Digitable: Channel

#speaker #conference #it #development #opensource #holyjs #ai #logic #math #computerscience

Очередной мой доклад заанонсирован на сайте HolyJs, в этот раз шизы меньше, но гораздо больше фундамента! А вообще, меня опять сбайтил @DreamShaded , thanks man

Анонс доклада: https://holyjs.ru/talks/20011201-from-aristotle-to-runtime-formally-provable-typescript-and-ai-that-verifies-its-own-code/

Конфа будет в Санкт-Петербурге, 23–24 октября

Приходите, уровень фундамента почти космос, но это так, скорее косметика, в самом деле, тут много агрегации со стримов, записей и мастер-классов + два полезных инструмента для современных разработчиков + опять же много про промптинг и теоркат.

О чём буду говорить? О том как начать писать с ИИ более формально-доказуемый код и всё благодаря теории Карри-Ховарда, ладно-ладно, вот текст анонса

LLM умеет писать код, который выглядит убедительно даже тогда, когда не работает. Мы отвечаем на это новыми промптами, увеличиваем контекст, подключаем RAG — и все равно получаем программу, уверенно объясняющую собственную ошибку. А что, если проблема не в качестве генерации, а в том, что у модели нет возможности проверить результат так же, как это сделал бы инженер?

В докладе пройдем путь от силлогизмов Аристотеля и энтимем через булеву алгебру, множества и группы к теории категорий. Разберемся, как из этой, на первый взгляд, академической экскурсии получить практический язык для описания программ: объекты, преобразования, композиции и функторы.

Я покажу созданное мной надмножество над TypeScript, в котором разработчик описывает утилиту через ее типы, допустимые преобразования и отношения между ними. Такая спецификация сужает пространство решений для ИИ и позволяет генерировать не просто синтаксически правдоподобный, а формально проверяемый код. Здесь же поговорим о числах Чёрча, неизменяемых структурах данных, логических парадоксах и о том, почему универсальное множество способно испортить не только вечер математику, но и модель предметной области программисту.

Но статических ограничений недостаточно. Поэтому во второй части я разберу архитектуру самописного контура runtime-самопроверки. ИИ сначала генерирует черновик программы. Отдельный инструмент инструментирует код: оборачивает выполняемые выражения и собирает типы, значения, переходы состояния и ошибки. Черновик запускается в изолированном окружении, трасса возвращается модели, и та исправляет программу до того, как результат увидит пользователь.

Покажу, как в этот цикл встраиваются научный метод и prompting-практики: zero-shot и few-shot, RCTF, ReAct, Tree of Thoughts, RAG и STAR. Главное здесь не коллекция аббревиатур, а переход от «попросить модель написать код» к циклу «гипотеза — эксперимент — наблюдение — исправление».

В завершение расскажу, как проверял эти подходы в Avito: что измерял, как оценивал корректность, количество итераций, расход токенов, задержку и стоимость, где автоматическая самопроверка действительно помогает, а где создает лишь более дорогую галлюцинацию.

После доклада слушатели получат архитектурную схему AI-контура с обратной связью, модель формальной спецификации для TypeScript и практический подход к оценке AI-инструментов без веры в магию промпта.

Тг конфы: https://t.me/holyjsconf
Сайт конфы: https://holyjs.ru/

Всех обнял-приподнял, готовьте полисиллогизмы и энтимемы! 🤔

#privacy #152фз #gdpr #cookies #systemdesign #персональныеданные #security #frontend #backend #architecture #documentation

На портале обучения опубликовал пост https://courses.digitable.life/post/blog/152fz-privacyengineering/ про работу с персональными данными, он слишком гигантский для поста в тг, но тезисно выложу и тут

Передайте вашим программистам и тимлидам)

В основном это инженерный разбор, так как для разработчика это не бюрократия, а часть качества системы. Если продукт умеет объяснить, какие данные он собирает, зачем, где хранит, кому передает и как удаляет, он обычно лучше спроектирован технически. Если не умеет — проблема не только юридическая, но и архитектурная.

