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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #925 · 10.12

Я вам уже писал про цикл Азимова "Основание". Не так давно на русском языке вышли аудиокниги остальных романов серии: два приквела, начинающиеся с "Прелюдии к Основанию", и два сиквела — "Кризис Основания" и далее. Я все купил и прослушал. Сначала давайте про последние. Азимов писал сиквелы под давлением фанатов спустя почти 40 лет после завершения основной серии, и это, к сожалению, очень заметно. Дело даже не в том, что в сюжете появляется слишком много странных допущений, начиная от местной формы магии и заканчивая совершенно буквальным Богом из Машины. Главная беда в том, что вообще весь основной замысел и идея первоначальной трилогии ломается и переворачивается с ног на голову в худшем смысле этого слова. То, что было подано, как важное и сюжетообразующее — перестаёт таким быть. Персонажи, которые на протяжении многих книг являлись ключевыми, отодвигаются на десятый план — их роль в происходящем фактически обесценивается. Что удивительно, ещё через два года после сиквелов Исаак Юдович написал приквелы, которые, внезапно, возвращают всё на свои места: персонажи обратно становятся важными, первоначальная сюжетная линия ценной и значимой. Лично меня это сбило с толку. Если никогда не читать сиквелы, то приквелы + основная трилогия формируют хорошую устойчивую научно-фантастическую вселенную без особых передёргиваний. Моя теория такая: фанаты задолбали Азимова, и он написал "Кризис..." и следующий роман, в которых просто низвёл до нуля любимых всеми персонажей и сюжет. Но через какое-то время опомнился, и такой "Блин, как я мог поступить подобным образом с одним из главных трудов своей жизни?", поэтому выпустил нормальные каноничные "Прелюдия..." и "Путь...". Но даже с учётом значительных косяков я дослушал с удовольствием. Всё такие же хорошие дипломатичные диалоги, всё такие же интересно описанные миры и планеты. Книги создавались почти сразу после холодной войны, порадовала планета, которая явно отсылается к СССР в представлении типичного американца того времени: снежная, с полувоенным строем и ханжеской социальной дисциплиной, ограничением на базовые блага и так далее. Не то что святая капиталистическая демократия в США. При этом у автора человечество будущего всё равно пришло к имперской форме правления. #fiction

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