Deskforge · Статьи
ИИ в работе команды
Расшифровка встреч, ассистент по базе знаний, внедрение ИИ в команде и работа с данными клиентов по закону: где ИИ реально экономит время, а где нужен человек.
Материалы носят информационный характер: мы описываем разработку и проверку программ, а не даём инвестиционных рекомендаций.

DF-ИИ-040 · ИИ в работе команды
Ошибки в цепочке ИИ-агентов: как найти сбой по шагам
Цепочка агентов ошибается, а непонятно где: модель соврала или оркестратор передал не то. Разбираем шаги, точки логирования и проверки по трейсам.

DF-ИИ-039 · ИИ в работе команды
Открытые веса на 1,6 трлн параметров: что запустится на вашем железе
Новость про открытые веса крупной модели не отвечает на главный вопрос: поместится ли она в вашу память. Разбираем расчёт по битам, ловушку GGUF и проверку рантайма.

DF-ИИ-038 · ИИ в работе команды
Локальная LLM на своём железе: как проверить до перехода
Проверка локальной LLM до перехода: хватает ли видеопамяти под квантование, что говорит лицензия в карточке модели и как прогнать её на своём наборе задач.

DF-ИИ-037 · ИИ в работе команды
Локальная LLM на своём железе: память, лицензия и качество ответа
Разбираем, как сопоставить память под веса модели, метод квантования и требования рантайма, а затем проверить качество ответов на собственном наборе задач.

DF-ИИ-036 · ИИ в работе команды
Локальная модель для кодинга в IDE: как сравнить варианты на своих задачах
Локальная модель-помощник в IDE экономит не всегда: сначала проверьте, помещается ли она в память и совместима ли с окружением. Разбираем порядок сравнения на своих задачах по одинаковым правилам.

DF-ИИ-035 · ИИ в работе команды
Новый агентный фреймворк: как проверить его на своих задачах до перехода
Документация нового фреймворка обещает многое. Проверить его на своих задачах можно до перехода: одинаковый набор задач, заранее зафиксированные критерии и повторный прогон.

DF-ИИ-034 · ИИ в работе команды
Настройка ИИ-помощника для кода: права и проверки до старта
Помощник для кода начинает менять проект раньше, чем команда договорилась о правах. Разбираем, что он читает, какие действия разрешать и как проверить изменения до включения в работу.

DF-ИИ-033 · ИИ в работе команды
Какие изменения от ИИ требуют ревью и автотестов: правила приёмки кода
ИИ ускоряет написание кода, но не отменяет проверку. Разбираем, какие изменения требуют ревью и автотестов, как настроить обязательные одобрения и запуск проверок в CI и что сверить по метрикам страницы.

DF-ИИ-032 · ИИ в работе команды
Точность ИИ 95%: как проверить метрику и не обмануть себя
Точность 95% сама по себе ничего не доказывает: она зависит от порога, состава выборки и баланса классов. Разбираем, как проверить метрику до запуска.

DF-ИИ-031 · ИИ в работе команды
Свой клиент для ИИ-агента: что проверить в обвязке до запуска
Свой клиент к API ИИ-агента ломается не на модели, а на обвязке: забытая версия API, HTTP-ошибка, принятая за успех, потерянный request-id. Разбираем минимальный контракт и проверки до запуска.

DF-ИИ-030 · ИИ в работе команды
Сравнение LLM на русских отзывах: как выбрать модель по своим данным
Чужой рейтинг моделей не говорит, как LLM справится с вашими отзывами. Разбираем, как собрать набор, задать критерии и провести одинаковые прогоны.

DF-ИИ-029 · ИИ в работе команды
Локальная озвучка текста: как выбрать TTS-модель под свои ресурсы
Открытых TTS-моделей много, но выбор решают язык, лицензия, ресурсы и качество на ваших фразах. Разбираем порядок проверки до установки.

DF-ИИ-028 · ИИ в работе команды
Локальная генерация на ограниченной видеопамяти: как выбрать модель
Разбираем, как выбрать локальную модель под доступную видеопамять: сколько занимают веса, что даёт квантование, как ведут себя GGUF и как проверить качество на своих задачах.

