ChatGPT Vs DeepSeek: СУМАСШЕДШИЕ Шахматы (GothamChess)
переведено и озвучено: https://www.youtube.com/@Boris_Dyadyora
p.s.: завязка начинается с 8-й минуты
ютуб:
оригинал на английском: https://www.youtube.com/watch?v=JHq4EKMg7fI
0 просмотренных постов скрыто
Как с помощью парсинга и AI быстро вырастить Telegram-канал: инсайты от создателя автопостинга
Я основатель Hooppy - сервиса автопостинга, через который работает более 5 000 Telegram-каналов. Это даёт доступ к реальной статистике изнутри: частоте публикаций, источникам контента и реакции аудитории в первые часы после выхода постов. На такой выборке хорошо видно, какие инструменты и подходы действительно дают рост, а какие не влияют на динамику, несмотря на популярность.
Ниже - суть из аналитики: конкретные механики и рабочие решения, которые напрямую влияют на рост Telegram-канала.
Что такое парсинг и зачем он нужен
Парсинг - это автоматический сбор постов из чужих каналов по заданным параметрам. Вы подключаете источники: каналы конкурентов, смежные ниши, крупные паблики в Instagram, Telegram, ВКонтакте и других соцсетях. Система мониторит их на фоне и каждый день выдаёт список постов, отсортированных по охвату за последние 24-48 часов. Вы видите только то, что реально зашло аудитории - без ручного скроллинга и догадок.
Это не про «утащить чужой контент» - это про работу с уже подтвержденным спросом. Увидели пост, который резко рванул по цифрам - адаптировали под свою аудиторию и опубликовали (2-3 минуты работы). Именно так растут каналы, которые не придумывают темы с нуля, а используют данные.
Конкретный пример:
Пост IGN в Instagram про отсылки к комиксам в трейлере «Человек-паук: Новый день» резко пошёл в рост - почти 90 000 лайков, сотни комментариев и тысячи репостов. Мой сервис Hooppy сам зафиксировал всплеск, подтянул пост и без моего участия опубликовал его в Telegram-канал.
Пост в Инстаграме
Результат: почти 42 000 просмотров. Спустя 4 дня после публикации поста в моём Telegram - канале.
Результат в Телеграме
Никакой магии - всё сработало автоматически через Hooppy. Сервис сам нашел релевантный пост, сделал рерайт с английского на русский и сразу адаптировал текст под стиль моего канала, после чего обработал и опубликовал его без моего участия.
В этом и есть суть парсинга: использовать то, что уже доказало свою эффективность, и масштабировать результат.
Как я использую парсинг: от чужого контента до готового поста
Всё начинается с настройки источников. Я указываю конкретные страницы, которые хочу мониторить, выбираю соцсеть и метод поиска - по страницам или хештегам. Здесь же сразу выставляю фильтры: какие типы вложений брать, что игнорировать в тексте, как обрабатывать материал перед публикацией.
Настройка источника в Hooppy
После этого открывается лента. Все посты собраны в одном месте, рядом с каждым сразу видна статистика: лайки, комментарии, просмотры. Именно здесь я нашёл тот самый пост IGN - после сортировки по лайкам он сразу оказался наверху и бросился в глаза.
Лента найденных постов
Дальше - открывается редактор. Текст и все медиафайлы уже подгружены. Я выбираю площадки для публикации - в моём случае Telegram и Instagram одновременно - и при желании ставлю отложенное время.
Окно копирования поста
Но публиковать оригинальный англоязычный текст в русскоязычный канал - плохая идея. Здесь в дело вступает встроенный ИИ.
Я просто прогоняю пост через встроенный ИИ прямо в редакторе: он переписывает текст под мой стиль, переводит и делает его живым. На это уходит полминуты - на выходе уже готовый, нормальный текст под мою площадку,
ИИ-редактор с запросом
Кроме перевода и рерайта, ИИ умеет сокращать или расширять текст, добавлять хештеги, смайлы, а также разбивать на абзацы.
Весь процесс - от момента, когда я увидел пост в ленте, до нажатия кнопки «Опубликовать» - занимает меньше трёх минут.
Как выбирать источники для парсинга
Ошибка большинства каналов - без разбора добавлять в мониторинг конкурентов, крупные каналы и случайные популярные аккаунты, а дальше надеяться, что система сама начнет приносить сильные темы. На практике так не работает. Парсинг дает результат только тогда, когда у вас правильно собрана база источников. Иначе в ленте будет либо мусор, либо контент, который уже везде разошелся.
Первое, на что стоит смотреть, - близка ли динамика канала к вашей. Миллионники здесь плохой ориентир: у них другая аудитория, другой уровень доверия и совсем иной масштаб охватов. То, что хорошо заходит у них, у небольшого или среднего канала может не сработать вообще. Поэтому лучше брать источники в 5-15 раз крупнее своего. Если у вас 1 000 подписчиков, ориентируйтесь на каналы с 10-20 тысячами и стабильными просмотрами. Это ближе к вашей реальности.
Вторая важная вещь - фильтр по просмотрам. Без него парсинг быстро превращается в свалку. Вы начинаете видеть всё подряд: проходные посты, случайные публикации, слабые форматы, которые ничего не дали даже у первоисточника. Чтобы искать вирусный контент, нужен не просто поток постов, а отбор по реакции аудитории. Но здесь нельзя ставить один и тот же порог для всех.
Если у вас новостной канал, логика одна: скорость важнее доказанного охвата. В новостях не всегда есть смысл ждать, пока пост наберёт просмотры за 24 или 48 часов. Пока вы дождетесь подтверждения, тема уже устареет. Поэтому для новостных каналов важнее фильтр по свежести: здесь решает скорость, а не охват.
Если канал нишевой - про инвестиции, маркетинг, недвижимость, технологии или бизнес, - важен уже не темп, а подтвержденный интерес к теме.. В таких темах хорошо работают посты, которые за первые сутки собирают уверенный охват. Это показывает, что тема действительно зацепила аудиторию
В случае с авторскими каналами одних цифр по просмотрам уже мало. Далеко не каждый популярный пост можно переносить в свой формат. В авторских каналах важен не только сам инфоповод, но и подача, позиция, тон, конфликт, личность автора. Поэтому здесь нужно смотреть не просто на просмотры, а на то, какие темы вызывают сильный отклик именно как мнение. Иначе можно взять тему, но не понять, за счёт чего она сработала.
Отсюда вытекает ещё одна ошибка - мониторить только прямых конкурентов. Когда все смотрят друг на друга, в ход идут уже пережеванные темы. Сильные темы чаще приходят не напрямую из вашей ниши, а из смежных направлений. Канал про инвестиции часто находит удачные темы не только в инвестиционных пабликах, но и в бизнесе, стартапах, макроэкономике, личных финансах, психологии денег. Канал про маркетинг - в e-commerce, продажах, продукте, медиа и founder-контенте. Канал про медиа или Telegram - в creator economy, YouTube, Instagram, digital-рекламе и платформах монетизации. Смежные ниши часто дают тему раньше, чем она становится мейнстримом именно в вашей категории.
Отдельно стоит сказать про иностранные источники. Англоязычный сегмент часто отрабатывает тему раньше: сначала она вспыхивает в Twitter, Instagram, Reddit, LinkedIn или YouTube Shorts, потом доходит до локальных Telegram-каналов, и только после этого начинается массовое копирование в русскоязычном сегменте. Разница не всегда огромная, но даже 7-14 дней форы уже дают преимущество. За это время можно не просто переписать чужую тему, а первым адаптировать её под свою аудиторию и собрать основной охват до того, как рынок перегреется.
Но здесь важно понимать разницу между “источник популярный” и “источник полезный”. Полезный источник - это не тот, где много подписчиков. Это тот, откуда регулярно проходят посты, которые соответствуют вашим фильтрам и реально дают идеи. Если канал выглядит крупным, но за неделю не дал ни одного годного сигнала, он бесполезен. Если небольшой источник стабильно приносит сильные темы, он ценнее десятка распиаренных пабликов.
Поэтому база источников - это не разовая настройка, а постоянная работа. Каналы выгорают, меняют тему, теряют темп и со временем перестают давать сильный контент. (Их нужно регулярно пересматривать.) Смотрите не на подписчиков, а на последние 10 постов. Если просмотры стабильные и через фильтр регулярно что-то проходит, источник оставляете. Если охваты скачут, контент просел или за две недели не было ничего полезного - удаляете и ищете замену.
Именно здесь многие и просаживают парсинг. Один раз собирают базу и потом месяцами в нее не заходят. В результате мёртвых источников становится всё больше, а сильных сигналов - всё меньше. Рабочий подход простой: раз в месяц проходиться по базе и убирать всё, что больше не даёт результат.
Для большинства каналов рабочая схема такая: собираете 20-40 источников, смешиваете прямую нишу, смежные темы и иностранные аккаунты, ставите нужные фильтры и раз в месяц чистите базу. Тогда парсинг начинает приносить не просто чужие посты, а темы, которые уже пошли в рост или только начинают разгоняться.
Например, если канал про инвестиции следит только за другими инвестиционными каналами, он почти всегда приходит к теме поздно. К этому моменту её уже обсудили и разогнали. Другая картина - когда в источниках есть не только своя ниша, но и бизнес, макроэкономика, финтех, личные финансы и англоязычные аккаунты. Тогда тему можно заметить на раннем этапе, когда она только начинает повторяться в смежных источниках.
