Мне заблокировали Claude. Один запрос — и он снова меня знает — Transcript

Full transcript

1. 0:00Один из крутейших проектов, которые я
2. 0:02делал за последнее время, это Second
3. 0:03Brain второго поколения. Сама по себе
4. 0:05концепция Second Brain - это система
5. 0:08персонального управления знаниями,
6. 0:10которая помогает собирать,
7. 0:11организовывать, хранить и использовать
8. 0:13информацию вне своей головы. И если
9. 0:16подумать, это особенно актуально в наш
10. 0:18век, потому что мы генерируем больше
11. 0:20информации, чем можем потреблять. Мы
12. 0:23работаем в разных нейронках, они
13. 0:25генерируют кучу информации, мы работаем
14. 0:28в разных источниках. И для того, чтобы
15. 0:31всё это создавало свой собственный
16. 0:32персональный контекст, нам нужно
17. 0:34грамотно уметь хранить эту информацию,
18. 0:37для того, чтобы ничего не терялось. И
19. 0:39чем больше в итоге нейронка будет знать
20. 0:40про то, сколько у нас информации есть,
21. 0:43тем точнее она будет работать вместе с
22. 0:44вами. Я вам покажу сейчас прямо на
23. 0:46прикладных кейсах, насколько сильно это
24. 0:48помогает.
25. 0:50При этом я уже достаточно давно
26. 0:52обеспокоен данной проблемой, меня она
27. 0:53интересна, я пытался создавать Second
28. 0:56Brain и в Notion, и в Obsidian по методу
29. 1:00Zettelkasten и методу PARA. И в
30. 1:03принципе, это всё работает, всё рабочие
31. 1:05системы, но они всё равно требуют
32. 1:08личного времени, для того, чтобы это всё
33. 1:10менеджерить. И та система, которую я
34. 1:12создал сейчас, она принципиально
35. 1:14отличается от всего того, что было до
36. 1:16этого, потому что в первую очередь, она
37. 1:18работает абсолютно автономно,
38. 1:20она практически не стоит никаких денег,
39. 1:23и она максимально быстрая.
40. 1:25Давайте покажу пример, как это выглядит.
41. 1:27Значит, у меня в Опс, не то. В трее
42. 1:30присутствует
43. 1:31процесс операционной системе, который
44. 1:32называется Второй мозг.
45. 1:34И вот на текущий момент у него всё
46. 1:36синхронизировано. Только что был запуск,
47. 1:38там 3 минуты назад.
48. 1:40Он синхронизирует 2.000 записей по семи
49. 1:43источникам. То есть, источники, которые
50. 1:45генерируют для меня информацию, я выбрал
51. 1:47это CloudCode, Codex, GitHub, Gmail,
52. 1:51Яндекс.Почта, Kimiko и Notion. То есть,
53. 1:54вот это вот основные источники, которые
54. 1:55сейчас у меня всё это вот генерирует
55. 1:57информацию, и я хочу, чтобы вот всё из
56. 2:00этого сохранялось у меня.
57. 2:02Чуть позже покажу, какие есть настройки
58. 2:04здесь. А всё-таки небольшой LLM
59. 2:06провайдер здесь нужен, но самое важное,
60. 2:08что здесь присутствует полноценный
61. 2:09дашборд.
62. 2:11И этот дашборд, он показывает по сути
63. 2:13любую визуализацию, которую мы хотим на
64. 2:16основе данных. Наверное, самое
65. 2:17интересное, это вот можно посмотреть
66. 2:20на граф знаний. Он генерируется
67. 2:22абсолютно
68. 2:23автоматически. Здесь мы можем спокойно
69. 2:25работать с ним также, как работаем в
70. 2:27Obsidian. Но что важно, мы, например,
71. 2:29можем открыть любую из этих карточек,
72. 2:32посмотреть на информацию, которая здесь
73. 2:34есть, и посмотреть, с чем она связана.
