Горизонт сингулярности

🚀 AI WEEKLY | 21–28 июня 2026

На этой неделе главные новости — вокруг инфраструктуры, вычислений, корпоративного внедрения и новых форм взаимодействия человека с ИИ. OpenAI показала GPT-5.6 с фокусом на сложные агентные сценарии, IBM представила первую в мире технологию производства чипов класса sub-1 nm, Samsung объявила об одном из крупнейших корпоративных внедрений ChatGPT Enterprise и Codex, а DeepSeek становится одним из самых дорогих AI-игроков Китая.

Параллельно крупнейшие игроки начинают готовиться уже к следующему этапу развития. Meta формирует Superintelligence Labs, Anthropic превращает Claude в долгоживущего персонального помощника с памятью и тегами, OpenAI делает ставку на собственные AI-устройства после сделки с IO, а внутри компании сотрудники уже координируют работу сразу нескольких AI-агентов вместо выполнения задач вручную.

🔗 GPT-5.6 Sol Preview — https://openai.com/index/previewing-gpt-5-6-sol/
🔗 IBM Sub-1 nm Nanostack — https://newsroom.ibm.com/2026-06-25-ibm-debuts-worlds-first-sub-1-nanometer-chip-technology
🔗 Samsung × OpenAI Enterprise — https://openai.com/index/samsung-electronics-chatgpt-codex-deployment/
🔗 DeepSeek DSpark — https://github.com/deepseek-ai/DeepSpec
🔗 Meta Superintelligence Labs — https://ai.meta.com/blog/
🔗 Anthropic Claude Tag — https://www.anthropic.com/news/introducing-claude-tag
🔗 OpenAI + io — https://openai.com/index/openai-and-io/
🔗 Project Fetch — https://www.anthropic.com/research/project-fetch-phase-two

#AI #AIWeekly #OpenAI #Anthropic #DeepSeek #Meta #IBM #EnterpriseAI #AIAgents #LLM

🚀 OPEN SOURCE AI WEEKLY | 17–24 июня

Появляется все больше проектов, в которых агент получает не просто доступ к модели, а полноценную среду выполнения: инструменты, память, фоновые процессы, управление состоянием, проверки и возможность работать над длинной задачей без постоянного участия человека. LiteLLM тестирует Rust gateway с минимальными накладными расходами, Hermes добавляет фоновое computer use на основных ОС, а MiMo Code и HarnessX развивают длинные coding-сессии, параллельные траектории решения и автоматически улучшаемую обвязку агента.

Вторая сильная линия по открытым проектам — превращение неструктурированных данных в рабочий контекст для AI. Gemma Skills и Science Skills обновляют знания агента поверх весов модели, Unlimited-OCR и Lift извлекают структуру из больших документов, OpenPencil переносит AI в UI-разработку, а Sakana AI показывает, что стоимость инференса можно снижать не только квантизацией, но и оптимизацией вычислений на уровне GPU.

🔗 LiteLLM Rust — https://github.com/LiteLLM-Labs/litellm-rust
🔗 Hermes Computer Use — https://github.com/trycua/cua
🔗 Hermes Agent — https://github.com/NousResearch/hermes-agent
🔗 MiMo Code — https://github.com/XiaomiMiMo/MiMo-Code
🔗 HarnessX — https://github.com/Darwin-Agent/HarnessX
🔗 Gemma Skills — https://github.com/google-gemma/gemma-skills
🔗 Science Skills — https://github.com/google-deepmind/science-skills
🔗 Sparser Faster LLMs — https://github.com/SakanaAI/sparser-faster-llms
🔗 Unlimited-OCR — https://github.com/baidu/Unlimited-OCR
🔗 OpenPencil — https://github.com/open-pencil/open-pencil
🔗 Lift — https://github.com/datalab-to/lift
🔗 GenCAD — https://github.com/ferdous-alam/GenCAD
🔗 Understand Anything — https://github.com/Egonex-AI/Understand-Anything
🔗 PixelRAG — https://github.com/StarTrail-org/PixelRAG
🔗 AnyCrawl — https://github.com/any4ai/AnyCrawl

#opensource #AI #AIAgents #GitHub #LLM #CodingAgents #ComputerUse #Hermes #LiteLLM #OCR

В сеть выложили системный промпт Claude Fable 5. И внутри обнаружилось кое-что интереснее самой «утечки».

Документ занимает около 120 КБ — почти 1600 строк инструкций, определяющих, как Claude должен искать информацию, использовать инструменты, работать с памятью, создавать файлы и принимать решения.

Но самая интересная часть находится почти в самом начале.

Claude Fable 5 и Claude Mythos 5 — это одна и та же базовая модель.

Разница не в интеллекте.

Разница — в окружении вокруг него.

Fable 5 предназначена для широкого использования и получила дополнительные защитные механизмы для задач двойного назначения.

Если запрос касается продвинутой кибербезопасности или биологических исследований, система может вообще не дать Fable выполнить задачу и перенаправить её на более ограниченную модель.