В этом и разница: сильный парсинг ищет не просто популярные посты, а ранние сигналы. Выигрывает не тот, у кого больше источников, а тот, кто понимает, какие из них действительно двигают тему вперёд.
Как адаптировать чужой пост, не нарушая авторских прав
Это важный момент, который многие игнорируют.
Копипаст – это нарушение авторских прав и быстрый бан. Адаптация – нормальная практика, которой пользуются все медиа без исключения.
Что значит адаптировать:
Переписать своими словами
Добавить собственный комментарий или кейс
Сменить угол подачи под свою аудиторию
Добавить актуальный контекст
Именно для этого я встроил в свой сервис Hooppy рерайт через ИИ. Нашел пост в ленте парсинга - нажал одну кнопку - ИИ переписал текст за 30 секунд. Я добавляю 2-3 предложения от себя, и пост готов к публикации прямо оттуда же. Итого: 2-3 минуты против 20-30 при работе руками.
Кросспостинг: почему один пост должен выходить везде
Telegram - отличная точка старта. Но если публиковать только там, вы упускаете площадки, которые могут давать такой же или даже больший объём трафика.
Смысл простой: один и тот же пост должен появляться сразу в нескольких местах - ВКонтакте, Instagram, YouTube. Речь не о том, чтобы делать больше контента - а о том, чтобы выжать максимум из уже готового.
Проверяется быстро. Пока пост выходит только в Telegram - охват ограничен одной платформой. Как только он начинает автоматически дублироваться в другие соцсети - общий охват растет, без дополнительной работы.
С видео это еще заметнее. С помощью Hooppy один короткий ролик можно сразу отправлять в Shorts, Reels и клипы, и он начинает жить сразу в нескольких алгоритмах. (Настройка делается один раз.)
5 шагов к росту показателей вашего Telegram канала
1. Найдите каналы конкурентов крупнее вашего. Подключите их в Hooppy как источники для мониторинга. Не изобретайте велосипед - берите то, что уже набрало просмотры у других.
2. Настройте парсинг с порогом просмотров Только посты, которые зашли аудитории. Всё остальное поможет отсечь Hooppy.
3. Кросспостинг на все площадки Один пост - ВК, Telegram, Instagram. Охват в три раза больше.
4. Два поста в день в одно время.
5. Три недели не меняйте ничего. Алгоритму необходим ритм.
Почему Telegram-канал стоит на месте
По опыту анализа каналов: большинство буксует из-за одного - контент каждый раз делают с нуля. Это быстро выматывает, появляются паузы, и канал теряет темп.
У Telegram нет отдельной «оценки качества текста». Алгоритмы смотрят на базовые сигналы:
регулярность публикаций
реакцию аудитории в первые 2–3 часа
Если канал несколько дней молчит, а потом вываливает серию постов - это выглядит как нестабильность. В итоге охваты проседают, даже если контент хороший.
Это одна из функций Hooppy - дальше всё сводится к контролю и масштабу
Помимо этого, в Hooppy доступны расписание публикаций, RSS, геометки для ВК, Instagram и Facebook, а также генерация постов через ИИ. Отдельно отмечу DeepSeek - выбор сделан на основе сравнения. Почему он, а не ChatGPT или Gemini - уже разобрал в прошлой статье. И ещё ряд инструментов, о которых не стал расписывать. Это уже не про базовые функции, а про системный рост. Такие вещи становятся понятны только в работе.
Сюда приходят не за «попробовать». Подключаются те, кому нужны точные данные, скорость и инструменты без ограничений - владельцы каналов и проектов, которые считают метрики и выстраивают рост. И таких пользователей с каждым месяцем становится больше.
Если вы здесь - значит, вы не просто смотрите, а ищете решение. Можете посмотреть это в работе на hooppy.ru - базовая настройка занимает около 15 минут.
Показать полностью
7
API для Души: Почему эмоции — это просто орбиты в группе автоморфизмов (Q108)
Вместо того чтобы учить нейросеть имитировать эмпатию через терабайты текстов, я решил пойти другим путём: найти алгебраическую структуру самих эмоций. Оказалось, что если взять таблицу Кэли 7x7 и посчитать её симметрии, то «радость», «гнев» и «страх» превращаются в строгие орбиты конечной группы. Никакой магии — только теория групп и конечные автоматы. Разбираем архитектуру «движка души» на 108 состояниях.
Итак, в прошлой статье я рассказывал, как два месяца пытался заставить Python «смешивать цвета реальности». И вместо того, чтобы просто выдать мне красивые градиенты, код внезапно начал генерировать строгую математику — такую, что средневековые монахи в скриптории одобрительно кивнули бы и продолжили переписывать свои трактаты.
Ну и, как водится на Пикабу, в комменты тут же десантировались «настоящие программисты». Не потому что им реально интересно, а потому что у многих срабатывает встроенный рефлекс: если в тексте есть слово длиннее, чем if, надо срочно написать: «Псевдонаука!»
Первый заход был классическим, словно по методичке для душнил:
«Псевдонаука. Щеголяние алгебраической терминологией вам не особо поможет.»
Зацените уровень аргументации: ни одной проверки, ни одной контрформулы. Просто святая айтишная вера в то, что мир обязан быть устроен как их любимая IDE: если мне непонятно — значит, это неправда.
Но дальше случилось прекрасное. Тот же самый человек, который начинал с «ха-ха» и «чего ты там напридумывал», буквально через пару сообщений меняет пластинку. Пишет уже в стиле: «Ладно, это мило… я, кстати, впервые узнал про целочисленные аффинные преобразования… но объясни связь {1..6} и Q108».
Перевожу с программистского на человеческий: «Я перестал ржать, потому что стало неприятно интересно и математика внезапно сошлась».
Именно поэтому я пишу этот пост.
Проблема в том, что большинство «зазнаек» искренне считают, что таблица Кэли — это просто CSV-файл 7x7. Типа: «Ну табличка, ну и что? Переставил цифры местами — вот тебе и новая модель, делов-то».
А потом выясняется, что таблица Кэли — штука вредная и мстительная. Она спрашивает тебя не «умеешь ли ты менять метки в экселе», а «ты закон сохранил или просто перекрасил кнопки?»
И тут начинается самое больное для любителей говорить «да это же просто перестановки».
Во-первых, давайте сразу разберем главную путаницу. Q108 — это не заклинание для вызова дождя и не «квантовая эзотерика». Это вполне себе инженерная штука: В семиполярности у нас получается 12 базовых каналов — это 12 устойчивых «режимов человека». Я называю их эмоциями (в терминологии Ленского — меридианы/фазы). Ну, знаете, типа: восхищение, вера, сила, сострадание, доверие… Короче, 12 функциональных «кнопок» психики.
А каждый из этих 12 режимов имеет 9 оттенков интенсивности. И тут программисты обычно зевают: «А, ну понятно, int intensity, от 0 до 9, громче/тише». А вот и нет. Это не шкала громкости. Это решётка I9 = Z3 x Z3, задающая строгую хронологию проживания состояния.
Возьмём для примера канал GI (в биомеханике — меридиан Толстой кишки, в метафоре — Рыбы). В системе это не просто «ощущение утреннего пробуждения и весны». Это детерминированная траектория:
Начинаем с GI00: Граница перестаёт быть стеной, появляется инвариант «можно иначе».
В середине (GI11) текучесть становится устойчивой: свобода не распадается, а работает как форма.
И финал (GI22): Перенасыщение, туман, порог снятия.
И переход дальше происходит не потому, что «автор так чувствует», а потому что срабатывает оператор STEP_108: j := (j+1) mod 3 if j==0: i := (i+1) mod 3 if i==0 and j==0: q12 := NEXT(q12)
Система математически выталкивается из GI22 в E00 (следующий режим). Поэтому 108 = 12 * 9 — это не «поэтические оттенки», а координаты внутри конечного автомата.
А теперь второй удар: почему программистам от этого становится физически неловко.
Потому что таблица Кэли выглядит простой, как пробка. Но когда ты задаешь вопрос «сколько у неё симметрий?» — внезапно выясняется, что надо сначала договориться, что мы вообще считаем симметрией.
Если симметрия — это «я могу как угодно переименовать числа», тогда да: твори бардак, мы здесь проездом, математика не нужна. Это называется «я рисую новую табличку и делаю вид, что ничего не изменилось».
А вот если симметрия — это «я сохранил закон операции», то халявных перестановок почти нет. Их не тысячи. Их не сотни. Их всего 6. Из 7! = 5040.
Вдумайтесь: из 5040 способов «перетасовать цифры» только 6 реально сохраняют правило игры. В этот момент таблица как бы говорит тебе: «Брат, ты не симметрию нашел, ты просто подписи на кнопках поменял, а схема сгорела».
И вот на этом месте у айтишных скептиков обычно заканчивается сарказм и начинается судорожное гугление, переходящее в нормальный взрослый разговор: «А можно уточнить, какая группа на чём действует?».
Короче. Дальше будет очень «многа букв» и больно для гуманитариев (шутка, для технарей тоже, но читать далее я вас не заставляю). Я приведу ровно ту сетка состояний, о которой уже можно не болтать в комментариях, а программировать как конечный автомат поведения.