74. 2:37Посмотреть, какие источники её
75. 2:38генерируют. И всё это работает
76. 2:40максимально быстро. Вот, например,
77. 2:42сейчас я делаю поиск. Видите, я нажимаю,
78. 2:44и здесь не работает нейронка, в отличие
79. 2:47от других подходов,
80. 2:49которые там дают в интернете. Например,
81. 2:51вы видели, кто-нибудь там рассказывал,
82. 2:53вот там вы вы отстаёте, если
83. 2:56например, не сделали ещё Second Brain в
84. 2:59Obsidian, да? И бог с ним, что мы
85. 3:01сделали это уже 2 года назад на этом
86. 3:03канале, да? На самом деле, это всё тоже
87. 3:05отстающая часть. Вот, например, я открыл
88. 3:07только что, вот я сегодня утром, полтора
89. 3:09часа назад сидел и выложил там новый
90. 3:11модуль в клуб незаменимых по
91. 3:12автоматизации
92. 3:14создания контента в розовую социальную
93. 3:16сеть и в YouTube через искусственный
94. 3:19интеллект, для того, чтобы он приносил
95. 3:21лидов. Пожалуйста, вся информация у меня
96. 3:23уже здесь присутствует, могу посмотреть
97. 3:24на графе.
98. 3:25Да, с чем она там связана. Пожалуйста.
99. 3:28То есть, так эта система работает. Есть
100. 3:31проекты, которые оцифрованы, записи,
101. 3:33которые показывают информацию и так
102. 3:35далее. То есть, это база, вот которая
103. 3:38сделана, и вы можете реплицировать тот
104. 3:40же самый процесс у себя вот максимально
105. 3:42быстро.
106. 3:43Покажу ещё один прикладной пример
107. 3:44использования, значит, этого второго
108. 3:46мозга, потому что граф это всё, конечно,
109. 3:48красиво, но в чём заключается его смысл?
110. 3:50Вот, например, недавно у меня тоже
111. 3:52Anthropic и заблокировали мой аккаунт
112. 3:54там то ли 23-го, то ли 24-го года. И
113. 3:57первый диалог, который я сделал в своём
114. 3:59новом аккаунте, такой: "Привет, дорогой
115. 4:01Клод. Я хочу, чтобы ты подключил мой
116. 4:03локальный MCP Second Brain, для того
117. 4:05чтобы познакомиться и вообще понял там,
118. 4:07кто я такой и так далее". Это первый
119. 4:09диалог. Вуаля, он уже всё про меня
120. 4:11знает, уже готовы для меня системные
121. 4:13промты, которые персонализируют систему
122. 4:15и теперь я абсолютно с полным контекстом
123. 4:18работаю, то есть как будто аккаунт даже
124. 4:19не утрачивался с одного запроса.
125. 4:22Есть другой пример, например, в том же
126. 4:23самом кодексе.
127. 4:25Я у него спрашиваю, "Видишь э мой Second
128. 4:27Brain MCP?" Он говорит, "Да, я вижу".
129. 4:29Собственно говоря, э дальше я ему
130. 4:31говорю, "Собери актуальные задачи,
131. 4:32которые у тебя и видны
132. 4:35э
133. 4:36которые мне нужно сделать за следующую
134. 4:37неделю". Он такой, "Да, типа, вот
135. 4:39пожалуйста, все задачи".
136. 4:41Э я говорю, "Слушай, о'кей, а сделай,
137. 4:42пожалуйста, по моей дизайн-системе мне
138. 4:45удобный дашборд для этого". Он такой,
139. 4:47типа, "Да, о'кей, не вопрос" и делает
140. 4:49дашборд, где я могу э трекать на самом
141. 4:51деле все задачи, которые у меня есть,
142. 4:53которые генерируются и в почте, и в
143. 4:55Гитхабе, и в разных нейронках.
144. 4:59Пожалуйста, всё здесь готово, то есть
145. 5:00можно тут всё перетаскивать, работать,
146. 5:02делать, трекать и, что самое интересное,
147. 5:04это сразу же в одной дизайн-системе
148. 5:06реализовано.