Mythos 5 работает на той же основе, но без части этих защитных классификаторов. Доступ к ней получили только проверенные организации в рамках Project Glasswing — разработчики критического ПО, специалисты по кибербезопасности и исследовательские команды.

То есть Anthropic фактически создала две версии одного интеллекта:

Fable — для всех.
Mythos — для тех, кому разрешили использовать возможности модели без основного слоя ограничений.

И причины такой осторожности вполне понятны.

Anthropic заявляла, что модели класса Mythos приблизились к уровню лучших специалистов по поиску и эксплуатации уязвимостей. Во время исследований модель находила проблемы, пережившие годы ручных проверок и миллионы автоматических тестов.

В биологии Mythos самостоятельно выбирала точки связывания белков, запускала специализированные инструменты и восстанавливалась после ошибок — выполняя работу, которую обычно делает исследователь.

Формулировка «самая опасная нейросеть в истории» звучит слишком громко.

Но это точно одна из первых моделей, вокруг которой разработчик открыто построил отдельный режим контролируемого доступа из-за возможностей в кибербезопасности и биологии.

И история стала ещё интереснее.

Через три дня после запуска американские власти потребовали приостановить доступ к Fable 5 и Mythos 5. Причиной стал предполагаемый способ обхода защитных механизмов. Anthropic заявила, что речь идёт лишь об узком jailbreak, и не согласилась с масштабом реакции — но доступ к обеим моделям пришлось отключить.

Поэтому опубликованный промпт сейчас выглядит уже не просто как технический документ.

Это фрагмент архитектуры модели, вокруг которой возник спор на уровне национальной безопасности.

Что ещё видно внутри:

— Claude получает точные правила, сколько поисков выполнять для простой задачи, среднего анализа и глубокого исследования;

— внутренние корпоративные источники вроде Google Drive, Gmail и Slack имеют приоритет перед обычным интернет-поиском;

— модель должна сама выбирать между ответом в чате, исследованием, созданием документа, приложения или Artifact;

— память, подключённые сервисы, MCP-инструменты и файловое хранилище рассматриваются как части единой агентной системы;

— отдельно описано, как Claude должен проверять актуальность информации, работать с источниками, оформлять ответы и реагировать на попытки обхода ограничений;

— даже количество инструментальных вызовов выбирается исходя из сложности задачи.

И вот здесь главный вывод.

Современная ИИ-система — это уже не просто нейросеть.

Это модель, окружённая классификаторами, маршрутизацией, памятью, инструментами, политиками доступа и огромным управляющим промптом.

Можно взять опубликованный документ, адаптировать его под другую LLM и воспроизвести часть агентного поведения: поиск, декомпозицию, работу с файлами, памятью и инструментами.

Но превратить Fable в Mythos одной строчкой в промпте не получится.

Потому что настоящий контроль находится не только внутри текста.

Он находится вокруг модели.

Исходный документ:

https://github.com/elder-plinius/CL4R1T4S/blob/main/ANTHROPIC/CLAUDE-FABLE-5.md

t.me/horizon_singularity

🚀 AI WEEKLY | 14–21 июня

На этой неделе в центре внимания — новые контуры агентных систем: Agentic IAM для делегирования и контроля прав, Hermes с фоновыми субагентами, Open Knowledge Format для корпоративной памяти и OpenRouter Fusion для коллективного рассуждения моделей. Одновременно DeepMind усиливает архитектуры контроля автономных агентов, а NVIDIA и Anthropic показывают переход AI из программной среды в робототехнические эксперименты на реальном железе.

🔗 1. Agentic IAM — https://agenticiam.ru/articles/agentic-iam-intro
🔗 2. Hermes Agent 0.17 — https://github.com/NousResearch/hermes-agent
🔗 3. DeepMind AI Control Roadmap — https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/securing-the-future-of-ai-agents/gdm-ai-control-roadmap.pdf
🔗 4. Claude Code + робот-собака / Project Fetch — https://www.anthropic.com/research/project-fetch-phase-two
🔗 5. Open Knowledge Format — https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing
🔗 6. OpenRouter Fusion — https://openrouter.ai/fusion
🔗 7. NVIDIA ENPIRE / Physical AI — https://research.nvidia.com/labs/gear/enpire/
🔗 8. Open models:
• GLM 5.2 — https://huggingface.co/zai-org/GLM-5.2
• Kimi K2.7 Code HighSpeed — https://huggingface.co/moonshotai/Kimi-K2.7-Code
• Rio 3.5 Open 397B — https://huggingface.co/prefeitura-rio/Rio-3.5-Open-397B
• MiMo Code — https://github.com/XiaomiMiMo/MiMo-Code

#AI #AIWeekly #AIAgents #AgenticIAM #MultiAgent #PhysicalAI #OpenSource #LLM #EnterpriseAI

📚 От документов к знаниям: Graphify превращает папку в граф знаний

Появился интересный open-source проект Graphify.

Идея простая: вместо того чтобы каждый раз скармливать LLM папку с кодом, документами, PDF и диаграммами, система один раз строит граф знаний и дальше работает уже с ним.

