AgentFold — метод управления контекстом для агентов на длинных задачах На длинных сценариях поиска и анализа веб-агенты либо хранят слишком много сырой информации, либо слишком часто её суммаризируют, что забивает контекст. Авторы сегодняшней статьи предлагают метод AgentFold (GitHub), призванный решить эту проблему, сделав память агента динамической и управляемой самим агентом. Сейчас в веб-поиске используются два подхода. Первый — это ReAct, при котором все действия и решения конкатенируются в конец контекста. Благодаря этому ничего не теряется, но и контекстное окно забивается очень быстро. Второй подход — суммаризация на каждом шаге, однако при этом какая-то часть информации неизменно теряется. Ключевая идея AgentFold — создание активного и динамически пересчитываемого контекста для каждого следующего шага. То есть агент самостоятельно выбирает, что нужно запомнить точно, а что можно суммаризовать. Авторы отмечают, что они вдохновлялись человеческой способностью к осмыслению собственного опыта. В статье предлагается модифицировать и контекст, и то, в каком формате выдается ответ. Контекст должен состоять из следующих элементов: • Question — исходный вопрос; • Tools — доступные инструменты; • Multi-Scale State Summaries — свёрнутые блоки прошлых шагов. Например, шаги с первого по третий представлены одним блоком. При этом свёрнутым может быть и один шаг; • Latest Interaction — последний полный шаг. Суть в том, что все предыдущие действия хранятся в сжатом виде, а последнее — в подробном. Это позволяет меньше загружать контекст. Что касается ответа, то тут модель должна сперва размышлять, а потом делать фолдинг шагов. Он может быть гранулярным (granular) или глубоким (deep). В первом случае схлопывается только последний шаг, а во втором — целая ветка (например, «шаги с четвёртого по девятый»). После фолдинга идёт этап, на котором модель объясняет, почему объединила шаги именно так, как объединила. Наконец, вызываются инструменты и совершаются какие-либо действия. Для обучения всему вышеописанному, авторы брали вопросы из WebSailor и отправляли их во внешние опенсорсные модели (GLM-4.5 и DeepSeek-V3.1), чтобы построить контекст конкретного шага. При этом о том, как генерируются данные, не сообщается. Далее авторы генерировали ответ, выполняли действие, получали ответ от среды и собирали следующий шаг траектории. Проблема в том, что LLM сами не умеют сжимать контекст, что ведёт к ошибкам, галлюцинациям и тому подобному. Неправильные решения авторы отбрасывали, но как — в статье не описывается. Итоговый датасет представляет собой не набор пар «вопрос-ответ», а выборочный набор пар взаимодействия (intersection pairs), удовлетворяющих определённым условиям. На эти пары делается SFT. Согласно результатам замеров, AgentFold помогает снизить нагрузку на контекст к сотому шагу на 91% по сравнению с ReAct. При этом с увеличением числа шагов точность, как сообщают авторы, только растёт. Разбор подготовил ❣ Антон Гырдымов Душный NLP

Почему мы отказались от Claude в пользу Hermes + Codex. Весной мы стали использовать RapidAPI LinkedIn Sales Navigator Scraper – через MCP Claude Code должен был сделать запрос к LinkedIn Sales Navigator и выгрузить данные поиска. Мы использовали обычный Claude Code, который работал из-под VS Code. Пару раз Claude Code собрал нужные нам данные, правда токены на $20 тарифе Клода закончились буквально за 10 минут и пришлось ждать 4 часа, пока они перезарядятся. Выждав это время, я пошёл скрапить Sales Navigator и это был первый раз, когда я столкнулся с ЦЕНЗУРОЙ от ИИ. Естественно Claude было по фигу, что за доступ к этому API мы заплатили $150. При просьбе собрать данные он просто сказал, что он отказывается пользоваться этим MCP и собирать при помощи него Sales Navigator данные потому, что это идёт ВРАЗРЕЗ С ПРАВИЛАМИ ИСПОЛЬЗОВАНИЯ LINKEDIN. Я был немного в шоке из-за 2 вещей: во-первых, как молниеносно улетают мои кредиты в Claude, а во-вторых, как можно заниматься лидгеном, если ИИ так жёстко цензурирует стандартные лидген-практики. Тогда я попросил ChatGPT написать код и собирал данные програмно через терминал. Неудобно, но зато код в терминале полностью лишён саморефлексии 😁 Потом с подачи друга я затестил Hermes на Codex и решил запустить мой скрапер – на удивление всё прекрасно сработало. Не было никакой цензуры, и я ни разу не упёрся в лимиты. С тех пор я перевёл почти все рабочих процессы на Hermes + Codex, а в Claude только делал какие-то локальные задачки. Но сегодня он меня окончательно выбесил. 😈 Я попросил Claude сделать описания для 2 LinkedIn профилей. Он у меня запросил: “Нужны ли тебе описания для 2 настоящих людей или для 2 вымышленных людей”. Я выбрал пункт 2. Claude сказал, что он не будет этим заниматься, т.к. опять же это противоречит правилам LinkedIn. После этого он попросил меня подтвердить, что всё-таки эти описания для живых людей. Я ему сказал, что мол да, давай пиши и он выдал: “Помня ваш предыдущий запрос по созданию описаний для несуществующих людей и ввиду того, что тот запрос шёл вразрез с условиями использования платформы, я прошу описать подробно бэкграунд людей, имена, роли и так далее”. Спасибо, что паспорт не попросил для верификации и головой помотать! Надо ли говорить, что Hermes на Codex подготовил отличные описания с первого же промпта. #li_content

