Как-то само собой появилась услуга по доработке и разработке промптов.

Ко мне с таким вопросом обратилось несколько человек.

Если у вас есть подобная задача, пишите в лс @DJWOMS

С задаче по определенью текста в AI-детекторе я справился уже давно.

Было видео на эту тему. Также помог с промптом для переписывания большого объема текста.

Сейчас работаю, чтобы после рерайта, выдавало > 90% уникальности текста.

Предварительный результат на скрине.

Отправляем вопрос в ТГ бот. Затем отправляем файл (он небольшой, поэтому без RAG) в LLM и даем ответ пользователю.

#ai #нейросеть #n8n

Cлужбы и платформы, позволяющие внедрять AI-агентов

Low-\No-code автоматизация рабочих процессов
▫️ n8n — open-source конструктор сценариев. Есть готовые узлы для OpenAI и других LLM.

▫️ Zapier Agents — создаёт автономных "агентов" внутри zaps и подключает их к 7 000+ SaaS-приложений.

▫️ Make AI Agents — модуль в платформе Make для проектирования и повторного использования агентов.

▫️ Pipedream Connect — SDK и хостинг для 2 700+ интеграций. Подходит как бэкэнд для собственных AI-агентов.


Управляемые облачные предложения LLM-провайдеров
▫️ OpenAI Assistants API — готовый слой памяти, инструментов и диалоговой логики для генеративных агентов.

▫️ AWS Bedrock Agents — оркестрация многошаговых задач с доступом к корпоративным данным и внешним API.

▫️ Google Vertex AI Agent Builder — сервис для создания и развертывания многоагентных решений на базе моделей Gemini.

▫️ Microsoft Copilot Studio / Power Automate Agents — визуальная среда для агентов, публикуемых в Teams, почту и мессенджеры.


Открытые фреймворки для разработчиков
▫️ LangChain — цепочки, память, инструменты и исполнитель агентов для Python и JS.

▫️ AutoGen — библиотека Microsoft Research для кооперации нескольких LLM-агентов.

▫️ CrewAI — лёгкий фреймворк на Python для быстрых многоагентных сценариев.

▫️ LlamaIndex AgentWorkflow — компонент RAG-ориентированной библиотеки LlamaIndex для оркестрации агентов.

Veo 3 развлекается

Решил свою книгу по промпт-инжинирингу выложить на сайты. А там требуют fb2.

Соответственно следующие свои труды сразу буду делать адаптированные под этот формат.

Пойду писать автоматизацию на верное форматирование. Конверторы ужас творят.

Проверил оплату ChatGPT через МТС, работает.

Но лучше оплачивать через знакомых, если нет своей зарубежной карты. Так дешевле.

Расскажу на примере, как можно использовать нейронки для упрощения работы с контентом.

Канал веду давно. Темы постепенно накапливаются, постов много. Плюс есть клуб, для которого тоже нужно готовить материалы.
В какой-то момент понял, надо посмотреть, что у меня уже есть, и как это всё можно чуть более системно выстроить.

Чтобы проще планировать, не повторяться и не держать всё в голове.

С чего начал.
Экспортировал историю чата (канала).
Выгрузил, пришёл с этим к AI (здесь как раз помогает ChatGPT), спросил:
👉 Проанализируй посты в телеграм канале. Я загрузил файл.
В какой роли ты можешь помочь мне с разбором контента и планированием?

В процессе:
* проанализировали, какие темы уже хорошо раскрыты
* что из них "живёт" и продолжает интересовать людей (например: промпты, практические обзоры, личные мысли)
* что можно добавить: кейсы применения AI, примеры автоматизации в жизни и работе (буду усиливать эту часть)

Потом попросил помочь накидать структуру для контентного плана.

Разделили:
▫️ что удобно давать в канал,чтобы было интересно всем
▫️ что можно глубже разобрать для клуба, чтобы там был практический смысл и дополнительная польза

Сейчас у меня есть понятная сетка постов на неделю.
Не строгий "план-план", а ориентир, чтобы проще работать.

Плюс сделал для себя простую автоматизацию:
▪️ сбор полезных материалов по темам
▪️ подсказки по форматам постов
▪️ шаблоны для разных типов постов

Работает проще, чем кажется. Главное это правильно формулировать промпты.

Если интересно, в клубе расскажу подробнее:
* какие промпты использовал для анализа канала
* как выстроил для себя процесс планирования
* примеры шаблонов, которые сейчас применяю

Покажу прямо примеры промптов, чтобы каждый мог так разобрать свой канал, блог или проект.

P.S.
После анализа истории постов, нейронка понимает стиль автора и не дает рекомендации в стиле "я маркетолог сейчас продадим".

#ai #нейронныесети #контент #промпты #автоматизация

Появился интересный инструмент — OpenMemory.

Это модуль памяти для LLM, который работает локально и позволяет переносить контекст между разными нейросетями.

Пример: поработали в одном инструменте (в Claude или Cursor), задали какой-то контекст.
Потом открыли другой и у него есть доступ к прошлому контексту. Не приходится каждый раз объяснять заново.

Причём память работает локально. Можно контролировать, что сохраняется.

Поддерживается формат MCP. С ним уже работают Cursor, Claude, Windsurf и т.д.
Интеграция постепенно будет расширяться.

Инструмент в ранней стадии. Работает через локальный сервер (можно поднять, есть дока). Нужно немного разобраться, но в целом ничего сложного.

Ссылка на GitHub

#OpenMemory #ai #нейронныесети

MCP (Model Context Protocol) — это открытый протокол для унифицированной передачи контекста и инструментов большим языковым моделям (LLM). По сути, MCP задаёт единый “разъём” для интеграции вашего чат-бота или ассистента с любыми внешними сервисами: базами данных, API и инструментами автоматизации.

