惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
C
CXSECURITY Database RSS Feed - CXSecurity.com
L
LINUX DO - 热门话题
S
Secure Thoughts
TaoSecurity Blog
TaoSecurity Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
T
Threat Research - Cisco Blogs
AI
AI
B
Blog RSS Feed
S
Schneier on Security
雷峰网
雷峰网
Schneier on Security
Schneier on Security
Help Net Security
Help Net Security
Cloudbric
Cloudbric
L
LINUX DO - 最新话题
罗磊的独立博客
有赞技术团队
有赞技术团队
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Apple Machine Learning Research
Apple Machine Learning Research
P
Proofpoint News Feed
酷 壳 – CoolShell
酷 壳 – CoolShell
The Hacker News
The Hacker News
博客园 - Franky
Attack and Defense Labs
Attack and Defense Labs
The Cloudflare Blog
Webroot Blog
Webroot Blog
Last Week in AI
Last Week in AI
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
博客园 - 叶小钗
美团技术团队
L
Lohrmann on Cybersecurity
T
The Blog of Author Tim Ferriss
The Last Watchdog
The Last Watchdog
T
Troy Hunt's Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Vercel News
Vercel News
Know Your Adversary
Know Your Adversary
O
OpenAI News
博客园 - 【当耐特】
Hacker News - Newest:
Hacker News - Newest: "LLM"
C
Cybersecurity and Infrastructure Security Agency CISA
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
www.infosecurity-magazine.com
www.infosecurity-magazine.com
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
PCI Perspectives
PCI Perspectives
H
Heimdal Security Blog
I
InfoQ
GbyAI
GbyAI
T
Threatpost
C
Cisco Blogs

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Итерация 4 закрыта: 20 часов на методику, которую агент не написал бы
alien-engine · 2026-05-02 · via Все публикации подряд на Хабре

Уровень сложностиСредний

Время на прочтение4 мин

Охват и читатели696

Кейс

Четвёртая статья из серии. Предыдущие: манифест, итерация 0, итерация 4 убита.

В прошлом посте я закончил так:

Эту работу агент не сделает. Реализовать — сделает. Придумать — моя задача.

С того поста — 20 часов и 20 коммитов. На код пришлась небольшая часть. Основная — на методику.

Что не сработало в первой версии

Схема была такая: пользователь отвечает → маленькая LLM классифицирует «вопрос + ответ» в массив сигналов с весами → сигналы накапливаются → детерминированный код назначает карту по порогу.

Технически рабочий пайплайн. Я его удалил, потому что прошёл диалог сам и увидел: это анкета, не зеркало. Адаптивный вопрос на основе предыдущих ответов — механизм, не методика. Разница примерно как между «у меня есть весы» и «я знаю, что взвешивать и почему».

Что такое методика в моём случае

Когнитивный протокол отвечает на три вопроса.

Что измеряем. Не «личность» в общем — слишком широко. Когнитивную идентичность: устойчивую конфигурацию того, как мышление ставит себе задачи, обрабатывает их и на чём основывает уверенность. Это узко, и это хорошо: узкие вещи измеримы.

В каком пространстве. Трёхосная модель:

- Эпистемическая цель — куда направлен ум в свободном режиме. 8 целей: истина, понимание, ясность, решение, смысл, возможность, согласованность, точность.

- Когнитивная модальность — как ум обрабатывает. 5 полярностей: аналитично/холистически, линейно/нелинейно, конкретно/абстрактно, быстро/медленно, сходяще/расходяще.

- Эпистемический якорь — на чём держится уверенность. 8 якорей: эмпирический, логический, интуитивный, авторитетный, опытный, соматический, диалогический, этический.

Носитель — точка в пространстве. Тип — область. Каталог из 24 типов покрывает пространство без избыточности.

Это решает проблему MBTI и тестов того же класса: два типа с одинаковым описанием неразличимы. В трёхосной модели у каждого типа уникальные координаты — одинаковое описание сразу видно как методическую ошибку.

Как попадаем в пространство. Двенадцать вопросов в трёх блоках. Цель собирается голосованием по четырём ответам в одну из форм ядра — single, dual-tie (2:2), dominant-with-shadow (2:1:1), unformed. Модальность — профиль из пяти букв, сравнивается с типами через модальное расстояние. Якорь — тройка ответов, по доминанте и составу.

Финальная уверенность:

C = 0.45 · gC + 0.35 · mF + 0.20 · aS_эфф

И семь резолюций — clean_match, good_match, anchor_secondary, boundary_type, weak_anchor, unformed_core, low_confidence — каждая со своим диапазоном C.