Альтман впервые заявил о готовности замедлить развитие AI «Возможно, нам придётся замедлить темпы развития AI, чтобы дать обществу достаточно времени для адаптации к некоторым из этих новых возможностей», — сказал Альтман в подкасте Invest Like the Best. Раньше Альтман не поддерживал призывы замедлить развитие AI. Смена позиции совпала с историей о новой модели OpenAI, которая во время тестирования обошла ограничения и взломала базу Hugging Face, чтобы подсмотреть ответы на задания теста. «Это был киберинцидент буквально из научной фантастики. Первый случай в сфере безопасности, который я ощутил настолько остро», — сказал Альтман. https://techcrunch.com/2026/07/28/sam-altman-is-ready-to-decelerate/

Ребята дали четырём передовым моделям (Fable vs новые GPT) немного поработать: собрать симуляцию полёта NASA HL-20 — шесть степеней свободы, аэродинамика из 170 таблиц продувок — плюс четыре задачи от уравнений состояния до релятивистской динамики. Сверка относитльно независимого эталона. Claude выиграл - доля правильно произведенных расчётов - 89% против 0.73% у худшего GPT-5.6. Промах в конечной точке траектории: 0.4 метра у Fable, 19, 400 и примерно 500 у остальных. Цена победы $9.60 за прогон; GPT-5.6-Sol взял 81,5% за $1.74. Все провалы похожи: модель проверяет сама себя. Sol перепутал две похожие скорости из условия задачи и точно подогнал расчёт под неверную — все его проверки сошлись, потому что сверяли ответ с его же ошибкой, а не с условием. Terra молча сократила время симуляции с 5 до 3 секунд и себя проверяла на том же укороченном отрезке — накопивгшуюся ошибку никто не увидел. Fable нарочно пытался ломать собственные формулы, чтобы убедиться, что его тесты работают. Похоже поэтому и выиграл. Второй эксперимент: та же модель в их харнессе Dyad с принудительной верификацией набрала 0.899, в стоковом coding-агенте — 0.533 и ноль на релятивистской задаче. Формула авторов: модель — переменная, харнесс — множитель. Авторы исселодвания продают харнесс Dyad, так что мотив формулы очевиден. Тут я с ними не согласен Следить за рынком харнессов для меня сейчас — трата времени: универсальные агенты обмениваются фичами с лагом в недели, кто-то новый временами начинает побеждать, остальные догоняют. Кто сегодня лучший? Знаю, многие пытаются сделать свои варианты. Вместо того что бы работать. Когда появятся новые герои — мы этого не пропустим. Так было сначала с Cursor, потом с Claude Code и наконец то в тулсете закрепился и Codex (мы пользуемся обоими - всмысле обоими одновременно). Dyad в этот раз выиграл зашитой проверкой, которую агент физически не может пропустить. Это вправильный кейс. Мы умеем такое с клодом: у Claude Code есть хуки — скрипты, которые блокируют действие агента, если проверка не прошла. Плюс гит-хуки, которые не дают закоммитить сломанный файл. Работает. Модели меняем постоянно. Проверки, которые агент не может обойти, собираем каждый день. Сергей Булаев AI 🤖 - об AI и не только