Зачем нужен MCP?
Вместо создания N×M коннекторов под каждую связку LLM и сервис, вы реализуете один протокол.
Это позволяет легко менять или добавлять инструменты без правок в ядре приложения.

Документация

#ai #нейросеть #tools #mcp

Какую проблему реально решает MCP

Когда подключаешь LLM к внешним сервисам, почти всегда начинается одно и то же: на каждый новый API или базу данных пишется свой отдельный коннектор.

Чем больше интеграций, тем больше разрозненного кода. Любое изменение или добавление инструмента — это правки в нескольких местах, потенциальные баги и лишние часы отладки.

MCP эту проблему убирает. Протокол задаёт единый стандарт описания инструментов для модели. Всё через декларативную схему.

Это упрощает поддержку и не ломает архитектуру. Проект становится более надёжным и масштабируемым. Упрощает подключение новых сервисов.

Где, по вашему опыту, MCP мог бы реально упростить жизнь или уже упростил?

#ai #нейросети #tools #automation #mcp

Разобрались, что такое MCP и зачем он нужен. Теперь как его внедрить в проект.

MCP — это не фреймворк, а протокол. Его задача стандартизировать взаимодействие модели с внешними инструментами.

Алгоритм такой:

1️⃣ Сначала определяете, какие инструменты или сервисы хотите "открыть" для модели. Например: CRM, БД, API внутренней системы.

2️⃣ Описываете эти инструменты в декларативном формате (JSON/YAML). Прописываете доступные методы, параметры, ограничения.

3️⃣ Подключаете MCP-сервер или клиент. Готовые SDK есть для Python, TypeScript, Java и т.д.

4️⃣ Интегрируете этот слой с вашей моделью. Поддержка MCP уже есть в популярных инструментах (LangChain, Semantic Kernel и др.).

5️⃣ Тестируете. При необходимости добавляете поддержку сложных сценариев — цепочек вызовов, откатов, проверок контекста.

Важно: MCP не заменяет логику бизнес-процессов — он делает так, чтобы модель могла безопасно и стандартизировано работать с внешними инструментами.


#ai #нейросети #tools #automation #mcp

Всё больше встречаются комментарии, что писать ролевые промпты это шиза, а длинные промпты это плохо.
А автор - "Генерирует в нейронке и выдает за авторский «полезный» контент".

В паре своих видео и стримах, я рассказывал когда какой подход нужен. Но давайте разберемся.


Зачем нужны ролевые промпты?

Ролевые промпты, например "ты – опытный преподаватель" или "играй роль пиратского рассказчика", позволяют задать нужную манеру общения — эмоциональную окраску, формальность или креативность.

Роль это не полный набор знаний, а "линза" для фокусирования внимания. Роль помогает сконцентрировать модель на нужной области, но должна дополняться конкретными инструкциями.

Но мало ли что говорю я, давайте обратимся к экспертам в этой области.

OpenAI

В Chat Completions каждому сообщению задают role; системная инструкция задаёт «высокоуровневые инструкции» и стиль поведения модели.
Ссылка

Anthropic

Используйте параметр system, чтобы задать роль — это самый мощный способ повысить качество Claude; роль усиливает точность, задаёт тон и удерживает фокус.
Ссылка

Ролевой промпт задаёт общую "персону" модели и стиль общения. Полезно, когда важен тон, доменная экспертиза или нужно сузить фокус.

Когда нужен длинный промпт, а когда нет

- для детализации и ясности
- определить цель
- дать контекст
- включить инструкции
- указать стиль
- привести примеры

Это помогает избежать двусмысленности, уменьшить шанс галлюцинаций и повысить релевантность.

Но опять же, не слушаем меня, обратимся к экспертам в этой области.

OpenAI

Будьте конкретны, описательны и максимально подробны относительно желаемого контекста, результата, длины, формата, стиля и т.д.
Ссылка

Инструкции должны быть в начале, отделены через ### или """, и чётко разделены от контекста; это улучшает точность и структуру
Ссылка

Anthropic

Разместите длинный контекст (>20 000 токенов) в начале, а инструкции — в конце; это повышает качество ответа до 30 %
Ссылка

Давать контекст, определять формат, и приводить примеры, чтобы повысить точность
Ссылка

Советы от автора
Если промпт состоит из нескольких больших задач или получился слишком большой. Проще разбить его на несколько частей и выполнить задачу по шагам.

Если задача простая или решается не подробным промптом, то делайте маленький промпт. Главное что ваша задача выполнена.

Если вы видите, что LLM не верно выполняет задачу, уточните промпт. Повторите эти действия. В итоге вы получите нужный вам промпт, с нужными инструкциями.

Со временем вы научитесь понимать когда нужна роль и когда нужен более подробный промпт.

Генерирует в нейронке и выдает за авторский «полезный» контент

Я не скрываю что, создаю промпты с помощью LLM. Даже приводил пример мета-промпта.

Но я не выдаю сырой промпт от LLM.
Я в какой-то степени разбираюсь в промпт-инжиниринге и могу написать верный промпт.

LLM сокращает время на создание черновика, в принципе как и в других сферах мы их применяем.

Я адаптирую промпт. Убираю лишнее, дописываю или переформулирую. Тестирую, вношу правки и так до тех пор, пока не будет выдан нужный мне результат.
Получается ли что промпт, теперь авторский?

В создании контента так же. Поиск информации, создание черновика и т.д. могу доверить нейросети. Но весь текст, видео и т.д. созданы мною, под моей редактурой. Нейросеть не ведет мои каналы.

Нейросети для меня как помощник, который делает черновую работу и сокращает время на реализацию.

Ссылки для двух постов выше были найденные ChatGPT.

Считать ли этот контент авторским?