Articles // база знаний
Технические разборы по AI-автоматизации, n8n, локальным LLM и веб-разработке — то, что реально применяю в проектах.
ContentCombine: как я сделал мультинишевый контент-комбайн и запустил ежедневный SEO-дайджест. практический разбор для RU-разработчика: ключевые шаги, команды и нюансы для практической работы.
Как собрать автоматизированный конвейер генерации статей на n8n: сбор инфоповодов, агентный пайплайн, Telegram-модерация и авто-деплой статики.
«Свой» уходит в опенсорс: вайб-темы, RAG поверх шифра и объектив, который знает контекст. Свой open source ИИ-ассистент. Ассистент - который помнит вас между разговорами - ищет по вашим документам и…
Fine-Tuning vs. RAG: When To Use Each for Production LLMs. Explore fine-tuning versus RAG to understand how they differ, when each approach works best, and why many production LLM systems use both.
Открытые LLM в продакшене: 8 выводов о llama.cpp, Gemma и Qwen. Об открытых языковых моделях написано много — и почти все статьи посвящены знакомству, в лучшем случае — «медовому месяцу» использовани…
Как приручить дракона или заставляем локальные LLM и VirtualBox работать строго на P-cores в Windows 11. Сегодня мне хотелось бы поделиться решением проблемы, с которой гарантированно сталкиваются вл…
stable. ## [2.29.10](https://github.com/n8n-io/n8n/compare/n8n@2.29.9...n8n@2.29.10) (2026-07-10) ### Bug Fixes * **editor:** Keep AI Assistant thread state intact on editor hand-off ([#33925](htt…
Запуск и оптимизация локальной LLM с llama.cpp. В статье разберём фреймворк llama.cpp для запуска локальной LLM на выделенном облачном GPU, а также практический подход к оптимизации производительност…
Building an AI-powered incident response workflow in n8n. Build an AI-powered incident response workflow with n8n. Combine RAG, threat intelligence, and historical incidents to accelerate SOC investi…
DS MCP: как дать AI-агенту знание о вашей дизайн-системе. Статья про то, как AI-агенту дали знание о дизайн-системе, чтобы он перестал придумывать несуществующие компоненты и начал верстать из того,…
Fix Agent Failures With Context Engineering for LLMs. низкая релевантность: ключевые шаги, команды и нюансы для практической работы. Без воды, по делу, с проверяемыми фактами.
Системный аналитик 2026: вы всё ещё пишете документацию, но теперь её читает только LLM. низкая релевантность: ключевые шаги, команды и нюансы для практической работы.
Как я добавил MAX в китайский AI-мост и запустил Claude прямо в мессенджере. низкая релевантность: ключевые шаги, команды и нюансы для практической работы.
GitHub стал однообразнее после появления ChatGPT?. низкая релевантность: ключевые шаги, команды и нюансы для практической работы. Без воды, по делу, с проверяемыми фактами.
Все внедрили AI. Почти никто им не пользуется. Разбор самого массового вранья года. низкая релевантность: ключевые шаги, команды и нюансы для практической работы.
65 бесплатных уроков июля: от LLM и RAG до Kubernetes, Go и QA. практический разбор для RU-разработчика: ключевые шаги, команды и нюансы для практической работы.
Как мы создали внутреннего ИИ-помощника на базе RAG и перестали искать ответы по корпоративной Wiki. практический разбор для RU-разработчика: ключевые шаги, команды и нюансы для практической работы.
ContentCombine: как я сделал мультинишевый контент-комбайн и запустил ежедневный SEO-дайджест. практический разбор для RU-разработчика: ключевые шаги, команды и нюансы для практической работы.
Why is Apple asking me to pay more for Big Tech’s AI obsession?. низкая релевантность: ключевые шаги, команды и нюансы для практической работы.
Фреймворк AI Maturity оценивает организацию по пяти уровням: от хаотичного использования AI отдельными сотрудниками до полной интеграции в стратегию.
Build Self-Improving Agent Skills with cognee and n8n. практический разбор: ключевые шаги, команды и нюансы для практической работы. Без воды, по делу, с проверяемыми фактами.
Хардкорная агентская разработка под iOS, часть 1: отдельный Mac Mini для агентов. низкая релевантность: ключевые шаги, команды и нюансы для практической работы.
Где заканчивается вызов LLM и начинается backend система: локальный RAG на FastAPI и Ollama. практический разбор для RU-разработчика: ключевые шаги, команды и нюансы для практической работы.
A2A протокол стандартизирует взаимодействие агентов через JSON-RPC, Agent Card и Skills для production-оркестрации с таймаутами и retries.
Meta-Spider — фреймворк мета-внимания для Qwen-3.5-4B и Granite 4.1 8B с локальным запуском через llama.cpp и агентными сценариями.
Как собрать автоматизированный конвейер генерации статей на n8n: сбор инфоповодов, агентный пайплайн, Telegram-модерация и авто-деплой статики.
Как запустить модели 7B-14B на Intel Arc A770 16GB без CUDA: стек IPEX-LLM и OpenVINO, выбор моделей, кванты и ожидаемая скорость.