# Сопутствующие статьи по теме Контекст

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Контекст", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

В новом блоге Вэн Ли предлагает «Самосовершенствование следует начинать с Harness», Цуй Тяньи из DeepSeek распространяет и поддерживает

Бывший вице-президент OpenAI по безопасности и соучредитель Thinking Machines Lab Лилия Вэн предложила новый взгляд на саморазвитие ИИ (RSI). Она утверждает, что наиболее реалистичный путь начинается не с прямой модификации весов модели, а с эволюции **Harness** — внешней системы управления, которая отвечает за вызов инструментов, управление контекстом, планирование задач и верификацию результатов. Исследователь DeepSeek Цуй Тяньи поддержал эту идею, отметив, что самосовершенствование на уровне Harness, как и на уровне модели, — многообещающее направление. Вэн выделяет прогресс от инженерии контекста (ACE, MCE) и дизайна рабочих процессов (AI Scientist, ADAS, AFlow) до **Self-Improving Harness**. Последнее включает в себя цикл: поиск слабых мест, предложение модификаций кода Harness и их валидацию. Такие системы, как DGM, показали, что эволюция Harness способна значительно повысить производительность агентов в задачах кодирования без изменения весов модели. Однако путь к полноценному RSI сталкивается с проблемами: слабые или нечеткие оценочные функции, риск взлома системы вознаграждений (reward hacking), коллапс разнообразия решений и противоречие между краткосрочным успехом и долгосрочной устойчивостью системы. Роль человека, по мнению Вэн, смещается в сторону надзора на более высоком уровне абстракции. Вывод: Harness становится критически важным фактором, определяющим конечные возможности ИИ-систем, и представляет собой практическую точку входа для исследований в области саморазвития искусственного интеллекта.

marsbit07/08 10:27

В новом блоге Вэн Ли предлагает «Самосовершенствование следует начинать с Harness», Цуй Тяньи из DeepSeek распространяет и поддерживает

marsbit07/08 10:27

Гиганты начинают битву за контекст, переосмысливая барьеры для ИИ

В этом году ведущие американские AI-компании — OpenAI, Anthropic и Google — начали активную конкуренцию вокруг понятия **Context** (контекст). Раньше контекст был просто техническим параметром, определяющим объем текста, который модель может обработать за раз. Теперь его значение расширилось: это активы пользователя, разрешения для инструментов, состояние выполнения задачи и, по сути, **то, насколько хорошо ИИ понимает пользователя**. Соревнование прошло три этапа: 1. **Длина контекста**: Гонка за увеличение объема обрабатываемого текста (от 100К до 1 млн токенов). 2. **Память (Memory)**: Возможность запоминать предпочтения и историю взаимодействий с пользователем между сессиями. 3. **Рабочая среда**: Выход в браузеры, десктопные приложения и GUI, где ИИ может наблюдать состояние задачи в реальном времени и действовать. Компании идут разными путями: * **OpenAI** делает акцент на аккаунте **ChatGPT** как на центральном узле, который накапливает и использует контекст, расширяя его охват на различные сценарии (приложения, браузер Atlas, программирование). * **Anthropic** фокусируется на активном получении контекста из среды выполнения задач, используя возможности **Computer Use** (работа через GUI) и протокол **MCP** для подключения к внешним инструментам и данным. * **Google** решает сложную задачу преобразования своих огромных массивов разрозненных пользовательских данных (Поиск, Gmail, Документы и т.д.) в структурированный, понятный для **Gemini** контекст, пригодный для выполнения задач. Итогом этой "войны за контекст" становится изменение логики конкурентных преимуществ в эпоху ИИ. Если в интернет-эпоху ключевым был **сетевой эффект** (масштаб), то теперь важна **глубина работы с индивидуальным пользователем**. Новые "рвы" формируются за счет: * **Сложного контекста**: Накопления понимания пользователя и состояния задач. * **Внедрения в инструменты и разрешения**: Интеграции в реальные рабочие процессы и системы. * **Доверия**: Долгосрочных отношений, необходимых для выполнения сложных задач. Таким образом, контекст превращается из технического параметра в ключевую продуктовую и стратегическую ценность, определяющую, какой ИИ сможет глубже понять пользователя и стать неотъемлемой частью его рабочих процессов.