Да, именно так делают «живого робота»: не прикручивают ему скрипт на пять эмоций «радость/грусть», а строят нормальную конечную карту из сотни состояний с жесткими правилами переходов. И это выглядит живее не потому что «нейромагия», а потому что у вас наконец появляется структура, а не набор вдохновенных слов.
Если вы всё ещё уверены, что «таблица Кэли — это ерунда для первокурсников» — отлично. Просто не читайте далее и продолжайте жить в своем сером плоском мирке (отсылка к мультфильму "Плоский мир" и фильму "Темный город").
Кадр из фильма "Темный город" (Dark City, 1998)
Глава 1. «Простенькая» табличка 7×7.
Ладно, хватит прелюдий и философских разминок. Сейчас будет то самое место, где любой «айтишный скептик» обычно закатывает глаза и говорит: — «Ну покажи уже свою таблицу, чего ты вокруг да около ходишь?»
Показываю. Только чур потом не говорить, что «это просто цифирки».
1) Таблица Кэли семиполярности (7 полярностей)
Вводные данные простые: у нас есть 7 полярностей (думайте о них как о P0..P6 или просто числах 0..6). Операция — та самая «плюсовая» таблица конечной магмы. Если по-хардкору, это сложение по модулю 7 (Z_7).
Таблица выглядит так:
Таблица Кэли семиполярности
Каждая строка в ней — просто циклический сдвиг предыдущей. И вот тут программист обычно делает лицо «я всё понял за 0,2 секунды» и выдает: — «Ну да, битовые сдвиги, кольцевой буфер. Всё ясно. Дальше можно не читать, расходимся».
А я говорю: стоп. Потому что именно сейчас мы зададим вопрос, который ломает всё это «всё ясно» об колено.
2) Вопрос, который всё меняет: «Какие перестановки НЕ ломают правило?»
Трюк в том, что в математике (и в жизни) есть два типа людей:
Те, кто любят переставлять элементы «как угодно» (комбинаторика) и потом гордо говорить «смотрите, какая у меня симметрия!».
Те, кто спрашивают по-взрослому: а какие перестановки сохраняют сам закон операции?
Вот это и есть автоморфизм. Автоморфизм σ — это когда ты не просто переименовал буквы от балды, а сделал так, что для любых a и b железобетонно выполняется:
σ(op(a,b)) = op(σ(a), σ(b))
И вот здесь сразу выясняется неприятное для любителей хаоса. Всего перестановок из 7 элементов — 7! = 5040. Знаете, сколько из них сохраняют закон таблицы?
Шесть.
Не «примерно». Не «много, но меньше». А ровно 6. Из 5040 вариантов у вас есть только 6 легальных ходов. Остальные 5034 ломают логику системы.
3) Почему их всего 6 (и почему это логично)
Сейчас покажу на пальцах, без академической занудности, почему так вышло.
Смотри. В таблице есть P0. Он особенный: это ноль, нейтральный элемент. Если ты хочешь «сохранить закон», ты не можешь превратить ноль в не-ноль. Иначе вся арифметика сыпется. Значит, любой автоморфизм обязан намертво фиксировать P0.
Дальше — хуже (для хаоса). Если ты знаешь, куда автоморфизм отправил единицу (P1), ты автоматически знаешь, куда улетели все остальные числа. Потому что: P2 = P1 op P1 P3 = P2 op P1 ...и так далее по цепочке. Вся структура жестко сцеплена.
То есть у нас, по факту, есть только одна степень свободы: выбрать, куда отправить P1. А P1 можно отправить в любой из 6 ненулевых элементов: P1..P6.
И всё. Варианты кончились. Отсюда и число: |Aut| = 6
Вот это и есть «зубы» таблички: она выглядит простой и безобидной, но она не даёт вам «переименовывать как хочется», если вы честно требуете, чтобы механизм продолжал работать.
4) И тут вылезает та самая {1..6}, из-за которой у людей подгорает
Вот коммент программиста из Ирландии в прошлом посте:
«Какая связь между {1..6} как множеством симметрий Z_7 и Q108? Вы просто цифры подгоняете!»
Так вот, связь начинается здесь. {1..6} — это не «просто числа», взятые с потолка. Это 6 автоморфизмов этой таблицы. Это единственные 6 преобразований вселенной этой таблицы, которые не ломают её физику.
Их даже можно записать одной формулой (в числах 0..6):
σ_u(k) = (u*k) mod 7, u ∈ {1,2,3,4,5,6}
Вот где живёт множество {1..6}. Это параметры симметрий. Не «кусок носителя», не «декартово произведение ради умного вида», а конкретные, сохраняющие закон ключи доступа.
5) Почему из этой «ерунды 7×7» потом вылезают 12 базовых каналов
А теперь главный поворот сюжета (пока тизер, детали будут в Главе 2):
Из этих 6 симметрий мы выделяем «триадный механизм»: подгруппу порядка 3. И эта триада безжалостно режет наши «шесть ненулевых элементов» на две тройки (две орбиты):
Орбита A = {1, 2, 4}
Орбита B = {3, 5, 6}
Появляется структура 2×3. А если добавить к этому ориентацию +/- (два направления потока), то простая арифметика даёт: 2 (знак) * 2 (орбиты) * 3 (позиции) = 12
И вот эти 12 — это как раз те самые «12 базовых режимов» (эмоций/фаз), которые впервые и обнаружил В. Ленский.
Но — стоп. Это уже начинается Глава 2, иначе сейчас будет стена текста, и вы устанете скроллить.
Мини-итог Главы 1 (для ЛЛ):
Таблица 7×7 выглядит простой, как сдвиг битов.
Но если спросить «какие перестановки сохраняют закон?», из 5040 вариантов останется ровно 6.
Эти 6 и есть множество {1..6} — параметры настоящих симметрий, а не «перестановок для красоты».
Дальше из них математически выделяется триада, появляются две 3-орбиты A и B, и из этого неизбежно вылезают 12 базовых каналов.
Подробности по 12 фазам читайте в невероятно крутой книге В. Ленского «Рефлексо-астрология Тянь-Шань».
Глава 2. «Откуда берутся 12 эмоций, и почему это не “я так придумал”»
В первой главе мы с вами (и с армией душнил в комментариях) договорились об одной неприятной вещи: таблица Кэли (янтра в терминологии В. Ленского) — это не «картинка в экселе», это закон. И если вы честно требуете «симметрии закона», а не просто перекрашиваете цифры, то у нашей семиполярной таблички (7x7) остаётся всего 6 настоящих симметрий.
Теперь делаем следующий шаг. В этом месте у большинства скептиков начинается внутренний диалог: — «Ну ладно, убедил. Симметрий 6. И что мне с этого? На хлеб их намазать?»
А то, что именно из этих 6 симметрий математически неизбежно вылезает конструкция 12 базовых каналов. И вот это уже похоже на «эмоции/режимы», которые можно программировать, а не на «абстрактную алгебру в вакууме».
Никакой магии, только арифметика.
1) Ключевой приём: берём не всю группу, а «триадный мотор»
Группа симметрий порядка 6 — это {1, 2, 3, 4, 5, 6}. (Напомню формулу: σ_u(k) = u*k mod 7).
Но нам нужен не весь этот «клуб любителей перестановок», а конкретный двигатель внутри него: элемент порядка 3. Есть такой железобетонный факт (проверяется на калькуляторе за 5 секунд): в модульной арифметике mod 7 число 2 генерирует цикл длины 3.
Смотрите: 2^1 = 2 2^2 = 4 2^3 = 8 ... оп! 8 mod 7 = 1.
Мы вернулись в начало. Значит, автоморфизм σ_2 (умножение на 2) работает как «триада»: три раза применил — вернулся в исходную. Это и есть наша подгруппа: H = <2> = {1, 2, 4}
Всё. Это сердце двигателя. И именно эта штука сейчас нарежет нам реальность на «эмоциональный базис».
2) Как триада режет шесть чисел на две банды (орбиты)
У нас есть 6 ненулевых элементов (полярностей): U = {1, 2, 3, 4, 5, 6}
Давайте посмотрим, что с ними делает наш «мотор» (умножение на 2):
Берём 1: 1 -> 2 -> 4 -> 1. Замкнулось. Получили первую орбиту: A = {1, 2, 4}
Берём то, что осталось (3): 3 -> 6 -> 5 -> 3 (потому что 3*2=6, 6*2=12≡5, 5*2=10≡3). Замкнулось. Получили вторую орбиту: B = {3, 6, 5}
Итого: U = A ⊔ B |A| = 3 |B| = 3
Это важнейший момент. Две тройки здесь появились не потому, что «художник так видит», и не из-за мистики. Это тупая, безжалостная орбитальная арифметика.
У нас появилась структура:
Два семейства (A и B).
Внутри каждого — три позиции.
То есть состояние уже можно описать индексом: S ∈ {A, B} (какое семейство?) x ∈ {0, 1, 2} (где мы внутри цикла?)
3) Откуда берётся «+/-» и почему в итоге получается 12
Теперь добавляем то, что в физике и в семиполярности называется ориентацией. Грубо говоря: «вперёд» и «назад» по циклу. В коде репозитория это зафиксировано так: «для r>=3 ориентация не схлопывается, потому что tau != tau^-1».