DF-ИИ-027 · ИИ в работе команды
Страницы для ИИ-поиска: структура, разметка и доступность
Разбираем по официальной документации Google Search и спецификации JSON-LD, что реально влияет на попадание страницы в ИИ-ответы, а что относят к базовым практикам SEO. В конце — чек-лист исправлений для контент-команды и разработчика.

DF-ИИ-026 · ИИ в работе команды
Агентный ИИ: чем агент отличается от генератора текста
Генератор текста отвечает одним сообщением, агент — вызывает инструменты, получает результат и продолжает. Разбираем минимальный набор компонентов под конкретную задачу и чек-лист решений до старта.

DF-ИИ-025 · ИИ в работе команды
Зоопарк ИИ-агентов: как считать токены и ставить лимиты
Несколько ИИ-агентов тратят бюджет незаметно: каждый шаг — отдельный вызов модели. Показываем, как разложить сценарий по шагам, посчитать токены и поставить лимиты до расширения.

DF-ИИ-024 · ИИ в работе команды
RAG 2.0: когда простого поиска по базе знаний мало и нужен агентный цикл
Простой поиск отвечает, когда ответ лежит в одном фрагменте. Агентный цикл нужен, когда сведения нужно собрать из нескольких документов или уточнить запрос по ответу базы.

DF-ИИ-023 · ИИ в работе команды
Вайб-кодинг без потери контроля: что проверить перед релизом
Приложение от ИИ работает на вашей машине — и кажется готовым. Разбираем, какие части кода требуют ревью, автотестов и ручной проверки до релиза.

DF-ИИ-022 · ИИ в работе команды
Вайб-кодинг без потери контроля: что проверять в коде от ИИ
ИИ-помощник выдаёт пул-реквест с кодом и зелёными тестами за полчаса. Разбираем, какие решения ревью фиксировать, какими свойствами должны обладать автотесты и в каком режиме их запускать, чтобы контроль не потерялся.

DF-ИИ-021 · ИИ в работе команды
ИИ пишет код и подгоняет тесты: как проверить автотесты
ИИ быстро дописывает тесты, и они зеленеют. Проблема в том, что зелёный тест не всегда что-то проверяет. Разбираем три признака подгонки и правила ревью.

DF-ИИ-020 · ИИ в работе команды
Какие изменения от ИИ требуют ревью и автотестов: правила команды
Разбираем, как разделить изменения от ИИ на те, что проходят обязательное ревью и автотесты, и те, что можно принимать автоматически, и зафиксировать это правилами репозитория.

DF-ИИ-019 · ИИ в работе команды
Внедрение ИИ: как выбрать один процесс для пилота
Пилот ИИ начинается не с выбора модели, а с одного процесса и проверяемого результата. Чек-лист решений до запуска и условия расширения.

DF-ИИ-018 · ИИ в работе команды
Локальные модели вместо облачного помощника: Qwen2 или DeepSeek-V3
Доступ к облачному ассистенту ограничили, и команда смотрит на локальные модели. Разбираем, что документация Qwen2 и DeepSeek-V3 подтверждает, а что нужно проверить до перехода.

DF-ИИ-017 · ИИ в работе команды
Компьютерное зрение для бизнеса: как проверить модель на своих изображениях
Модель распознаёт изображения на демо, а на ваших фото ошибается. Разберём, как собрать проверочный набор, задать критерии ошибок и сравнить модели до выбора.

DF-ИИ-016 · ИИ в работе команды
Как сравнить нейросети на своих задачах: проверочный набор и критерии
Чужой рейтинг не знает ваших задач. Соберите проверочный набор из реальных запросов, задайте критерии и порог pass/fail и прогоните модели в одинаковых условиях.

DF-ИИ-015 · ИИ в работе команды
Как сравнить нейросети на своих задачах, а не по чужому рейтингу
Чужой рейтинг не знает ваших задач. Соберите проверочный набор из реальных примеров, задайте критерии и порог pass/fail и прогоните несколько моделей в одинаковых условиях.