marsbit06/23 23:16

Гиганты начинают битву за контекст, переосмысливая барьеры для ИИ

marsbit06/23 23:16

Новое поле битвы в конкуренции ИИ: долговременная память как проблема — как пользователи могут сохранить право на собственный контекст

В статье рассматривается новый этап конкуренции в области ИИ, где ключевой проблемой становится долговременная память моделей и контроль пользователей над своим контекстом. По мере того, как ИИ-ассистенты превращаются из инструментов для разовых запросов в долгосрочных цифровых помощников, участвующих в рабочих процессах, их способность запоминать предпочтения, привычки и историю взаимодействия пользователя становится критически важной. Однако эта «память» часто оказывается запертой внутри конкретных платформ, таких как ChatGPT, Claude или Gemini, создавая «островки» данных и затрудняя переход между сервисами. Проект ZetaChain, ранее занимавшийся межсетевым взаимодействием блокчейнов, теперь переориентируется на решение этой проблемы в сфере ИИ. Его инициатива Anuma и лежащий в её основе «Слой приватной памяти» (Private Memory Layer) призваны дать пользователям зашифрованное, переносимое и контролируемое хранилище их долгосрочного контекста, предпочтений и «памяти» взаимодействия с ИИ. Это позволит использовать один и тот же персональный контекст с разными моделями и агентами. Кроме того, ZetaChain развивает концепцию «Потребительского слоя ИИ» (AI Consumer Layer), который включает управление идентификацией, разрешениями, платежами и агентами. В этом видении пользователь сохраняет суверенитет над своими данными и может гибко предоставлять или отзывать права доступа для различных ИИ-помощников. Нативная криптовалюта проекта, ZETA, должна стать токеном инфраструктуры для оплаты вызовов ИИ, расчетов между агентами и монетизации экспертных знаний. Таким образом, статья подчеркивает сдвиг в конкуренции: от мощности моделей к владению контекстом и долгосрочной памяти, что ставит в центр вопрос о том, кому принадлежит «цифровое отражение» пользователя — ему самому или платформам.

marsbit06/02 04:32

Новое поле битвы в конкуренции ИИ: долговременная память как проблема — как пользователи могут сохранить право на собственный контекст

marsbit06/02 04:32

Паттерны проектирования агентов: книга, которая помогла мне понять, что же такое "Агент" на самом деле

Книга «Agentic Design Patterns» Антонио Гулли предлагает системный взгляд на разработку AI-агентов через 21 паттерн. Автор выделяет четыре уровня зрелости агентов: Level 0 (простой LLM, не агент), Level 1 (использование инструментов с самостоятельным решением), Level 2 (стратегическое планирование и контекстная инженерия) и Level 3 (многоагентная коллаборация). Ключевые идеи включают Context Engineering — управление контекстом агента для повышения точности, паттерн Reflection с раздельными агентами-производителем и критиком для самоисправления, а также прагматичный подход к многоагентным системам, где архитектура коммуникации должна соответствовать сложности задачи. Описывается трехуровневая модель памяти (сессия, состояние, долговременная память). В заключении предлагаются три практических шага: добавить критика к агенту, внедрить Context Engineering и не торопиться с многоагентными системами, сначала добившись эффективности одиночного агента 2-го уровня. Книга структурирует накопленный опыт, предоставляя готовые схемы для построения эффективных агентов.

链捕手05/25 04:45

Паттерны проектирования агентов: книга, которая помогла мне понять, что же такое "Агент" на самом деле

链捕手05/25 04:45

Экономия 3 миллиардов токенов в неделю: руководство по кэшированию Claude Code от инженера Anthropic

Авторы из Anthropic объясняют, как система кэширования (prompt caching) в Claude Code позволяет значительно экономить токены. Кэшированные токены стоят лишь 10% от обычных. Например, 91 миллион кэшированных токенов эквивалентны по стоимости примерно 9 миллионам обычных. Кэш делится на три уровня: системный (инструкции, инструменты), проектный (CLAUDE.md, правила) и диалоговый (история общения). Ключевой принцип — префиксное соответствие: если начало нового запроса совпадает с уже обработанным, модель использует кэш. Время жизни кэша (TTL) в подписке Claude Code составляет 1 час. Для API и Sub-agent по умолчанию — 5 минут. Основные советы пользователям: 1. Не оставлять сессию бездействующей более часа. 2. При смене задачи выполнять четкий «handoff» (резюмировать прогресс) и начинать новую сессию. 3. Помещать большие документы в Projects, а не в диалог. 4. Избегать переключения моделей (включая режим «opus plan»), так как это сбрасывает кэш. Эти привычки помогают поддерживать высокий процент повторного использования кэша, что снижает затраты, увеличивает эффективность сессий и уменьшает нагрузку на сервис. Мониторинг показателя cache read в панели управления помогает оценить эффективность использования кэша.

