Контекст
Это прикладной слой сайта: термины, инструменты, API, агентные паттерны и короткие объяснения без лишнего шума.
Справочник
Практическая база знаний по ИИ, LLM, RAG, API, MCP, n8n, Notion, Telegram-ботам, базам знаний, памяти, интеграциям и автоматизации рабочих процессов.
Контекст
Это прикладной слой сайта: термины, инструменты, API, агентные паттерны и короткие объяснения без лишнего шума.
Практика
Открывайте базу знаний, когда нужно быстро разобраться в LLM, RAG, MCP, n8n, Notion, Telegram-ботах или выбрать паттерн автоматизации.
Следующий шаг
Дальше можно идти в статьи за глубиной, в промпты за шаблонами или в кейсы за проверкой на практике.
Подборка
Подборка материалов, которые раскрывают тему с разных сторон и ведут к следующим шагам.
Warp — среда агентной разработки на Rust: терминал, редактор кода и AI-агент Oz с облачной оркестрацией, MCP-интеграциями и поддержкой параллельных агентов.
Webhook — HTTP-запрос, который сервис отправляет в момент события. Как устроен, зачем нужен, чем отличается от опроса, и как защитить endpoint от подделки.
Облачный API для парсинга данных с сайтов под защитой Cloudflare, DataDome и Akamai. Residential-прокси из 190+ стран, JavaScript-рендеринг, вывод в Markdown и JSON для RAG и LLM.
Полный разбор agent harness — программной обвязки вокруг LLM: 12 компонентов, оркестрационный цикл, память, управление контекстом, верификация и семь архитектурных решений на примере Anthropic, OpenAI, LangChain, CrewAI, AutoGen.
Self-hosted MCP-сервер: даёт ChatGPT и Claude доступ к локальным файлам, терминалу и Git. Раздельные лимиты ChatGPT и Codex удваивают пропускную способность. Установка, workflow, ограничения.
Open-source, local-first альтернатива Claude Design. 132 скилла, 150 дизайн-систем, 16 агентных CLI, BYOK на каждом уровне. Apache-2.0.
OpenAI Responses API — единый эндпойнт для запуска моделей с встроенными инструментами, многоходовыми вызовами и серверным состоянием. Разбор архитектуры, отличий от Chat Completions, миграции и тарифов.
Память проекта для AI-агента — не один файл, а система из четырёх слоёв: правила, линтеры, примеры и evals. Как собрать её без бюрократии.
Как и зачем разделять приём события и его обработку: очереди, воркеры, retry, dead-letter queue и инструменты от Redis до n8n.
Self-hosted веб-интерфейс для LLM с поддержкой Ollama, OpenAI-совместимых API, RAG, многопользовательского режима и плагинов. Запуск одной Docker-командой.
Следующий шаг
Возьмите готовый шаблон промпта или посмотрите кейсы — как те же инструменты работают в процессах с цифрами до и после.