API нейросети БЕСПЛАТНО |
n8n RSS Агрегатор + AI Агент

О чем видео
Я покажу, как пользоваться нейросетями абсолютно бесплатно и создать своего собственного ИИ-агента для сбора новостей.

Соберем автоматизацию в n8n: она будет каждое утро собирать новости из RSS-лент, фильтровать их, делать выжимку с помощью нейросети Qwen и публиковать готовый пост в канал Telegram.

- - -
👉 Смотреть видео на YouTube

👉 Смотреть видео на RuTube
- - -


➡️ Мой клуб по нейросетям

#llm #n8n #qwen

Сегодня стрим 19:00 по мск

Рынок IT конца 2025 года уже не тот, что был 3–5 лет назад.
Повсеместное внедрение ИИ, компании сокращают расходы, а конкуренция среди Python разработчиков выросла в разы.

О чем стрим:
➡️ Почему ИИ мешает войти в IT
➡️ Какие навыки обесценились, а какие стали важнее
➡️ Почему Middle найти работу может, а джуну почти нереально
➡️ Стоит ли вообще начинать карьеру Python разработчика
➡️ Как компании теперь проверяют кандидатов и причем тут ИИ
➡️ Как ИИ ломает рынок труда

И конечно, ответы на ваши вопросы.

- - -
⏺️Смотреть стрим на YouTube

⏺️Смотреть стрим на RuTube
- - -

#it #it2026 #stream

😎 Мы это заслужили.
Питомцы для VS Code.

GitHub 🐱

Последнее время начали меня спрашивать когда запуститься "клуб по веб разработке"❔

Изначально я планировал в середине января 2026.
Но подумал, что можно и раньше, 15-го декабря 2025.

В клубе по веб разработке мы работаем над проектом и проходим все этапы: бизнес и системный анализ, архитектура проекта и БД, ревью кода и командная работа, и т.д.
Всё как в реальных проектах.

➡️ О клубе можно почитать здесь.

Стоимость участия в клубе 5000 руб. месяц.
Обычно сезон длится 3 месяца, но в этот раз, длительность мы определим с участниками клуба.

Если у вас есть вопросы по клубу, пишите в комментариях.

Чтобы определиться с датой запуска, проголосуйте ниже 👇

По результатам голосования большинство за запуск сезона 15.12.2025 🤨

Но чтобы принять окончательное решение, нужно чтобы набралась критическая масса участников для сезона.

Чтобы вы получили пользу от клуба, нужно знать ваши ожидания и цель.
Набор в 5 сезон, проходит следующим образом, присылайте мне в личку @DJWOMS мини анкету. Я добавляю вас в лист ожидания или задам доп. вопросы. Так мы сможем понять, подходит ли вам участие в клубе.

Что прислать в мини анкете:
1) Ваши текущие знания, стэк
2) Что ожидаете от клуба
3) Чему хотите научиться приняв участие
4) Сколько времени в день будете уделять работе над проектом
5) Можете ли принимать участие в еженедельных онлайн встречах клуба, по вторникам в 18:00 по мск
6) Когда хотите стартовать участие 15.12.25 или 15.01.26

Сезон стартует 15.12, а вы хотели 15.01, есть два варианта:
1) Мы соберем новую команду которая будет работать над проектом с нуля начиная с 15.01
2) Мы интегрируем вас в текущие команды

Стрим сегодня в 19:00 по мск

На стриме:
➡️ Покажу свою рабочую связку для автоматизации чтения новостей.
➡️ Сервис уже развернут: разберём Miniflux и детально смотрим устройство Workflow в n8n.
➡️ Как настроить LLM на проверку релевантности, перевод и отправку только нужных новостей в Telegram.

И конечно, ответы на ваши вопросы.

- - -
⏺️Запись стрима в клубе
- - -

#stream

Короткая пошаговая инструкция по созданию полностью локальной системы многагентной оркестрации на TinyLlama.

Система разбивает цель на подзадачи, распределяет их среди специализированных агентов (исследователь, программист, писатель, аналитик), выполняет их в порядке зависимостей и агрегирует выводы в единый ответ.

1. Подключаем пакеты

pip install transformers torch accelerate bitsandbytes -q
   

2. Создаём модели данных – классы Task и Agent, которые описывают ID, описание, назначение, статус и зависимости.

3. Регистриируем агентов в словаре AGENT_REGISTRY. Каждый агент имеет свой системный промпт и область экспертизы.

4. Обёртка LLM (LocalLLM) загружает TinyLlama в 4‑битном режиме, что позволяет работать без GPU даже на Colab.

5. Класс ManagerAgent отвечает за логирование, разложение цели, выполнение задач и синтез итогового результата.
- decompose_goal формирует JSON задач, используя LLM.
- execute_task вызывает конкретного агента, передавая контекст предыдущих задач.
- synthesize_results объединяет ответы в цельный документ.

6. Встроенные демоверсии (demo_basic, demo_coding, demo_custom) демонстрируют работу системы на простом примере объяснения алгоритма бинарного поиска, реализации функции поиска максимального элемента и произвольной цели.

Ключевые особенности:
➡️ Полностью офлайн – всё работает через transformers, без внешних API.

➡️ Лёгкая настройка, можно изменить промпты, добавить новых агентов, изменить модель LLM.

➡️ Лог при выполнении виден в консоли, а итоговый вывод строится из реальных ответов агентов.

👉 Полный код и инструкции на GitHub

#ai #Llama