marsbit05/24 00:38

Экономия 3 миллиардов токенов в неделю: руководство по кэшированию Claude Code от инженера Anthropic

marsbit05/24 00:38

Как стать продвинутым пользователем Claude за 30 дней?

**Как стать продвинутым пользователем Claude за 30 дней** Этот план на месяц превращает Claude из простого инструмента для вопросов и ответов в вашу персональную операционную систему для работы. Вместо разовых запросов вы создаете систему с контекстом, памятью и рабочими процессами. **Неделя 1: Основа.** Научитесь писать четкие промты (роль, контекст, задача, формат, ограничения). Поймите, как работает контекстное окно. Настройте **Projects** (для основных задач, исследований, письма) и включите **Memory**, чтобы Claude запоминал ваши предпочтения. **Неделя 2: Рабочие процессы.** Создайте шаблоны для ключевых задач: * **Исследования:** Анализ темы, структурирование выводов. * **Письмо:** Двухэтапный процесс: сначала план/структура, затем текст на его основе. * **Принятие решений:** Анализ вариантов, плюсов/минусов, рекомендаций. **Неделя 3: Автономная работа.** Начните использовать **Claude Coworker** для выполнения задач на вашем компьютере (анализ данных, создание документов). Подключите внешние инструменты (Google Drive, Slack, календарь). Настройте первые автоматические задачи (ежедневное планирование, еженедельные отчеты). **Неделя 4: Оптимизация и система.** Пересмотрите и улучшите все промты и рабочие процессы на основе обратной связи. Создайте личную базу знаний из лучших выводов Claude. Спроектируйте свою идеальную "операционную систему" — полную схему связанных рабочих процессов и автоматизаций для вашей роли. Через 30 дней Claude будет работать на вас: автоматически готовить документы, проводить исследования в заданном контексте и стиле, экономя ваше время для самой важной работы. Ключ — не в разовых командах, а в построении целостной, настраиваемой системы.

marsbit05/20 08:08

Как стать продвинутым пользователем Claude за 30 дней?

marsbit05/20 08:08

Популярное на GitHub: Обязательное руководство для пользователей Claude Code

Руководство по использованию файла CLAUDE.md для повышения эффективности работы с Claude Code. Статья объясняет, как избежать основных ошибок при использовании Claude Code, таких как необходимость каждый раз заново объяснять контекст проекта, что приводит к потерям времени и денег. Предлагается решение — создать в корне проекта файл `CLAUDE.md`, который автоматически читается при каждом запуске. Этот файл служит инструкцией для ИИ, фиксируя технический стек, код-стайл, принятые решения и ограничения. Основано на 4 правилах Андрея Карпати, повысивших точность кодирования с 65% до 94%: 1) Спрашивать, если что-то неясно. 2) Начинать с самого простого решения. 3) Не трогать несвязанный код. 4) Четко указывать на неопределенности. В статье подробно описываются три раздела для `CLAUDE.md`: 1. **Контекст по умолчанию:** Описание разработчика, проекта и стиля общения, чтобы избежать повторных объяснений. 2. **Ограничения поведения:** Правила, запрещающие ИИ вносить несанкционированные изменения, выполнять деструктивные действия без явного подтверждения и выходить за рамки задачи. 3. **Память и техстек:** Механизмы для сохранения важных решений (в `MEMORY.md`), записи ошибок (в `ERRORS.md`) и фиксации технологического стека, чтобы ИИ не предлагал несовместимые инструменты. Итог: Настройка `CLAUDE.md` занимает около 2 часов, но может сэкономить отдельному разработчику до 975 долларов в неделю, устраняя рутинные потери, и сделать взаимодействие с Claude Code стабильным и контролируемым. Рекомендуется начать с 4 правил Карпати.