Документ на 800 строк, в котором обоснован каждый выбор: почему 8 целей, почему именно эти 5 полярностей, почему веса 0.45/0.35/0.20, а не равные. Большая часть времени ушло на это.

Что было закодировано

Бот ведёт по 12 вопросам с прогрессом «вопрос N из 12». Каждый ответ — событие answer.given. Координата ответа определяется детерминированным маппером по таблицам методики — LLM не голосует за тип. Но после каждого ответа LLM объясняет, что именно попало в координату и почему — это делает прохождение живым, а не анкетой. Интерпретация пишется в событие answer.interpreted и отображается пользователю.

Событие card.computed содержит координаты, тип, уверенность и резолюцию. Источник истины. Записывается по результатам детерминированного кода после 12/12 ответов.

Текст карты генерируется отдельно — после card.computed запускается LLM-рендер по промпту cognitive-card-render@v2. На вход — координаты и узкие выжимки каталога, не вся методичка. На выход — десять разделов по фиксированному контракту: координаты, рисунок, ритм, ловушка, фильтр, тень, парадокс, рекомендации, точки роста, формула. Заголовки и порядок зашиты в промпт.

Промпт версионирован: prompt_version и input_hash пишутся в событие. Если LLM падает или отключена флагом — пользователь получает короткую строку с координатами, не сломанный продукт.

INV-03 держится: только детерминированный код решает тип и уверенность. LLM делает то, на что годна — превращает структурированные координаты в живой текст.

Что получилось на выходе

Я прошёл протокол сам. Сосед по комнате прошёл на следующий день, без обсуждения между прохождениями.

Моя краткая формула:

Видит дальний горизонт и строит под него точные конструкции.

Парадокс:

Строю точные системы, чтобы удержать непредсказуемое будущее под контролем.

У соседа — другие координаты, другой тип. Его формула:

Ищет следующий ход раньше, чем закончен предыдущий.

Парадокс:

Пробую всё сразу, чтобы не пропустить единственно важное.

Карты различимы. У него ловушка — гиперпроизводство без доводки; у меня — бесконечное уточнение структуры. У него ритм быстрый и нелинейный; у меня — чередующийся.

Мы оба узнали себя. Не «о, я особенный», а «чёрт, это пугающе про меня». Анкета, удалённая неделей раньше, не давала ни первого, ни второго.

И ещё: в карте соседа есть честная оговорка про неопределённость — «протокол дал неоднозначный результат». Это не баг, это резолюция low_confidence. Карта сообщает, насколько уверена. Большинство тестов так не делают, потому что неуверенность плохо продаётся.

Где агент сейчас бесполезен

В прошлом посте я писал: технический стек копируется, методика — нет. Прожил это на собственной шкуре.

Реализация — рутина по контракту. Когда методика была сформулирована, агент написал бот, классификаторы, рендер, тесты. Входы определены, выход определён, ошибки ловятся.

Проектирование методики — не рутина. Я несколько раз переписывал базовые определения. Где граница между «понимание» и «согласованность». Почему якорь — отдельная ось, а не часть восприятия. Почему 24 типа, а не 32 или 18. На эти вопросы нет ответа в промпте «придумай мне трёхосную модель» — потому что у промпта нет ответа на «зачем».

Ответ на «зачем» приходит из продукта. Из того, что ты хочешь, чтобы человек чувствовал, читая свою карту. Из десятков мелких решений вида «эта формулировка точнее, но плохо ложится в самопрохождение».

Это работа, которая делается не до промпта, а вокруг промпта. Промпт — её последняя миля.

Что дальше

Cognitive Map — слой Core в системе ÆON Map System. Над ним — слой Archetype: Archecode Map, 28 архетипов по другой трёхосной модели (мотивация × функция × восприятие). Дальше — Strategic, Behavioral, Emotional. Одна и та же когнитивная архитектура под разным архетипом проявляется по-разному.

Перед следующей итерацией — снова проектирование. Archecode уже есть на бумаге, но интеграция с Cognitive в продуктовом флоу — отдельная работа. И Book of Consciousness: таймлайн, в котором каждая пройденная карта добавляет запись.

Следующая статья — когда следующий слой будет в продакшене.

Репозиторий: github.com/Quantum-Insight-Lab/aeon_map_system

Где у вас в проектах проходит граница «это агент сделает» и «это надо самому»? Что вы стали отдавать AI после года совместной работы, а что наоборот забрали обратно.