Что важно:

• Код анализируется через AST без затрат токенов.
• Документы, PDF, изображения и схемы связываются в единую структуру.
• Получается не набор чанков, а сеть сущностей и связей между ними.
• Последующие запросы идут по графу, а не через повторное чтение файлов.

По заявлениям авторов, это позволяет снизить расход токенов в десятки раз. Но главный вывод не в экономии.

Мы постепенно приходим к тому, что классический Vector RAG становится лишь одним из механизмов поиска. Для сложных корпоративных знаний всё большее значение получают Knowledge Graph, GraphRAG и гибридные архитектуры, где модель работает не с набором документов, а с явной структурой знаний.

Проблема RAG не в нехватке документов. Проблема RAG — в потере связей между ними.

Особенно интересно это выглядит для:

• больших кодовых баз;
• инженерной документации;
• корпоративных баз знаний;
• агентных систем с долговременной памятью.

По сути, Graphify — это практическая реализация идеи, которую активно продвигают Karpathy и многие исследователи агентных систем:

👉 AI нужен не просто контекст. AI нужна карта знаний.

🔗 GitHub:

https://github.com/safishamsi/graphify

Чтобы быстро попробовать возможности Graphify, накидал небольшой ноутбук c простым примером для Google Colab (работает без LLM):

🔗 https://drive.google.com/file/d/1xS2IQ8EjsprOZ-XE2O4zBM5sARjWSUX2/view?usp=sharing

#AI #RAG #GraphRAG #KnowledgeGraph #Agents #LLM #Graphify #EnterpriseAI

УРА, нас уже 300! 🎉

Друзья, спасибо вам за лайки, репосты, просмотры, комментарии и поддержку.

Мы правда стараемся делать контент не просто интересным, а практичным: многое тестируем сами, разбираем руками, проверяем в работе — и только потом делимся с вами.

Для нас это не просто канал, а маленькое сообщество людей, которым интересно разбираться в ИИ, данных, инструментах, технологиях и том, как всё это применять в реальной жизни.

Лайк, репост и приглашение друга — очень приветствуются 😄
А мы будем дальше стараться делать контент ещё полезнее, понятнее и интереснее.

Над каналом работают:

@SAbdurakipov — Сергей Абдуракипов
@chelovek_i — Пушкарев Пётр
@Anisimov_Vladimir_Petrovich — Анисимов Владимир

Спасибо, что вы с нами!
Дальше — больше 🚀

👉 Подписаться на канал: https://t.me/horizon_singularity

🚀 OPEN SOURCE AI WEEKLY (5–12 июня)

На этой неделе главный движ — не новые модели, а инфраструктура для AI-агентов. IBM, NVIDIA и Red Hat представили DocLang — потенциальный стандарт документов для AI. NVIDIA выпустила NemoClaw для промышленных агентных систем. Hermes Agent продолжает стремительно расти и всё больше превращается в полноценную enterprise-платформу. Параллельно CopilotKit + AG-UI начинают формировать открытый стандарт интерфейсов для агентов.

Также появился DeepSeek UI — удобный open-source интерфейс для работы с локальными моделями, MOSS-TTS 1.5 приблизил открытую озвучку к production-уровню, а CUA-Gym показывает новый тренд — фабрики данных для обучения computer-use агентов вместо ручной подготовки датасетов.

🔗 DocLang — https://doclang.ai/ https://github.com/docling-project/docling
🔗 NemoClaw — https://github.com/NVIDIA/NemoClaw
🔗 Hermes Agent — https://github.com/NousResearch/Hermes
🔗 CopilotKit — https://github.com/CopilotKit/CopilotKit
🔗 AG-UI — https://github.com/ag-ui-protocol/ag-ui
🔗 DeepSeek UI — https://deepseek-gui.com/ https://github.com/KunAgent/Kun
🔗 MOSS-TTS — https://github.com/OpenMOSS/MOSS-TTS
🔗 CUA-Gym — https://github.com/Portkey-AI/cua-gym

#opensource #AI #AIAgents #GitHub #LLM #RAG #MCP #Hermes #NVIDIA #DeepSeek

Иногда автоматизация в браузере выглядит как школьник в плаще, который думает, что его никто не заметил.

Playwright, Puppeteer, Selenium — отличные инструменты. Но как только вы приходите на сайт с нормальной антибот-защитой, начинается веселье:
navigator.webdriver, странный canvas, палёный WebGL, headless-следы, тайминги, CDP-сигналы — и вот ваш «умный агент» уже стоит у двери с табличкой BOT DETECTED.

Нашёл интересный проект — CloakBrowser.

Это stealth-версия Chromium, которая позиционируется как drop-in замена для Playwright/Puppeteer. Главная идея не в том, чтобы навесить сверху JS-патчи, а в том, чтобы менять fingerprint на уровне исходников Chromium — canvas, WebGL, audio, fonts, GPU, screen, WebRTC, network timing, automation signals и CDP behavior. В README авторы заявляют 58 source-level C++ patches.

То есть это не «мы подменили пару флагов и надеемся, что Cloudflare не заметит».
Это уже ближе к подходу: браузер должен выглядеть как нормальный браузер, потому что внутри он и есть нормальный браузер, только собранный с поправками на антибот-детекты.