149. 5:07Собственно говоря, вот такая система и э
150. 5:10каждый раз общаясь с нейронкой, она всё
151. 5:12больше про меня знает и лучше выдаёт
152. 5:14информацию. Давайте я расскажу, как это
153. 5:15устроено, почему это принципиально
154. 5:17другая система и как этот второй мозг э
155. 5:20построить у вас.
156. 5:22Немножечко углубимся в теорию, потому
157. 5:24что по факту, э
158. 5:26какую проблему мы решаем
159. 5:28э вот этим вторым мозгом, зачем мы в
160. 5:30принципе его создаём? На самом деле, мы
161. 5:33просто даём некоторую память для
162. 5:35искусственного интеллекта, чтобы он не
163. 5:37каждый раз э как будто бы рождался в
164. 5:39чёрной коробочке и каждый раз нужно
165. 5:41объяснять, чем ты занимаешься, какие у
166. 5:42тебя проекты, приоритеты, предпочтения.
167. 5:45Да, он должен про тебя знать, причём вне
168. 5:48зависимости от инструмента. Там сегодня
169. 5:50это Клод или GPT, завтра это будет Kimy
170. 5:52и Deep Seek или там Гигачат, это не
171. 5:54важно.
172. 5:56Соответственно,
173. 5:57э есть, грубо говоря, три основных
174. 5:59способа дать э
175. 6:00для нейронки память. Первое - это
176. 6:02положить всё в контекст. Я думаю, что вы
177. 6:04уже, ребята, опытные на канале и знаете
178. 6:06о том, что это не самый эффективный
179. 6:08способ, потому что, во-первых, мы крадём
180. 6:10контекст, который и так ограничен,
181. 6:12во-вторых, потому что это всё дороже,
182. 6:16теряется
183. 6:17точность ответов и там ещё вы постоянно
184. 6:21должны менеджерить этот контекст, даже
185. 6:23если с библиотеками, потому что
186. 6:26модель всё равно не понимает там, какие
187. 6:27актуальные информации, какие нет. В
188. 6:29общем, есть проблемы с этим.
189. 6:31Есть второй вариант, он действительно
190. 6:35неплохой и по этому принципу мы тоже
191. 6:37строили Second Brain на канале, а
192. 6:39построить вот этот второй мозг в
193. 6:41векторной базе данных и
194. 6:43хранить, значит, всё это в этой
195. 6:46векторной базе и по рагу доставать
196. 6:49какую-то информацию. Я сейчас отдельно
197. 6:51покажу, как это устроено.
198. 6:54Поэтому не буду здесь останавливаться.
199. 6:56Ну и, собственно говоря, вот третий
200. 6:58способ, который я покажу,
201. 7:00на основе которого я создал данную
202. 7:02систему. Да, давайте вот чуть
203. 7:04глубже окунёмся в проблематику, когда мы
204. 7:07работаем с векторными базами данных. По
205. 7:09сути, принцип здесь похожий,
206. 7:12такой, что в начале вы создаёте
207. 7:14некоторый там документ и,
208. 7:18например, там 10 диалогов, да, сделали с
209. 7:21Клодом или с Кодексом. И все эти вот
210. 7:23диалоги или там документы, которые вы
211. 7:25сгенерировали, мы заносим в векторную
212. 7:28базу данных. Каким образом мы это
213. 7:29делаем? Мы берём, режем
214. 7:31на куски по паре абзацев вот этот весь
215. 7:35там все диалоги, все там весь контекст и
216. 7:37так далее. И дальше модель эмбеддингов,
217. 7:39она берёт все эти куски и превращает из
218. 7:42этого вектор. То есть нам вот на этом
219. 7:45этапе уже нужна платная модель
220. 7:46эмбеддинга для того, чтобы всё это дело,
221. 7:50всю вот эту информацию, чанки так
222. 7:52называемые, занести в вектора, в
223. 7:54векторную базу данных. У нас где-то
224. 7:56должна быть поднята отдельная векторная
225. 7:58база данных, которая
226. 8:00хранит эти числа. Дальше.
227. 8:03Вот, допустим, мы делаем подобный
228. 8:05запрос,
229. 8:07значит, где мы обращаемся к этой
230. 8:09векторной базе данных.