Если совсем коротко: персональные данные нельзя собирать “на всякий случай”, нельзя прятать согласие в подвал сайта, нельзя передавать все подряд в CRM, аналитику, рекламу и чат-виджеты без понимания целей и оснований, нельзя хранить бесконечно, нельзя строить frontend так, будто форма — это просто JSON в API. Форма, cookie banner, CRM-интеграция, webhook из Tilda, WordPress-плагин, React state, backend DTO, таблица в PostgreSQL, backup, лог и S3-бакет — все это части одной системы обработки персональных данных.

152-ФЗ нужен не для того, чтобы на сайте была галочка ради галочки. Он отвечает на практический вопрос: что компания имеет право делать с данными живого человека, как объяснить это человеку, как доказать правомерность обработки, как защитить данные технически и что делать, когда пользователь просит удалить, уточнить или показать информацию о себе.

Содержание поста:
• Что такое персональные данные и почему почти любой сайт их обрабатывает
• Зачем 152-ФЗ бизнесу, а не только юристам
• Базовая модель: субъект, оператор, обработчик, цель, состав данных, действие, срок
• Что нужно сделать до релиза
• Как реализовать на Tilda
• Как реализовать на WordPress
• Как реализовать в самописном React-приложении
• Что обязан делать backend
• Как проектировать базу данных
• Как получать согласия и хранить доказательства
• Что делать с cookie, аналитикой, рекламой и пикселями
• Что делать с инцидентами и утечками
• Как отвечать на запросы пользователя
• Как сравнить 152-ФЗ и GDPR
• Чеклисты для фронтенда, backend, DevOps, продукта и компании

#нейросети #ai #audio #images #diffusionmodels #diffusion #documentation

🧠 Многие думают, что нейросеть "рисует картинку с нуля". На самом деле это не совсем так.

Большинство современных моделей (FLUX, Stable Diffusion, SDXL и многие другие) работают по принципу диффузии — они постепенно убирают шум, шаг за шагом восстанавливая нужное изображение. То же самое сегодня происходит и в генерации аудио: модель постепенно очищает шум или спектрограмму до готовой речи, музыки или звуков.

При этом далеко не всегда нужно начинать с чистого белого шума. Можно взять уже существующее изображение или аудио, немного "зашумить" его и попросить модель изменить только часть содержимого. Именно поэтому работают img2img, inpainting, ControlNet, а также многие инструменты редактирования фотографий и генерации речи.

На картинках я постарался собрать простую схему того, как устроены современные диффузионные модели, какие self-hosted инструменты сегодня наиболее популярны и из каких этапов состоит генерация.

Кстати, если интересна тема локальной генерации речи, недавно я отправил PR в китайский форк с Rust (Qwen3-TTS-Rust), который значительно упростил работу с библиотекой и добавил недостающие возможности. Благодаря этому использовать Qwen3 TTS в своих Rust-проектах стало заметно удобнее. Если занимаетесь локальным AI — рекомендую посмотреть.

💬 Если интересно, могу сделать такую же серию инфографик про:
• Transformer и Attention
• LLM "под капотом"
• KV Cache
• LoRA и QLoRA
• RAG
• MCP
• AI-агентов и современные workflow.

Также сейчас активно веду разработку новеллы, скоро будет в Стиме, а про недавно вышедший музыкальный альбом с реизданием расскажу на одном из стримов, запишем видосик, чтобы объяснить каким образом сейчас можно диффузионо улучшать ваши сырые артефакты

• Пост на courses.digitable.life - https://courses.digitable.life/post/blog/diffusions/ там же можно скачать исходное изображение так как соцсети режут качество, плюс там же ссылки на все полезные модели и возможность комментировать посты через github

#нейросети #ai #sdd #advancedprompting #specdrivendevelopment #documentation

Большинство людей работают с LLM так:

"Сделай мне сайт"
"Помоги похудеть"

После чего начинают 30 сообщений уточнять детали.

SDD (Spec-Driven Development) предлагает:

IDEA → SPECIFY → PLAN → TASKS → IMPLEMENT

/specify
Вы описываете задачу обычным языком.
ИИ превращает её в структурированную спецификацию

Причём уже здесь можно использовать advanced prompting (RCTF, Few-Shot, Chain of Thoughts и т.д.).

/analyze - Проверяем:
* что забыли
* где риски
* что противоречит друг другу
Этот шаг можно запускать на любом этапе.

/plan - Получаем стратегию решения.

/tasks - Разбиваем работу на конкретные шаги.

/implement - Выполняем задачи сами или через агента.

