2844
По всем вопросам- @haarrp @itchannels_telegram - 🔥лучшие ит-каналы @ai_machinelearning_big_data - Machine learning @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚
🚀 PageIndex - умный индекс документов для reasoning-RAG (без векторов)
PageIndex от VectifyAI - open-source система, которая помогает работать с длинными документами (PDF, тексты, правила и т.д.) так, как это сделал бы эксперт-человек, а не обычный поисковик.
В отличие от традиционных RAG-систем, которые разбивают текст на куски и используют vector search (векторное сопоставление), PageIndex создаёт иерархическое дерево структуры документа и позволяет моделям ИИ логически искать ответы через reasoning и tree search.
📄 Основная идея
- Длинные документы индексируются как семантическое дерево — похожее на умный «оглавление»
- Структура сохраняет контекст и древовидную иерархию секций
- При запросе модель обходит дерево через reasoning-поиск, как человек, который листает книгу по разделам, а не просто ищет по похожести текста
- Не нужны: векторная база данных, chunking и top-K-селекция, что снижает потери контекста и повышает точность поиска
🧠 Почему это важно
✔️ Лучше для сложных и больших документов (финансовые отчёты, юридические тексты, технические мануалы)
✔️ Сохранение структуры означает, что ИИ может понимать, где именно в документе находится нужная информация
✔️ В отличие от vector-RAG, здесь решение не основано на похожести, а на пошаговом анализе структуры документа
🔧 Что внутри
- Скрипты и Jupyter-ноутбуки для генерации дерева из PDF или Markdown
- Возможность делать reasoning-RAG напрямую без внешних Vector DB
- Примеры использования и cookbooks для практических сценариев
PageIndex - это не просто индекс, а иерархический, reasoning-ориентированный RAG-фреймворк. Он позволяет ИИ читать и анализировать документы, как эксперт, обходя ограничения простого векторного поиска в больших текстах.
▪ Github: https://github.com/VectifyAI/PageIndex
▪ Blog post: https://vectify.ai/blog/Mafin2.5
это по сути показатель количества денег, которые люди закатили в эти токены
Читать полностью…
Qwen тема, сам ей пользуюсь, она ооочень помогает! Круть 👍
Читать полностью…
🚀 Qwen 3.6-Plus забрал все три первых места на OpenRouter. Одновременно.
Alibaba выкатили новую модель, и она сразу заняла #1 в трех рейтингах OpenRouter: Daily, Weekly и Trending. Такого там раньше никто не делал.
Модель уже вышла из триала и доступна в проде. По первым отзывам: латенси ниже, рассуждения на уровне топовых моделей, а цена за токен заметно приятнее конкурентов.
Доступна через Qwen Cloud, Alibaba Cloud Model Studio, OpenRouter и Fireworks AI. Из коробки интегрируется с OpenClaw, Kilo Code, Cline, opencode и Qoder.
Для тех, кто сейчас выбирает модель под продакшен, есть смысл погонять на своих задачах.
Достижения на OpenRouter звучат красиво, но синтетические бенчмарки и реальные пайплайны - вещи разные.
Интересно посмотреть, как она поведет себя на длинных контекстах и сложных мультиэтапных цепочках.
openrouter.ai/qwen/qwen3.6-plus
fireworks.ai/models/fireworks/qwen3p6-plus
@ai_machinelearning_big_data
#qwen
Все думали, что ASR+TTS это база, а тут модель в одной коробке. Интересно, зачем тогда нужны сложные пайплайны?
Читать полностью…
🔥 Собери свой OpenClaw за вечер
Репозиторий, в котором разобрано устройство OpenClaw по слоям.
