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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #987 · 31.05

Под влиянием поста Беспалова подумал о том, что для меня все виды деятельности располагаются в матрице "Интерес - Понимание". 1. Неинтересно и непонятно: артхаус-кино, современная молодёжная музыка, низкоуровневое программирование, тикток, животноводство, скульптура, эстонский язык и т.д. Все вещи, которые нельзя постичь беглым взглядом или просто в рамках обычной бытовой жизни, а погружаться сильнее мне не хочется, потому что они вызывают либо нейтральные эмоции, либо отрицательные. Если вкусы мои не изменятся, то вряд ли я когда-либо стану ими заниматься. Разве что за очень много денег или под давлением обстоятельств. 2. Неинтересно, но понятно: футбол, выращивание картошки на огороде, программирование на PHP, старые видеоигры, мытьё полов, инстаграм, плёночная фотография, городское фентези и т.д. Вещи, в которые я погружен хотя бы чуть-чуть в силу обстоятельств и окружающей среды, в процессе обычного быта, либо потому что они очень простые и примитивные. Но при этом никакого желания и интереса у меня нет. Иногда я чем-то таким занимаюсь из-за необходимости: ради друга можно сыграть в старую видеоигру, ради чистоты в квартире помыть пол, ради огромных денег написать что-то на PHP. Но в целом это рутина из-под палки. 3. Интересно, но непонятно: топология, кузнечное ремесло, рисование, столярное дело, большой теннис, плавание с аквалангом, теория струн, функциональное программирование и т.д. Всё, что вызывает интерес, но до чего я не добрался и, возможно, никогда в жизни не доберусь. Мир слишком многообразный, нельзя объять необъятное, нельзя заниматься абсолютно всем. Но в этом списке потенциальные претенденты на какое-нибудь будущее хобби. И ещё всегда может оказаться, что после погружения мне это дело не понравится, либо я обнаружу у себя отсутствие способностей к нему. 4. Интересно и понятно: работа (программирование на C#, управление командой, архитектура), текущие хобби (настолки, электроника, 3D-печать), замороженные хобби (мотоциклы, дроны, пет-проекты), совместный досуг с семьёй. Это то, чем я занимаюсь, если могу. Скажем, дроны заблокированы на неопределённый срок, мотоциклы на паузе, но при возникновении обстоятельств я к этим вещам буду возвращаться. А если условия есть, то, собственно, эти занятия и составляют основную часть моего времени жизни. #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