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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #240 · 4.03

Посоветую вам YouTube-канал Stuff Made Here (в свете событий можно скачать все ролики с него и потом ностальгировать по ютубу вечерами). Пожалуй, это самый крутой инженерный видеоблог, который я встречал. У автора целый подвал роботизированных станков за миллионы баксов (просто несбыточная мечта гика). И он с их помощью городит электронно-механические конструкции, которые совмещают в себе сложное программирование и вполне очевидную практическую цель, как правило недостижимую или труднодостижимую без длительных тренировок. Вот я прикладываю видео, где он делает бильярдный стол и роботизированный кий, который позволяет не промахиваться. Продемонстрированы все стадии разработки: неудачные прототипы, подбор алгоритма, проверка гипотез. При этом подано всё в довольно понятном и динамичном стиле. с хорошим юмором. Ролик длиной 20-30 минут обычно содержит недели и месяцы разработки. Короче, очень круто. Если что-то и смотреть на ютубе напоследок, то вот примерно такого уровня контент, имхо. #dev#gadgets https://www.youtube.com/watch?v=vsTTXYxydOE

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #a2a

当前筛选 #a2a清除筛选
GitHub Trends

@githubtrending · Post #15283 · 09.11.2025 г., 14:30

#go#a2a#agents#agents_sdk#ai#aiagentframework#gemini#genai#go#llm#mcp#multi_agent_collaboration#multi_agent_systems#sdk#vertex_ai The Agent Development Kit (ADK) for Go is an open-source toolkit that makes it easy to build, test, and deploy smart AI agents using the Go programming language. It lets you create simple or complex agent workflows, use ready-made or custom tools, and run your agents anywhere, especially in cloud environments. With ADK, you get full control, flexibility, and the ability to scale your applications, making it faster and simpler to develop powerful AI solutions for real-world tasks. https://github.com/google/adk-go

GitHub Trends

@githubtrending · Post #14693 · 10.05.2025 г., 12:00

#jupyter_notebook#a2a#agentic_ai#dapr#dapr_pub_sub#dapr_service_invocation#dapr_sidecar#dapr_workflow#docker#kafka#kubernetes#langmem#mcp#openai#openai_agents_sdk#openai_api#postgresql_database#rabbitmq#rancher_desktop#redis#serverless_containers The Dapr Agentic Cloud Ascent (DACA) design pattern helps you build powerful, scalable AI systems that can handle millions of AI agents working together without crashing. It uses Dapr technology with Kubernetes to efficiently manage many AI agents as lightweight virtual actors, ensuring fast response, reliability, and easy scaling. You can start small using free or low-cost cloud tools and grow to planet-scale systems. The OpenAI Agents SDK is recommended for beginners because it is simple, flexible, and gives you good control to develop AI agents quickly. This approach saves costs, avoids vendor lock-in, and supports resilient, event-driven AI workflows, making it ideal for developers aiming to create advanced, cloud-native AI applications[1][2][3][4]. https://github.com/panaversity/learn-agentic-ai