Что заявлено:

— совместимость с Playwright и Puppeteer;
— установка через pip install cloakbrowser или npm install cloakbrowser;
— автоматическая загрузка кастомного Chromium-бинарника при первом запуске;
— режим humanize=True для более человеческих паттернов мыши, клавиатуры и скролла;
— поддержка proxy, geoip, timezone/locale matching;
— отдельный Browser Profile Manager как self-hosted альтернатива Multilogin, GoLogin и AdsPower.

Авторы утверждают, что CloakBrowser проходит Cloudflare Turnstile, FingerprintJS, BrowserScan и другие проверки, а reCAPTCHA v3 даёт score 0.9 против 0.1 у обычного Playwright. Последние тесты в README указаны на апрель 2026 года, Chromium 146.

Где это может быть полезно легально и по делу:

— тестирование собственных антибот-систем;
— QA сложных веб-приложений;
— проверка устойчивости фрод/антифрод-защиты;
— исследование fingerprinting-механик;
— автоматизация внутренних систем, где обычный headless-браузер ломается о защитные механизмы.

Важный момент: CloakBrowser не решает CAPTCHA. Авторы прямо пишут, что он не занимается CAPTCHA-solving и не включает proxy rotation — идея в том, чтобы не доводить сессию до появления CAPTCHA, а не обходить её через сторонние сервисы.

Мне здесь интересна не только сама утилита, а направление.

Мы всё чаще строим ИИ-агентов, которые должны работать через браузер: заходить в кабинеты, собирать данные, проверять интерфейсы, выполнять рутинные операции. И внезапно выясняется, что браузерная автоматизация — это не просто «написал Playwright-скрипт». Это отдельная инженерная дисциплина на стыке browser internals, fingerprinting, поведенческих сигналов и антибот-архитектуры.

Короче, если вы делаете агентов, парсеры для своих данных, QA-автоматизацию или исследуете антибот-защиту — проект стоит посмотреть.

GitHub: https://github.com/CloakHQ/CloakBrowser

👉 Подписаться на канал: https://t.me/horizon_singularity

Google представила DiffusionGemma — экспериментальную открытую модель для генерации текста, которая работает не как привычные LLM.

Обычные языковые модели пишут текст слева направо: токен за токеном, как печатная машинка. DiffusionGemma работает иначе: вместо предсказания слово за словом она генерирует целые блоки текста одновременно, а затем итеративно уточняет результат. Google описывает модель как 26B Mixture of Experts, которая активирует 3,8B параметров при инференсе и распространяется под лицензией Apache 2.0.

Это похоже на диффузионные модели для изображений: сначала появляется черновая структура, потом модель постепенно “проявляет” финальный результат.

За счет такого подхода модель может не просто быстро продолжать текст, а самостоятельно исправлять ошибки, перестраивать фрагменты и форматировать сложный Markdown в реальном времени. Для разработчиков это особенно интересно в задачах редактирования кода, генерации документации, inline-editing, code infilling и работы с большими структурированными блоками. Google отдельно отмечает, что модель может генерировать 256 токенов параллельно за один проход и использовать двунаправленное внимание.

Что заявляет Google:

— до 4x быстрее генерация текста на выделенных GPU;
— больше 1000 токенов/с на NVIDIA H100;
— больше 700 токенов/с на GeForce RTX 5090;
— квантованная версия помещается в 18 GB VRAM;
— поддержка Hugging Face Transformers, vLLM, MLX, NVIDIA NeMo и других инструментов;
— поддержка llama.cpp заявлена как coming soon.

Главная идея тут не в том, что Google сделала “еще одну модель”. Интереснее другое: идет поиск архитектур, которые лучше используют локальное железо.

Классическая авторегрессия удобна для облака, где можно батчить тысячи запросов и эффективно загружать серверы. Но на локальной GPU один пользователь часто не может полностью загрузить ускоритель: модель ждет следующий токен. DiffusionGemma пытается решить это иначе — дать GPU сразу большой кусок работы и превратить инференс из “печатной машинки” в “печатный станок”.

Но есть важное ограничение.

Google прямо пишет, что по качеству DiffusionGemma пока уступает стандартным Gemma 4. То есть это не замена основной модели для продакшена, а экспериментальная ветка для сценариев, где критичны скорость, интерактивность и локальное исполнение.

И вот это самый интересный сигнал рынка.

Мы постепенно уходим от мира, где “LLM = один универсальный чат-бот”. Дальше будет зоопарк специализированных архитектур: одни модели для рассуждений, другие для агентов, третьи для локального исполнения, четвертые для сверхбыстрого интерактивного редактирования.

DiffusionGemma — это не финальная точка. Это еще один шаг к тому, чтобы локальный ИИ стал не медленным приложением с ожиданием ответа, а быстрым интерактивным слоем внутри рабочих инструментов.

Ссылка на материал Google:
https://blog.google/innovation-and-ai/technology/developers-tools/diffusion-gemma-faster-text-generation/

Иногда кажется, что BI — это просто красивые дашборды.