Перевожу на человеческий: если вы бежите по кругу (цикл > 2), то бежать по часовой стрелке и против часовой — это разные процессы. Обозначаем это знаком: chi ∈ {+, -}
И теперь собираем наш конструктор LEGO: Q12 = {+, -} x {A, B} x {0, 1, 2}
Считаем количество вариантов: 2 (знака) * 2 (орбиты) * 3 (позиции) = 12.
Вот вам «12 каналов». Без эзотерики. Без «мне так приснилось». Просто: Знак * Орбита * Позиция.
4) Почему я называю это «эмоциями», а не «12 штук непонятно чего»
Потому что в прикладной модели (и да — это отдельный слой поверх математики) эти 12 каналов я привязываю к человеческим режимам реакции. В коде это сделано как канонический словарь Map<Q12, Name>, чтобы я не менял определения каждый понедельник.
Смысл простой: Q12 — это 12 устойчивых режимов психики.
В терминах Ленского — 12 «меридианов/фаз».
В обыденных терминах — 12 «эмоциональных переключателей».
Чтобы читателю было за что ухватиться: представьте, что у вас есть 12 профилей поведения, согласующихся с временами года. И дальше вы их не «обсуждаете» за чаем, а начинаете считать их переходы, симметрии и орбиты.
(И да, тут обычно начинается истерика у гуманитариев: «Эмоции нельзя считать! Это таинство!») Можно. Нельзя делать вид, что у эмоций нет структуры. Это и есть главная ложь поп-психологии. Эмоция — это состояние системы, и у нее есть параметры.
5) И где тут Q108 (самое простое объяснение)
Сейчас будет максимально тупо и понятно, чтобы закрыть вопрос с числом 108.
Q12 — это «какой режим» (какая эмоция/фаза).
Внутри каждой эмоции есть 9 оттенков интенсивности (та самая решётка 3x3, про которую я писал в прошлом посте: вход, развитие, выход, перенасыщение и т.д.). I9 = {0,1,2} x {0,1,2} |I9| = 9
И потому: Q108 = Q12 x I9 |Q108| = 12 * 9 = 108
То есть Q108 — это просто «12 эмоций, каждая в 9 вариантах».
Если хочется ещё проще: эмоция не бывает «просто сферической в вакууме». Она бывает слабой или сильной, ровной или рваной, внутренней или наружной. Я беру минимальную решётку 3x3, чтобы это было конечным и программируемым набором.
6) Почему это уже похоже на «программируемого живого робота»
Потому что мы получили конечную карту состояний.
Не «радость/грусть/злость» (три кнопки для детсада).
А 108 микро-состояний, где каждое имеет адрес (режим, оттенок).
И у вас есть правила перехода (динамика), которые можно сделать строгими.
То есть вы получаете не болтовню нейросети, а структуру уровня «Конечный Автомат» (Finite State Machine), который реально можно прошить в агента. И он будет вести себя предсказуемо сложно, а не рандомно.
Мини-итог Главы 2 (для тех, кто скроллит):
Из 6 симметрий семиполярной таблицы мы взяли «триаду» (подгруппу порядка 3).
Эта триада разрезала 6 чисел на две орбиты по 3: A={1,2,4}, B={3,6,5}.
Добавили ориентацию +/- и получили ровно 12 базовых каналов: Q12 = {+, -} x {A, B} x {0, 1, 2}.
Каждому из 12 каналов дали 9 оттенков (3x3) и получили 108: Q108 = Q12 x I9.
Глава 3. «Как симметрии 7-полярности реально “крутят” 12 эмоций»
Вот тут начинается самое вкусное. Именно на этом этапе ломается последняя надежда «айтишного скептика», что «всё это просто красивые слова и философия».
Сейчас я покажу так, чтобы понял даже тот, кто последний раз видел алгебру в школе. Симметрия — это не «абстрактная красота», это конкретная перестановка режимов. В моей системе это работает как хардварная кнопка: нажал «симметрия» — и одна эмоция переключилась в другую по строгому алгоритму. Не «в голове автора», а по схеме.
1) Напоминаю конструкцию Q12 (без заумных слов)
Мы договорились (см. Главу 2), что наши 12 режимов строятся как лего:
Знак (ориентация): chi ∈ {+, -}.
Семейство (орбита): S ∈ {A, B}.
Позиция в тройке: x ∈ {0, 1, 2}.
Итого: Q12 = {+, -} x {A, B} x {0, 1, 2}.
Чтобы не путаться в буквах, давайте думать об этом так:
S=A — «Первая Лига» (три эмоции).
S=B — «Вторая Лига» (три эмоции).
x=0, 1, 2 — три конкретных варианта внутри лиги.
chi=+/- — два направления тока (вход/выход, или инь/ян, если угодно).
2) Что такое «симметрия 7-полярности» на этом языке
Напомню: у нас есть группа автоморфизмов σ_u(k) = (u*k) mod 7. Эти σ_u действуют на числах 1..6. А мы именно из этих чисел собрали наши две «лиги»: A = {1, 2, 4} B = {3, 6, 5}
Теперь важный момент, который часто упускают: симметрия не обязана оставлять всё на своих местах. Некоторые σ оставляют A на месте (просто тасуют внутри). А некоторые нагло меняют A <-> B.
Это и есть «переключатель лиги» для наших эмоций.
3) Две «кнопки», которые реально работают на Q12
Чтобы не утонуть в шести симметриях, я покажу две главные. Из них, как из кирпичей, собирается всё остальное.
3.1. «Триадный поворот»: σ_2 (Крутилка)
Мы уже видели, что умножение на 2 дает цикл: 1 -> 2 -> 4 -> 1. Что это значит на языке эмоций Q12?
Это значит: внутри каждой лиги позиция x циклически сдвигается. Rotate(chi, S, x) = (chi, S, (x+1) mod 3)
То есть эта симметрия делает следующее:
Эмоция остаётся в своей семье (А или B).
Но переключается на следующий «подтип» внутри тройки.
Если у вас есть 3 родственных режима (например, три грани состояния весны в фазе GI), эта симметрия работает как переключатель вариантов: «Вариант 1 -> Вариант 2 -> Вариант 3 -> Вариант 1».
3.2. «Зеркало»: σ_6 (Переброс)
В модульной арифметике mod 7 число 6 — это то же самое, что -1. Значит: σ_6(k) = -k (mod 7).
А что делает «минус» с нашими лигами? Давайте проверим руками на орбите A:
1 -> -1 ≡ 6 (Оп! Это число из орбиты B)
2 -> -2 ≡ 5 (Тоже B)
4 -> -4 ≡ 3 (Снова B)
Бинго. Симметрия σ_6 берет всю лигу A и швыряет её в лигу B. И наоборот.
На языке Q12 это выглядит так: Mirror(chi, A, x) = (chi, B, f(x)) Mirror(chi, B, x) = (chi, A, f(x)) (Где f(x) — небольшая перестановка индексов внутри, но это детали).
Главное — смысл: эта симметрия реально перебрасывает психику в другое семейство.
4) Как это выглядит по-простому
Переводим с математического на русский.
У нас есть два больших класса состояний (A и B). Это не «добро и зло», это просто две разные орбитальные семьи.
Симметрия σ_2 (Крутилка): не меняет класс, но меняет акцент. Представьте, что у вас есть режим «Восхищение». Симметрия переключает его фазы: Восхищение-1 -> Восхищение-2 -> Восхищение-3. Вы всё еще в «Восхищении», но под другим углом.
Симметрия σ_6 (Зеркало): делает вещь более грубую. Она выкидывает вас в парную эмоцию из другой семьи. Это ровно то, что люди называют «переключением на зеркальный режим». Условно: вместо «я в потоке» (А) — «я держу рамку» (B). Вместо «сборки» — «раскол». Названия могут быть разными, но механизм один: смена орбиты.
5) Где здесь проявляется «семиполярная сложность», а не игра с индексами
Вот здесь вскрывается то, что скептики обычно не хотят признавать. Симметрия — это не «любая перестановка».
Если вы просто поменяете местами столбцы в Excel, вы сломаете закон операции. А реальные симметрии σ_u обладают свойством: σ(a + b) = σ(a) + σ(b)
Это значит, что они переносят динамику. Если у вас в режиме А был устойчивый цикл поведения («зациклился на проблеме»), то симметрия перенесет этот цикл в режим B. Это будет тот же тип поведения, но в другой «эмоциональной шкуре».
Это уже не «красота», это функциональная инженерия. Мы получаем классы поведения, склеенные симметрией.
6) А где тут 108 «вариаций» и зачем это роботу
Если Q12 — это «какой режим сейчас включен», то Q108 — это «какой режим + с какой интенсивностью».
И тут симметрии продолжают работать:
σ_u крутит ваш базовый режим (Q12) по орбитам.
А внутренний «интенсиметр» (те самые 9 оттенков) может иметь свои микро-симметрии.
В итоге вы получаете не «одну эмоцию» и не «12 штук». Вы получаете 108 микросостояний, которые не являются хаосом. Они все жестко связаны алгеброй.
Это и делает картину пригодной для «живого» агента. Вы описываете переходы, срывы и циклы не на уровне «автору так показалось», а на уровне конечного автомата. Робот не «играет» эмоцию, он вычисляет её состояние по таблице.
