Александр Казанцев

В статье рассказываем, как собрали собственного LLM-агента для перевода технической документации: с валидацией, сохранением Markdown и кода, Git-интеграцией и многошаговой проверкой качества.

System Prompt учит модель что говорить, Skills — как проверить сказанное, MCP Tools — как сделать это в реальном мире. Разбираем трёхуровневую архитектуру на примере бота техподдержки с валидацией ссылок.

Документация устаревает быстрее кода. Мы решили это через ИИ-агентов и V100. Работает, но не без нюансов.

Мы проверили Radeon AI PRO R9700 с 32 Гб памяти на реальных задачах: LLM, генерация графики и видео, 3D-рендеринг, и сравнили с NVIDIA. Результат оказался неоднозначным.

Тестируем RTX PRO 2000 - 70 Вт, 16 ГБ GDDR7 и Blackwell в Ollama, ComfyUI и Blender. Мы проверили, на что реально способна карта и стоит ли она своих денег.

HOSTKEY разработала свой LLM-бенчмарк для GPU-серверов с NVIDIA. Тест проверяет работу Ollama под нагрузкой, измеряет скорость инференса и выявляет, как разные GPU ведут себя при генерации больших контекстов. Полный скрипт доступен на GitHub.

Когда Google Meet внезапно начал «тормозить» в России, мы оказались перед выбором: Zoom, Яндекс Телемост, NextCloud или self-hosted решения. После тестов мы остановились на Jitsi Meet на VPS и проверили его в боевых условиях. Делимся опытом и подводными камнями.

Хотите автоматизировать рутину без единой строчки кода? Покажем, как за 15 минут собрать Telegram-бота на n8n — и это только начало.

Планируете запуск блокчейн-ноды? Узнайте, какие характеристики сервера важны для стабильной и быстрой валидации транзакций.

Сервер с двумя RTX 5090: масштабируем производительность или множим проблемы в ИИ задачах?