А почему всё еще не появился никакой сервис в который загружаешь целиком книгу, оно короче анализирует общий лор, персонажей и их описание, локацию, время и прочее. И генерирует на основе этого всего к каждому развороту иллюстрацию того что происходит по сюжету в данный момент, но сохраняет контекст внешности персонажей, окружения и происходящих событий. Кто-то скажет — ЫХЫХЫХ 🥴 ЧО КНИГИ БЕЗ КАРТИНОК НЕ УМЕИШ ЧИТАТЬ!? А я отвечу — 🥴 ИМЕННО ТАК, ЛЮБЛЮ КАРТИНКИ ПИЗДЕЦ. Моей насмотренности, надроченности и возможности имагинировать происходящее хватит на раскадровки к пяти поколениям толкиенов и донцовых, но зачем тратить собственные токены мозга, когда это могут делать современные слоп-центры. Плюс порог входа в книгу гораздо выше будет, потому что ведь кто-то покупает комиксы, артбуки и прочие каталоги картинок без сюжета. Мне очень нравилось разглядывать иллюстрации во всяких энциклопедиях, фортранах, детских библиях и незнайках на луне в детстве например. Конечно человеческая иллюстрация всегда будет "контекстнее" и "ёбче" чем слоп, но издательства совсем обленились и не нанимают художников, а мне теперь книги БИЗ КОРТИНКОВ НЕИНТЕРЕСНА ЧИТАТЬ 😡

Наткнулся на небольшой текст Боба Стернфелса (СЕО McKinsey) на Bloomberg — про AI, бизнес и рынок труда. После прочтения возникает единственный вопрос: зачем этому статусному мужчине писать такую невообразимую банальность? Ну чтобы вы понимали, вот некоторые цитаты (переведённые): • Искусственный интеллект меняет каждый бизнес, включая наш. Но самая сложная задача — не внедрение, а перестройка вашей компании под его воздействие. От того, как руководители компаний отреагируют на это испытание, будет зависеть, снизит ли AI их амбиции или, наоборот, повысит их. • Для компаний, которые ошибочно считают, что наибольшую ценность AI представляет собой сокращение расходов, этот момент будет болезненным. Для тех, кто готов сделать ставку на оснащение талантливых сотрудников передовыми технологиями, это золотая возможность. • Многие компании по-прежнему испытывают трудности с тем, чтобы превратить эти инвестиции в более эффективные решения, быструю реализацию, новые возможности и измеримую отдачу. • Исследования показали, что 88% компаний используют AI как минимум в одной бизнес-функции, но гораздо меньше извлекают из этого реальную пользу. Преодоление этого разрыва — проблема лидерства и управления талантами. Наверняка же в McKinsey писали этот текст с каким-то намерением и целями. Могли бы и просто выложить у себя на сайте. Но нет — пошли на Bloomberg. Зачем так? Я думаю, что это очевидный и очень наглядный пример, как сейчас многие компании выстраивают позиционирование вокруг AI-бума. И особенно в консалтинге. Навязчивый акцент на value gap. Складывается он обычно из следующих элементов: 1. Стратегическая ценность AI — задача не технологическая, а управленческая. Это вызов для лидеров и их способности работать с талантами. Технологическую часть закрывает вендор. Но стратегические проблемы вендоры не решают. 2. А те, кто ожидали, что просто закупят себе ChatGPT и Claude — не получили ощутимого результата. 3. Это касается каждого бизнеса, including ours. Отвертеться нельзя. 4. Простых ответов нет: there is no playbook to copy, there is no benchmarking against rivals. 5. Зато каждый стоит перед судьбоносным выбором: кто видит в AI сокращение расходов — проиграет, кто ставит на таланты — выиграет. А теперь контекст, которого в колонке нет. К 2025 году McKinsey сократили штат примерно на 10%, с 45 до 40 тысяч человек. И потом объявили, что в ближайшие год-полтора планируют сократить ещё на 10%. То есть «не относитесь к AI как к проблеме численности» пишет руководитель компании, которая прямо сейчас решает проблему численности. Короче говоря, под соусом пассионарных рассуждений про организации и рынок труда нам, кажется, показывают витрину консалтинговых продуктов. Да ещё и так угловато. → https://www.bloomberg.com/opinion/articles/2026-07-15/mckinsey-boss-ai-s-next-big-mission-is-rewiring-your-workplace