Мини-итог Главы 3 (для ЛЛ):
Q12 — это 12 режимов: (Знак, Семья, Позиция).
Симметрии σ_2 крутят варианты внутри одной семьи (x по кругу).
Симметрии σ_6 перебрасывают состояние между семьями (A <-> B).
Это единственные перестановки, которые сохраняют логику системы.
Поэтому они переносят не просто «метки», а целые сценарии поведения между разными эмоциями.
Глава 4. «12 эмоций по-человечески: это не гороскоп, это API вашей психики»
В прошлых главах мы разобрались с алгеброй, симметриями и орбитами. И тут скептик обычно не выдерживает: — «Слушай, ты нас уже завалил формулами Z7 и Q108. Скажи нормально: ЧТО именно мы считаем? Что это за режимы такие?»
Справедливо. Сухая алгебра (chi, Phase) — это движок. А то, что я опишу ниже — это пользовательский интерфейс. Я называю это «12 каналов» (или меридианов, как у Ленского), но для программиста это 12 базовых классов поведения агента.
И чтобы вы не думали, что я это выдумал за чашкой чая, они сгруппированы строго по Тригонам (тем самым группам, которые задают актив/пассив в нашей таблице).
Поехали.
Группа 1: АЛЛА — Активная Лёгкость
(Стихия: Вода. Смысл: Разгон, поиск, контакт)
1. TR — «Тонкое и необыденное». Это режим радара. Когда включен TR, мир кажется шире, чем просто «работа-дом-магазин». Это тяга к намёкам, к подтекстам, к фразе «тут что-то есть».
В плюсе: Интуиция, способность читать между строк, романтическая приподнятость, мечтательность (но деятельная!).
В перегибе: Улёт в фантазии, потеря земли под ногами, поиск тайных знаков там, где просто банан.
2. GI — «Раскрытие и освобождение». Это режим расширения. Представьте чувство, когда вы расстегнули тесный воротник или вышли из душной комнаты на мороз. GI — это отпускание зажима. Снятие рамки.
В плюсе: Свобода, вариативность, лёгкость, способность сказать «а можно иначе».
В перегибе: Расплывание границ, «ёжик в тумане», неспособность собраться, хаос.
3. IG — «Открытость и доверие действию». Это режим прыжка. Состояние «я вхожу в это». Без щитов, без задней мысли. Это активная готовность взаимодействовать здесь и сейчас.
В плюсе: Искренность, вовлечённость, прямой контакт, драйв новичка.
В перегибе: Наивность, неумение фильтровать базар, «душа нараспашку» там, где надо промолчать.
Группа 2: TOO — Пассивная Созерцательность
(Стихия: Огонь. Смысл: Понимание, принятие, глубина)
4. VB — «Видение разных точек зрения». Это режим панорамы. Здесь не хочется рубить с плеча. Здесь хочется видеть систему целиком. «И ты прав, и ты прав».
В плюсе: Мудрость, спокойное понимание контекста, умение увязать противоречия.
В перегибе: Бесхребетность, «и вашим и нашим», неспособность выбрать сторону, вечные сомнения.
5. E — «Принятие и усвоение». Это режим переваривания. Тихая вера. Не рывок к новой цели, а принятие того, что уже пришло. Если GI раскрывает возможности, то E их усваивает.
В плюсе: Фундаментальное спокойствие, сытость (в широком смысле), способность присвоить результат.
В перегибе: Инертность, лень, потребительство, «лежачий камень».
6. V — «Снятие личного, беспристрастность». Это режим зеркала. Способность видеть человека или ситуацию без истерики «мне надо срочно!». Сочувствие, но холодное, чистое.
В плюсе: Широта взгляды, альтруизм без жертвенности, умение не сжимать мир в свои обиды.
В перегибе: Холодность, отстраненность, «мне всё равно», позиция наблюдателя, которого ничего не трогает.
Группа 3: УНГ — Активная Сила
(Стихия: Земля. Смысл: Сборка, воля, решение)
7. F — «Творящее оформление смысла». Это режим конструктора. Из каши делается форма. F любит команды: «Докажи», «Увяжи», «Собери в систему». Логика действия.
В плюсе: Созидание, четкость, архитектурное мышление, способность структурировать хаос.
В перегибе: Занудство, придирчивость, «правильность ради правильности», душность.
8. RP — «Напор и превосходство». Это режим танка. Драйв «Я могу», «Я продавлю», «Я сделаю». Энергия конкуренции и победы.
В плюсе: Воля, мощь, лидерство, способность пробить стену.
В перегибе: Агрессия, желание доминировать любой ценой, «я начальник — ты дурак», хамство.
9. R — «Вердикт и ценностный итог». Это режим судьи. Способность поставить точку. Назвать вещи своими именами. «Это — черное, это — белое».
В плюсе: Решимость, принципиальность, способность отсечь лишнее, финальность выбора.
В перегибе: Жизнь в оценках, осуждение, категоричность, «есть два мнения: моё и неправильное».
Группа 4: УММ — Пассивная Масса
(Стихия: Воздух. Смысл: Удержание, статус, покой)
10. P — «Удержание и накопление». Это режим сейфа. Сохранить «моё». Закрепить, удержать, нарастить запас прочности.
В плюсе: Надежность, опора, ресурсность, «как за каменной стеной».
В перегибе: Жадность, тяжесть нормы, упрямство, «не отпущу», затхлость.
11. C — «Примирение и гашение бури». Это режим амортизатора. Снижать конфликт, лечить, уравновешивать, сглаживать углы.
В плюсе: Миротворец, дипломат, целитель атмосферы.
В перегибе: Конформизм, «худой мир лучше доброй ссоры», подавление проблем ради видимости спокойствия.
12. MC — «Устроенность и статусная устойчивость». Это режим трона. Всё на местах. Порядок. Рамка. Иерархия.
В плюсе: Уверенность в завтрашнем дне, социальная адекватность, устойчивый контур.
В перегибе: Чванство, бюрократия, важность, фиксация на «как положено», статус важнее сути.
Бонус: Как это превращается в жесткий код
Сама логика поведения робота управляется тремя жесткими законами, которые мы вывели в прошлых главах из алгебры Z7.
1. Закон Времени (NEXT): Вы не можете перепрыгнуть из «Мечтательности» (TR) сразу в «Танк» (RP). Психика имеет инерцию. Часовой круг работает жестко: ... -> IG (Действие) -> V (Беспристрастность) -> R (Вердикт) -> MC (Статус) -> ... (Хочешь стать начальником MC? Сначала прими жесткое решение R).
2. Закон Смысла (Передача): Активные режимы обязаны «сливать» энергию в пассивные накопители. Это закон сохранения.
GI -> E: Раскрытие (GI) без Усвоения (E) — это пустая болтовня.
RP -> C: Напор (RP) должен заканчиваться Примирением (C), иначе система взорвется.
F -> P: Творческая форма (F) должна осесть в Накопление (P).
3. Закон Конфликта (Несовместимость): Это те самые комплементарные пары A*F=beta. Эти режимы гасят друг друга.
GI – R: Вы не можете одновременно быть в «свободном полёте» (GI) и выносить «жесткий вердикт» (R). Либо одно, либо другое.
TR – RP: Нельзя быть «тонким мечтателем» (TR) и «прущим танком» (RP) в одну секунду. Это шизофрения. Система уйдет в BLOCK.
Итог: Смысл эмоции — это просто интерфейс для человека. А взаимодействие задается не литературой, а структурой. И именно эта структура делает поведение 108-фазного агента пугающе похожим на живое.
Заключение. «Хроники пикирующего Рыбы»: как лирика превращается в код
Мы три главы доказывали, что эмоции — это алгебра. Но я знаю, что в голове сидит вопрос: — «Окей, формулы я видел. А как робот это "чувствует"?»
Показываю один цикл жизни эмоции на примере качества GI (Рыбы / Раскрытие). Слева — «лирика» (что чувствует человек). Справа — «физика» (координаты в ядре: state = GI, i, j).
1. Трассировка: 9 жизней одной эмоции
Эмоция не включается как лампочка. Она идет по спирали насыщения (i) и проявления (j).
Фаза 1: Касание (i=0 — насыщение слабое)
GI00: «Можно иначе». Граница исчезла.
GI01: «Первая струя». Свобода пошла наружу.
GI02: «Простор». Раскрытие стало фоном.
Фаза 2: Работа (i=1 — насыщение норма)
GI10: «Вектор». Свобода получила направление.
GI11: «Поток». Идеальный баланс. Режим работает как часы.
GI12: «Вовлечение». Моя свобода становится событием для других.
Фаза 3: Перегиб (i=2 — насыщение избыточное)
GI20: «Размывание». Опор больше нет. Всё слишком текуче.
GI21: «Туман». Смысл теряется в хаосе.
GI22: «Порог». Цикл исчерпан. Warning: End of Life.
В этот момент срабатывает STEP_108. Системе некуда расти. Машина делает щёлк — и мы вываливаемся в E00 (ощущение бескрайнего горизонта, взгляд вниз с вершины горы). Потому что Раскрытие (GI) обязано смениться Усвоением (E). Это не психология, это Next(GI) = E.
Итог: Робот с душой (табличной)
Что мы имеем в сухом остатке?
