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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #595 · 13.10

Пишут, что приложения холдинга VK (MailRu) вернули в AppStore. Я уже прежде упоминал, что, раз удалили сразу все приложения, то решение наверняка политическое. Очень странно, что вернули, даже представить не могу, каким способом удалось переубедить Apple и отменить фактически решение о санкциях по отношению к принадлежащей правительству России компании. Денег занесли? Очень вряд ли, всерьёз подкупить Apple не получилось бы на таком уровне. Чем-то надавили в ответ? Ну, типа, американский чиновник тут переписывался с русскими девушками втайне от жены? С трудом верится. Что-то там доказали на юридическом поле? Россия уже точно вне юридического поля США. Хорошо, конечно, что вернули (я подсознательно верю в возможность второй жизни для VK, но тссс). Плохо, что поводов для массового отказа русских от айфонов станет меньше. Я вообще надеялся, что из AppStore все русские приложения удалят в какой-то момент. И не сильно удивлюсь, если это произойдёт. #web

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