Сильно да

Сегодня я наконец-то завершил первую версию моего мода, основанного на новелле "Solo Leveling". Вот что в нем есть на данный момент:

- Система прокачки:
С каждым убийством моба дается разное количество опыта. При достижении определенного количества опыта вы повышаете уровень и получаете 5 очков статов. Эти очки можно распределить между следующими характеристиками:
- Сила: Повышает физическую мощь игрока.
- Ловкость: Увеличивает скорость передвижения.
- Живучесть: Увеличивает количество сердец игрока.
- Интеллект: Повышает количество маны.
- Чувствительность: Улучшает сопротивляемость к зельям.

- Уникальные навыки:
- Ртуть: Резкий рывок.
- Скрытность: Накладывает эффект невидимости.
- Рука правителя: Телекинез, позволяющий перемещать мобов в пространстве, поднимать их и отпускать с высоты.

Каждый навык можно прокачивать для увеличения их эффективности.

- Система уведомлений:
Вы будете получать уведомления при повышении уровня, при получении навыка и тд

И так уже 2 месяца

мое состояние последнюю неделю

Давно хотел поделиться RAG-сервисом, который делал для себя

Когда писал моды и мини-игры по книгам (лор, механики, и тд), устал постоянно серчить по нескольким источникам одновременно Т_Т

Написал сервис: загружаешь книги, PDF, TXT, даже аудио - всё летит в память.

Обычный RAG ищет релевантные чанки векторов и теряет контекст на сложных вопросах Я сделал умнее:

Анализ вопроса - система понимает, что нужно: начало сюжета, финал, список глав или мультивопрос. Под каждый сценарий своя ветка поиска

Тройной поиск - SQL, векторная база и эвристики для начала/конца. С бонусами за позицию в книге. Спросишь "как заканчивается" - попадёшь в эпилог

Менеджер контекста - история диалога сжимается в выжимку. Каждому сообщению присваивается важность. Модель читает только полезное

Кэш - повторный вопрос за сутки возвращает ответ мгновенно

Твои заметки = источники - всё что добавил о проекте участвует в поиске наравне с книгами

Быстро, дёшево, не теряет контекст Пока не публичный - не хочу платить за БД ;/

Недавно увидел новость где Anthropic заявила, что их AI-модели Claude Opus и Claude Sonnet начали проявлять признаки самосознания

Компания Anthropic сообщила о значительном прорыве: их модели начали показывать способность к самоанализу и рефлексии.

И что это значит?

Модели Claude Opus и Claude Sonnet (кстати, именно эти модели я чаще всего использую в коде) показывают характеристики, которые можно интерпретировать как ранние признаки самосознания у ИИ.

Как это тестировали:

В исследовании использовалась методика "concept injection" - в модель "внедряли" определённые мысли, а затем проверяли, сможет ли она их распознать. Claude 4 и 4.1 смогли описать внедрённые идеи в 20% случаев, что считается значимым результатом.

Важный момент: речь не о настоящем самосознании или AGI, а о первых признаках способности к самоанализу и "осознанности" в ограниченных сценариях.

В общем, мой любимый помощник в коде теперь официально осознал себя. Главное, чтобы на финалах проектов не удалил меня из репозитория

AI-агенты в Minecraft, которыми можно управлять промптами

наткнулся на GitHub проект - мод, который позволяет запускать AI-агентов прямо в игре и управлять ими через промты. Буквально пишешь "найди железо" или "построй замок", и агент сам все делает

Как это работает:

▪ В игре появляется панель для промптов
▪ Пишешь команду на естественном языке
▪ LLM (Grok/OpenAI/Gemini) разбирает задачу на код
▪ Агент выполняет действия через игровую механику
▪ Если что-то идет не так - агент сам перепланирует

Самое интересное - мультиагентная координация:

Можно запустить несколько ИИшек на одну задачу. Скажешь троим построить дом - они автоматически разделят структуру на секции, распределят работу между собой и будут строить параллельно. При этом не конфликтуя 0_0

Агенты умеют:
▪ Добывать ресурсы
▪ Строить здания
▪ Сражаться и защищаться
▪ Исследовать мир и собирать предметы
▪ Работать в команде с балансировкой нагрузки

Наконец-то кто-то будет сортировать тонны ресурсов в моих сундуках. тестим тут

Портируемые ML-воркфлоу

Интересная тема про портируемость ML-пайплайнов Проблема знакомая - разрабатываешь локально, а деплоить нужно в облако, on-premise или на edge

Основная идея - отвязать ML-код от инфраструктуры Контейнеризация через Docker создаёт консистентное окружение, одинаково работающее на ноутбуке, в облаке и на production-серверах Kubernetes добавляет оркестрацию, автоскейлинг и изоляцию ресурсов

Пишешь пайплайн один раз - запускаешь везде Никакого рефакторинга при переезде между окружениями MLflow управляет экспериментами и версиями моделей, DVC версионирует данные, Kubeflow автоматизирует CI/CD

Это решает реальные проблемы: гибкость в выборе платформы, оптимизация затрат, масштабируемость Особенно критично при меняющихся требованиях к вычислениям или строгих политиках data governance

Теперь твоя модель работает буквально везде хоть и требует настройки Docker, Kubernetes и пары дней на документацию

материалы
• MLflow Doc
• MLflow Tutorial
• MLOps with Kubernetes

Внезапно OpenAI выкатили ChatGPT-5.1, и оно интересное.

Уже немного протестил - вроде ниче так, разница ощущается пока что только в Thinking стало намного лучше.

Кратко что нового:

▪ Персонализация - можно выбрать стиль общения: профессиональный, дружелюбный, шутливый, эффективный или милый

▪ Сама модель стала дружелюбнее - Сэм Альтман отметил, что убрали отчужденность. Теперь активнее проявляет эмпатию.

▪ Улучшенные бенчмарки - заметно подросла в копировании стилей и поведения. Отлично себя показывает в агентских сценариях.

▪ Следование инструкциям - стала намного лучше понимать и выполнять то, что от нее хотят.

▪ Разделение на две версии: «Instant» и «Thinking» - Instant быстрее справляется с простыми задачами, Thinking глубже размышляет над сложными запросами

Пока что доступно только платным пользователям, но скоро раскатят всем.