Это формат, которого не хватает большинству гайдов, пошаговая сборка системы, где каждый этап добавляет новый уровень сложности
Сначала обычный чат. Потом подключаются инструменты. Затем навыки, работа с вебом, память, маршрутизация задач и мультиагентная логика. В какой-то момент начинаешь ловить себя на мысли, что уже думаешь как оркестратор, а не как пользователь модели
В гайде хорошо видно, где заканчивается модель и начинается обвязка. Как строится цикл принятия решений, как агент выбирает инструменты и как вообще появляется ощущение «интеллекта»
Дает неплохое понимание архитектуры клешни.
https://github.com/czl9707/build-your-own-openclaw
@ai_machinelearning_big_data
#opensource #openclaw
Oracle массово режет штат - до 30 000 человек за один день.
По разным оценкам уволили от 10 000 до 30 000 сотрудников
Письма пришли в 6 утра - без предупреждений от менеджеров и HR • День получения письма сразу стал последним рабочим днём • В отдельных командах сокращения доходят до 30%+
Формулировка классическая: «организационные изменения»
Компани перераспределяет деньги в ИИ и облачную инфраструктуру.
В 2025 компания столкнулась с резким ростом расходов • Огромный кассовый разрыв из-за инвестиций в инфраструктуру •
Аналитики оценивают экономию от сокращений в $8–10 млрд Но есть нюанс:Даже если все деньги уйдут в ИИ, окупаемость ожидается только к 2030 году
Ирония 2026:Мы думали, нас заменит ИИ, потому что он умнее и дешевле А оказалось - нас увольняют, потому что он слишком дорогой и пока ещё не настолько эффективны.
https://vc.ru/ai/2844412-oracle-uvolila-do-30000-sotrudnikov-iz-za-investitsiy-v-ii
Одна из самых долгих и ресурсоемких частей в создании аналитических систем - это подготовка базовой инфраструктуры.
Stackland, выпущенный Yandex B2B Tech, как раз решает эту задачу: средства хранения и обработки данных, как и управляемые СУБД от Yandex Cloud уже встроены в платформу и разворачиваются из коробки вместе с необходимым слоем управления. И разворачивается платформа во внутреннем безопасном контуре.
Получаешь готовый data-фундамент с управлением доступами, мониторингом и масштабированием. И можешь сразу идти в разработку.
Запросить демо платформы, а также записаться на индивидуальную консультацию с архитекторами платформы можно по ссылке.
🚀 Выложили в open source крупнейшую базу интеграций для AI-агентов.
- 47 000 действий для агентов в 250+ приложениях
- Подключения к Slack, GitHub, Gmail, Stripe, Discord, Google Sheets и другим сервисам
- Все действия проверены, агент больше не «галлюцинирует» API
- Разворачивается одной CLI-командой: подключил один раз — используешь везде
Это тот самый слой интеграций, которого агентам давно не хватало.
https://github.com/withoneai/cli
«Его открывал мой муж. Поэтому и покинул нас в 45», - добавила она
Читать полностью…
Визуальный конструктор агентов — это действительно удобно, сам недавно собирал похожую систему. Для сравнения моделей использую https://z.ai/subscribe?ic=TRWNDHG5IE — там GLM-5 хорошо справляется с агентными сценариями.
Читать полностью…
⚡️ Alibaba DAMO Academy (лаборатория, которая создала Qwen) открыла исходный код AgentScope - Python-фреймворка для построения систем из нескольких AI-агентов.
Чем он отличается от остальных:
Вы описываете задачу - система строит архитектуру сама. Планировщик, исследователь, программист, критик - каждый агент получает свои инструменты, память и логику рассуждений.
Они работают в связке и возвращают готовый результат.
Что внутри из коробки:
• Визуальный конструктор агентов, проектируете систему до написания кода
• Поддержка MCP-инструментов - подключаете любые внешние сервисы напрямую
• Встроенная память - агенты помнят контекст, решения и историю между сессиями
• RAG-конвейер - подключаете свои документы и базы знаний
• Модули рассуждений - агенты планируют, рефлексируют и исправляют ошибки без участия человека
Это фреймворк, где агент - первичная единица мышления с самого начала проектирования.