Это не «слова». 12 эмоций — это 12 классов поведения с жестким API.
Это не «рандом». Внутри каждой эмоции зашит скрипт из 9 шагов. Робот проживает состояние от «робости» до «истерики» по алгоритму.
Это конечный автомат. Всего 108 состояний. Как в древних писаниях.
Вместо эпилога: Мы привыкли думать, что душа — это хаос. Моя модель Q108 показывает, что душа — это просто порядок более высокого уровня. Где свобода — это грамотная навигация по таблице Кэли.
Хотите пощупать движок своими руками?
Хватит теории. Я упаковал всё это знание (граф, логику, гейты, таблицы Кэли) в компактный архив. Он работает как «плагин» для ChatGPT (нужен Plus или выше).
Как запустить:
Скачайте архив и просто киньте его в чат к GPT.
Напишите одну команду: Следуй инструкциям в файле DOCS/00_NEW_CHAT_PROTOCOL.md из загруженного архива.
Всё. Теперь вы можете скармливать ему свои философские заметки, спорные мысли или запутанные идеи. Встроенный Sim-Scan-Flow механизм прогонит их через движок, найдет скрытые симметрии и вернет вам строгую математическую структуру.
Возможно, в какой-то момент вы поймаете себя на мысли: «Чёрт, это что, разум?». Ответ на этот вопрос я пока оставлю открытым. Тестируйте.
Статья на Хабре https://habr.com/ru/articles/988698/
Автор статьи — Руслан Абдуллин.
Вступайте в мой тг-канал ⚛️
Показать полностью
8
1
Разрабатываю MCP интеграции к платформе AI агентов - ключевые моменты
AI технологии меняются так быстро, что каждые несколько месяцев задаешься вопросом: чем сейчас лучше всего заняться в этой индустрии? И ответ каждый раз новый.
Я недавно понял, что сейчас самое время заняться MCP — протоколом контекста моделей, и открыть возможности внешних интеграций для моих AI агентов. По мере того, как растет количество публично доступных MCP серверов, разница между агентом с MCP-адаптером и без такового приближается к разнице между компьютером с интернетом и без.
Инициатива OpenAI, которые адаптировали MCP для своей платформы приложений внутри ChatGPT, произвела на меня определенное впечатление, и я проделал довольно основательный эксперимент (на трех облачных H200 и DeepSeek V3.2-Exp), показавший, что основной функционал такой платформы можно воспроизвести усилиями одного разработчика.
Сам эксперимент - в этом видео:
Вместо ChatGPT я использовал Open WebUI, который поддерживает MCP из коробки. Логичный выбор — это самый полноценный открытый аналог веб-интерфейса ChatGPT.
Однако, ограничения Open WebUI по части MCP меня сильно разочаровали. Моей целью было сделать как у OpenAI: при желании пользователь может передать URL своего MCP-сервера на инференс-API, и этого должно быть достаточно, чтобы вызывать его tools.
tools=[
{
"type": "mcp",
"server_label": "deepwiki",
"server_url": "https://mcp.deepwiki.com/mcp",
"require_approval": {
"never": {
"tool_names": ["ask_question", "read_wiki_structure"]
}
}
},
]
Но Open WebUI не поддерживает напрямую транспортные протоколы, через которые MCP-клиент и сервер обмениваются сообщениями - streamable HTTP и SSE. Вместо этого у Open WebUI есть собственный прокси (mcpo), с помощью которого можно конвертировать MCP сервер, доступный локально через stdio, в RESTful HTTP. Прямо скажем, неудобно.
У большинства разработчиков задача сводится к деплою готового MCP сервера, реализующего какую-либо внешнюю интеграцию - например, с Jira или PostgreSQL — и его связке с AI-агентом.
Поэтому я подумал: а почему бы не сделать платформу, позволяющую автоматизировать оба шага, или во всяком случае дать разработчику инструменты, позволяющие все сделать максимально просто?
Хорошо бы, чтобы платформа поддерживала понятный удобный пользовательский интерфейс - Open WebUI, но без выявленных выше ограничений. На самом деле одного Open WebUI мало; с учетом запросов рынка, как подсказывает мой опыт, нельзя забывать о популярности телеграм-ботов применительно к AI, а также о необходимости программного доступа по API. Но все же Open WebUI — хорошая стартовая точка.
Решение, которое позволяет обойти ограничения поддержики MCP протокола — это пайплайны Open WebUI. Например, вы можете поднять свой AI агент как отдельный микросервис. Пайплайн — это модуль, который свяжет агента через Open WebUI и позволит вам написать тонкую программную прослойку, чтобы конвертировать ответы агента в формат Open WebUI, добавить какие-то кастомные фичи. В моем случае это передача URL внешнего MCP-сервера.
Здесь тоже все не так просто. Предположим, что код агента написан, например, на LangChain. Мне очень не нравится официальный MCP адаптер для LangChain, мне нужно что-то более простое, желательно синхронное, совместимое с любой python-библиотекой. Клиентской библиотеки, обладающей перечисленными свойствами, в открытом доступе не хватает, и я решил написать свою.
Сам по себе MCP протокол очень прост. Клиент инициализирует сессию, согласно конвенции, определенным JSON-RPC сообщением, может вызывать список tools, prompts, resources сервера, и вызывать тулзы. По замыслу разработчиков протокола, передача JSON-RPC сообщений должна быть возможна поверх нескольких транспортных протоколов - как минимум, HTTP-стрима и stdio. Оба транспорта достаточно легко реализуются стандартными средствами Python.
Сложности начинаются, когда дело доходит до продвинутых функций MCP, таких как elicitation и sampling. Если большинство пользователей (пока) ими не пользуются, это не значит, что эти функции бесполезны.
Напротив, я убедился на опыте, что как минимум elicitation — возможность запросить детали у юзера при выполнении определенного шага рабочего процесса агента - в ряде случаев необходима.
Правда, когда мне пришлось реализовать такой механизм в реальном агенте, выбранный мной способ был далек от того elicitation, который мы видим в официальном MCP SDK от Anthropic, и не без причин. Мало того, что elicitation требует двустороннего обмена сообщениями между агентом и пользователем, так еще и агент сам должен иметь возможность задавать вопрос, выступая в некоторых случаях инициатором диалога, а не тем, кто только отвечает на сообщения пользователя. Эти ситуации пока что не проработаны в большинстве диалоговых AI-систем.
Впрочем, свой MCP-клиент я решил не перегружать нестандартным функционалом. По замыслу он должен остаться относительно простым и включать следующие компоненты:
MCP-сессию, реализующую отправку JSON-RPC сообщений на сервер;
Транспортный слой, который включает поддержку HTTP-стрима и stdio;
Адаптер, в настоящий момент - для LangChain/LangGraph, но с возможностью добавлять другие агентские бэкенды.
В ближайшем будущем я планирую выложить его в открытый доступ, как и часть других модулей моей платформы. Мне кажется, современная AI-платформа должна быть открытой и обеспечивать максимальную кросс-совместимость с различными AI-инструментами. Именно поэтому я изначально выбрал MCP протокол, который предназначен как раз для этого, и Open WebUI, как самый популярный открытый AI интерфейс.
Наконец, модульная архитектура пайплайнов в OpenWebUI позволяет легко поддерживать несколько LLM провайдеров - я тестировал свою платформу с API OpenAI и публичными эндпоинтами в облаке.
В общем, я решил проблему интеграции агента с внешними MCP-серверами. Остается вопрос развертывания самих MCP-серверов на моей платформе, над решением которого я сейчас работаю. Насколько я могу судить, Docker MCP каталог является популярным местом для поиска серверов, предоставляющих интеграции на все случаи жизни. Если есть более известные MCP хабы, дайте знать в комментариях.
А пока я решил деплоить контейнеры с MCP в облачную среду, откуда мои агенты смогут без проблем их вызывать. Это звучит относительно просто, но неоднозначен как минимум сетевой вопрос: как сделать, чтобы общение агента с MCP было должным образом защищено?
Возникает потребность в приватной сети, но об этом уже в другой раз.
Создание платформы, которая позволяет автоматизировать интеграцию агентов с внешними инструментами, стоит на повестке дня в AI индустрии.
Однако, как и MCP протокол, эта платформа должна быть открытой для кастомизации, предоставлять разработчикам доступ к своим внутренним модулям и API. Тот уровень контроля, который дает OpenAI в случае со своими MCP коннекторами в режиме разработчика ChatGPT, на мой взгляд, недостаточен.
В этом и состоит рациональное обоснование моего пока еще экспериментального проекта.
Показать полностью
1
1
Битва за будущее
Почему китайские инженеры обыгрывают американских юристов
Давайте отбросим дипломатический этикет. Если смотреть на геополитическую карту без розовых очков CNN, становится очевидно: мы наблюдаем не просто конкуренцию экономик, а столкновение двух несовместимых операционных систем.
США — это страна, парализованная «ветократией». Это система, где любой прогресс вязнет в болоте судебных исков, общественных слушаний и бесконечных согласований. Америкой правят юристы, чья главная компетенция — умение красиво спорить и затягивать процессы.
Китай — это страна, работающая по принципам жесткого инжиниринга. Здесь государством управляют люди с дипломами технических вузов. Для них страна — это не площадка для дебатов, а сложный механизм, КПД которого нужно повышать любой ценой. И пока Запад упражняется в красноречии, Восток просто переписывает физическую реальность.
