Буквально ніхто не знає, що таке агент. Я бачив, як багато людей називають додатки «агентами», якщо вони використовують LLM. Крім того, є ті, хто говорить про «агентні системи» та «агентні робочі процеси». Якщо ви запитаєте, що вони означають, вони почнуть заїкатися.

ВЕЛИКЕ ОНОВЛЕННЯ для AG-UI! 3 протоколи, створені штучним інтелектом: MCP, A2A та AG-UI. Ми маємо величезне впровадження в усіх напрямках, а також безперервні, масові оновлення для кожного з цих протоколів. Ось кілька масштабних оновлень для AG-UI: Для тих з вас, хто не чув, AG-UI (Agent-User Interaction Protocol) дозволяє інтегрувати агентів у фронтенд-додатки. Це дає вам: • Оновлення в режимі реального часу • Оркестровка інструментів • Спільний змінюваний стан • Охоронні кордони • Синхронізація інтерфейсу користувача Вони щойно оновили протокол, і ось що нового: 1. У AG-UI тепер є CLI! 2. Pydantic AI тепер сумісний з AG-UI. 2. Новий у 10 разів простіший потік для створення додаткових клієнтів AG-UI. 3. Попередній реліз рукостискання між AG-UI та A2A. 5. Тепер ви можете візуалізувати свою взаємодію A2A. 6. Взаємодія A2A тепер може охоплювати користувачів. 7. Є повністю оновлений потік внесків. Ви можете створити свій перший додаток на основі AG-UI за допомогою однієї команди: $ npx create-ag-ui-app my-agent-app Перевірте репозиторій протоколу GitHub:

Агенти, що самонавчаються 👀

Один з кращих способів написати кращий код: Використовуйте власних, спеціалізованих агентів для автоматичного перегляду його кожного разу, коли ви надсилаєте повідомлення до свого репозиторію. Я працюю з @baz_scm, і вони автоматично генерують агентів користувацьких рецензентів на основі вашого власного стилю кодування та правил. Це перший інструмент, який я бачив у цьому. З трьох різних способів створення агента в Baz мій улюблений - це той, коли ви визначаєте свої правила за допомогою підказок і тестуєте їх на ігровому майданчику перед розгортанням. Перегляньте відео та посилання нижче. Баз співпрацював зі мною в цьому.

Ще одне круте оновлення для протоколу AG-AI! Протокол AG-UI (Agent-User Interaction) дозволяє інтегрувати агентів у фронтенд-додатки.

Другий пілот у режимі Beat Mode – це буквально звір! Я не знав про це до вчорашнього дня, і це виглядає добре (і трохи божевільно!) Beast Mode - це спеціальний режим чату, який наділяє Copilot @code деякими суперсилами:. Замість того, щоб використовувати «Агента» Copilot за замовчуванням, ви можете використовувати режим звіра для всього. Очікувати: • Більше планування • Більше використання інструменту • Більше використання Інтернету • Більше впертості • Менше тримається в руках • Менше страху перед діями Якщо вам пощастить, спробуйте режим звіра. Я поки що не рекомендую використовувати Beast Mode на ваших кодових базах за $250 000/рік, якщо тільки ви не є босом. Ось відео про те, як його включити. Посилання з інструкцією ви знайдете нижче:

1 година практики в 100 разів краща, ніж 10 годин навчальних посібників. Люди люблять все ускладнювати, але майстерність у створенні програмного забезпечення приходить завдяки дотриманню дуже простого процесу: Створення → розгортання → спільний доступ → покращення → повторення Зараз вам не потрібен ще один підручник. Все, що вам потрібно, це почати кодувати та отримати зворотний зв'язок, який допоможе вам вдосконалюватися. Я думаю, вам сподобається це: Якщо ви є vibe-кодувальником, вам варто ознайомитися з @YouWareAI (вони щойно вийшли в ефір і співпрацюють зі мною). Їхня ідея геніальна: це платформа, де ви можете створювати додатки зі штучним інтелектом і отримувати відгуки, трафік і спільноту прихильників. Нічого подібного там немає. Ось як це працює: Крок 1: Ви можете переглянути, що створюють інші. Ви можете черпати натхнення з трендових додатків і навіть реміксувати вже існуючий проект. Ось посилання: Крок 2: Ви можете почати створювати свій додаток англійською мовою. Це платформа для кодування вібрації. Крок 3: Опублікуйте свою заявку та отримайте негайний відгук. Люди можуть лайкати його, коментувати або навіть розщедрювати, покращувати. Без локальних налаштувань. Без шаблонів. Здається, це ідеальний ресурс, який допоможе кожному підвищити свій рівень.

Освіта зі штучним інтелектом та машинним навчанням зламані. Якщо ви хочете стати дослідником – добре, але якщо ви хочете почати вирішувати проблеми, ресурсів, які навчать вас практичним заняттям, дуже мало. Я це виправляю. Ось деякі з тем, які я висвітлюю у своїй живій когорті AI/ML Engineer: 1. Як сформулювати проблеми 2. Як обробляти дані для навчання та розгортання моделей 3. Як побудувати RAG-системи 4. Як оцінювати заявки 5. Як розгорнути ці програми 6. Як тестувати ці програми на продакшн 7. Як оптимізувати ці програми 9. Як використовувати моніторинг і спостережливість 10. Як користуватися MCP та A2A Забудьте про теоретичні поняття і книги. Ви дізнаєтеся тут безпосередньо на власному досвіді. Наступна когорта починається через 2 тижні. • Це наживо (але також записано) • Це важко • Це практично • Це дуже весело І ще важливіше: Це допоможе вам стати на порядок продуктивнішими. Посилання нижче:

Починаючи з сьогоднішнього дня, я повертаюся до @code + Copilot замість Cursor. Я чув від багатьох людей, які хвалили останні кілька ітерацій Copilot. Останній раз, коли я спробував його, він мені не сподобався, але з тих пір пройшло вже кілька місяців. В цілому, використовувати @code краще, ніж використовувати будь-яку вилку. Єдине, що змушує мене шукати деінде, це функціональність штучного інтелекту, але якщо Copilot зможе досягти 90-95% можливостей Cursor, я б не пішов. Я повідомлю, коли дізнаюся більше.

Веб-скрапінг – це критично важлива навичка, але про неї ніхто не говорить. Як, на вашу думку, компанії навчають свої великі мовні моделі? Як ви думаєте, звідки беруться дані? Але веб-скрейпінг виходить за рамки всього цього. Уявіть, що ви надаєте агенту штучного інтелекту доступ до будь-яких загальнодоступних онлайн-даних у режимі реального часу! Мені подобається називати це «веб-скреспінгом на вимогу», і я майже впевнений, що це відкриє необмежену потужність для додатків штучного інтелекту. Я записав коротке відео, щоб показати вам, як це можна зробити за допомогою @apify. Я вже говорив про них раніше, і вони співпрацюють зі мною над цим постом. Вони мають одну з найкращих бібліотек веб-скрейпінгу та автоматизації браузерів з відкритим вихідним кодом: Але це стає набагато краще, ніж це! Ви можете використовувати MCP для підключення своїх агентів штучного інтелекту та додатків до платформи Apify і використовувати будь-якого спеціалізованого суб'єкта на вимогу для вилучення та обробки онлайн-даних. У відео я використовував Cursor для зішкребти пости в LinkedIn зі словами "Machine Learning" у режимі реального часу. Працював як чарівність без коду! Ось посилання на платформу: Подумайте про це: Тепер ви можете годувати свої програми штучного інтелекту будь-якими публічними даними за запитом! Ми не готові до того, що нас чекає.