Блог об AI для бизнеса

Запуск Hermes Agent на Windows: PowerShell, установка, первый диалог, расположение конфигурации и проверка доступа к данным.

ИИ для анализа бизнеса помогает разобрать отклонение показателя: проверить данные, сформулировать гипотезы, назначить проверку и передать решение владельцу.

ИИ для проверки качества ответов ассистента: как собрать выборку, сверить факты и тон, разобрать спорные диалоги и принять решение человеком.

Ошибки n8n разбирают по execution, входным данным, credentials, узлу и внешнему API. Показываем журнал, проверку побочных действий и ручное решение о повторе.

Нейросеть для проверки документов: маршрут сверки комплекта, полей, версий, сумм и дат с правами доступа и ручной приёмкой.

Qwen 2.5 Coder 7B: официальный вариант Instruct в GGUF, локальный запуск, эталонные тесты правки и протокол памяти и скорости.

RAG MCP для поиска по документам: контракт инструмента, вызов через tools/call, права на сервере, источники в ответе и приёмочный тест.

Системы автоматизации производства: карта обмена ERP, MES, SCADA и оборудования, права, отклонения и приёмка на маршруте партии.

Системы автоматизации ресторанов: карта обмена от брони до отчёта, роли POS, кухни и склада, права, исключения и приёмка.

Векторный поиск по документам: путь запроса через эмбеддинг и фильтр, проверка фрагментов, прав, версий и релевантности выдачи.

Перенос ИИ-агента: сравнение сред, сохранение очереди и подтверждений, демонстрационный план переключения и проверка возврата.

PR-сопровождение B2B: бриф, фактура, обязанности сторон, согласование комментариев и демонстрационный отчёт для приёмки работ.

Сопровождение ИИ агентов после запуска: границы исправлений, ответственность за данные и интеграции, проверка восстановления и передача системы подрядчику.

Техническое задание на ИИ-агента: входные данные, границы действий, матрица требований и доказательства приёмки для сравнения подрядчиков.

Airflow 3 требует проверки DAG, providers, архитектуры и metadata DB. Разбираем план миграции ИИ-конвейера, тесты и условия отката.

Airflow API v2 связывает внешнюю систему с DAG: создание запуска, run_id, статус, права и обработка повторов. Проектная схема и критерии проверки.

airflow clickhouse: официальный provider, соединение HTTP(S), тест SQL-выборки и проверка перехода с прежнего community plugin.

Airflow connections: выбор места хранения, conn_id, видимость, тест разрешённого вызова и ротация учётных данных.

Docker Airflow: проверьте компоненты Compose, базу метаданных, каталоги DAG и логов, здоровье сервисов и границу рабочего размещения.

Airflow error: найдите DAG run, task instance и попытку, сравните статусы и логи, установите причину до решения о повторе.

Airflow связывает извлечение, обработку и проверку данных. Разбираем контракт источника, качество набора и публикацию после контроля.

Как доставлять DAG из Git через Airflow 3 DAG Bundles: конфигурация, парсинг, версия запуска и проверяемый возврат к прежней ревизии.

Airflow Kafka для пакетной обработки событий заказов: чтение, фиксация offset, защита от повторов и подготовка данных для прогноза.

Airflow logging для ИИ-конвейера: task logs, связь запуска и попытки, выбор хранения, границы данных и проверка чтения после сбоя.

Airflow PostgreSQL связывает DAG с разрешённой read-only выборкой: provider, conn_id, параметры запроса, контроль объёма и проверка результата до модели.

airflow spark: SparkSubmitOperator, Spark connection, проверка выходного датасета и повтор без двойной записи перед ИИ-анализом.

AnythingLLM Desktop для одиночного пилота: разрешённые файлы, локальное хранение, обновление источников и ручная сверка ответов.

mcp atlassian через Rovo MCP: поиск Jira и Confluence, доступ к Bitbucket, OAuth, права аккаунта, подтверждение записи и проверка источников.

Автоматизация актов сверок: сопоставление реестров кодом, очередь разногласий, утверждение бухгалтером и контроль версии акта.

Автоматизация бережливого производства: реестр наблюдений потерь, подтверждение мастера, решение владельца и повторная проверка без выдуманных эффектов.