DF-ИИ-014 · ИИ в работе команды
Как проверять ответы ИИ без готового эталона
Уверенный ответ ИИ может содержать факты, выводы и скрытые предположения. Разбираем, как проверить их без заранее известного правильного ответа.

DF-ИИ-013 · ИИ в работе команды
Как сравнить нейросети на своих текстовых задачах
Чужой рейтинг не покажет, как нейросеть справится с письмами, карточками и редактурой именно вашей команды. Разбираем, как провести небольшое сопоставимое испытание.

DF-ИИ-012 · ИИ в работе команды
ИИ пишет код в команде: как сохранить качество и контекст
Код от ИИ следует проверять по тем же критериям, что и работу разработчика. Разбираем границы поручений, контур слияния и сопоставимую оценку изменений.

DF-ИИ-011 · ИИ в работе команды
Из чего состоит ИИ-агент: выбор архитектуры и контроля
Архитектуру ИИ-агента выбирают по изменчивости маршрута, нужным операциям и риску ошибки. Разбираем четыре уровня сложности и даём редакционный чек-лист для рабочего процесса.

DF-ИИ-010 · ИИ в работе команды
Как устроить ML-проект, чтобы эксперимент можно было повторить
Сохранённой модели недостаточно, чтобы повторить ML-эксперимент. Нужны определённые границы конвейера, версии входов и связанный комплект результатов каждого запуска.

DF-ИИ-009 · ИИ в работе команды
Локальная или облачная нейросеть: выбор по данным и памяти
Выбор между локальной и облачной моделью начинается не с названия продукта. Сначала нужно проверить данные, оборудование, качество ответов и затраты при одинаковой нагрузке.

DF-ИИ-008 · ИИ в работе команды
Распознавание сканов: как проверить текст перед обработкой
Распознанный текст нельзя сразу передавать в учётную систему. Сначала нужно проверить качество скана, критичные поля и правила, по которым сомнительные документы уходят человеку.

DF-ИИ-007 · ИИ в работе команды
Поиск по базе знаний с ИИ: какие материалы подготовить
Поиск с ИИ не исправляет беспорядок в документах. Разбираем, как отобрать материалы, подготовить текст и проверить базу до подключения помощника.

DF-ИИ-006 · ИИ в работе команды
Как проверять ответы помощника по базе знаний компании
Хороший ответ должен опираться на нужный документ, закрывать вопрос и не додумывать отсутствующие сведения. Разбираем, как проверить это до запуска и после обновления базы.

DF-ИИ-005 · ИИ в работе команды
GigaChat для бизнеса: как выбрать сценарий и способ подключения
GigaChat может готовить тексты, извлекать поля из документов и обращаться к функциям рабочих систем. Разбираем способы подключения и обязательные проверки перед пилотом.

DF-ИИ-004 · ИИ в работе команды
Нейросеть для бизнеса: как проверить её на реальных задачах
Красивого ответа в чате недостаточно. Разбираем, как провести контрольный прогон на материалах компании и оценить ошибки до запуска рабочего процесса.

DF-ИИ-003 · ИИ в работе команды
YandexGPT для бизнеса: что умеет и с чего начать
YandexGPT — языковые модели Яндекса, доступные компаниям через облачную платформу Yandex Cloud. Разбираем, какие бизнес-задачи они закрывают, как попробовать без кода и что делать с данными клиентов.

DF-ИИ-002 · ИИ в работе команды
Внедрение ИИ в компанию: с какого процесса начать
Внедрение ИИ в компании начинается с выбора процесса: один участок, пилот с критериями приёмки, сверка с прежним способом — и только потом расширение.

DF-ИИ-001 · ИИ в работе команды
Расшифровка встреч и звонков: как получить готовый протокол
Порядок для владельца малого бизнеса: как превратить запись встречи или звонка в текст и короткий протокол и что проверить в готовом результате.