AgentBlackBox описывает журнал действий AI-агентов с ручным одобрением
AgentBlackBox описывает журнал событий для задач AI-агента, проверку правил, ручное одобрение и экспорт отчётов. Подключения к внешним сервисам обозначены как...
Последние публикации
Об авторе
Lumovi предлагает подтверждать действия AI-агента в Kubernetes до их выполнения
Lumovi описывает MCP-подключение AI-агента к Kubernetes с ограничением действий, предварительным показом diff и подтверждением человека. Разбираем, что этот процесс заявляет...
AWS SafeBox 0.1.0 блокирует ряд опасных команд Terraform, AWS и Kubernetes
SafeBox Community Edition 0.1.0 описывает локальные правила для блокировки ряда опасных команд Terraform, AWS CLI и kubectl, но не защищает...
Jevcrawl отбирает страницы для AI-агентов: что показывают бенчмарки разработчика
Jevcrawl, по описанию разработчика, отбирает ссылки и фрагменты для AI-агента. README приводит результаты на 50 задачах WebWalkerQA и отдельное сравнение...
Как проверить, что LLM корректно вызывает инструменты
Практический тест для вызовов функций: проверьте выбор инструмента, аргументы, отказ от ненужного действия и обработку ошибок на собственных сценариях.
Как проверить качество reranker в RAG на своих запросах
Практический тест поможет понять, улучшает ли reranker выдачу для RAG именно на ваших данных: сравните ранжирование, измерьте метрики и проверьте...
12 ИИ в симуляции Love Is Blind: почему их «биографии» не доказывают реальный опыт
Unyx предложил 12 ИИ придумать биографии для симуляции Love Is Blind. Опубликованные рассказы показывают ролевую генерацию текста, но не подтверждают...
Как проверить, не теряет ли RAG-индекс новые документы
Практический тест для RAG-системы: добавьте контрольные документы, проверьте поиск до и после индексации и найдите ошибки в фильтрах, чанках и...
Кэширование ответов LLM: безопасный ключ, срок хранения и проверка
Практическое руководство по кэшированию ответов LLM: что включить в ключ, как учитывать пользователей и изменяемые данные и когда результат нужно...
Повторные запросы к API LLM: как не удвоить стоимость и не потерять результат
Разбираем, когда повторять запрос к API языковой модели, как настроить экспоненциальную задержку и почему тайм-аут не всегда означает, что генерация...
Как проверить structured outputs в LLM: тесты для JSON Schema и семантики
Структурированный вывод может пройти проверку JSON Schema и всё равно содержать неверные данные. Разбираем, как проверить формат, значения и поведение...
GeneBench-Pro: почему 31,5% успешных ответов — важный результат, но не доказательство готовности ИИ к науке
Новый бенчмарк проверяет не знание биологических фактов, а способность пройти цепочку статистических решений на реалистичных задачах. Лучший опубликованный результат GPT-5.6...