Поиск.
Найдено: 6 моделей и 20 материалов
Нейросети
Весь каталог
- Hobby$0 · ₽ уточняйте
- Pro$20 · ₽ уточняйте
- Pro+$60 · ₽ уточняйте
- Приложение$0 · ₽ уточняйте
- приложение$0 · ₽ уточняйте
- Бесплатная$0 · ₽ уточняйте
- Pro$20 · ₽ уточняйте
- Teams$30 · ₽ уточняйте
- Бесплатная$0 · ₽ уточняйте
- Pro$20 · ₽ уточняйте
- Starter$0 · ₽ уточняйте
- Core$20 · ₽ уточняйте
- Teams$35 · ₽ уточняйте
Материалы
Как запустить локальный API в LM Studio и подключить приложение
Как загрузить модель в LM Studio, включить локальный сервер, отправить OpenAI-совместимый запрос и проверить ответ приложения.
Как перейти с generateContent на Gemini Interactions API и не сломать приложение
Практическая миграция Gemini API: соответствие contents и input, история через previous_interaction_id, store:false и поэтапная проверка.
Как сделать прототип приложения с ИИ: сценарий, экраны и тестирование
Как превратить идею в кликабельный прототип, используя ИИ для черновика, но сохранив логику продукта и контроль данных.
Как включить двухфакторную защиту в ChatGPT и не потерять доступ
Пошагово разбираем защиту аккаунта ChatGPT: приложение-аутентификатор, резервные коды и действия при смене телефона.
Как проверить результат Task в CrewAI функцией guardrail
Детерминированный guardrail CrewAI для обязательного кода R-7: сигнатура TaskOutput, успешный и ошибочный тест, retries и ограничения.
Как сбросить память smolagents между пользователями
Сброс memory в smolagents через run(reset=True): два пользователя, тест на отсутствие старого маркера, продолжение reset=False и правила изоляции.
Как сохранить и восстановить состояние CrewAI Flow через @persist
Персистентный CrewAI Flow: @persist, SQLite по умолчанию, resume по inputs id, fork через restore_from_state_id и проверки истории.
Как проверить заголовок WebVTT после AI-расшифровки видео
Проверяем текстовый WebVTT-файл на ожидаемый заголовок и UTF-8 до загрузки субтитров.
Как проверить JSON внутри metadata-cue WebVTT от ИИ
Валидация JSON-полезной нагрузки metadata-cue WebVTT: проверка структуры и запрет пустых строк, разделяющих реплики.
Как добавить примеры вопросов в Gradio, не вызывая нейросеть по клику
Настраиваем examples и run_examples_on_click=False, чтобы пользователь отредактировал вопрос перед дорогим вызовом модели.
Как извлечь ответ из заданного текста через Transformers question-answering
Контекст, вопрос и контроль отсутствующего ответа: извлекаем span из документа, проверяем offsets и не принимаем догадку за факт.
Как не потерять конец текста при truncation и padding в Transformers
max_length, truncation и padding для пары сообщений: проверяем, что юридически важная оговорка не исчезает до вызова модели.
Как обновить одну редакцию документа в LlamaIndex без смешивания версий
Стабильный id_, update_ref_doc и контроль старого и нового правила в поисковой выдаче.
Как обработать named tool call в vLLM без произвольного выполнения кода
Требуем вызов одной безопасной функции, валидируем аргументы и не отдаём модели право запускать произвольные команды.
Как оформить диалог для локальной LLM через apply_chat_template в Transformers
Роли user и assistant, add_generation_prompt и защита от двойных спецтокенов: проверяем входной шаблон перед генерацией.
Как ограничить число обращений агента Pydantic AI к модели через request_limit
Ограничение числа модельных шагов Pydantic AI: UsageLimits(request_limit), обработка исключения и тест на цикл инструмента.
Как ограничить видимость API AI-чата в Gradio через api_visibility
Различаем public, undocumented и private у чат-интерфейса и не путаем скрытую документацию с защитой сервера.
Как отклонить фактически неверный ответ Pydantic AI через output_validator
Выходной валидатор Pydantic AI на примере суммы заказа: проверка суммы по каталогу, ModelRetry, границы повторов и критерий приёмки.
Как передать идентификатор клиента в Pydantic AI через deps и RunContext
Передача tenant через deps_type и RunContext в Pydantic AI: отделяем доступ к справке одного клиента от текста пользовательского запроса.
Как подключить Gradio load_chat к локальному OpenAI-совместимому LLM API
Используем gr.load_chat с явным base_url и model, проверяем доступность и ограничения загрузки файлов.