Карта материалов
×Выберите карточку, чтобы увидеть связи. Перетаскивайте карточки или пустое поле карты; с клавиатуры сдвигайте карточки Alt + стрелками. Масштаб — кнопками, Ctrl/⌘ + колесо или двумя пальцами.
- Персональные данные при работе с ИИ
- Как сохранять знания для агента
- Память консольных агентов: Hermes, Pi, Codex, Claude Code и OpenCode
- AI-first Company OS: общий workspace компании
- Чем память агента отличается от знаний
- Агенты пишут быстрее, чем мы успеваем принимать изменения
- AutoGuide: как агенту вспомнить правило в нужный момент
- Agent Workflow Memory: как сохранить повторяемый способ работы
- ReasoningBank: как агент превращает ошибки в правила работы
- SWE-Exp: как агент переносит опыт исправления ошибок
- SkillWeaver: как опыт работы с сайтом становится вызываемым навыком
- ACE: как обновлять память агента, сохраняя полезные детали
- ExpeL: как агент переносит опыт между задачами
- Reflexion: как ошибка становится подсказкой для следующей попытки
- Агентная память: разработка ПО, персональная AI-ОС и AI-ОС компании
- Как проверить, что память действительно помогает агенту
- Память и поведение агента: что дают модели Анохина и Дубынина
- State, context и memory: как управлять состоянием и памятью LLM-агента
- Как организация помнит: разбираем модель Уолша и Унгсона
- INVEST: шесть признаков хорошего элемента бэклога
- Малые партии кода: почему с ИИ-агентами это правило важнее, чем раньше
- Paperless в привычных папках: виртуальная файловая система поверх документов
- Агенты и большой код — реестр проблем, методов и инструментов
- Замер работы команды: четыре промпта для техдиректора
- PromptCore Arena: битва стратегий, написанных словами
- База знаний для ИИ: файлы, векторный поиск и синхронизация
- Приёмы работы с агентом
- Приёмы: промпт и контекст
- Что идёт не так: 17 типовых сбоев промпта и контекста
- Промпт и контекст за один вечер: практический вход для программиста
- SDLC: как устроены этапы и контрольные точки
- Что усилить при внедрении агентной разработки
- Выращивание промпта: от разовой задачи к повторяемому процессу
- «Бесконечная» сессия AI-агента — это не бесконечный контекст
- Инцидент-менеджмент с ИИ-агентами для небольших команд
- Можно ли автоматизировать разбор и устранение инцидентов? Опыт небольшой команды
- Минимальный процесс работы с инцидентом
- Шаблон разбора инцидента — Post-Incident Review (PIR)
- Источники: промпт и контекст
- Термины раздела
- «Агент» — это кто?
- Как научиться делегировать ИИ-агенту
- 187 сообщений агенту: два мотоцикла и шесть объявлений
- Use case — новый исходник программы
- От сценария использования (use case) к функциональным требованиям, тестам и бизнес-правилам
- Не нанимайте AI-агентов на человеческие должности
- 🔥 С 8 до 188 PR в месяц в финтех-проекте
- Как выбрать desktop-агента с управлением компьютером
- Маленький инструмент, вокруг которого выстраивается весь процесс
- Как запускать параллельных coding-агентов и не ловить EADDRINUSE
- Как хранить секреты: .env, direnv, git-crypt и pass
- Памятка себе: как внедрять ИИ-агентов в разработку
- Почему grep недостаточно AI-агенту: Code Property Graph простыми словами
- Семь команд терминала, чтобы начать работать с ИИ-агентом
- Три файловых менеджера в терминале: Yazi, broot и superfile
- Markdown в терминале: 14 просмотрщиков с Mermaid и без
- zoxide: как перестать вспоминать пути к проектам
- Правила работы с инцидентами
- Как запустить управление инцидентами в малой группе
- Термины инцидент-менеджмента
- Шаблон журнала инцидентов (PIR)