Искусственный интеллект трансформирует процесс создания, рецензирования, развёртывания и поддержки программного обеспечения. От ИИ-ассистентов для написания кода до автоматизации GitOps и процессов DevOps, разработчики теперь полагаются на инструменты с искусственным интеллектом на протяжении всего жизненного цикла разработки ПО.
Создание рабочих процессов на Go с помощью Temporal SDK
Сравнение стратегий чанкирования в RAG
Чанкинг — это наиболее недооцененный гиперпараметр в Retrieval-Augmented Generation (RAG): он определяет, что видит ваша LLM, насколько дорогостоящим становится индексирование, и сколько контекстного окна LLM тратится на каждый ответ.
Освойте извлечение текста из PDF с помощью Python
PDFMiner.six — это мощная библиотека на Python для извлечения текста, метаданных и информации о макете из PDF-документов. Это руководство является частью нашего Инструменты документации в 2026 году: Markdown, LaTeX, PDF и рабочие процессы печати хаба.
Размышления об использовании больших языковых моделей для саморазмещаемого Cognee
Выбор лучшей LLM для Cognee требует баланса между качеством построения графов, уровнями галлюцинаций и ограничениями оборудования. Cognee лучше всего работает с крупными моделями с низким уровнем галлюцинаций (32B+) через Ollama, но средние варианты подходят для более легких настроек.
Шаблоны проектирования DI для Python: чистый и тестируемый код
Внедрение зависимостей (DI) — это фундаментальный шаблон проектирования, который способствует созданию чистого, тестируемого и поддерживаемого кода в приложениях на Python.
Освойте паттерны внедрения зависимостей для тестируемого кода на Go
Инъекция зависимостей (DI) — это фундаментальный паттерн проектирования, который способствует написанию чистого, тестируемого и поддерживаемого кода в приложениях на Go.
Эффективно преобразуйте документы LaTeX в Markdown
Конвертация документов LaTeX в Markdown стала важной частью современных рабочих процессов публикации, интегрируя генераторы статических сайтов, платформы документации и системы контроля версий, сохраняя при этом читаемость и простоту. Это руководство является частью нашего Инструменты документации в 2026 году: Markdown, LaTeX, PDF и рабочие процессы печати хаба.
Безопасный по типам переиспользуемый код с общими типами Go
Генерики в Go представляют собой одну из самых значительных особенностей языка, добавленных с момента выхода Go 1.0. Введенные в Go 1.18, генерики позволяют писать безопасные с точки зрения типов, повторно используемые коды, которые работают с несколькими типами без ущерба для производительности или ясности кода.
Python для преобразования HTML в чистый, готовый к использованию с LLM Markdown
Конвертация HTML в Markdown является фундаментальной задачей в современных рабочих процессах разработки, особенно при подготовке веб-контента для крупных языковых моделей (LLM), систем документации или статических генераторов сайтов, таких как Hugo. Это руководство является частью нашего Инструментов документации в 2026 году: Markdown, LaTeX, PDF и рабочие процессы печати хаба.
Интеграция Ollama с Go: руководство по SDK, примеры и лучшие практики для продакшена.
Этот гайд предоставляет всесторонний обзор доступных Go SDK для Ollama и сравнивает их функциональные возможности.
Сравнение скорости, параметров и производительности этих двух моделей
Ниже приведено сравнение Qwen3:30b и GPT-OSS:20b с акцентом на следовании инструкциям и параметрах производительности, спецификациях и скорости.
Не очень приятно.
Модели GPT-OSS от Ollama (https://www.glukhov.org/ru/llm-performance/ollama/ollama-gpt-oss-structured-output-issues/ “Ollama GPT-OSS”) постоянно сталкиваются с проблемами при работе со структурированным выводом, особенно при использовании с фреймворками вроде LangChain, OpenAI SDK, vllm и другими.
Использование pandoc, python или онлайн-инструментов для конвертации в MD
Перевод документов Word в формат Markdown (https://www.glukhov.org/ru/documentation-tools/markdown/converting-word-document-to-markdown/ “Перевод документов Word в Markdown”) является очень распространенной задачей для технических писателей, разработчиков и создателей контента, которые хотят перенести свой контент на платформы, поддерживающие Markdown (например, GitHub, GitLab, генераторы статических сайтов, такие как Hugo). Эта статья является частью нашего Руководства по инструментам документации в 2026 году: Markdown, LaTeX, PDF и рабочие процессы печати.
Мой любимый lib — pdf-reports
Генерация PDF-отчетов с использованием Python
Python, благодаря своим обширным библиотекам и модулям, предлагает мощные инструменты для создания профессиональных PDF-отчетов. Это руководство рассматривает различные методы создания PDF-документов с использованием Python, охватывая популярные библиотеки, такие как ReportLab, FPDF, Xhtml2pdf, WeasyPrint, Jinja2, pdf-reports и PdfKit. Это часть нашего Инструменты документации в 2026: Markdown, LaTeX, PDF и рабочие процессы печати хаба.
LLM для извлечения текста из HTML...
В библиотеке моделей Ollama есть модели, способные конвертировать HTML-контент в Markdown, что полезно для задач преобразования контента. Это руководство является частью нашего Инструменты документации в 2026: Markdown, LaTeX, PDF и рабочие процессы печати хаба.