Ну да.
Красивые графики. Фильтры. Плиточки. Экспорт в Excel, чтобы потом всё равно спорить в чате.

Но если копнуть глубже, становится видно другое: BI давно перестал быть «витриной отчётов». Сейчас это слой управления компанией — место, где данные превращаются в решения, а решения начинают жить быстрее, чем очередной комитет по согласованию показателей.

Попалась трансляция Visiology — как раз про этот сдвиг.

Смотрю на такие материалы и всё больше убеждаюсь: главный вопрос уже не в том, умеет ли компания строить отчёты. Главный вопрос — умеет ли она построить контур, где данные, бизнес-логика, аналитика и ИИ работают как единая система.

Потому что без этого получается классика:

данные есть,
дашборды есть,
решения всё равно принимаются «по ощущениям».

А дальше начинается самое интересное — AI-ассистенты, семантический слой, доверие к метрикам, управляемая аналитика, self-service без превращения компании в зоопарк Excel-файлов.

Трансляция тут:
https://vkvideo.ru/video-211167883_456239355

Посмотреть стоит всем, кто думает про аналитику не как про отчётность, а как про инфраструктуру принятия решений.

👉 Подписаться на канал: https://t.me/horizon_singularity

📢 Владимир Анисимов приглашает 17 июня на свой доклад на конференции «Управление бизнес-процессами 2026»: «Делегирование прав ИИ-агентам: каким должен быть процесс принятия решений». 

🔗 Регистрация на конференцию

🤖 Вокруг ИИ-агентов много разговоров про автономность. А на самом деле вопрос гораздо жестче: какие решения бизнес готов отдать агенту — и кто будет отвечать, если агент ошибется? 

В докладе разберем:
✅ чем ИИ-агент отличается от чат-бота;
✅ почему BI, ML, Decision Intelligence и Agentic AI решают разные задачи;
✅ что такое управляемое решение;
✅ какие решения можно делегировать агенту, а какие нельзя;
✅ как строить лестницу делегирования: от рекомендации до автономного действия;
✅ зачем нужны guardrails, approval flow, human-in-the-loop, мониторинг, аудит и rollback;
✅ как измерять эффект: SLA, доля эскалаций, качество решений, скорость реакции, false positive rate.

💡Главная мысль проста: автономия ИИ-агента начинается не с промпта, а с архитектуры управления решением. Если у решения нет владельца, метрик, политики, журнала изменений, мониторинга и процедуры отката — агенту нельзя давать автономию.

🎯Конференция будет полезна CEO, COO, CIO, CDO, CFO, владельцам процессов, процессным офисам, руководителям трансформации и всем, кто сейчас пытается понять, как встроить ИИ-агентов в реальные бизнес-процессы.

🗓 17 июня | Москва
🔗 Регистрация: osp.ru/static/2026041118
🔗 Подробнее о конференции: osp.ru/lp/process-management2026

💬 Чат конференции в MAX
💬 Телеграм-чат конференции

Там выше есть промокод ! Так же можете отметится в комментариях под видео, можно поучаствовать бесплатно :)

DeerFlow: если OpenClaw — это помощник, то здесь уже собирают команду

С OpenClaw всё было довольно понятно: у вас появляется персональный ИИ-ассистент, которому можно написать в Telegram, WhatsApp, Slack или другом привычном канале.

«Разбери письма».
«Проверь календарь».
«Собери мне информацию».
«Сделай рутинную задачу».

Неплохая схема. Агент живёт рядом и постепенно откусывает куски вашей ежедневной рутины.

Но есть задачи, которые плохо помещаются в формат личного помощника.

Например: изучить новую технологию, собрать источники, разложить исследование на части, написать код, подготовить отчёт, собрать страницу или презентацию, проверить результат и доработать его.

Тут один помощник уже начинает выглядеть немного одиноко.

И вот здесь появляется DeerFlow 2.0 от ByteDance.

DeerFlow — open-source среда для запуска ИИ-агентов, которые умеют работать над длинными и сложными задачами. Не просто ответить текстом, а пройти цепочку: исследование → анализ → создание артефакта → проверка результата.

Если совсем по-простому:

OpenClaw — это персональный ИИ-помощник в мессенджере.
DeerFlow — это маленькая ИИ-команда в изолированной рабочей среде.

В DeerFlow у агента есть:

— подагенты, которым можно раздать части задачи;
— память;
— подключаемые навыки;
— инструменты поиска и работы с файлами;
— sandbox для выполнения команд и кода;
— возможность создавать реальные результаты, а не только рассказывать, как их можно было бы создать.

Это важный сдвиг.

Раньше мы просили модель: «расскажи, как сделать исследование».
Теперь начинаем просить: «проведи исследование и принеси результат».

Почему DeerFlow интересен?

Потому что он хорошо подходит для задач, которые уже похожи на небольшой проект:

— обзор рынка или технологии;
— подготовка аналитического материала;
— сборка прототипа;
— работа с большим количеством источников;
— генерация сайта, отчёта или презентации;
— исследовательские и контентные workflows.