231. 8:11И тут у нас опять присутствует модель,
232. 8:13которая в начале должна пойти в
233. 8:15векторную базу данных, по числам
234. 8:17определить, вот тут схемка есть, да,
235. 8:19значит, к
236. 8:21какому по смыслу
237. 8:26запрос ближе, для того чтобы выцепить ту
238. 8:28или иную информацию. То есть здесь тоже
239. 8:30тратятся деньги, да, вот ищутся
240. 8:31ближайшие вектора.
241. 8:33И, в общем, это, во-первых, время,
242. 8:36инфраструктура,
243. 8:38стоимость каждого эмбеддинга,
244. 8:42отдельная база данных,
245. 8:44сменил модель, собственно говоря, она
246. 8:46будет по-другому всё это считать, то
247. 8:48есть это ещё отсутствие определённой
248. 8:50антихрупкости. В общем, вот что нам
249. 8:52предлагали до этого делать в плане
250. 8:54Second Brain'а.
251. 8:56Но
252. 8:57я нашёл в интернете, честно говоря,
253. 8:58просто очень классный способ для того,
254. 9:00чтобы всё это пофиксить. Пофиксить что
255. 9:02конкретно нам нужно? Во-первых,
256. 9:04а
257. 9:06отсутствие модели, которая будет
258. 9:07высчитывать вектора, то есть мы не
259. 9:09тратим токены для того, чтобы
260. 9:12она находила эту информацию, мы не
261. 9:14тратим время для того, чтобы она это
262. 9:16находила, и мы не тратим ещё и деньги на
263. 9:18инфраструктуру для того, чтобы всё это
264. 9:20хранилось там в отдельном сервисе и так
265. 9:21далее. Каким образом?
266. 9:23Рецепт очень простой, называется
267. 9:26алгоритм BM25.
268. 9:29И на самом деле это оказался древний
269. 9:31достаточно алгоритм, кажется,
270. 9:33в девяностом году его применяли для
271. 9:35того, чтобы эффективно делать поиск по
272. 9:38словам. Google, Яндекс, другие поисковые
273. 9:41системы и умные поиски работали именно
274. 9:44на этой системе.
275. 9:45И смотрите, приведу пример, да, вот как
276. 9:48на диаграмме с запросом там, как
277. 9:49приготовить борщ. Вот мы делаем запрос,
278. 9:51как приготовить борщ.
279. 9:53Собственно говоря, как без нейронки, без
280. 9:56LLM'ки мы будем искать эту информацию.
281. 9:59На самом деле
282. 10:01>> [откашливается]
283. 10:01>> у нас в базе хранятся определённые
284. 10:03карточки,
285. 10:04где мы даём определённую
286. 10:07систему оценки для каждой из карточки по
287. 10:09ключевым словам.
288. 10:10Например,
289. 10:12>> [откашливается]
290. 10:12>> здесь показан пример, что у нас есть
291. 10:14редкое слово борщ, которое встречается,
292. 10:16например, в двенадцати рецептах, и это
293. 10:18условно там 4,4 балла. Приготовить
294. 10:21встречается в семистах раз, но
295. 10:24оно менее редкое, поэтому мы даём ему
296. 10:26там 0,4 раза, и слово как, ну, понятно
297. 10:29дело, что достаточно частое, поэтому мы
298. 10:31ему даём минимальный балл.
299. 10:33Дальше, если в карточке присутствует
300. 10:35большое количество повторов, например,
301. 10:37того же самого слова борщ, в 10 раз,
302. 10:39например, его больше там, да, то
303. 10:42количество скоринга увеличивается всего
304. 10:43в два раза, а не в 10 раз. Ну, и дальше,
305. 10:46безусловно, идёт ещё поправка на длину
306. 10:48самой карточки, то есть, если условный
307. 10:51борщ встречается в двухстах словах, а не
308. 10:54в пяти тысячах словах, то,
309. 10:56соответственно, оно весит здесь больше.
