ИИ интеграции и агенты

AI-интеграции и агенты для рабочих задач

Этот раздел посвящён внедрению AI в приложения и бизнес-процессы. Основные темы — ассистенты, работа с документами, поиск по базе знаний и взаимодействие AI-инструментов с существующими системами.

Подробнее о разработке — в услугах AI-агенты и RAG-системы, автоматизация бизнес-процессов и API-интеграции.

Как бот поддержки Bybit превратил простую проблему в бесконечный диалог

Личный опыт обращения в поддержку Bybit: повторяющиеся инструкции, разрыв чата с оператором и выводы для архитектуры AI-агентов, CRM и внутренних API.
Перевод PDF-документов на Laravel: почему я отказался от OCR и перешёл на DeepL API

Перевод PDF-документов на Laravel: почему я отказался от OCR и перешёл на DeepL API

Технический кейс перевода PDF-документов на Laravel: очереди, DeepL Document API, S3-хранилище, управление доступом и сравнение с OCR.
MCP + RAG: как ИИ превращает данные в понятные ответы, таблицы и графики

MCP + RAG: как ИИ превращает данные в понятные ответы, таблицы и графики

Как объединить MCP и RAG для поиска по документам, анализа Telegram-переписки, финансовых данных и телеметрии. Практические примеры.
MCP для сайта: как ИИ помогает находить ошибки, подбирать товары и работать с бизнес-данными

MCP для сайта: как ИИ помогает находить ошибки, подбирать товары и работать с бизнес-данными

Практическое руководство по MCP для сайта: аудит данных, подбор товаров, поддержка, аналитика, безопасность и реальные сценарии ifreework.com.
«Давайте наберём AI-ботов — и поддержка станет дешевле». Что может пойти не так

«Давайте наберём AI-ботов — и поддержка станет дешевле». Что может пойти не так

Реальный случай: простой перенос баланса занял около пяти часов. Разбираем, почему история чата не заменяет состояние задачи и какой backend нужен AI-поддержке.
Jev против пяти LLM: тест качества, скорости и стоимости отбора для построения RAG

Jev против пяти LLM: тест качества, скорости и стоимости отбора для построения RAG

Какую модель выбрать для конкретной задачи RAG: массовой фильтрации, быстрой перепроверки или строгого отбора источников? Я сравниваю Jev и пять LLM на 200 проектах и показываю, как провести такой тест через единый API.
TypeSafe и Jev в Laravel: что показала проверка 4 344 GitHub-проектов

TypeSafe и Jev в Laravel: что показала проверка 4 344 GitHub-проектов

Практический эксперимент в IdeaRadar: я подключил TypeSafe/Jev к Laravel, оценил 4 344 репозитория и разобрал, почему быстрый структурированный ответ ещё не гарантирует правильный отбор.

Локальная LLM в production: как я подключил Ollama к Laravel

Как я добавил Qwen2.5 7B через Ollama в production-конвейер Laravel, проверил CPU inference и пришёл к гибридной схеме: локальная модель для первичного анализа, DeepSeek — для сложных кандидатов.

Wire Room

Как устроен AI-конвейер новостей Wire Room: сбор RSS, рерайт, поиск дублей и публикация на сайте и в каналах. Отдельно показываю сценарий отправки новости редактором через Telegram-бота.

Книжный конвейер

Как фотографии букинистических книг превращаются в карточки на Ozon, Wildberries и Яндекс Маркете. Разбор Laravel-системы с распознаванием данных, оценкой цены, публикацией и синхронизацией остатков.