Самое важное:
Результат каждого шага сохраняется в файлы.

Пример и нужность в первом комменте

По сути SDD — это способ перестать хранить знания в чате и начать хранить их в системе. Это полноценная роль ИИ-оператора для человека.

#нейросети #llm #advancedprompting #профессиональныйпромптинг #промптинг

Сделал шпаргалку по промптингу для начинающих

Большинство людей используют LLM примерно так:
"Напиши мне текст."

И получают средний результат.

Но качество ответа зависит не только от модели. Очень многое зависит от того, КАК вы формулируете задачу.

Вот несколько техник, которые можно использовать уже сегодня.

Описание каждого вы найдете в комментариях к этому посту

1️⃣ Zero-shot prompting
2️⃣ Few-shot prompting
3️⃣ Chain of Thoughts
4️⃣ Chain of Verification
5️⃣ Tree of Thoughts
6️⃣ RAG
7️⃣ ReAct
8️⃣ RCTF


Самое важное:

Промптинг — это не магия и не набор секретных слов.
Это способ уменьшить неопределённость задачи.

Портал, где можно найти услуги, консультации и прочее: https://digitable.ru

Цифровизируйтесь!

#стриминг #видосики #ai #knowledge #prompting #ml #sbse #digitalclone #youtube

https://www.youtube.com/watch?v=1nIYdw1T8Gs

В этом видео:

— как работают LLM, нейросети и алгоритмы машинного обучения на базе SBSE
— почему нейросети не “думают”
— что такое токены и контекстное окно
— как устроен профессиональный промптинг: ZS, FS, RCTF, ToT, CoT
— что такое RAG, MCP и AI-агенты
— зачем нужны видеокарты
— как генерируются картинки
— и почему AI — это уже не “магия”, а инженерный инструмент

Видео подойдёт:

— разработчикам
— тем, кто только начинает разбираться в AI
— и всем, кто хочет понять как это работает без хайпа и маркетинга

📌 Видео сделано на основе стрима — без вырезания контекста и с объяснениями по ходу.

Таймкоды, чтобы даблчекнуть о чем контент в комменте к этому посту, полезные ссылки также

#github #microsoft #мысли

На тему лока гитхаба кстати, просто увидел видос о новых релизах в мобилке и решил поделиться

Я регнулся на гитхабе в 2017-ом, потому что сидеть на гитлабе было не модно, но гитлаб тогда имел лучшие лимиты по количеству репозиториев доступных приватных. Организации в основном сетапили внутренний либо SVN (привет Tortoise SVN) либо self-hosted GitLab на внутреннем домене. Да и до сих пор так делают.

Гитхаб не умел рендерить маркдауны, тяжко было его дружить с Jenkins. Да и в целом, команда предлагала только свою шикарную IDE Atom.

Microsoft много лет жил на своём внутреннем решении, которое, чтобы поставить сотруднику нужно было стянуть 60 гб+ для CLI.

Код ревью тоже проходило также из-под консоли открывались PR и ревьювились также, помню, что ты создаешь ветку, идешь к сеньору с номером пуша, пишешь ему в Skype For Business например его, и так как внутри тулы ревью было неудобным, то ты выписывал замечания себе в блокнот, и так пока не вольете.
Потом уже они TFS превратили в VSTS, а затем в Azure DevOps, который выглядел как современный BitBucket, который тоже тогда особо был никому не нужен.

MS взял хозяйство над форком атома Visual Studio Code, так как Visual Studio обычная это перегруженный монстр и народ фанател от решарпера.

В конце концов, MS покупает GitHub. Он стал разрабатываться активнее, в нем стало больше Enterprise фичей, и думаю, что примерно тогда GitHub и стал источником резюме для кодеров в ввиду излишней популяризации путем вливания денег в него. У них были как и непонятные и для большинства ненужные фичи типа тех же Discussions или Projects, но и полезные как например неплохая экосистема вокруг GitHub Actions.
В том же Azure DevOps каждый шаг был отдельным PowerShell-скриптом. Когда они купили npm или сделали альтернативу docker hub — это вообще песня.