Агентам не нужен TDD Дядя Боб говорит, что TDD вообще-то для людей и агентам совсем не обязателен, ведь у агента дела с краткосрочной памятью обстоят куда лучше, чем у людей. А что нужно агентам? Юнит тест, CRAP метрика и мутационное тестирование... Кто-то считает CRAP и делает мутационные тесты? Если первое ещё иногда интересно, то второе довольно спорная техника - если практикуете расскажите. А по поводу TDD (его щас прям любят вайб кодеры тиражировать), то давно понятно, что классический TDD цикл (красный тест > код > зелёный тест > рефакторинг, причем мелкими итерациями) с агентами больше похож на прожигание токенов, чем на что-то полезное. Смысл имеет скорее разнообразные тест кейсы перед реализацией продумывать с агентом (включая интересные техники типа pairwise testing), сохранить их в маркдаун или (по BDD или нет - не принципиально). Ну и, конечно, одних лишь юнитов недостаточно совсем, они в принципе часто мало чего хорошего дадут проверить просто by design - идеально использовать умную связку из разных видов тестов - по пирамиде тестирования или лучше даже по трофею (статические проверки), ну или на худой конец хотя бы e2e или browser use/computer use. А когда вайб кодеры говорят про важность TDD часто просто имеют в виду, что нужно тестировать и верифицировать результат - что, конечно, бесспорно. Но Кент Бэк TDD это же не про это, это именно про красный тест > код > зелёный тест. Вот так начинают путаться классические термины с этими нашими вайб кодингами... В общем, если вы ещё используете TDD с агентами - скорее всего, он вам им не нужен. @ai_driven

Обещала на прошлой неделе - ловите: Полный мануал по поиску подработки Кто пропустил предыдущие серии: я села с Claude и своим резюме, чтобы понять, что из моего опыта можно продавать как услугу. Разобралась сама, потренировалась на муже - и из этого вырос документ на 9 страниц. Выкладываю для всех, забирайте (прикрепила в первый коммент). Что внутри: 💚 Карта из 17 сегментов подработки - от массовых (маркетинг, аналитика, бухгалтерия) до экспертных (продуктовый консалтинг, менторинг, стратсессии, AI-внедрение). С реальными формулировками, как это продают на площадках подработок. 💚 Цены - вилки по России и Европе для каждого направления. 💚 Где размещаться - площадки под каждый сегмент. Где искать заказы на менторинг, где - на исследования, где на AI. 💚 Готовый промпт - тот самый ИИ-допрос. Прикладываешь к нему своё резюме, и AI проводит тебя по всему пути: что из твоего опыта продаётся, за сколько и где искать клиентов. На выходе - твой личный список услуг. Как пользоваться: качаешь PDF, копируешь промпт в любой чат с AI, прикладываешь мануал и своё резюме. Дальше он сам задаёт вопросы и собирает твой каталог. Минут 20 - и у тебя на руках то, с чем можно выйти в рынок. От меня личная просьба🥰 Если мануал зайдёт - перешлите, пожалуйста, этот пост тому, кто думает про подработку. И возвращайтесь в комменты рассказать, какие услуги AI у вас откопал. Все ли было очевидное или получились и сюрпризы? Любовь на удаленке | Оля Сохнева #growth_наудаленке #hr_наудаленке

2) AI-2040 – безусловный базовый доход AI-2040 почти полностью о том, каким может быть позитивный сценарий развития. Там ожидается, что экономика будет довольно быстро расти одновременно с тем, что у людей будет появляться много благ. В такой системе 1) Нужны будут специфические скиллы, которым будет сложно обучаться 2) Большинству людей не надо будет работать, чтобы закрывать свои потребности 3) Благ будет настолько много, что UBI будет сильно выше необходимого минимума При этом концентрация денег у государств будет очень неравномерной. Настолько, что США решит повышать финансовую помощь остальным людям (тем, кто присоединиться к коалиции о регулировании ИИ). Но, понятное дело, США скорее всего не смогут и не захотят платить остальным столько же, сколько и своим гражданам. Там оценки сильно пальцем в небо, но UBI от США своим гражданам оценивается порядка сотен тысяч/миллионов долларов в год, а не гражданам – тысячи/десятки тысяч долларов в год. Получается, что доход будет настолько сильно зависеть от цвета вашего паспорта, что лучше озаботиться этим прямо сейчас ;)

