Частый вопрос и проблема в проектах Django, как делить на приложения и как не делать сильно связанные приложения.

Видел разное, но то, что делает LLM это топ.

Сделала импорт views из другого приложения и наследовала его.

"Здесь наши полномочия всё"

Последний день до активной разработки в сезоне.

В клубе сформировали две команды. Новые ребята знакомиться с проектом.

Клуб по программированию был объединён с клубом по веб разработке. Если вы учите питон, то тоже можете присоединиться.

Если у вас есть свой пет проект или ищите такой, можете постараться найти команду или проект в клубе.

Ждём вас.

SEO под нейросети в 2025: руководство по GEO/AEO для получения трафика из нейроответов / Хабр https://share.google/fwaA3s0oToezbZzv9

Google представила Gemini CLI — инструмент командной строки, который подключает пользователей напрямую к модели Gemini 2.5 Pro. Решение распространяется как open-source (лицензия Apache 2.0) и доступно бесплатно при входе через личный аккаунт Google.

Контекстное окно до 1 млн токенов и суточный лимит 1 000 запросов (до 60 запросов в минуту). Для расширенных сценариев поддерживаются ключи Google AI Studio, Vertex AI и платные планы Gemini Code Assist.

CLI клиент выполняет задачи анализа и генерации кода, работы с файлами и запуска shell-команд. Функции расширяются с помощью MCP или встроенные расширения. Запросы можно использовать в неинтерактивных скриптах. При необходимости агент подгружает актуальные данные из Google Search.

Gemini CLI разделяет тех. базу с Gemini Code Assist, один и тот же движок доступен в VS Code, и в терминале.

Ссылка на GitHub

#ai #gemini #tools

CrewAI когда и зачем использовать

Что такое CrewAI
CrewAI это оркестратор многоагентных пайплайнов. Он помогает формализовать:
- роли (agents) с чёткими целями и инструментами,
- задачи (tasks) для этих ролей,
- процесс (process), по которому всё это исполняется.

CrewAI нужен, когда вы:
▪️ хотите разделить ответственность: Writer / Editor / Critic / Planner / Coder / DevOps
▪️ используете инструменты (tools): БД, веб-поиск, Telegram Bot API, RAG и т.д.
▪️ делаете планирование и самопроверку (self-critique, debate, manager/worker),
▪️ готовите масштабируемые и поддерживаемые пайплайны (CI/CD, тесты, Docker).

Если у вас одна линейная задача, например, "сгенерь текст", то LLM SDK + одна функция почти всегда быстрее, дешевле и проще.

Базовые сущности (очень коротко)
Agent — роль с goal, backstory, инструментами и моделью.
Task — конкретная работа, которая назначается агенту.
Crew — собирает агентов и задачи; отвечает за процесс выполнения.
Process — стратегия исполнения sequential, hierarchical, и др.

Когда CrewAI — это оверкилл
У тебя 1 запрос к модели → просто вызови SDK (OpenAI, Gemini, Ollama). Отсутсвуют инструменты, память, проверка качества, планирование. Нет нужды в поддерживаемом пайплайне (не продакшен, не CI/CD, не тесты).

#crewai

Минимальный рабочий пример Crew AI

# если пользуешься uv
uv tool install crewai

# или классика
python -m venv .venv
source .venv/bin/activate  # (Windows: .venv\Scripts\activate)
pip install crewai

# file: main.py
from crewai import Agent, Task, Crew, Process, LLM


def run():
    llm = LLM(model="ollama/gemma3:latest",     base_url="http://localhost:11434")

    TOPIC = "локальные LLM: как выбрать между Ollama, vLLM и LM Studio (для новичков)"

    writer = Agent(
        role="Writer",
        goal="Писать краткие, технически точные посты для Telegram",
        backstory="""Ты технический автор и разработчик. 
Пишешь коротко, без воды, даёшь минимально достаточный код/аргументы.""",
        verbose=True,
        llm=llm,
    )

    task = Task(
        description=f"Сделай пост для Telegram на тему: {TOPIC}",
        expected_output="""Структурированный пост до 2500 символов, с TL;DR (3 буллета), и коротким выводом. Без упоминания CrewAI.""",
        agent=writer,
    )

    crew = Crew(agents=[writer], tasks=[task])
    print(crew.kickoff())

Запуск

uv run crewai run

#crewai

Частые ошибки новичков в CrewAI

✔️ Не привязали Task к Agent → ValidationError. Всегда указывай agent в задаче или в YAML.

✔️ Неописанный backstory.

✔️ Смешивают промпт задачи в агенте. Роль и цель → в Agent; что сделать → в Task.

✔️ Нет expected_output. Формализуй формат результата (форма, длина, ключевые секции).

✔️ Процесс не указан, поведение неочевидно. Явно ставь process=Process.sequential (или другой), чтобы было ясно, как исполняются задачи.

#crewai

Агенты ищут в интернете, анализируют и пишут статьи.