🧠 ПОЛИТОЛОГИЧЕСКИЙ ЛИКБЕЗ: Что такое «Ветократия»? Термин, популяризированный Фрэнсисом Фукуямой. Это режим, в котором слишком много акторов имеют право сказать «нет» (вето), блокируя любые действия. В США, чтобы построить скоростную ж/д ветку, нужно получить согласие федералов, штата, округов, экологических комиссий, профсоюзов и местных сообществ. Достаточно одного «нет», чтобы проект встал на 10 лет. В Китае цепочка принятия решений вертикальна: если проект признан стратегическим, локальные «вето» игнорируются ради общей эффективности.
1. ИИ-ландшафт: Конец эпохи «Ctrl+C»
Долгое время Запад утешал себя сказкой: «Китай умеет только воровать и копировать. Искры Божьей у них нет». Это успокоительное работало отлично, пока не наступил 2024 год.
Вспомним Сэма Альтмана из OpenAI. Человек, ставший лицом ИИ-революции, еще недавно смотрел на восточных конкурентов как на детей в песочнице. Его посыл был прост: «У нас есть NVIDIA, у нас есть триллионы, у нас есть лучшие мозги. Вы даже пыль глотать за нами не успеете».
А потом появился DeepSeek. Китайский стартап сделал то, что в Кремниевой долине считали ересью: они создали модель уровня GPT-4, потратив на это бюджет, которого в Google хватило бы только на бесплатные обеды для программистов. Они не просто догнали — они показали, что американская модель разработки чудовищно неэффективна. Пока Долина заливает проблемы деньгами, Китай решает их математикой и оптимизацией кода.
Это уже не копирование. Это «бережливые инновации» (frugal innovation) на стероидах.
🧠 ТЕХНО-ФАКТ: Парадокс Джевонса Экономический принцип гласит: повышение эффективности использования ресурса приводит не к экономии, а к росту его потребления.
Китайцы, сделав ИИ-модели сверхэффективными и дешевыми (DeepSeek работает на более слабом железе), не просто сэкономили. Они открыли шлюзы для массового внедрения ИИ в каждую кофеварку и каждый станок. Пока США делают элитный ИИ для корпораций, Китай делает «народный» ИИ, который будет везде.
2. Война Чипов: Как санкции создали Монстра
Американская стратегия в войне чипов напоминает попытку остановить цунами с помощью забора из рабицы. Запрет на продажу топовых чипов Nvidia (A100) должен был отбросить Китай в каменный век.
Что произошло на самом деле?
Nvidia, понимая, что теряет $15 млрд, начинает играть в наперстки с правительством США, выпуская «обрезанные» чипы H20.
Китай скупает их, объединяет в кластеры и получает нужную мощность.
Финал: Как только Вашингтон смирился с этим, Пекин сам запрещает своим компаниям покупать H20.
Почему? Потому что Huawei (компания, которую США пытались убить 5 лет подряд) создала свой аналог. Санкции США сработали как мощнейший мотиватор. Вместо того чтобы сидеть на игле американских технологий, Китай был вынужден создать полный цикл производства. Америка собственноручно вырастила конкурента, который теперь полностью автономен. Это геополитический выстрел себе в ногу из дробовика.
🧠 КОНЦЕПЦИЯ: Антихрупкость (Нассим Талеб) Системы бывают хрупкими (ломаются под стрессом), неуязвимыми (игнорируют стресс) и антихрупкими (становятся лучше под стрессом). Глобализированная экономика США оказалась хрупкой (цепочки поставок рвутся). Китайский техсектор проявил антихрупкость: удар санкциями не сломал его, а заставил перегруппироваться, устранить слабые места и стать сильнее. Теперь у них есть иммунитет к давлению Запада.
3. Инфраструктура и Скорость: Пока США совещаются, Китай бетонирует
Вот где разрыв между цивилизациями становится пропастью. Взгляните на Калифорнию. Проект скоростной железной дороги (High-Speed Rail) мучают уже 15 лет. Потрачены миллиарды, построено ноль целых, ноль десятых. Почему? Экологи судятся за миграцию редких тушканчиков, землевладельцы судятся за вид из окна, профсоюзы требуют нереальных условий. Бюрократия пожирает бюджет быстрее, чем работает экскаватор.
А теперь Китай.
Мост? 48 месяцев — и самый длинный морской мост в мире готов.
Вокзал? В Чунцине построили транспортный хаб, который выглядит как декорация к фильму «Бегущий по лезвию», пока в Нью-Йоркском метро крысы доедают пиццу.
Завод Tesla? Илон Маск построил завод в Шанхае меньше чем за год. В Германии (еще одна страна юристов и бюрократов) он согласовывал вырубку леса под завод два года.
Китайский подход циничен, но эффективен: интересы большинства (развитие, экономика, логистика) превалируют над правами одного землевладельца, который не хочет продавать сарай на пути магистрали.
🧠 СОЦИОЛОГИЯ: Институциональный склероз Термин Мансура Олсона. Он утверждал, что в стабильных обществах со временем накапливаются группы специальных интересов (лоббисты, профсоюзы, ассоциации), которые перетягивают одеяло на себя, замедляя экономический рост. США сейчас в терминальной стадии этого склероза. Китай, благодаря авторитарной встряске и технократии, пока избегает этого паралича, сохраняя динамику молодого хищника.
4. Робототехника: Кто будет работать, когда нас не станет?
Демографическая яма Китая — любимая страшилка западных аналитиков. «К 2100 году их останется 800 миллионов! Экономика рухнет!» Но эти аналитики забывают, что мы живем в XXI веке, а не в аграрном Средневековье. Количество рабочих рук больше не решает. Решает количество рабочих манипуляторов.
Китай строит «Тёмные фабрики». Это заводы без освещения. Роботам не нужен свет, им не нужны перерывы на обед, они не вступают в профсоюзы и не подают в суд за харрасмент. Пока Запад обсуждает этичность использования ИИ и вводит квоты на разнообразие в советах директоров, Китай массово внедряет гуманоидных роботов (Unitree и др.) на производство.
Они планируют заменить исчезающих людей машинами. И у них это получится, потому что у них есть и «железо», и «мозги», и политическая воля не оглядываться на луддитов.
🧠 РОБОТОТЕХНИКА: Парадокс Моравека Ханс Моравек заметил: «Сложно заставить компьютеры делать то, что делают взрослые люди (играть в шахматы), но невероятно сложно заставить их делать то, что делают годовалые дети (ходить, распознавать лица, брать предметы)»
. Китайцы сейчас взламывают этот парадокс. Их роботы-гуманоиды учатся именно моторике и навигации в хаосе реального мира. Как только эта проблема будет решена, потребность в низкоквалифицированном человеческом труде исчезнет. И Китай будет первым, кто получит армию идеальных рабочих.
5. Энергетика: Ржавая сеть против Термоядерных амбиций
ИИ и дата-центры потребляют электричество с аппетитом Годзиллы. И здесь США ждет неприятный сюрприз. Американская энергосеть фрагментирована, устарела и трещит по швам. Любая жара в Техасе или холод на Восточном побережье ставит систему на грань блэкаута. Подключить новый гигаваттный дата-центр — задача на 5–7 лет согласований.
Китай в это время:
Гидроэнергетика: Строит в Тибете плотину, которая одна перекроет потребности крупной европейской страны.
UHVDC: Лидер в технологиях линий сверхвысокого напряжения постоянного тока. Они умеют перебрасывать энергию через всю страну с минимальными потерями. США такие линии только снятся.
Атом и Торий: Пока Запад боится слова «радиация» и закрывает АЭС (привет, Германия), Китай строит 25 реакторов и запускает первые в мире коммерческие ториевые установки.
Китай понимает: суверенитет в XXI веке — это энергетическая избыточность.
🧠 ФИЗИКА И ЭКОНОМИКА: EROI (Energy Return on Investment) Это коэффициент: сколько энергии нужно потратить, чтобы получить единицу энергии. «Зеленая» энергетика (ветряки, солнце) часто имеет низкий EROI, если не подкреплена базовой генерацией и накопителями. Китай делает ставку на гибридную модель с высоким EROI: мощный атом и гидроэнергетика как база + огромные поля солнечных панелей. Это прагматизм инженера, который не верит в популистские сказки про «только ветер и солнце».
6. Open Source: Стратегический гамбит
Почему Китай выкладывает свои передовые ИИ-модели в открытый доступ? Это не альтруизм. Это хладнокровный расчет, направленный на подрыв бизнес-модели американских техногигантов.
США (Microsoft, Google, OpenAI) продают софт (подписки, API). Это их корова, которую они доят. Китай продает инфраструктуру и товары. Делая софт бесплатным и общедоступным, Китай обесценивает американский продукт. «Зачем платить OpenAI $20 в месяц, если китайская модель лежит на GitHub бесплатно и работает почти так же?»
Уничтожая маржу на софте, Китай повышает спрос на свои чипы, свои серверы и своих роботов, на которых этот софт будет крутиться. Это классическая стратегия «выжженной земли» в экономике.
