Как устроены AI агенты: разбираемся на примере ReAct и Reflection
Привет, Хабр! В последнее время AI агенты стали главным трендом. Многие используют готовые шаблоны, такие как create_react_agent из langchain, но не понимают, как они работают под капотом. При этом агенты становятся все сложнее, и придет время, когда нужно будет писать свою реализацию. В этой статье мы разберем:Устройство ReAct агента Устройство Reflection агента Примеры системных prompt запросов Кейсы использования и особенности Что такое AI агентПрежде чем переходить к коду, нужно понять, что можно считать агентом. Существует множество определений, например:
Создание умных AI-агентов: полный курс по LangGraph от А до Я. Часть 1. Архитектура: графы, узлы и состояния
Приветствую! Дошли руки для того, чтобы оформить свои знания по теме LangGraph и LangChain в оконченный мини-курс. Сейчас вы читаете первую часть из моей 4-х серийной работы. Как вы поняли из названия, говорить мы сегодня будем про LangGraph — инструмент, который произвёл настоящий фурор в мире энтузиастов по созданию полноценных ИИ-агентов на Python и JavaScript.Сегодня мы начнём с самых основ, а именно:Разберёмся, что такое LangGraph, и поймём, чем он так хорошРазберёмся с основными «китами» этого инструмента: графы, узлы (ноды), рёбра и состоянияНаучимся описывать свои графы на простых примерах
Открытый доступ к результатам исследований стимулирует инновации, но как избежать непредвиденных последствий?
Дилемма двойного применения: как совместить открытость исследований и безопасность
Semantic Error Correction Loop (SECL): самоисправляющиеся LLM-пайплайны с понятием доверия к контексту
В последние годы большие языковые модели кардинально изменили ландшафт искусственного интеллекта, открывая невероятные возможности для автоматизации текстовых задач. Однако, несмотря на впечатляющие успехи, одна из ключевых проблем остаётся нерешённой — модели часто допускают логические ошибки, создают неясные или избыточные формулировки, а также генерируют тексты с низкой степенью доверия к собственным ответам.В своей практике я столкнулся с необходимостью повышения качества генерации без постоянного ручного контроля и затратных этапов дообучения. Это подтолкнуло меня к идее нового подхода —
Какого китайца выбрать? DeepSeek vs Qwen vs Baidu
Я протестировал 3 китайские LLM — теперь боюсь, что GPT в опасности.Отличительная особенность большинства китайских моделей, что они бесплатные. Сегодня я хочу провести субъективный обзор трёх главных китайских моделей и понять, что лучше использовать и в каких задачах. ⚠️ Это не научная статья, а честный отзыв пользователя
Как врач сделал себе ИИ помощника. Часть 4
На календаре август 2025-го. Когда я публиковал третью часть, думал, что точка поставлена. С того времени сервис md4me.ru немного обновился и продолжает выполнять свою функцию, но пока больше не развивается. И сразу скажу, что есть много идей как сделать его более полезным (кому интересно – пишите), но сегодня не об этом. Технологии не спят, а мозг врача тем более. Поэтому вместо эпилога получилась новая глава о том, как я вырастил из нейросетей полноценного коллегу и назвал его OncoCopilot.
AI-агенты для взлома смарт-контрактов
Пример смарт-контракта Solidity, который реализует очень базовую модель хранения одного числового значения в блокчейнеВозможно, найдено самое прибыльное использование AI-агентов на сегодняшний день.
Почему Европа не смогла сделать свою Кремниевую долину
Мы в Beeline Cloud продолжаем рассказывать про тренды в ИТ — пишем про квантовое превосходство, синтетические данные для обучения нейросетей и развитие капчи
