AI Vision — УЗТ формы
Локальный пайплайн распознавания рукописных черновиков форм УЗТ: CV и PaddleOCR, многопроходный vision LLM, слияние confidence и review HTML/CSV для оператора перед передачей в ERP.
ПодробнееНовости для разработчиков без шума — My Dev News в Telegram.


Ассистенты, RAG, распознавание документов, обучение моделей и ИИ, связанный с ERP, которые держат реальную нагрузку — не демо. Вертикальный срез за недели, затем расширение с оценкой качества и контролем стоимости.
Технологии. Данные. Результат. Внедряю ИИ, подключённый к вашим системам — не демо-чат в вакууме. Помощь сотрудникам и клиентам 24/7, распознавание документов и обучение моделей, контуры файлов на Python, прогнозы и связка с ERP (CRM, склад, финансы, производство) — при необходимости через интеграцию с 1С.
Формат работы: фиксируем бизнес-результат, выбираем узкий первый сценарий (один тип документа, один домен FAQ, один прогноз), опираем модель на ваши API и метаданные, затем расширяем. Стек: TypeScript/Node.js или Python для оркестрации, зрения и OCR, LLM API или on-prem по требованиям, журналы и роли с первого дня.
Недавние кейсы: ai-vision (распознавание бланков и обучение моделей), thinklens-bot и cursor-telegram-integration — проекты, где применялись навыки внедрение искусственного интеллекта (LLM, RAG, чат-боты, OCR, документы, прогнозы, TypeScript, Node.js, Python, API ERP, 1С, безопасность данных, автоматизация).
В этих проектах сочетались продуктовый UI, API и эксплуатационные задачи: роли, выгрузки, интеграции и наблюдаемость. Цель — система, которую ваша команда может развивать, а не одноразовый демо-прототип.
Типичное сотрудничество начинается с письменного брифа: ограничения, интеграции, комплаенс и критерии «готово» для первого релиза. Делим работу на вертикальные этапы — прогресс виден каждые 1–2 недели, приоритеты можно менять без потери нити.
После запуска — короткое сопровождение: краевые случаи, производительность, передача знаний. Дальнейшая поддержка остаётся у in-house команды или по ретейнеру — как удобнее вам.
Решения фиксируем понятным языком, держим staging близко к продакшену и оставляем runbook, чтобы команда не зависела от подрядчика после передачи. Если у вас уже есть дизайнеры или backend-разработчики — встраиваемся в ваши ритуалы, а не создаём параллельный процесс.
Финальный акт приёмки фиксируется в брифе или договоре; список выше — ориентир для согласования scope.
Локальный пайплайн распознавания рукописных черновиков форм УЗТ: CV и PaddleOCR, многопроходный vision LLM, слияние confidence и review HTML/CSV для оператора перед передачей в ERP.
ПодробнееTelegram-ассистент с OpenAI для рефлексивных промптов и суммаризации. Python и контроль памяти диалога.
ПодробнееИнтеграция Cursor IDE с Telegram: уведомления и команды. TypeScript Node-сервисы для лёгкой автоматизации dev-событий.
ПодробнееЖивой Telegram-бот: Habr, Hacker News, официальные блоги JS/React/frontend, ИИ и engineering, релизы GitHub; AI-ранжирование, Squeeze, дайджест (RU/UK/EN).
ПодробнееБраузерное расширение для генерации изображений в контексте редактора. TypeScript MV3 и UX для промптов и превью.
ПодробнееИнструмент статического анализа для подсказок по рефакторингу через AST. TypeScript Node CLI и отчёты.
ПодробнееВы описываете задачу, цели и ограничения — сроки, бюджет, инфраструктура.
Задаю вопросы, при необходимости смотрю текущий код или ТЗ, фиксируем объём.
Предлагаю этапы, приоритеты и ориентир по срокам; согласовываем формат отчётности.
Итерации с промежуточными результатами: коммиты, демо, обратная связь.
Деплой, документация по необходимости; договариваемся о сопровождении или точечных доработках.
Нажмите на вопрос, чтобы раскрыть ответ.
Ассистенты на ваших данных — API, документы, метаданные ERP, RAG или вызов инструментов — не обёртка над публичным ChatGPT. Границы данных фиксируем до первого промпта.
1С, своя ERP и модули CRM, склад, финансы, производство через HTTP API и очереди. Ядро учёта — в интеграции с 1С.
Пороги уверенности, сверка с правилами ERP и очередь ручной проверки для низких оценок — без тихой проводки в учёт.
Да, если политика требует: on-prem или private cloud для LLM/OCR, без обучения на ваших данных без договора, шифрование и логи доступа по умолчанию.
Один вертикальный срез за 3–8 недель: внутренний FAQ-бот, один тип документа или одна метрика прогноза — затем расширение модулей и каналов.
Production RAG в 2026Практическое руководство по промышленным RAG-системам: подготовка корпуса, гибридный поиск, переранжирование, оценка качества, безопасность, наблюдаемость и поэтапный план внедрения.
Агентный инжиниринг в 2026Практическая модель агентной разработки: контекст, декомпозиция задач, циклы проверки, многоагентная оркестрация, безопасность, метрики и роль инженера в жизненном цикле разработки 2026 года.
LLM-шлюз и FinOpsКак спроектировать шлюз ИИ с маршрутизацией моделей, бюджетами токенов и контролем стоимости: политики, кэш, отказоустойчивость и юнит-экономика без потери качества ответов.
MCP в продакшенеПрактический разбор Model Context Protocol после релиза 2026-07-28: отказ от сессий, MRTR, маршрутизация по заголовкам, авторизация, shadow MCP и как писать серверы, которые переживают нагрузку.
AI Guardrails в 2026Практическая модель вывода ИИ-агентов и RAG-систем в промышленную эксплуатацию: политики как код, узкие права инструментов, согласования человеком, проверка атак и аудит, пригодный для разбора инцидентов.
Промпт-инъекции в продакшенеПрактическая архитектура защиты от промпт-инъекций в RAG и агентных системах: происхождение документов, изоляция контекста, минимальные полномочия, контроль исходящего трафика, песочницы и проверяемая многоуровневая защита.
Контур оценки ИИКак построить инженерный контур оценки ИИ: золотые наборы, метрики поиска и генерации, регрессионные барьеры в CI, теневой трафик, выпуск и FinOps LLM-шлюза.