TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1238 · 15.05
Сделал в компании доклад о применении ИИ в архитектуре, давайте и вам расскажу. Фокус в использовании подхода architecture as code: абсолютно все архитектурные артефакты у нас это тексты. С обычной документацией понятно, это и так некоторый набор текстовых файлов, чаще всего в макрдауне. Для них мы применяем структурный шаблон Arc42 — список из 12 пунктов, по которым нужно распределить информацию о проектируемой системе. Структурный шаблон, во-первых, хорошо известен нейронкам, и они сразу понимают, о чём речь. Во-вторых, можно кинуться в модель бизнес-требованиям и очень быстро создать некий первоначальный набросок, от которого вы дальше уже пляшете, уточняя по пунктам и исправляя ошибки ИИ. Ну и, в-третьих, готовая структура с ящиками, по которым нужно всё раскладывать, это гораздо лучше, чем свалка ADR'ок, как это нередко бывает в компаниях. Со схемами и диаграммами ещё интереснее. Берём инструменты со своими DSL-языками, такие, как Structurizr и PlantUML. Вся схема или диаграмма целиком определяется текстовым файлом. Можно применять Git со всеми его преимуществами. А для нейронок это родная среда: вы, как человек, смотрите на схему глазами, но нейронка работает с её DSL-файлом. Навскидку тут прирост эффективности даже больше, чем в программировании, потому что DSL это просто синтаксис, без смыслового наполнения, человеку его можно вообще не знать. Ты пишешь промпты, а смотришь уже на картинку, сгенерированную схему, и следующим промптом указываешь, где какие правки сделать. Нейронке при этом не приходится думать про потоки, асинхронность, типы данных, она просто правит текст как текст, поскольку у DSL нет поведения. Тут как раз наиболее видна разница между рутинной и интеллектуальной частью работы. Как именно будет выглядеть схема, продумывает архитектор. Если доверить это нейронке, даже мощной, будет полно ошибок, неоптимальностей, неучтённых нюансов среды и так далее. Но вот само по себе написание синтаксиса — имба. #dev@clockstackwheels
Hashtags
Търсене: #easy
@R4marketing · Post #806 · 13.08.2021 г., 08:00
Совсем лайтовая статья для новичков "10 главных конструкций языка R". Содержание: - Комментарии - Переменные и векторы - Внешние модули - Ввод и вывод - Присваивание и сравнение - Условный оператор if - Цикл for - Функции - Классы, методы и объекты #статьи #easy
@testflightynoti · Post #37780 · 07.05.2026 г., 20:30
#Futubull#Easy#Investment Join the Futubull-Easy Investment beta on ✈️#TestFlight 🔗 Link: https://testflight.apple.com/join/LXJdcvBn Shared by Dimitri
@WangZhuanZhan · Post #34299 · 23.10.2024 г., 12:23
X-x喜x乐l长c安a- 喜乐长安 (2016) 直达链接：https://pan.quark.cn/s/4723d3f85101 #喜乐长安 #长安乱 #Easy Life 链接：https://link3.cc/sf_com #电影#喜剧#台湾#10年代
@wangzhuanzhan · Post #33280 · 23.09.2024 г., 06:10
F-f绯f闻w计j划h- 绯闻计划 Easy A (2010) 直达链接：https://pan.quark.cn/s/1b65684910c6 #绯闻计划#Easy A #破处女王#现代红字 链接：https://link3.cc/sf_com #电影#喜剧#美国#10年代
@WangZhuanZhan · Post #34066 · 15.10.2024 г., 05:50
T-t通t天t大d盗d- 通天大盗 通天大盜 (1987) 直达链接：https://pan.quark.cn/s/c40ba0abe557 #通天大盗#通天大盜 #妙婿向钱冲#Easy Money 链接：https://link3.cc/sf_com #电影#喜剧#香港#80年代
@wangzhuanzhan · Post #32222 · 03.09.2024 г., 08:49
S-s水s性x杨y花h- 水性杨花 Easy Virtue (1928) 直达链接：https://pan.quark.cn/s/49ce72903d4a #水性杨花#Easy Virtue #放浪#轻浮的德行 链接：https://link3.cc/sf_com #电影#喜剧#美国#50年代之前
@testflightynoti · Post #37748 · 07.05.2026 г., 08:21
#Easy#Credit#T#i#ch#nh#s Join the Easy Credit - Tài chính số beta on ✈️#TestFlight 🔗 Link: https://testflight.apple.com/join/B8XYxOWV Shared by Dimitri
@githubtrending · Post #15433 · 23.01.2026 г., 14:30
#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG