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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #675 · 1.12

Пока после пожара отключен лифт, я сходил физически в магазин за продуктами. Сто лет как не был, доставка слишком удобное изобретение. Уже на месте понял, что у меня с собой нет физических денег, тем более монет, а даже в современных Лентах по неведомой мне причине тележки до сих пор берутся за монетку. Типа, такой островок древнейшей отсталости посреди всех этих оплат телефоном, автоматизированных касс и переносных считывателей, которые берёт сам покупатель. В итоге, порядок действий был такой: 1. Через СБП перекинул 100р на Сбер, потому что он умеет авторизовывать человека в банкомате без карты. 2. Высветил на банкомате QR-код для авторизации. 3. Отпечатком пальца залогинился в приложение Сбера, чтобы прочитать этот код. 4. Снял без карты 100р. 5. Отнёс их физически в автомат-разменник, стоявший в том же магазине. PROFIT! Вот так комбинация передовых технологий позволила решить проблему, связанную с технологиями пещерных людей. Завтра всё-таки поставлю на печать брелок для обмана этих тележек. #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