Сейчас для обычного юзера гитхаб это кладбище его пет проектов, страница портфолио проектов, резюме, ботоферма звезд, хранилище скриптов в гистах, репозитории из ссылок на другие полезные проекты, а в большинстве своём помойка. Для открытых проектов посмотрите где например сервятся проекты типа NetBSD и как по системе писем реализована коммуникация. Я к тому, что репозиторий Линуса или Дана Абрамова — это частные случаи. И вот этих частных случаев на платформе не так много.

А потом у них параллельно выходило мобильное приложение, которое useless огрызок с минимумом функционала, буквально вот смотришь новости их и они на полном серьезе после 5 лет или сколько там существования мобильного приложения говорят, что добавили кнопку создать репозиторий? Даже Близзард не так плох, ах да, Близзард тоже куплен MS.

Я к чему веду, гитхаб хорош своей нынешней доступностью, студенческим кампусом (в комменты приложу, что они мне присылали в свое время за магистратуру), возможностью искать информацию, но он гниет быстрее, чем там появляется что-то новое.

Сама площадка выросла на Игдрассиле Торвальда, но корпорации просто внедрили подписки и чаржат все, что можно. Тот же Codespaces useless, так как это демпинг приучить вас жить в vs code. Копилот по той же причине и кривоват, потому что код уже не готовят, ведь чем больше юзеров, тем кривая распределения растет, люди не знают что такое issues, prs и прочее. Стартапы просто сидят в мессенджерах, камон.

У меня есть знакомые коллеги там, но то, что они разрабатывают далеко от того, что компания дает рядовому пользователю даже с подпиской. Это как стим который столько лет спустя решил плиточки в маркете обновить.

К чему веду то, плевать залочат его или нет, это изначально был конкурент гитлабу, а потом корпоративная тулза для гигантов кому нужно жить в экосистеме MS, на рядового пользователя им итак всегда было плевать.

https://youtube.com/shorts/HyOWj3ldwFY?si=nVfmJvqBFVGvaXAp

Так-с, кому нужно смотреть без монтажа запись стрима тут https://www.twitch.tv/videos/2773485930, но она долго не хранится

Постараюсь смантировать асап, залить на ютуб/рутуб/вк с минимумом закадрового кашля и с визуалом побольше

Получилось покрыть следующие темы по верхам:

— SBSE, ML, LLM, Цепи Маркова
— Advanced prompting: Zero, Few, CoT, CoV, ToT, RCTF, RAG, SDD
— Конвертация задач к тексту
— Токеномика, контекстные окна, системные промпты и цензура

Ну и еще вопросы и темы были походу пьесы, как смонтирую и залью тоже зааноншу

Можете пока накидывать темы которые интересуют для следующих стримов, мой листинг в одном из предыдущих был о чем планировал рассказывать и экспериментировать над софтом с голосами под A11Y

Запустил стрим, сегодня говорим про ИИ, запись будет доступна, потом накромсаю на ютуб видосом

https://www.twitch.tv/marat_zimnurov

Кто хочет позадавать вопросы in real time, you’re welcome

Так-с, запланировал стрим на завтра в 18:30 часика на 3 по мск 🏆

Тема на завтра – рассказать вообще всё, что реально нужно знать про методы искусственного интеллекта (ИИ) и прочий SBSE, поговорим про advanced prompting, про разных провайдеров, на что обращать внимание, как можно бенчмаркать, как решать задачи и какие подходы вообще есть.

Цель – сделать просветительскую нарезку на YouTube, чтобы у людей была понятная точка входа, понимали ограничения и локальные максимумы, а не просто пытались вслепую решать все задачи Claude-ом или прочим шумом. Научить отделять, что говорят на рынке и что по факту происходит.

Заходите (в субботу в 18:30) на стрим, задавайте вопросы https://www.twitch.tv/marat_zimnurov 🙃

#дайджестпачкамемов #meme


На днях (сегодня-завтра) запущу стримы снова, немного приболел, занимался диссером, сейчас опять нашлись вечерние слоты на стримчанские

В ближайших стримах чем бы хотел заняться:

• пилим софт для людей с a11y, есть пара гипотез как это можно подружить с клонированием голосов и реализовать
• рассказываю всё, что нужно знать про ИИ сейчас
• пилим микрофреймворк на базе openclaw для ведения ИПР и самособедований по основным функциям
• попилить игрушку
• попилить визуальную новеллу с использованием LLM как классификатора текстов

Чтобы пока не скучали закидываю вам мемесов посмеяться