310. 10:59В итоге, все эти очки делают
311. 11:02сумму,
312. 11:04и
313. 11:05мы умножаем её на редкость и повторы. И,
314. 11:08собственно говоря, вот когда, условно
315. 11:09говоря, мы делаем как приготовить борщ,
316. 11:11то по классическому поиску у нас вот
317. 11:14примерно получается такая система
318. 11:16скоринга.
319. 11:17Например, у нас есть рецепт борща
320. 11:19классического, там всего лишь 200 слов,
321. 11:21борщ встречается всего три раза, и
322. 11:24поэтому у него есть оценка там 8,9.
323. 11:26Редкое слово, три раза, короткий текст.
324. 11:28Если там, условно говоря, у нас есть
325. 11:30заметка 100 супов мира,
326. 11:32борщ там один из ста, то,
327. 11:34соответственно, у него есть по скорингу
328. 11:36второе место.
329. 11:37Ну, или там, да, условно говоря, заметка
330. 11:40как приготовить плов, борщ там
331. 11:41встречается ноль раз, но есть как
332. 11:43приготовить, поэтому у него есть 0,7
333. 11:46очков. И получается, что единственным
334. 11:48критерием, который нужен для того, чтобы
335. 11:51вот этот вот алгоритм организовать, это
336. 11:53сделать небольшой процессинг любой
337. 11:55поступающей информации через данный
338. 11:58алгоритм для того, чтобы его
339. 11:59подготовить.
340. 12:00Значит, как примерно это выглядит,
341. 12:01смотрите. Вот я вам показывал, что я
342. 12:03немного развил уже систему, у меня здесь
343. 12:05больше источников, но по приори у нас
344. 12:08есть источники Клод, Код, Кодекс, там,
345. 12:10Чат GPT, любые, на самом деле, абсолютно
346. 12:12любые источники подойдут. Чем больше,
347. 12:14тем лучше. Я стараюсь собрать всю
348. 12:15информацию вообще.
349. 12:17И вот эти источники мы подсоединяем к
350. 12:19нашему процессингу через коннекторы.
351. 12:22Дальше, э-э, когда
352. 12:24запускается вот этот фоновый процесс,
353. 12:26который начинает синхронизировать
354. 12:27данные, мы маскируем там все секреты,
355. 12:29понятное дело, там API ключи не улетают.
356. 12:32И это всё уходит в локальную базу данных
357. 12:35SQLite
358. 12:37с индексом, потому что в SQLite она
359. 12:39очень быстрая, это по сути просто файл
360. 12:42на компьютере.
361. 12:43Э-э,
362. 12:44у него есть ещё встроенный поиск FTS5,
363. 12:47который как раз-таки подходит под данный
364. 12:49алгоритм. У него есть, э-э,
365. 12:51совместимость с ним.
366. 12:53И для того, чтобы подготовить карточку
367. 12:55для этой базы, мы используем максимально
368. 12:57дешёвую модель, которая как раз-таки
369. 12:59расставляет вот этот скоринг.
370. 13:02есть, э-э,
371. 13:04мы любую поступающую информацию
372. 13:06прогоняем через модельку,
373. 13:08для того, чтобы она просто написала вот
374. 13:10эту вот систему оценок,
375. 13:12э-э, которые, м-м, потом используются в
376. 13:15поиске. Вот конкретно у меня, например,
377. 13:17кстати, видите, он Я даже просто
378. 13:18записываю ролик, у меня всё равно идёт
379. 13:20обновление здесь. Да, если посмотреть
380. 13:22настройки, то у меня, э-э,
381. 13:24модель, которая процессит информацию,
382. 13:27это Simple Cloud GPT-6 Luna. Мы можем,
383. 13:30кстати, спокойно выбирать и провайдера
384. 13:32любого кастомизировать,
385. 13:35э-э, и модель выбирать, но очевидно, что
386. 13:38там, выбирая между каким-нибудь, э-э,
387. 13:40Cloud Opus-ом 5.5, который будет,
388. 13:43прикиньте, там по 40 заметок каждые 15
389. 13:45минут делать, или Luna-й
390. 13:48э-э, делать
391. 13:49э-э, синхронизацию, мы выбираем Luna-у,
392. 13:51потому что здесь нам нужно это
393. 13:52максимально дёшево.