Лицензия: Apache 2.0. Полностью бесплатно.
https://github.com/agentscope-ai/agentscope
🎯Полезные ресурсы 🚀 Max
@sqlhub
но qween 3.6 на текущий момент там бесплатная, поэтому почему бы ей не забрать все места в рейтингах
Читать полностью…
Хочу увидеть настоящий пайплайн, ведь рейтинг без практики пустое место
Читать полностью…
🚀 GigaChat 3.1 Ultra и GigaChat 3.1 Lightning в опенсорс под MIT лицензией!
Обе модели
• Обучены с нуля — без инициализации зарубежными весами
• MoE + MTP + MLA
• Совместимы с HuggingFace, llama.cpp / vLLM / SGLang
Код и веса уже на платформе GitVerse.
Это не просто релиз весов, а результат большой инженерной работы над качеством, alignment и стабильностью модели. В блоге команда поделилась результатами и своими наработками.
В релизе: высокие результаты на аренах, улучшенный function calling, решённая проблема циклов, DPO в нативном FP8, найденный и зарепорченный баг в SGLang при dp > 1.
🔥 Китайцы выкатили мощный голосовой ИИ - VoxCPM2
Модель от OpenBMB, которая умеет:
• Понимать и генерировать речь
• Работать с голосом почти в реальном времени
• Делать voice-to-voice без сложных пайплайнов
• Подходит под ассистентов, звонки и голосовые агенты
Главный плюс - всё это в одной модели, без костылей из ASR + TTS
https://huggingface.co/openbmb/VoxCPM2
Рады приветствовать! Предлагаю разработку ботов, создание сайтов, лендингов, сайтов-визиток, скриптов, приложений и других более сложных проектов для ваших дел. Также в наличии обширные БД ТГ: каналы / чаты / пользователи. И перечень других услуг для вашего дела. Переход в графе "О Себе". Большая благодарность за ваше внимание!
Читать полностью…
⚡️ Таблицы теперь живут прямо в терминале
Да, без Excel и без GUI.
Sheets - это инструмент, который позволяет читать и редактировать CSV прямо в терминале через TUI или CLI.
Что внутри:
- полноценная работа с таблицами без выхода из терминала
- vim-подобные хоткеи и навигация
- быстрые правки без лишнего оверхеда
Работает на Windows, macOS и Linux.
Идеально, если ты живёшь в терминале и не хочешь дергаться между окнами.
Excel начинает нервничать.
https://github.com/maaslalani/sheets
Всем Ассяламу алейкум.я тоже хотел учиться на дата аналитика,есть бесплатные курсы?
Читать полностью…
Кстати, это очень полезно изучить
Я заметил, что если начать полностью пользоваться задуманным функционалом этих приложения (Клод код, кодекс, курсор и тд) - то качество результатов моделей в разы увеличивается
Папка .claude: полный разбор того, что внутри
Большинство разработчиков, работающих с Claude Code, смотрят на папку .claude как на черный ящик. Знают, что она есть. Видели, как она появляется в корне проекта. Но никогда не открывали и уж точно не понимали, что там лежит и зачем.
А зря. Папка .claude – это центр управления поведением Claude в вашем проекте. Здесь хранятся инструкции, кастомные команды, правила доступа и даже память модели между сессиями. Разберемся с каждым файлом и папкой по порядку.
https://uproger.com/papka-claude-polnyj-razbor-togo-chto-vnutri/
⚡️ Anthropic на конференции показали, как Claude сам находит zero-day уязвимости.
Взяли не абы что, а Ghost - проект, у которого за всё время не было ни одной критической дыры.
Claude понадобилось ~90 минут, чтобы найти SQL-инъекцию и добраться до админского API.
И на этом он не остановился.
Дальше - тот же подход применили к ядру Linux.
Это уже не “помощник разработчика”.
Это автономный инструмент для поиска уязвимостей.
https://github.com/tryghost/Ghost
Сколько времени обычно уходит на сборку полноценной data-архитектуры? Дни, недели или даже месяцы?
2 апреля команда Yandex Cloud покажет, как развернуть Lakehouse по клику и получить рабочую аналитическую архитектуру без долгой интеграции разрозненных инструментов.
