Минимальный набор практико-ориентированных публикаций по внедрению RAG/LLM на работе и/или в своих проектах
Подпишись, чтобы не потерять 📚 перешли коллегам, чтобы созидать вместе и подписаться сюды) 😎
- Semantic RAG – как научить AI-ассистентов понимать, а не угадывать
- Три сказа о построении RAG: От выбора модели до форматирования базы знаний
- Новый фреймворк Memento позволяет агентам на базе LLM учиться на опыте — без дообучения модели
- Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны
- Just AI запускает Agent Platform — первую в России enterprise-платформу для разработки и управления AI-агентами
- 4 фреймворка апокалипсиса: LangChain, LlamaIndex, CrewAI и Semantic Kernel в действии
- Хватит дообучать ИИ — дайте ему контекст
- GEPA вместо RL: как рефлексивная эволюция промптов обгоняет обучение с подкреплением
- Развертывание ИИ внутри контура/On-premise — выбор оборудования, расчет и закупка
- Genkit Go 1.0: AI-фреймворк для продакшена
- Секреты LLM по API: динамическая анонимизация данных для российского бизнеса
- Что такое эмбеддинги и как с ними работать. Вводная для начинающих
- Не просто RAG: Строим MCP-сервер на Node.js, чтобы дать LLM «архитектурное зрение»
- Использование графов знаний при разработке RAG-систем
- Применение LLM + RAG для диалоговых систем в службе поддержки
- Часть 1. Обзор подходов RAG
- Что такое Retrieval-Augmented Generation (RAG) в языковых моделях и как оно работает?
- Наука: Методология создания многосвязных структур данных с применением llm в рабочих проектах
- Wiki: СППР