394. 13:53Если посмотреть на этот процесс по
395. 13:55стоимости, значит, сколько он стоит
396. 13:56Simple Cloud у меня,
397. 13:58то он вообще выходит элементарный. Вот,
398. 14:01смотрите, видите, у меня происходит как
399. 14:02раз-таки
400. 14:04э-э, вот этот фоновый процесс, ключ
401. 14:06Brain API. И, например, для того, чтобы
402. 14:09э-э, синхронизировать
403. 14:12там, авто research, да, например, у меня
404. 14:14ушло 13 коп.
405. 14:16И при этом там достаточно большой
406. 14:18кусок информации есть, который я
407. 14:20заскорил. Да, можем посмотреть там
408. 14:22какую-нибудь другую, 3 коп. ушло.
409. 14:26Здесь я делал обновление платформы для
410. 14:28незаменимых.
411. 14:30Тут ушло там 12 коп. за запрос. Ну, то
412. 14:33есть суммарно, даже если посмотреть
413. 14:36за всё время у меня ушло здесь 138 руб.
414. 14:40вот на этот огромный граф знаний. То
415. 14:42есть это дёшево, это очень дёшево
416. 14:45получается, потому что теперь вся моя
417. 14:47вообще информация, которую я
418. 14:48сгенерировал за последние 3 года, она
419. 14:49была сделана. Понимаете, да, идею?
420. 14:52Вот, соответственно
421. 14:53для этого здесь и используется дешёвая
422. 14:55модель.
423. 14:57Ну, а дальше всё очень просто. То есть
424. 14:58мы подсоединяем этот MCP, у этого
425. 15:00сервиса есть MCP, к любому агенту,
426. 15:03неважно какому, Open Code, Deep Seek,
427. 15:06Harness, Cloud Code, Codex, Cursor,
428. 15:09Hermes, Open Claw,
429. 15:11что угодно, да?
430. 15:13Мы делаем запрос к этому агенту, он
431. 15:15обращается к MCP и по этому поиску
432. 15:18просто делает э
433. 15:20э поиск по ключевым словам. И я вам
434. 15:22скажу, что он работает максимально
435. 15:23точно,
436. 15:25потому что
437. 15:26опять же скоринговая система позволяет
438. 15:28это сделать. Вот, пожалуйста, есть
439. 15:30некоторые атомы, да, которые
440. 15:33например
441. 15:35служат этому поиску, да? Тут как
442. 15:37раз-таки вот можно и найти исходную
443. 15:38информацию.
444. 15:42Теперь немножко про процесс того, как
445. 15:44именно работает данный сервис. То есть
446. 15:46смотрите,
447. 15:47он работает в фоне. Понятное дело, что
448. 15:49его можно синхронизировать
449. 15:50принудительно, да, например,
450. 15:51синхронизировать сейчас, и он пошёл
451. 15:54смотреть. Если появилось какой-то новый
452. 15:57файл или информация, то в таком случае
453. 15:59он начинает
454. 16:00синхронизировать. Если нет, то ничего не
455. 16:02делает, никакие IP-запросы не создаёт.
456. 16:05Синхронизация происходит каждые 15 минут
457. 16:07и по факту он читает просто локальные
458. 16:09файлы, которые есть на компьютере, где
459. 16:12Cloud
460. 16:14Codex хранят свои файлы там и сессия.
461. 16:19Если, опять же, это там какой-нибудь
462. 16:20Gmail или Яндекс.Почта в моём случае,
463. 16:22то, ну, просто пишем отдельный
464. 16:23коннектор, который позволяет это
465. 16:25сделать.