OpenClaw здесь скорее про постоянное присутствие агента рядом с человеком.

DeerFlow — про организацию работы нескольких агентов вокруг большой задачи.

Один сидит в вашем чате.
Другие уже раскладывают работу по ролям.

Звучит красиво. Но здесь же и начинается взрослая часть истории.

Когда агент получает доступ к файлам, инструментам и выполнению команд, это уже не чат-бот, который может неудачно сформулировать ответ. Это система, которая может неудачно совершить действие.

Поэтому подобные решения стоит запускать локально, в изолированном окружении, внимательно проверяя настройки доступа, модели и подключаемые навыки.

Где взять DeerFlow:

GitHub:
https://github.com/bytedance/deer-flow

Сайт проекта:
https://deerflow.tech/

Для сравнения — OpenClaw:
https://github.com/openclaw/openclaw
https://openclaw.ai/

Важно: я намеренно не привожу здесь команду «скачал и запустил». У DeerFlow актуальная установка зависит от вашей среды, Docker, модели и настроек sandbox. Для запуска лучше использовать официальную инструкцию из репозитория, а не копировать случайную команду из поста.

Похоже, эпоха ИИ-помощников постепенно заканчивается.

Начинается эпоха ИИ-команд.

t.me/horizon_singularity

😘 Соцсети захватил новый тренд — люди массово делают из себя Смешариков с помощью одного промпта и любой нейронки.

Всё максимально просто: закидываете фото, вставляете запрос в нейронку, а ИИ собирает полноценного персонажа в стиле культового мультика.

Сгенерируй лист персонажа, который выглядит как милое круглое животное в фирменном 2D-арт-стиле анимационного сериала «Смешарики».

​Лист должен включать в себя:
​главную иллюстрацию персонажа в полный рост, сидящего на деревянной скамейке на уютной лесной полянке.
​Набор маленьких иконок с разными эмоциями (счастливый, задумчивый, танцующий, удивленный, злой, смеющийся).
​Раздел с цветовой палитрой.
​Текстовые блоки с милым игривым шрифтом (имитирующие биографию персонажа).
​Общий стиль должен на 100% соответствовать оригинальному мультфильму: простые геометрические формы (преимущественно идеальный круг), чистые векторные линии, яркие и теплые цвета, плоские тени с мягкими градиентами, а также добрая и ностальгическая атмосфера.

Сохраняем промпт!

Как же быстро промпт-инжиниринг из «напиши мне текстик» превратился в отдельную область ИБ.

Нашёл любопытную подборку: Awesome GPT Super Prompting
https://github.com/CyberAlbSecOP/Awesome_GPT_Super_Prompting

Оригинал снесли, вот форк https://github.com/Luciano-DevMaker/Awesome_GPT_Super_Prompting?utm_source=chatgpt.com#

Это не просто очередной список «100500 промптов для ChatGPT».
Внутри — целая карта тёмной и светлой стороны работы с LLM:

— jailbreak-подходы
— prompt injection
— утечки системных промптов GPT-агентов
— prompt security
— adversarial ML
— библиотеки super prompts
— материалы по защите и безопасному проектированию промптов

По сути, это репозиторий для тех, кто хочет понять не только как заставить модель лучше отвечать, но и как её можно сломать, обмануть или вытащить из неё лишнее.

И вот тут начинается самое интересное.

Пока бизнес радостно встраивает LLM в чат-боты, внутренние базы знаний, RAG, агентов и автоматизацию, появляется новый слой атак:
не на сервер, не на базу, не на API, а прямо на инструкцию, контекст и поведение модели.

Раньше мы защищали периметр.
Потом API.
Теперь придётся защищать смысл.

Промпт становится частью архитектуры.
А значит, его нужно версионировать, тестировать, ревьюить и защищать так же, как код.

Репозиторий полезен:

— разработчикам AI-агентов
— специалистам по ИБ
— тем, кто строит RAG-системы
— prompt engineers
— архитекторам корпоративных LLM-решений
— всем, кто всё ещё думает, что «промпт — это просто текст»

Отдельно рекомендую смотреть не только на jailbreak-разделы, но и на блоки про Secure Prompting и Prompt Injection. Там много пищи для размышлений о том, как проектировать ИИ-системы, которые не разваливаются от первой же фразы «ignore previous instructions».

Горизонт сингулярности всё ближе.
И, как обычно, ломается он не там, где ждали.

👉 Подписаться на канал: https://t.me/horizon_singularity

Как же быстро промпт-инжиниринг из «напиши мне текстик» превратился в отдельную область ИБ.

Нашёл любопытную подборку: Awesome GPT Super Prompting
https://github.com/CyberAlbSecOP/Awesome_GPT_Super_Prompting

Это не просто очередной список «100500 промптов для ChatGPT».
Внутри — целая карта тёмной и светлой стороны работы с LLM:

— jailbreak-подходы
— prompt injection
— утечки системных промптов GPT-агентов
— prompt security
— adversarial ML
— библиотеки super prompts
— материалы по защите и безопасному проектированию промптов

По сути, это репозиторий для тех, кто хочет понять не только как заставить модель лучше отвечать, но и как её можно сломать, обмануть или вытащить из неё лишнее.