В основе — единый стек:
raw-данные в Object Storage (S3);
табличный слой на Iceberg;
обработка через Trino и Spark;
интерактив — витрины в ClickHouse и BI.
✅ Зачем приходить
— Поймёте, как выглядит целевая архитектура «от данных до BI» и как собрать её без лишней ручной интеграции
— Получите практические ответы «как делать правильно»: Iceberg, ingestion, метаданные и доступы
— Услышите опыт крупного бизнеса: где «чистый Lakehouse» достаточен, а где нужен слой витрин (Magnit Tech, F&R, десятки петабайт)
— Разберёте паттерны для низкой латентности и потоковых сценариев: витрины, ClickHouse + Kafka, интеграции с BI
— Узнаете, что дальше по roadmap: Iceberg REST Catalog (управляемость/контроль доступа) + AI‑агенты для работы с кодом и пайплайнами + как попасть в лист ожидания
— В конце — Q&A и сбор заявок на воркшопы/пилоты после митапа
Бонусом вас ждут практические рекомендации по производительности и развитие платформы, включая AI-ускорение ETL/ELT. Для команд, которые строят или модернизируют DWH/Lakehouse и хотят сократить время, это маст!
Всё бесплатно, регистрируйтесь тут.
🌟 Лучшие GitHub-репозитории для Claude Code, которые могут увеличить эффективность твоего следующего проекта:
1. Superpowers
https://github.com/obra/superpowers
→ Набор “супер-скиллов” для Claude: готовые промпты и инструменты, которые расширяют возможности агента (автоматизация, генерация кода, workflow).
2. Awesome Claude Code
https://github.com/hesreallyhim/awesome-claude-code
→ Кураторский список всего полезного вокруг Claude Code: гайды, тулзы, примеры, лучшие практики.
3. GSD (Get Shit Done)
https://github.com/gsd-build/get-shit-done
→ Фреймворк для реального продакшн-использования агентов: ставишь задачи - агент разбивает их и доводит до результата.
4. Claude Mem
https://github.com/thedotmack/claude-mem
→ Система памяти для Claude: позволяет агенту “помнить” контекст, прошлые действия и работать как долгоживущий ассистент.
5. UI UX Pro Max
https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
→ Набор навыков для генерации интерфейсов: помогает Claude делать более качественные UI/UX решения и дизайн.
6. n8n-MCP
https://github.com/czlonkowski/n8n-mcp
→ Интеграция Claude с n8n: можно подключать агента к автоматизациям, API и workflow без кучи кода.
7. Obsidian Skills
https://github.com/kepano/obsidian-skills
→ Навыки для работы с Obsidian: управление заметками, knowledge base и личной базой знаний через Claude.
8. LightRAG
https://github.com/hkuds/lightrag
→ Лёгкая реализация RAG (Retrieval-Augmented Generation): быстро подключаешь свою базу данных к модели для более точных ответов.
9. Everything Claude Code
https://github.com/affaan-m/everything-claude-code
→ Универсальный сборник: шаблоны, примеры, инструменты - всё, чтобы быстро стартовать и прокачать Claude Code.
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
На Stepik вышел курс
ML Engineer / Data Scientist: табличные модели в продакшн
Практический курс по табличному ML для тех, кто хочет прокачаться в сторону ML Engineer / Data Scientist и увереннее чувствовать себя в реальных задачах на табличных данных.
Внутри:
— CatBoost / LightGBM
— feature engineering (генерация признаков)
— корректная валидация
— анти-leakage
— тюнинг через Optuna
— SHAP
— batch inference
— REST API для предсказаний
Акцент курса — не только на качестве модели, но и на том, как собрать вменяемый и цельный ML-пайплайн для практических задач.
В течение 48 часов после публикации действует скидка 25%.
Записаться на курс можно здесь
Ип Малышкин А.А.
ИНН: 402571325199, Erid: 2Vtzqv1KLw7