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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #759 · 6.02

Попробовали с друзьями детективный квест «Безмолвный свидетель» от Лавки Игр. Это такая мини настольная игра, работающая вместе с навыком для Алисы. В Алисе записанные профессиональными актёрами реплики и атмосферный звук погружают вас в сюжет некоего таинственного убийства, которое вы должны раскрыть, разговаривая с персонажами. Физически при этом есть карточки с людьми, предметами и локациями, которые вы открываете в нужном порядке, чтобы видеть ваш инструментарий. Например, какой-то человек упоминает другого, и Алиса вам командует открыть карточки с такими-то номерами. У вас появляется новый персонаж и реплики с вашей стороны, которые вы можете теперь говорить в том числе всем предыдущим персонажам, получая доступ к новым веткам диалогов. (Не рассматривайте детали на фото, если не хотите словить спойлеры). С этим квестом связана прикольная история: когда Лавка только презентовала его, я им написал: «Так и так, я аккредитованный Яндексом и Сбером разработчик под голосовые платформы, большой опыт, давайте вам сделаю что-нибудь». Меня проигнорировали, а в итоге игра вышла с техническими и UX проблемами. Про часть этих проблем написано несколько раз прямо на карточках для игры. В конечном счёте со мной всё-таки связались, и я описал алгоритм решения, посмотрим, внедрят ли его в следующих частях. Если говорить о самой игре, то приключение вышло очень интересное и захватывающее. Мы с друзьями убийцу не нашли, потому что слишком много думали: отбросили первую же гипотезу из-за простоты, а она в итоге и оказалась верной. Да, в диалогах есть пара нелогичных и запутывающих кусочков, но, если бы вы были настоящим детективом, беседующим с настоящими людьми, путаницы было бы ещё больше, так что посчитаем это изюминкой. В остальном оригинальная механика, действительно хорошее погружение в атмосферу и вполне решаемая задачка (хотя мои друзья после игры сказали, что им ответ не нравится и кажется притянутым за уши, но лично я с этим мнением не согласен). В качестве недостатка отмечу очень плохое техническое состояние навыка. Допустим, UX вылизать не смогли, потому что не было опыта в Алисе. Но просто обеспечить бесперебойную работу — не великого ума дело. У нас (и, судя по чатам, не только у нас) постоянно навык сваливался в «Не отвечает», и приходилось ждать неопределённое время, пока он заработает. Навскидку возможных причин четыре: 1. Плохая обработка ошибок времени выполнения, программа сваливается в пятисотую, пока что-то её не перезагрузит по таймеру. 2. Плохая обработка возможного состояния сессии, программа сваливается в пятисотую, пока Яндекс не сбросит кэш состояния игрока. 3. Слабый сервак, устаревший медленный язык программирования. 4. Плохое проектирование программы на многопоточную нагрузку: какие-нибудь синхронные операции оправки данных в статистику, отсутствие горячего кэша, неэффективные структуры данных — всё, что может периодически увеличивать лаг выше разрешённого Яндексом. В какой-то момент уже в самом конце мы были очень злы из-за багов и почти полезли в сеть тупо смотреть прохождение. Если бы навык не ожил, впечатления от игры были бы критически негативные. А так они скорее позитивные. Если Лавка исправит проблемы, то очень рекомендую. Да, игра по сути одноразовая, но и стоит она как билет в кино: вы покупаете классное развлечение на целый вечер для компании почти любого размера. Вторую часть обязательно возьму, когда выйдет. #games

Hashtags

Резултати

Намерени 4 подобни публикации

Търсене: #embedding

当前筛选 #embedding清除筛选
GitHub Trends

@githubtrending · Post #15053 · 12.08.2025 г., 14:00

#typescript#embedding#visualization Embedding Atlas is a powerful tool that helps you easily visualize and explore large sets of data points called embeddings. It automatically groups and labels data, shows dense areas and outliers clearly, and lets you search for similar items in real time. It works fast even with millions of points using modern web technology and can be used in Python, Jupyter notebooks, or web apps. This means you can better understand complex data, find patterns, and make decisions faster without complicated setup or slow performance. It’s open source and privacy-friendly since your data stays on your device. https://github.com/apple/embedding-atlas

Machinelearning

@ai_machinelearning_big_data · Post #8262 · 13.08.2025 г., 13:04

🌟Embedding Atlas: визуализация структуры эмбедингов прямо в браузере. Embedding Atlas — опенсорсный инструмент от Apple для интерактивной визуализации больших наборов векторных представлений, который позволяет не просто смотреть на облако точек, а полноценно с ним работать. И что самое приятное, он способен отрисовывать до нескольких миллионов точек благодаря реализации на WebGPU. 🟡Автоматическая кластеризация и разметка данных. Embedding Atlas сам находит скопления в данных и подписывает их, позволяя мгновенно сориентироваться в общей структуре датасета. Чтобы отделить реальные кластеры от случайных выбросов, используется оценка плотности ядра с отрисовкой контуров плотности. Решена и вечная проблема визуализаций - "каша" из перекрывающихся точек. Embedding Atlas использует технологию order-independent transparency, так что даже при большом наложении точек картинка остаётся четкой и информативной. 🟡Интерактивность. В инструменте есть поиск в реальном времени и нахождение ближайших соседей. Можно ввести текстовый запрос или просто кликнуть на любую точку в облаке, и Embedding Atlas мгновенно подсветит наиболее похожие на нее данные. Еще есть интерактивный фильтр по метаданным. Например, можно выбрать на гистограмме определенный класс объектов, и визуализация тут же отфильтрует эмбединги, оставив только соответствующие ему точки. 🟡Embedding Atlas поставляется в виде 2 пакетов: 🟢Python-пакет Дает три варианта интеграции: утилиту командной строки для быстрой визуализации датафреймов, виджет для Jupyter, позволяющий встраивать атлас прямо в ноутбуки, и компонент для Streamlit, если вы создаете полноценные веб-приложения. 🟢Npm-пакет Этот пакет для тех, кто хочет встроить визуализацию в собственные веб-приложения. Он предоставляет готовые UI-компоненты в виде API: Table, EmbeddingView, EmbeddingViewMosaic и EmbeddingAtlas. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Документация 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#Embedding#Visualisation#Apple

GitHub Trends

@githubtrending · Post #14750 · 25.05.2025 г., 13:00

#typescript#embedding#mcp#telegram#telegram_bot This tool helps you search through Telegram chat records using advanced technology like vector search and semantic matching. It uses OpenAI's semantic vector technology to make your searches smarter and more accurate. This means you can find messages more easily and quickly. It's beneficial because it saves time and helps you find important information in your chats. To use it, you need to install it on your computer by following some steps, and then you can access it through a local website. https://github.com/groupultra/telegram-search

GitHub Trends

@githubtrending · Post #15433 · 23.01.2026 г., 14:30

#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG