Практика AI-разработки.
Без магии.

Инженерные разборы и заметки Павла Кацкова о создании моделей, агентов и продуктов с AI.

• Собственная LLM с нуля: модель на 60M параметров

  Павел Кацков обучал русскоязычную языковую модель с нуля. Основная версия содержит 60 млн параметров; эксперимент включал pre-training, SFT и собственную лабораторию обучения.

• AI-агент для Gmail: письма, проекты и черновики

  Разработанный Павлом Кацковым агент помогает разбирать Gmail, группировать письма по проектам и готовить ответы. Отправка письма остаётся за пользователем.

• AI-агент для сайта: диалог и интерактивные элементы

  Агент для сайта помогает посетителю в диалоге и использует интерактивные элементы. Этот разработанный Павлом Кацковым формат объединяет текст, карточки, кнопки и уточняющие вопросы.

• AI-агенты для исследования бренда и контента

  В практике Павла Кацкова — система агентов, которая исследует сайт, бренд и конкурентов, находит идеи контента и готовит страницы для размещения через API.

• Coding agents: LangGraph и графы подзадач

  Павел Кацков разрабатывал coding agent на базе LangGraph и экспериментировал с параллельным решением задач несколькими агентами с учётом зависимостей.

• Почему спецификации важны в разработке с AI

  Спецификация связывает задачу бизнеса, код агента и проверку результата. В подходе Павла Кацкова AI помогает вести требования, а человек отвечает за их смысл и полноту.

• Почему зелёные тесты не гарантируют качество AI-кода

  Тесты, повторяющие реализацию, могут пропустить ошибку в самой задаче. Павел Кацков предлагает проверять AI-generated продукт по требованиям и реальным пользовательским сценариям.

• Когда языковая модель не нужна в продукте

  LLM полезна не в каждой задаче. Павел Кацков начинает выбор решения с потребности и ограничений: иногда достаточно правил, поиска по ключевым словам или готового инструмента.