TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #721 · 26.12
Почему я люблю языки с сильной системой типов, проверяемой статическим анализом кода — хорошо написанная программа является своей собственной спецификацией и позволяет выражать через язык программирования законы существования предметной области. Когда-то давно я писал на ActionScript. Там была система типов, но вот десериализация JSON'ов по-умолчанию была в какой-то общий Object, к полям которого нужно было обращаться ["по_строковому_имени"]. В один момент мне потребовалось написать что-то на C#, который я совсем не знал, я стал гуглить, как десериализовать JSON, и с удивлением обнаружил кучу советов заранее объявить класс со всеми нужными полями и десериализовать в него. "Какой ужас!", — подумал я тогда, — "Это же дико неудобно! А если я не знаю полей JSON? А если их много? Отвратительный язык!" Теперь то я прекрасно понимаю, что JSON это контракт, и что правильная десериализация только такая и должна быть, и что в хорошем API в одном поле никогда не бывает данных принципиально разных типов, и так далее. Нет, если вы набиваете вечерами пет-проект или сидите бессонную ночь на хакатоне, нет ничего плохого в том, чтобы взять простой язык с динамическими типами вроде JavaScript или Python, не требующий описывать данные. Но вот в энтерпрайзе, особенно когда над одним проектом работает много людей (а бывает это очень часто) — хорошее использование системы типов убережёт разработчиков от огромного количества ошибок, будет бить их по рукам, когда они пытаются сделать что-то не то, и будет подсказывать, когда они не уверены в чём-то. С помощью статической типизации можно на уровне кода обозначить правила, по которым ведёт себя предметная область вашей программы в реальном мире. Разработчику не только будет сложно их нарушить, но он ещё и станет узнавать какие-то вещи, которые мог не знать раньше. Например, если мы делаем медицинскую CRM, и больница заводит новых пациентов только тогда, когда знает их группу крови, мы можем объявить тип "Пациент" (или, если точнее, "Карта пациента") и запретить создавать экземпляры этого типа, не передав в конструктор группу крови (которая, в свою очередь, тоже является типом, вероятнее всего ValueObject'ом). Если новый программист пришёл в проект, он, во-первых, не сможет записать в БД некорректную карту пациента. Понятно, мы не учитываем случаи, когда новый программист переделывает модели предметной области — это будет хорошо видно на кодревью. А, во-вторых, даже если ему никто не сказал, что пациенты должны быть с группой крови, он узнает это из кода. И уже будет понимать, что в тех процессах реальной жизни, которые он описывает кодом, карта пациента создаётся только при наличии группы крови. А, значит, нужно искать какой-то способ сначала эту группу крови получить, и только потом создавать карту. Программирование моделирует реальный процесс. В настоящей работе даже на языках с типами, конечно, без должного контроля можно написать что угодно. Нужна управленческая воля, компетентность руководства, понимание опасности техдолга, в идеале отдельные должности для архитекторов, опытные лиды и старшие разработчики. Но когда всё это есть, можно отсекать много проблем ещё на старте и проще погружать новичков. #dev
Hashtags
Търсене: #promptengineering
@repo_science · Post #3115 · 28.04.2023 г., 21:32
#book#promptEngineering 🤖 The Art of Asking ChatGPT for High-Quality Answers: A Complete Guide to Prompt Engineering Techniques (2023) ✍️Ibrahim John 🔗Link ----- Canal principal:@repo_science Cupones: @freecoupons_reposcience -----
Hashtags
@repo_science · Post #3507 · 09.08.2023 г., 23:22
#softSkills#promptEngineering#chatGPT 🤖 LangChain Guide: Next-Gen ChatGPT & LLMs apps with LangChain This course is not just about the basics of Generative Artificial Intelligence and Natural Language Processing. It’s about using LangChain to supercharge the performance and efficiency of your Language Models. We’ll arm you with the skills and insights to tweak and tailor language models to your specific requirements, opening up a wider array of AI challenges and opportunities for you to tackle. 🔗Link ----- Main channel:@repo_science Coupons: @freecoupons_reposcience -----
@repo_science · Post #3327 · 20.06.2023 г., 23:25
#softSkills#promptEngineering#chatGPT#aporte 🤖 Prompt Engineering for ChatGPT ChatGPT and other large language models are going to be more important in your life and business than your smartphone, if you use them right. ChatGPT can tutor your child in math, generate a meal plan and recipes, write software applications for your business, help you improve your personal cybersecurity, and that is just in the first hour that you use it. This course will teach you how to be an expert user of these generative AI tools. The course will show amazing examples of how you can tap into these generative AI tools' emergent intelligence and reasoning, how you can use them to be more productive day to day, and give you insight into how they work. 🔗Link ----- Main channel:@repo_science Coupons: @freecoupons_reposcience -----