466. 16:26Э, здесь также я ещё хотел добавить, да,
467. 16:28про то, что, допустим, вы спросите:
468. 16:30"О'кей, SQLite - это файл локальный на
469. 16:31компьютере, э,
470. 16:33это, типа, небезопасно и так далее". Но
471. 16:35смысл-то в том, что мы очень легко можем
472. 16:37вынести это на удалённый сервер,
473. 16:39куда-нибудь в инфраструктуру и, говоря,
474. 16:41также пользоваться этим файликом без
475. 16:43каких-либо проблем. То есть, поэтому это
476. 16:46и есть такая вот универсальная база
477. 16:47данных.
478. 16:49Э, коннектор читает, э, файлы,
479. 16:51появляющиеся, маскирует секреты,
480. 16:53записывает в базу полно-
481. 16:56полный текст и плюс индекс и пишет
482. 16:59карточку, моделька для того, чтобы всё
483. 17:00это находилось.
484. 17:02Вот, карточка, она выглядит примерно
485. 17:04следующим образом, то есть есть
486. 17:05название, кратко, о чём вообще данная
487. 17:07заметка, вопро- э, вопросы для поиска,
488. 17:10ключевые слова и, собственно говоря,
489. 17:12атомы, решение ошибки дословно, чтобы
490. 17:14можно было всё найти.
491. 17:17Немного детализирую сам поиск, то есть,
492. 17:19допустим, мы, э, делаем запрос ошибки
493. 17:21клубного бота, мы разбиваем его на
494. 17:24ключевые слова, ошибки, ошибки клубного
495. 17:26и так далее. По BM25 мы делаем
496. 17:29непосредственно вот это вот весовое,
497. 17:32э, сравнение. Прелесть ещё заключается в
498. 17:34том, что мы оцениваем здесь также
499. 17:36свежесть, то есть, допустим, мне вот не
500. 17:37нужно ничего делать, но я могу, э,
501. 17:41чётко понимать, там, когда была сделана
502. 17:43заметка, в двадцать пятом году или
503. 17:46вчера, и от этого делать актуальность
504. 17:48их.
505. 17:49В самом алгоритме тут также есть, э,
506. 17:52фильтрация по свежести, потому что
507. 17:56каждые 120 дней, э, вес, э, оценки
508. 17:59падает вдвое. То есть, чем старее
509. 18:01информация, тем с меньшей вероятностью
510. 18:03мы, скорее всего, её заберём. И тем
511. 18:04самым получается, что вот, ну, э,
512. 18:07топ-восемь карточек мы получаем за 0,1
513. 18:09секунды без использования какой-либо
514. 18:11LLM, которая там б- эмбеддингом бы это
515. 18:13всё считала.
516. 18:16Поэтому вот такая вот классная система
517. 18:18получилась. Теперь, по сути,
518. 18:19[откашливается] все данные, которые
519. 18:20генерируются, находятся в безопасности,
520. 18:23потому что блокировка может произойти в
521. 18:25любой момент и, скорее всего, дальше
522. 18:27правила [откашливается] будут
523. 18:28ужесточаться.
524. 18:30Но мы не хотим терять наши данные, наши
525. 18:32наработки, наши системы. Мы хотим
526. 18:34максимально быстро иметь доступ к ним и
527. 18:36поэтому вот такие системы, они, ну,
528. 18:38действительно, очень классно
529. 18:40помогают [откашливается] всё это
530. 18:41трекать. Я по примеру уже показал, что
531. 18:43вот Клоза блокировали, собственно
532. 18:44говоря, он снова уже работает в полную
533. 18:47мощь, то есть ничего не нужно ему
534. 18:48объяснять. И также будет с каждой
535. 18:50нейронкой, поэтому
536. 18:52я буду это [откашливается] всё
537. 18:53расширять, буду ещё больше добавлять
538. 18:55сюда данных для того, чтобы оставаться
539. 18:58в безопасных условиях с тем, что я
540. 19:01генерю, чтобы
541. 19:03дальше быстрее производить продукты.
542. 19:07В комментариях напишите, как вам вообще
543. 19:08такая система, хотели бы её попробовать
544. 19:11или у вас есть другие наработки по этому
545. 19:13поводу. В общем, пишите, будет
546. 19:15интересно, поскольку действительно это
547. 19:16сейчас очень актуально для каждого из
548. 19:18нас.