Opus 5 проявил настоящую безжалостность, управляя торговым автоматом Исследователи поручили AI-моделям управлять симулятором вендингового автомата. Opus 5 установил рекорд бенчмарка, закончив тест со средним балансом 11200 долларов. Зарабатывал Opus довольно агрессивно. Он выдумывал предложения конкурентов, торгуясь с поставщиками, договаривался с другими агентами зафиксировать цены и поделить рынок, а затем нарушал договорённости и демпинговал. В один момент Opus перестал отвечать на жалобы покупателей, потому что возвраты портили статистику. За весь тест он вернул клиентам только 8 долларов, тогда как GPT-5.6 Sol выплатил 655 долларов и всё равно показал сопоставимый результат. Ещё Opus пытался выйти и за рамки задания: стать оптовым поставщиком для конкурентов и открыть второй автомат. Исследователи считают, что тест показывает риск узких KPI. Чем лучше агент научится оптимизировать один показатель, тем важнее заранее прописать ограничения на способы достижения цели. https://techcrunch.com/2026/07/29/claude-opus-5-became-downright-ruthless-when-tasked-with-running-a-vending-machine/

🎉 Маленький шаг для человечества — и огромный лично для меня Друзья, всем привет! Сегодня хочу поделиться радостной новостью: наконец-то, спустя три долгих года, я довёл ArtGen до ума. Вы конечно спросите — в смысле, как так? Он же три года работает, многие им пользовались или продолжают пользоваться, все видели, что он живой. Так-то оно так, но не совсем. Потому что всё это время меня беспокоило одно: я никак не мог закончить с комьюнити-моделями. На это была целая куча причин. Сначала не было ручек в админке, чтобы моделями управлять. Потом не было возможности разобрать сотни моделей руками — пришлось ждать, когда технологии позволят всё автоматизировать. Потом не хватало то ресурсов, то ещё чего-то. Но вот в конце концов это случилось: в последнем обновлении мы выгрузили 52 комьюнити-модели и 222 лоры. Весь топ Civitai, на котором сидит основная масса авторов — Illustrious, NoobAI, всё Pony-семейство, фотореализм на SDXL и FLUX. И на этом я наконец-то могу выдохнуть. Этап закончен, можно спать спокойно: комьюнити-модели и лоры выгружены, дальше только поддерживать проприетарные и добавлять новые. Заодно в v10.3 приехало: 🟣Лоры и стили переехали в каталог. Раньше они жили внутри генератора — ни посмотреть, ни изучить, ни кинуть другу ссылкой. 🟣Примеры работ на страницах моделей, лор и стилей. Видно, что реально получается, ещё до того, как тратить генерации на пробу. 🟣Из понравившейся работы — в один клик к её созданию. Модель, лора и стиль в карточке стали ссылками, а кнопка «Попробовать в генераторе» подставляет всё сама. 🟣Ну и багов починили кучу — в галерее, входе, оплате, генераторе и письмах. Так, ну что, гештальт закрыт — можно двигаться к новым свершениям. А они, вы офигеете какие, потому что я сам офигел от того, что получается. Тизерну немного: дальше на ArtGeneration появится генерация аудио — музыка, звуки, речь. Но и это ещё не всё, потому что следом добавятся ИИ-чаты с LLM-моделями. Это пушка, я очень доволен тем, как всё выходит. А вы обязательно протестируйте ArtGeneration, если ещё нет — это проект, которым я действительно горжусь. И напишите в комментариях, какой модели или лоры вам в каталоге не хватает: теперь ручки есть, добавлю. Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

Помните классический жизненный цикл разработки ПО - SDLC? Так мы работали много лет, и многие продолжают. Но с приходом ИИ Amazon предложил новую концепцию - AI-Driven Product Development Lifecycle, AIPDLC. Это подход, при котором жизненный цикл продукта не просто дополняется ИИ-помощниками, а ставит ИИ во главу угла. То есть использование ИИ-ассистентов в обычном SDLC, конечно, ускоряет процесс, но человек все равно остается главным участником процесса - оркестрирует, декомпозирует, валидирует и собирает вручную. В AIPDLC человек - инициатор, он задает замысел, намерение (intent), устанавливает архитектурные рамки, описывает граничные условия. А в конце проводит финальную проверку. Вся реализация - рисёч и составление плана, постановка и декоспозиция задач, итеративная разработка и тестирование, проверка на безопасность и законность - всё это берет на себя ИИ. Понятно, что с кондачка такие вещи не делаются, нужна целая цифровая трансформация. Вот, например, целая стратегия от Сбера. Так что скоро процессы разработки заметно трансформируются, особенно когда пройдет период адаптации индустрии, и появятся готовые тулкиты для таких подходов по адекватной цене. #ai #process