\/p>\n<p>Еще не то увидим, когда заработает <a href=\"https:\/\/gavrilov.info\/all\/iishnica-strategicheskiy-vzglyad-vybor-lokalnoy-llm-i-mcp\">MCP<\/a> повсюду.<\/p>\n",
            "date_published": "2025-04-01T23:10:03+03:00",
            "date_modified": "2025-04-10T20:49:20+03:00",
            "tags": [
                "Agents",
                "AI",
                "LLM"
            ],
            "image": "https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.04.29.png",
            "_date_published_rfc2822": "Tue, 01 Apr 2025 23:10:03 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "220",
            "_rss_enclosures": [],
            "_e2_data": {
                "is_favourite": false,
                "links_required": [
                    "highlight\/highlight.js",
                    "highlight\/highlight.css"
                ],
                "og_images": [
                    "https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.04.29.png",
                    "https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.02.54.png",
                    "https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2025-04-01-v-23.04.01.png"
                ]
            }
        },
        {
            "id": "208",
            "url": "https:\/\/gavrilov.info\/all\/vozmozhnosti-bystro-razvivayuscheysya-sfery-ai-agentov\/",
            "title": "Возможности быстро развивающейся сферы AI-агентов",
            "content_html": "<p>От растущей специализации до развития рынков инфраструктуры — вот где скрываются возможности в быстро развивающейся сфере AI-агентов.<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"https:\/\/gavrilov.info\/pictures\/image-151.png\" width=\"1024\" height=\"718\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Оригинал: <a href=\"https:\/\/www.cbinsights.com\/research\/ai-agent-trends-to-watch-2025\/\">https:\/\/www.cbinsights.com\/research\/ai-agent-trends-to-watch-2025\/<\/a><\/div>\n<\/div>\n<p>AI-агенты доминируют в обсуждениях. Упоминания о них на конференц-звонках компаний, посвященных прибыли, выросли в 4 раза по сравнению с предыдущим кварталом в 4 квартале 2024 года. И они, похоже, удвоятся снова в этом квартале.<\/p>\n<p>Эти системы, основанные на больших языковых моделях (LLM), знаменуют собой эволюцию по сравнению с просто “копилотами”: AI-агенты могут выполнять сложные задачи от имени пользователя с минимальным вмешательством, начиная от поиска потенциальных клиентов и заканчивая принятием решений о соответствии требованиям.<br \/>\nНа быстрорастущем рынке инфраструктуры и приложений для агентов более половины компаний были основаны после 2023 года. Тем временем финансирование стартапов в этой сфере увеличилось почти в 3 раза в 2024 году.<br \/>\nНиже мы представляем 4 тренда в области AI-агентов, за которыми стоит следить в 2025 году, основываясь на данных CB Insights:<\/p>\n<p>Крупные технологические компании и ведущие разработчики LLM доминируют в сценариях использования AI-агентов общего назначения: Разработки в области AI от технологических гигантов сделают агентов лучше, дешевле и более распространенными в 2025 году, оказывая при этом большее давление на частных игроков. Благодаря огромным каналам распространения (например, у OpenAI 400 миллионов еженедельных активных пользователей) и тому, что многие предприятия предпочитают проверенных поставщиков из-за меньшего риска, крупные технологические компании имеют значительные преимущества в приложениях для AI-агентов общего назначения.<\/p>\n<p>На рынке частных AI-агентов наблюдается тенденция к большей специализации: Во все более переполненной горизонтальной сфере AI-агентов — на которую приходится половина всех сделок с акционерным капиталом с 2020 года — успешные компании выделяются в таких областях, как поддержка клиентов и разработка кода, за счет более глубокой интеграции рабочих процессов и данных о клиентах. На горизонте появляются отраслевые решения, которые готовы к более широкому внедрению, согласно оценкам CB Insights Commercial Maturity.<\/p>\n<p>Инфраструктурный стек AI-агентов кристаллизуется: Фрагментированная среда становится более структурированной, появляются специализированные решения для различных аспектов разработки агентов. Ключевые категории включают курирование данных, веб-поиск и использование инструментов, оценки и возможность наблюдения, а также полнофункциональные платформы разработки AI-агентов — крупнейшая категория инфраструктуры, которую мы отслеживаем, основываясь на активности компаний.<\/p>\n<p>Предприятия переходят от экспериментов к внедрению: Организации активно изучают возможности внедрения AI-агентов, и 63% опрошенных CB Insights придают им большое значение в ближайшие 12 месяцев. Однако остаются ключевые проблемы, связанные с надежностью и безопасностью, внедрением и наличием квалифицированных кадров. Контроль со стороны человека и надежное управление инфраструктурой данных могут помочь решить эти проблемы.<\/p>\n",
            "date_published": "2025-03-24T21:59:55+03:00",
            "date_modified": "2025-03-24T21:59:50+03:00",
            "tags": [
                "Agents",
                "AI"
            ],
            "image": "https:\/\/gavrilov.info\/pictures\/image-151.png",
            "_date_published_rfc2822": "Mon, 24 Mar 2025 21:59:55 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "208",
            "_rss_enclosures": [],
            "_e2_data": {
                "is_favourite": false,
                "links_required": [],
                "og_images": [
                    "https:\/\/gavrilov.info\/pictures\/image-151.png"
                ]
            }
        }
    ],
    "_e2_version": 4171,
    "_e2_ua_string": "Aegea 11.4 (v4171e)"
}