И вот тут начинается самое интересное.

Пока бизнес радостно встраивает LLM в чат-боты, внутренние базы знаний, RAG, агентов и автоматизацию, появляется новый слой атак:
не на сервер, не на базу, не на API, а прямо на инструкцию, контекст и поведение модели.

Раньше мы защищали периметр.
Потом API.
Теперь придётся защищать смысл.

Промпт становится частью архитектуры.
А значит, его нужно версионировать, тестировать, ревьюить и защищать так же, как код.

Репозиторий полезен:

— разработчикам AI-агентов
— специалистам по ИБ
— тем, кто строит RAG-системы
— prompt engineers
— архитекторам корпоративных LLM-решений
— всем, кто всё ещё думает, что «промпт — это просто текст»

Отдельно рекомендую смотреть не только на jailbreak-разделы, но и на блоки про Secure Prompting и Prompt Injection. Там много пищи для размышлений о том, как проектировать ИИ-системы, которые не разваливаются от первой же фразы «ignore previous instructions».

Горизонт сингулярности всё ближе.
И, как обычно, ломается он не там, где ждали.

👉 Подписаться на канал: https://t.me/horizon_singularity

Эксклюзивно для сообщества DataAdventurers: специальные условия на конференцию «Управление бизнес-процессами 2026»

17 июня 2026 года в Москве пройдет конференция «Управление бизнес-процессами 2026» — профессиональная площадка для руководителей и команд, которые отвечают за эффективность, устойчивость и развитие бизнеса.

В центре программы — управление компанией через процессы: сквозная процессная архитектура, поиск потерь и финансового эффекта, Process Mining и Task Mining, автоматизация, BPMS, RPA, low-code, orchestration, ИИ-агенты и цифровые сотрудники.

Это возможность обсудить практические подходы с коллегами, экспертами и лидерами изменений — и посмотреть, как процессное управление помогает соединить бизнес-задачи, технологии и управленческие решения.

Для участников нашего сообщества действуют уникальные условия:

🎟 Промокод: BPM26_DataAdventurers

Что дает промокод:

✅ один бесплатный билет для представителя компании;
✅ специальные условия для нескольких участников от одной компании;
✅ для ИТ-вендоров — скидка 15%.

Предложение действует эксклюзивно для участников сообщества при регистрации на конференцию.

Приходите бизнес-командами: руководители, владельцы процессов, специалисты по ИТ, финансам, HR, трансформации и операционному управлению.

Когда в обсуждении участвуют представители разных функций компании, идеи быстрее превращаются в конкретные инициативы: что оптимизировать, что автоматизировать и где искать измеримый эффект.

📌 Дата: 17 июня 2026
📍 Место: Москва
🔗 О конференции: https://www.osp.ru/lp/process-management2026
📣 Канал OSP: t.me/osp_ru
📣Чат конференции: @pm20XX

🗝Используйте промокод: BPM26_DataAdventurers
и приходите бизнес-командами.
👉Регистрация: https://www.osp.ru/static/2026050818

Как же мне надоело таскать с собой кучу карточек, брелоков и пропусков.

Подсмотрел у коллег отличное решение — ChameleonUltra. Попробовал, и теперь спокойно рекомендую: оказалось реально удобно.

Это небольшой RFID/NFC-инструмент, который позволяет хранить несколько собственных карт в одном компактном устройстве и переключаться между ними по слотам. По сути — один брелок вместо целой связки «ключей от всего». Проект открыт на GitHub, устройство построено вокруг NRF52840, а разработчики позиционируют его как новое поколение Chameleon для стабильной эмуляции, чтения и работы с RFID/NFC-картами.

Что понравилось:

— компактный формат, можно носить как обычный брелок;
— поддержка работы с LF/HF RFID/NFC-сценариями;
— слоты для нескольких карт;
— есть GUI-приложения для управления устройством;
— проект open source, можно изучать, обновлять, разбираться глубже.

Важно: использовать такие устройства нужно только для своих карт, своих помещений и легальных сценариев — например, чтобы не таскать с собой пачку рабочих/домашних брелоков или тестировать собственную инфраструктуру доступа. Это не игрушка для «проверить чужой домофон», а нормальный инструмент для RFID-исследований и удобного быта.

GitHub проекта:
https://github.com/RfidResearchGroup/ChameleonUltra

Пример устройства на AliExpress (Не реклама, просто пример) :
https://aliexpress.ru/item/1005009187317494.html?ysclid=mp8bn3q4ki506181572

Короче, если у вас на ключах уже висит маленький филиал ЖЭКа, офиса и парковки — штука может сильно упростить жизнь.

👉 Подписаться на канал: https://t.me/horizon_singularity

📱 Второй телефон внутри первого: зачем нужны изолированные среды в Android

Если приложение просит слишком много прав, лезет в контакты, файлы, уведомления и вообще ведёт себя как маленький цифровой участковый — его можно не просто установить. Его можно поселить в отдельный контейнер.

