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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

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

Резултати

Намерени 4 подобни публикации

Търсене: #local

当前筛选 #local清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8255 · 12.08.2025 г., 14:32

🚀Jan-v1: локальная 4B-модель для веба — опенсорсная альтернатива Perplexity Pro 📌Что умеет - SimpleQA: 91% точности, чуть выше Perplexity Pro — и всё это полностью локально. - Сценарии: быстрый веб-поиск и глубокое исследование (Deep Research). Из чего сделана - Базируется на Qwen3-4B-Thinking (контекст до 256k), дообучена в Jan на рассуждение и работу с инструментами. Где запускать - Jan, llama.cpp или vLLM. Как включить поиск в Jan - Settings → Experimental Features → On - Settings → MCP Servers → включите поисковый MCP (например, Serper) Модели - Jan-v1-4B: https://huggingface.co/janhq/Jan-v1-4B - Jan-v1-4B-GGUF: https://huggingface.co/janhq/Jan-v1-4B-GGUF @ai_machinelearning_big_data #ai#ml#local#Qwen#Jan

GitHub Trends

@githubtrending · Post #15580 · 23.03.2026 г., 11:30

#go#cli#database#database_management#dbms#environment#local#postgres#postgresql#supabase Supabase CLI lets you run Supabase locally, manage database migrations, deploy functions, generate types from your schema, and make secure API calls. Install easily via npm (`npm i supabase --save-dev`), Homebrew, Scoop, or binaries for any OS, then run `supabase init` and `supabase start` to launch your full stack with local URLs and keys. This benefits you by speeding up development, testing changes offline without cloud costs, ensuring type safety, and simplifying CI/CD for reliable deploys. https://github.com/supabase/cli