TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1073 · 12.02

Во втором сезоне «Игры в кальмара» показано ещё больше дворовых южнокорейских игр, о которых я раньше не слышал. Но, похоже, что любому местному это всё хорошо знакомо, а персонажи обсуждали там, как они играли в это в детстве. Интересно, что такие вещи, по-видимому, не особо проникают в чужие культуры. Я нашёл только три знакомых механики: первая игра с куклой это наше «Море волнуется раз»; игра с каруселью это наша игра с беготнёй вокруг стульев, которых меньше на один, чем игроков; а набивание какой-то мягкой фигни на ноге это «сокс» :) Пофантазировал о том, как бы мог выглядеть такой сериал на основе нашей русской традиции дворовых игр. Называлось бы «Игра в квадрат». «Вышибалы» — игроки бегают между двумя рядами ведущих. У ведущих мячи с взрывчаткой, попадание убивает игрока. «Земельки» — если игрок теряет свою землю, его сдавливают стенками пропорционально оставшейся площади. «Жмурки» — у ведущего шприц с ядом, если догнал, то игроку конец. «Классики» — над пропастью с лавой. «Резиночки» — провода под напряжением. и так далее. Финал, собственно, игра в квадрат. Кто пропускает мяч, того убивают, квадрат превращается в треугольник, потом в прямоугольник. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #superagent

当前筛选 #superagent清除筛选
GitHub Trends

@githubtrending · Post #15523 · 25.02.2026 г., 12:30

#typescript#agent#agentic#agentic_framework#agentic_workflow#ai#ai_agents#bytedance#deep_research#harness#langchain#langgraph#langmanus#llm#multi_agent#nodejs#podcast#python#superagent#typescript DeerFlow 2.0 is an open-source super agent harness that orchestrates multiple sub-agents, memory systems, and sandboxed execution environments to accomplish complex tasks. Built on LangGraph and LangChain, it combines research, coding, and content creation capabilities with extensible skills and tools. The platform features isolated Docker containers for safe execution, long-term memory that learns your preferences, and the ability to spawn sub-agents that work in parallel on different task angles. You benefit from dramatically reduced research and automation time—tasks that typically take hours complete in minutes—while maintaining full transparency and control over agent decisions through human-in-the-loop collaboration. Whether you need deep research reports, data analysis, slide decks, or custom workflows, DeerFlow handles multi-step complexity without requiring extensive coding knowledge. https://github.com/bytedance/deer-flow