Открытый AI.
Без лишнего шума.
DeepSeek, Qwen, Kimi, GLM, OpenRouter и локальные AI-агенты. Разбираем инструменты, собираем инструкции и показываем, как применять их в работе.
Единоразовая оплата · Новые материалы каждый месяц · Без подписки
Каталог AI [45]
Не просто ссылки. Практические объяснения, сравнения и шаги для запуска.
AI Inbox: классификация входящих без отправки писем
Workflow для локальной сортировки, извлечения задач и подготовки ответов.
AI sales representative по 10 Markdown-файлам
Простой локальный помощник: запрос рекламодателя → ответ по вашим услугам.
AI-исследователь: собираем ссылки, проверяем факты, делаем обзор
Workflow для конкурентного анализа без выдуманных источников.
Coding-agent с Git: безопасный цикл изменений
От постановки задачи до diff, тестирования и проверки человеком.
DeepSeek API: первый запрос на Python и cURL
Безопасное подключение к API, логирование и проверка ответа.
DeepSeek Harness + Ollama: агент без облачной модели
Свяжите локальный API Ollama и среду DSH на одной машине.
DeepSeek Harness: открытый AI-агент с плагинами
Что это, как установить, какие задачи решает и почему архитектура Everything is a Plugin интересна для бизнеса.
DeepSeek Harness: установка и первый проект
Установите DSH, создайте изолированный workspace и проведите агентный эксперимент.
DeepSeek reasoning: где оправдано глубокое рассуждение
Как сравнивать thinking-режимы для анализа, логики и кода.
DeepSeek vs Qwen vs Kimi vs GLM: своя таблица выбора
Не рейтинг по маркетингу, а воспроизводимое сравнение на ваших задачах.
DeepSeek: как выбрать модель для реальной задачи
От написания текста до программирования и агентных цепочек: оцениваем модели по задаче, а не только бенчмаркам.
GGUF, Q4, FP8: как квантование влияет на качество
Объясняем память, производительность и выбор формата весов.
GLM: какие версии подходят для coding-агентов
Тестируем GLM для исправления кода, инструментов и многошаговых задач.
Kimi K2: возможности для кода и агентных задач
Разбор MoE-модели, областей применения и ограничений развёртывания.
Kimi и GLM: альтернативы для анализа и разработки
Как организовать объективное сравнение китайских моделей на русскоязычных задачах.
MCP для бизнеса: подключаем инструменты без хаоса
Разница MCP, skills и API, разрешения и минимальный пилот.
Ollama REST API: локальный AI в Python-скрипте
Подключите локальную модель к утилите без внешних сервисов.
Open WebUI + Ollama: собственный интерфейс ChatGPT
Установка локального веб-чата с несколькими моделями и пользователями.
Open-source или open-weight: лицензии без ошибок
Как читать лицензии моделей и не обещать клиентам несуществующих прав.
OpenRouter: маршрутизация, fallback и лимиты расходов
Как уменьшить простои и не получить неожиданно дорогой счёт.
OpenRouter: один API для сотен моделей
Как тестировать DeepSeek, Qwen и другие семейства через единый интерфейс и контролировать расходы.
OpenRouter: первый API-запрос и выбор модели
Создайте ключ, узнайте model ID и проверьте расход токенов.
Qwen + Ollama: локальный помощник без облачного API
Установка модели на Mac или ПК, проверка контекста и базовая безопасность для работы с файлами.
Qwen на Mac: установка через Ollama
Практическая настройка локальной модели на macOS, без облачных ключей.
Qwen3: архитектура, размеры, thinking и русский язык
Как читать модельные карточки Qwen и выбирать вариант по ресурсу.
RAG на ваших файлах: знания без дообучения
Как сделать помощника, отвечающего по Markdown, PDF и документам.
Skills, плагины и инструменты: что подключать агенту
Практический чеклист перед установкой сторонних расширений и инструментов.
Skills, плагины, MCP и агенты: практическая карта
Какая технология нужна для инструкции, а какая — для действия.
Tool calling: как агент получает доступ к внешним действиям
Архитектура безопасного вызова функций и подтверждений.
vLLM: собственный OpenAI-совместимый сервер
Первый развёрнутый inference endpoint и защита доступа.
Безопасность открытых LLM: чеклист для малого бизнеса
Данные, промпт-инъекции, ключи, логи, лицензии и поставщики.
Видеокурс: DSH, Ollama и локальные агенты
Проверенные YouTube-ресурсы с заданиями после просмотра.
Как обновлять AI-библиотеку каждый месяц
Редакционный процесс: релизы, тесты, материалы, ревизии и changelog.
Как оценивать качество AI: 30 тестов вместо бенчмарка
Методика prompt-eval для русского языка и бизнес-автоматизации.
Карта китайского открытого AI: DeepSeek, Qwen, Kimi, GLM
Кто выпускает модели, где искать веса и по каким критериям сравнивать.
Контекстное окно: как не потерять факты в длинном документе
Проверяем рекламу «128K/1M токенов» собственным экспериментом.
Локальный AI или облачный API: дерево решений
Выбираем по данным, скорости, затратам, качеству и масштабу.
Мини-курс: первый AI-агент за вечер
Четыре последовательных урока: установка, промпты, подключение моделей и тестирование результатов.
Открытые модели: полный маршрут новичка
От выбора модели до работающего помощника: план на неделю без лишней инфраструктуры.
Плагины DSH: как выбирать, проверять и отключать
Реестр расширений, контроль прав и метод проверки перед запуском.
Промокоды и бесплатные кредиты: проверяем, прежде чем публиковать
Редакционный шаблон проверки скидок от API и облачных платформ.
Редактор контента с Qwen и DeepSeek: от источников до публикации
Практический процесс создания статей с проверкой фактов и ссылок.
Скидки, промокоды и бесплатные кредиты
Проверяемые предложения от AI-провайдеров. Не публикуем выдуманные промокоды и просроченные акции.
Стоимость LLM: считаем цену успешной задачи
Сравниваем облачный API, OpenRouter и локальное размещение.
Структурированный JSON: надёжное извлечение через API
Как заставить модель возвращать данные, которые не сломают CRM.
Меньше поиска.
Больше практики.
Получите структурированный русскоязычный каталог AI-инструментов, который можно использовать для обучения и внедрения AI. Новые публикации входят в доступ.
Получить полный доступ ↗и практические примеры
и инструментов
и проверенные ссылки
каждый месяц