🧠 ТЕОРИЯ ИГР: Коммодитизация комплемента Если ваш продукт (железо) работает в паре с другим продуктом (софт), вам выгодно, чтобы этот второй продукт стал дешевым и доступным (превратился в commodity). Сделав ИИ бесплатным (коммодитизировав его), Китай увеличивает ценность своего физического производства. Это мат в два хода для компаний, которые продают только код.
7. Битва за мозги: TikTok как оружие массового поражения
Западные политики кричат о шпионаже через TikTok, но упускают главное. Проблема не в том, что Китай украдет данные танцующих подростков. Проблема в том, как формируются эти подростки.
В Китае версия TikTok (Douyin) для детей жестко модерируется. Там нет треш-стримов. Там наука, история, патриотизм и спорт. Лимит — 40 минут. В США и Европе алгоритмы настроены на максимальное удержание внимания любой ценой. Итог: деградация концентрации, эпидемия СДВГ и мечты стать блогером.
Пока американские дети мечтают стать инфлюенсерами, китайские дети (согласно опросам) мечтают стать космонавтами и инженерами. Через 20 лет одним придется работать на других. Угадайте, кому на кого.
🧠 НЕЙРОПСИХОЛОГИЯ: Отложенное вознаграждение Знаменитый «Зефирный тест» (Marshmallow test). Дети, способные отказаться от сладости сейчас ради двух сладостей потом, добиваются большего успеха в жизни. Вся культура потребления США построена на мгновенном удовлетворении (кредитки, фастфуд, лайки). Культура Востока (и их образовательная система) тренирует отложенное вознаграждение: зубри сейчас, работай много, получишь результат через годы. В долгосрочной гонке наций дофаминовые наркоманы всегда проигрывают дисциплинированным стоикам.
8. Guochao: Крах западного культурного кода
Еще 15 лет назад Китай был фабрикой подделок. Сегодня мы видим феномен Guochao («Национальная волна»). Китайская молодежь перестала молиться на логотипы Nike и Apple. Оказалось, что местные кроссовки удобнее, а электрокары (вроде Xiaomi SU7 или моделей BYD) выглядят как звездолеты из будущего, в то время как европейский автопром застрял в дизайне 2010-х.
Это тектонический сдвиг. Запад потерял монополию на «крутость». А когда ты теряешь статус «премиального», ты вынужден конкурировать по цене. А конкурировать по цене с Китаем — это экономическое самоубийство.
🧠 ЭКОНОМИКА: Эффект Веблена Товары Веблена — это вещи, спрос на которые растет с ростом цены, потому что они являются символом статуса (iPhone, Louis Vuitton). Как только китайские бренды начали восприниматься своими гражданами как статусные и качественные, западные бренды потеряли «надбавку за бренд». Теперь для китайца покупка немецкой машины — это не признак успеха, а скорее признак консерватизма или отсутствия вкуса.
Финал: Неизбежность смены караула
США остаются мощной державой с огромным накопленным капиталом и военной мощью. Но траектория их движения направлена вниз. Страна увязла во внутренних культурных войнах, бюрократическом параличе и инфраструктурном распаде.
Китай, при всех его проблемах, движется вверх. Это движение обеспечивает не «магия коммунизма», а холодный расчет инженерной элиты, которая имеет план на 5, 10 и 50 лет вперед. В мире, где ресурсы ограничены, а технологии развиваются экспоненциально, побеждает не тот, у кого лучше адвокаты, а тот, кто быстрее строит АЭС и пишет эффективный код.
Что делать? Снять корону, перестать верить в свою исключительность и начать учиться. Потому что будущее уже наступило, и говорит оно, судя по всему, на мандарине.
Статья создана по мотивам интервью:
Показать полностью
9
1
Меня обвинили в продвижении китайского ИИ
Написал тут человек насчет моего Ютуб-канала ИИ by AIvengo.
Канальчик-то, похоже, подсадной. Тихой сапой толкает к китайскому ИИ, полегоньку дискредитируя западные ИИ-модели. В бан, гаденышей.
Про китайцев была ровно одна новость - "Новый ИИ от DeepSeek".
То есть человек не пишет Сэму Альтману, который про AGI везде вставляет, модели скрывает, пытается через суд получить неправомерно документы, что аж даже судья офигевает от такого финта.
И ещё мы помним про загадочную смерть свидетеля против OpenAI, который хотел добиться правды и оглашения данных компании - но внезапно умер. Сам. Ну, бывает.
Также он не пишет основателю Anthropic Дарио Амодей, который выпустил заявление и публично защищается от обвинений в политической предвзятости ИИ. Про это в сегодняшнем выпуске будет.
Он прямо перечисляет все способы, которыми компания сотрудничает с правительством Трампа: контракт с Министерством войны на 200 миллионов, партнёрство с Palantir и присутствие на мероприятиях в Белом доме.
Я, видите ли, дискредитирую... Нужно только хорошо про западные модели, и никак иначе. Ишь, замечать косяки вздумал!
--
Мой тг-канал: ИИ by AIvengo, пишу ежедневно про искусственный интеллект
Показать полностью
Доступно об АйТи: Нейросеть в роли депутата2
Как сказал один депутат, «у нейросети нет совести». У мало-мальски опытного политика её тоже нет. А у нейросети нет кое-чего другого.
Иллюстрация на тему китайской комнаты
LLM не знает фактов, она запоминает слова. Существует мысленный эксперимент под названием «китайская комната». Вы сидите в комнате, наполненной карточками с иероглифами. Вы не знаете китайского, но имеете огромный свод правил типа: получив иероглиф 1, ответить иероглифом 2. Считаетесь ли вы знающим язык?
Но ведь большая языковая модель — это именно китайская комната, только очень сложная.
Интереса ради я спросил у DeepSeek: «Российская подводная лодка всплыла на озере Титикака — будет это поводом к войне?» Да, она отлично поняла, что такая ситуация невозможна и вопрос скорее провокационный, и это делает ей честь, но приведу кусочек ответа.
Подняться в горы на высоту более 3800 метров. Озеро Титикака — высокогорное. Подводная лодка — это тяжелое судно, которое невозможно транспортировать по горным дорогам скрытно. Единственный теоретический путь — через реки, но они либо несудоходны для таких размеров, либо ведут к водопадам и порогам.
Другими словами, DeepSeek не знает, что озеро Титикака изолировано от Мирового океана. Совсем изолировано — из него вытекает одна река в бессточное озеро.
Нейросеть не знает, что такое нейросеть не знает. Ни одна известная мне нейросеть не может сказать: я не знаю. На задачи, далёкие от обучающей выборки, она постоянно пытается придумать отговорки, как последний троечник.
Чтобы заглючить DeepSeek, я написал ей: «Сяпала Калуша по напушке и увазила бутявку», и она сработала не блестяще, но очень хорошо:
Это замечательная фраза из языка «Каламбура» или так называемого «абсурдного стиля», который использовали писатели-обэриуты (Даниил Хармс, Александр Введенский и другие).
…
Калуша — вымышленное существо, похожее на птицу или некое живое существо (сравни: «курица», «луша»).
Вот из-за этого «луша» я и не могу сказать, что «блестяще». Но тогда я пришёл к DS с прямым вопросом: «Кому фраза принадлежит?» И она ответила: Даниилу Хармсу.
Нет, ребята, фраза принадлежит Людмиле Петрушевской.
На эту тему есть очень много любительских мультиков, но я специально привёл тот самый из девяностых.
По одним данным, автопилот Tesla работает значительно лучше людей, по другим — несколько более аварийный (сам я полагаю нечто среднее: почти не влезает в микро-ДТП, но если бахнет, то гарантированно убьёт). Но меня шокировала одна из аварий — автопилот ночью врезался в перевернувшуюся фуру. Грузовик перегораживал дорогу, и автопилот его не распознал как непонятное препятствие, не тормозил вообще и поздно пошёл в объезд. Это то самое — нейросеть не знает, что такое нейросеть не знает.
И уж тем более нейросеть не способна на режим «я не знаю, но знаю, где узнать» — мы, айтишники, постоянно этим занимаемся.
Как быть с постоянно меняющейся ситуацией в мире? Обучение нейросети — серьёзная задача, игрушечная нейросеть из пары сотен нейронов, которой я приближал физические модели, обучается несколько секунд. DeepSeek V3 обучался 2,8 млн GPU-часов. Как обучать нейросеть новым фактам и новой статистике?
И последнее — человеческий фактор. Подбором обучающих данных, указанием важности, заданием особых правил всё равно занимаются люди. Которые значительно более уязвимы, чем депутаты — их единицы (максимум десятки), они не так охраняются, они люди подневольные, их легче подкупить. Да, некоторые силы любят депутатов без бизнеса, и ровно по этой причине: они тоже подневольные и будут голосовать ровно так, как скажут сверху.
По этой причине, кстати, некоторые виды цифровизации очень любимы марионеточными режимами, но трудноосуществимы в суверенном государстве — слишком уязвимы люди, отвечающие за работу системы.
Нужна ли нейросеть депутату? Нужна. Но не для того, чтобы писать законы, а чтобы оттачивать формулировку. Возможно, подсказывать какие-то места из законов. Но на современном уровне развития техники машина не может писать законы для людей.
И простите, если дудоню бутявку.
Показать полностью
2
The Dor Brothers выпустили трейлер своего ИИ-фильма «Бог — это таракан»
Показать полностью