marsbit05/18 09:40

Популярное на GitHub: Обязательное руководство для пользователей Claude Code

marsbit05/18 09:40

Эпоха ИИ: как избежать "передачи с нуля" при адаптации нового сотрудника

Эпоха ИИ: как избежать «обучения с нуля» при приеме на работу Основная проблема внедрения ИИ в компании заключается не в том, «использовать ли агентов», а в том, могут ли эти агенты понять сам контекст компании. На примере первых 100 дней автора в Ramp обсуждается необходимость создания постоянно обновляемого «мозга компании» — системы, которая аккумулирует знания из встреч, документов, обсуждений в Slack, обратной связи клиентов и решений о продуктах. Такой систематизированный контекст позволяет новым сотрудникам и ИИ-агентам начинать работу с общего понимания, устраняя длительный период адаптации. Автор описывает построение личной системы на базе Obsidian и Claude, которая автоматически пополняется транскриптами встреч и другими данными, позволяя быстро получать ответы на вопросы по истории проектов и решений. В настоящее время корпоративный ИИ часто представлен разрозненными инструментами под конкретные задачи, которые не объединены общей базой знаний. Ключевой пробел — отсутствие единого «мозга компании», доступного всем агентам и сотрудникам. Будущее эффективной организации начинается с создания этого надежного, читаемого и многоразового слоя контекста, который становится основной инфраструктурой, а не побочным проектом. Только когда контекст станет отправной точкой для каждого нового сотрудника, агента или клиента, компания достигнет настоящей слаженности и скорости.

marsbit05/17 06:04

Эпоха ИИ: как избежать "передачи с нуля" при адаптации нового сотрудника

marsbit05/17 06:04

DeepSeek V4 наконец-то выпущен: прорыв в монополии закрытых моделей и официальное партнерство с чипами Huawei

DeepSeek представила новую модель искусственного интеллекта DeepSeek-V4 в двух версиях: Pro и Flash. Версия обладает 49 млрд активируемых параметров и поддерживает контекст длиной до 1 млн токенов, что ставит её в один ряд с ведущими закрытыми моделями, такими как Gemini и Claude. Flash-версия предлагает более экономичное решение с 13 млрд параметров. Модель демонстрирует улучшенные способности в задачах агентского кодирования, работе со знаниями и логических рассуждениях. Особое внимание уделено оптимизации под различные фреймворки и поддержке длинного контекста благодаря новой механике внимания DSA. Компания также анонсировала будущую поддержку вычислений на чипах Huawei. Модель уже доступна через API и в открытом доступе на платформах Hugging Face и ModelScope.

marsbit04/24 04:23

DeepSeek V4 наконец-то выпущен: прорыв в монополии закрытых моделей и официальное партнерство с чипами Huawei

marsbit04/24 04:23

Правильное управление контекстом в Claude Code: как избежать снижения качества модели при длинных сессиях

Сегодня мы представляем обновление команды /usage, которое помогает пользователям лучше управлять контекстом в Claude Code. Недавние обсуждения с пользователями выявили различные привычки управления сессиями, особенно после увеличения контекстного окна до 1 миллиона токенов. Ключевые концепции: - **Контекстное окно** — это вся информация, которую модель "видит" при генерации ответа (системные промты, история чата, результаты инструментов). - **Контекстное загнивание** — ухудшение работы модели из-за перегрузки контекста. - **Сжатие контекста** (/compact) — автоматическое суммирование диалога для освобождения места. - **Новая сессия** (/clear) — полный сброс с ручным описанием ключевых моментов. Стратегии управления: 1. **Возврат (/rewind)** — откат к предыдущему сообщению для исправления ошибок без накопления шума. 2. **Сжатие vs. Новая сессия** — /compact сохраняет важные детали автоматически, /clear дает полный контроль но требует ручного ввода. 3. **Дочерние агенты** — делегирование задач с изолированным контекстом для обработки промежуточных результатов. Рекомендации: - Начинайте новую сессию при смене задачи. - Используйте возврат вместо исправлений в длинных диалогах. - Избегайте сжатия когда модель не может предугадать следующие шаги. - Применяйте дочерних агентов для задач с временными данными. Правильное управление контекстом — ключ к эффективной работе с Claude Code несмотря на увеличенное окно контекста.

marsbit04/16 10:37

Правильное управление контекстом в Claude Code: как избежать снижения качества модели при длинных сессиях

marsbit04/16 10:37

活动图片