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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #403 · 29.06

В Петербурге будут расширять зону платных парковок. С 1 июля добавят 56 новых улиц, затем с 1 сентября ещё столько же, и до конца года хотят плюс 153 улицы. Пока всё в центре, причем, даже не включают Ваську, Горьковскую, Петроградку (хотя уж там сам бог велел разобраться с парковками). Как автомобилист :) я категорически поддерживаю эту инициативу и, на мой взгляд, платные парковки на обычных улицах нужно вводить вообще по всему городу. Ранее я уже писал, что не так редко встречается проблема, когда водители банально не могут разъехаться из-за припаркованных авто на узкой улице, и вынуждены подвергать себя, автомобиль и окружающих людей дополнительной опасности, например, сдавая задним ходом продолжительное время. Не знаю как в центре, но на окраине эта проблема достаточно систематическая. А в центр я не езжу за редкими исключениями. Пару раз пришлось, но стараюсь такого избегать. Не знаю, решат ли хоть чуть-чуть платные парковки проблему загруженности движения: будут ли люди реже выбирать в качестве транспорта до центра автомобиль, если за стоянку придётся платить? Я бы и въезд в центр тоже платным сделал. А ещё лучше — пешеходный центр с перехватывающими парковками вокруг. Но на такое нужна управленческая воля уровня руководителей европейских городов — в Петербурге подобного ожидать не приходится, к сожалению. Уже писал ранее о том, насколько по Москве комфортно гулять из-за отсутствия стояночной свалки вокруг. Хочется верить, что в Петербурге мы движемся к чему-то такому. #life

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