<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Статьи об ИИ-агентах</title><link>https://dim-s.github.io/ai-agent-articles/</link><description>Recent content on Статьи об ИИ-агентах</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Fri, 04 Sep 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://dim-s.github.io/ai-agent-articles/index.xml" rel="self" type="application/rss+xml"/><item><title>Как научить агентов не повторять свои ошибки</title><link>https://dim-s.github.io/ai-agent-articles/articles/agent-self-learning-loop/</link><pubDate>Mon, 06 Jul 2026 00:00:00 +0000</pubDate><guid>https://dim-s.github.io/ai-agent-articles/articles/agent-self-learning-loop/</guid><description>Агент учится внутри сессии и всё забывает на её границе — завтра он повторит вчерашнюю ошибку, а владелец пишет ту же коррекцию снова. Петля само-обучения замыкает разрыв: провалы оседают уроками в папке под git, отдельный агент-судья решает, что достойно урока, а карантин не пускает сырое наблюдение рулить поведением. Внутри — формат урока, ступень доверия, три уровня recall и главный вывод двух месяцев: часть уроков не лечится текстом вообще, им нужен исполняемый гейт, стоящий у заявляющего.</description></item><item><title>Как тестировать ИИ-агентов: сценарии, судья, петля правок</title><link>https://dim-s.github.io/ai-agent-articles/articles/agent-eval-loop/</link><pubDate>Mon, 06 Jul 2026 00:00:00 +0000</pubDate><guid>https://dim-s.github.io/ai-agent-articles/articles/agent-eval-loop/</guid><description>Агент на LLM вероятностен — удачный промпт с первого раза не делает его надёжным. Надёжность даёт не формулировка, а замкнутая петля: отдельный агент-судья прогоняет кандидата через боевые сценарии, судит выход по рубрике, а автор вместе с моделью правит промпт, пока набор не пройдёт стабильно. Внутри — сценарии-evals, почему судья обязан быть ДРУГИМ агентом, дисциплина самого стенда и что честно значит «почти детерминированно».</description></item><item><title>Как заставить агентов работать по твоим правилам, а не по общим</title><link>https://dim-s.github.io/ai-agent-articles/articles/dmitry-manager-architecture/</link><pubDate>Mon, 15 Jun 2026 00:00:00 +0000</pubDate><guid>https://dim-s.github.io/ai-agent-articles/articles/dmitry-manager-architecture/</guid><description>Как вынести свой способ решать, проверять и держать планку в ИИ-агентов — и получить автономную работу без ручной перепроверки. Это не про «цифрового двойника»: кодируются рабочие принципы и вкус, по которым агенты делают верные выводы там, где результат должен быть похож на твой. Внутри — архитектура слоёв, экономика моделей и те же механизмы, которыми лаборатории растят качество фронтир-моделей.</description></item><item><title>О проекте</title><link>https://dim-s.github.io/ai-agent-articles/about/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://dim-s.github.io/ai-agent-articles/about/</guid><description>&lt;p&gt;Здесь я публикую технические статьи о том, как строю автономных ИИ-агентов под разработку
продуктов. Всё из работающей практики - то, что реально собрано, прогнано и работает,
а не пересказ чужих идей.&lt;/p&gt;
&lt;h2 id="автор"&gt;Автор&lt;/h2&gt;
&lt;p&gt;&lt;strong&gt;Дмитрий Зайцев&lt;/strong&gt; (Dmitrii Zaitsev).&lt;/p&gt;
&lt;h2 id="лицензия-и-перепечатка"&gt;Лицензия и перепечатка&lt;/h2&gt;
&lt;p&gt;Все материалы — под лицензией &lt;strong&gt;&lt;a href="https://creativecommons.org/licenses/by/4.0/"&gt;CC BY 4.0&lt;/a&gt;&lt;/strong&gt;.&lt;/p&gt;
&lt;p&gt;Вы можете свободно копировать, распространять и перерабатывать их — в том числе в
коммерческих целях — &lt;strong&gt;при обязательном условии: указать автора (Дмитрий Зайцев / Dmitrii
Zaitsev) и дать ссылку на этот сайт-источник&lt;/strong&gt;, а также отметить, если вносили изменения.
Перепечатка без ссылки на автора и на этот сайт лицензией не разрешена.&lt;/p&gt;</description></item></channel></rss>