В Android для этого есть механизм Work Profile — рабочий профиль. По сути, это отдельная изолированная зона внутри телефона: свои приложения, свои данные, свои контакты, свои файлы и отдельные разрешения.

То есть мы получаем почти «второй телефон» внутри основного.

Один из удобных инструментов для работы с таким режимом — Shelter:
https://f-droid.org/packages/net.typeblog.shelter/

Shelter — это open-source приложение, которое использует Work Profile и позволяет:

— устанавливать подозрительные или слишком любопытные приложения отдельно от основной системы;
— клонировать приложение и запускать вторую копию;
— замораживать приложения, чтобы они не работали в фоне;
— держать рабочие, банковские, маркетплейсные, мессенджерные или тестовые приложения отдельно от личной среды.

Важный момент: Shelter не создаёт магический бронеколпак. Он опирается на реализацию Work Profile в самом Android. Насколько хорошо производитель телефона сделал этот механизм — настолько хорошо и работает изоляция.

Но даже в таком виде это очень полезная практика цифровой гигиены.

Особенно если приложение нужно, но доверия к нему нет.

Где брать Shelter?

В F-Droid — альтернативном магазине Android-приложений, ориентированном на свободное и open-source ПО:
https://f-droid.org/

Там меньше глянца, зато больше прозрачности: приложения публикуются как FOSS, а сам магазин делает акцент на приватность и открытость.

Сценарий простой:

1. Ставим F-Droid.
2. Через F-Droid устанавливаем Shelter.
3. В Shelter создаём рабочий профиль.
4. Из F-Droid устанавливаем в рабочий профиль отдельный браузер, например DuckDuckGo Browser.
5. Уже из браузера внутри рабочего профиля скачиваем и устанавливаем RuStore.
6. Через RuStore ставим нужные приложения уже в изолированную среду.
7. Выдаём им права только внутри рабочего профиля.
8. При необходимости замораживаем приложения, чтобы они не жили в фоне.

И вот уже приложение не гуляет по вашему основному телефону, а сидит в отдельной песочнице.

Важно: скачивать RuStore и приложения лучше именно изнутри рабочего профиля, чтобы магазин, установщики и сами приложения оставались в изолированной зоне, а не расползались по основной системе.

Это не паранойя.
Это нормальная архитектура доверия.

В эпоху, когда каждое второе приложение хочет знать про вас все— изоляция становится не хакерским трюком, а базовой настройкой.

👉 Подписаться на канал: https://t.me/horizon_singularity

Data Adventurers Guild получила Data Award 2026 🏆
У нас важная новость: Data Adventurers Guild получила специальный приз Data Award 2026 в номинации «За вклад в развитие сообщества».

Для нас это не просто диплом. Это признание идеи, вокруг которой и создавалась гильдия: данные становятся настоящим бизнес-активом только тогда, когда вокруг них появляется профессиональное сообщество — CDO, Data Owner, Data Steward, архитекторы, аналитики, исследователи, консультанты и бизнес-заказчики, которые говорят на одном языке и помогают друг другу разбирать сложные зоны управления данными.

На церемонии награждения сообщество представляли Станислав Карамушко — основатель Data Adventurers Guild, Алиса Школьникова и Владимир Анисимов — члены совета сообщества.

Но эта награда — заслуга не только тех, кто стоял на сцене. Это заслуга каждого из вас: тех, кто приходит в сообщество за опытом, вопросами, идеями и контактами — и тех, кто приносит в него свои кейсы, экспертизу, сомнения, находки и готовность делиться практикой.
Именно так и работает настоящая профессиональная гильдия: каждый что-то берёт для себя и каждый что-то приносит в общее пространство.

Отдельная благодарность — экспертам, партнёрам и всем участникам гильдии, которые помогают формировать профессиональную повестку в области Data Governance & Management в России.

Data Award — премия для data-driven организаций и директоров по данным. В 2026 году она отмечает проекты, которые показывают реальную силу данных в трансформации бизнеса: от качества данных и BI до ИИ-агентов, импортонезависимых решений и развития профессиональных сообществ.

Особенно ценно, что в номинации «За вклад в развитие сообщества» отмечается образовательная и просветительская работа. Для Data Adventurers Guild это ровно та территория, где мы хотим быть полезны рынку: меньше академического тумана, больше практики, доверенных данных, AI-ready data, реальных кейсов и честного разговора о том, как управлять данными в российских компаниях.

Спасибо экспертному совету Data Award 2026, издательству «Открытые системы» и всем, кто поддерживает развитие профессиональной культуры управления данными.

Гильдия только набирает ход.

Впереди — исследования, митапы, база знаний, обучение, экспертные дискуссии и новые маршруты для тех, кто превращает данные в управляемый бизнес-актив.
Data Adventurers Guild — сообщество тех, кто превращает данные в управляемый бизнес-актив.
О сообществе тут:
https://www.data-adventurers.org
#DataAdventurersGuild #DataAward2026 #DataGovernance #DataManagement #CDO #DataQuality #AIReadyData #DataTrustMaker #Данные #УправлениеДанными