@neiro_slop · Post #76 · 24.10.2025 г., 16:45
🚨Промпт-инжиниринг мёртв? Новое исследование от Anthropic показывает: теперь важнее не искусство формулировки запроса, а качество и структура предоставляемых данных. На смену приходит контекст-инжиниринг — умение организовать информационное пространство для ИИ. Почему это важно? Современные модели типа Claude или GPT уже мыслят структурно, но «теряются» в длинных контекстах. Если из 200К токенов только 1К — суть задачи, модель тратит 95% ресурсов на фильтрацию шума, а не на решение. Качество падает, а стоимость растёт. Что делать? Используйте три ключевые техники: 1) Сжатие — регулярно резюмируйте и оптимизируцте диалог; 2) Делегирование — используйте узкоспециализированных агентов. Нувыпонели) #ИИ#PromptEngineering#Anthropic
Hashtags
@repo_science · Post #3258 · 02.06.2023 г., 15:24
#promptEngineering#dataAnalysis#Python#pandas#chatGPT 🤖 Prompt Engineering for Data Analysis Python, Pandas, ChatGPT ChatGPT & Python. No Coding Needed. Data Analysis & Data Visualisation with ChatGPT, Python, Pandas & Prompt Engineering 🔗Link ----- Main channel:@repo_science Coupons: @freecoupons_reposcience -----
@ai_machinelearning_big_data · Post #8215 · 06.08.2025 г., 10:09
🖥gpt-oss работает на специальном формате промптов — Harmony, и без него модель просто не будет выдавать корректные ответы. Зачем нужен Harmony? Этот формат нужен для: — 🧠 генерации chain of thought рассуждений — 🔧 корректного вызова функций и использования инструментов — 📦 вывода в разные каналы: обычный ответ, reasoning, tool call — 🗂️ поддержки tool namespaces и иерархических инструкций 💡 Harmony имитирует OpenAI Responses API, так что если вы с ним работали — будет легко освоиться. 👉 Если вы используете gpt-oss через HuggingFace, Ollama или vLLM, волноваться не нужно. Но если строите свой пайплайн — обязательно изучитегайд по Harmony. Без него модель просто не будет работать как надо. pip install openai-harmony # or if you are using uv uv pip install openai-harmony @ai_machinelearning_big_data #gptOSS#Harmony#OpenAI#LLM#PromptEngineering
@ai_machinelearning_big_data · Post #8518 · 11.09.2025 г., 17:11
🔥WFGY 2.0 — Semantic Reasoning Engine for LLMs (MIT) Это движок с открытым исходным кодом, цель которого — уменьшить галлюцинации и логические сбои в системах типа RAG / LLM, особенно когда: - источники OCR-текста плохо распознаются, - происходит «semantic drift» (когда ответ уходит от вопроса), - «ghost matches», когда извлечённый фрагмент кажется релевантным, но на самом деле нет. Обычно ошибки ловят уже в готовом сгенерированном тексте, из-за чего они часто повторяются. В Semantic Reasoning Engine всё наоборот: если система видит, что рассуждения «кривые» или сбились с курса, она останавливается, сбрасывается или ищет другой путь и отвечает только когда состояние стабильно. 🛡Авторы называют это semantic firewall - семантический «файрвол». Проверки встроены прямо в процесс мышления модели, а не поверх ответа с фильтрами или регексами. Это помогает избегать ошибок до того, как они попадут в вывод. 📌 Проект включает карту из 16 типичных ошибок LLM: - неверный поиск данных, - сбившаяся логика, - «провалы памяти», - путаница ролей агентов и другие. Для каждой есть простое текстовое исправление. Никаких SDK — достаточно вставить инструкции прямо в промпт. 🟢Как модель решает, правильные ли ответ генерируется: - ΔS (drift) - не уходит ли смысл слишком далеко от шага к шагу - λ (convergence) - сходится ли рассуждение к решению или крутится в цикле - Coverage — достаточно ли фактов и аргументов учтено Если все три условия выполнены, ответ считается «качественным». 🟢В тестах стабильность вывода выросла до 90–95% против обычных 70–85% у традиционных подходов. ▪Github: https://github.com/onestardao/WFGY @ai_machinelearning_big_data #ai#llm#opensource#reasoning#hallucinations#promptengineering
@enlawreport · Post #1762 · 06.11.2025 г., 05:20
💼💥 Юристы тратят часы на переписывание рискованных пунктов договоров — но теперь это можно сделать одним промптом. Представляем Clause Surgeon: инструмент, который моментально находит риски и предлагает готовые редлайны в английских договорах. Мастер-промпт: "You are a Magic Circle–calibre contract editor. Given the CONTRACT TYPE = [CAPS], JURISDICTION = [ENGLISH LAW], COUNTERPARTY POWER = [STRONG/MEDIUM/WEAK], and RISK TOLERANCE = [LOW/MEDIUM/HIGH], review the CLAUSE: """[PASTE CLAUSE]""" 1. Diagnose risks in a bullet list tagged [Severity: Low/Med/High] with citations to standard practice. 2. Offer two alternative rewrites: (A) Aggressive pro-client, (B) Balanced market-standard. 3. Add a one-paragraph client-facing rationale in plain English. 4. Provide a redline version if possible. 5. Output JSON too: {“risk_tags”:[], “severity_max”: “High/Med/Low”, “pick”: “A/B”, “one-line”: “…”}. Style: concise, precise, no fluff". Попробуйте этот промпт на практике и поделитесь результатом — покажите, как Clause Surgeon лечит рискованные пункты. #EnglishLawReport#LegalPrompts#ContractDrafting#PromptEngineering#ClauseSurgeon#LegalAI#MagicCircleStyle#EnglishLaw