Статті про AI-системи, LLM retrieval, бенчмарки та виробниче програмування.
Як відкритий дослідницький агент AutoSci став робочим фреймворком наукової школи Кунченка: типізована пам'ять, кілька родин моделей, 44 скіли, ланцюг доказів від числа в рукописі до артефакту на диску, архітектура TRACE і українська як інфраструктура.
Особиста історія: як за два дні мій агент Ая зібрала собі здатність формально доводити математичні теореми — поєднавши мову Lean, відкриту модель Mistral Leanstral та диспетчер Pi-агент.
Довіра до AI — це не лише відчуття. Це інженерна задача. Від Pi та Earendil через Ayona до медицини, промисловості та права.
Чому AI-системі недостатньо просто накопичувати файли пам'яті, і що змінюється, коли пам'ять стає керованою архітектурою. Частина 6.
213 файлів, 12 навичок, 19 runbooks, ontology SSoT — шаблон Ayona/OpenClaw тепер публічний.
BM25 відповів на рівні ембедингів за 77 разів менший час. Ось що 500 benchmark-питань нам розповіли.
Schema governance, API-first vs CLI-first типи субагентів, AutoResearch протокол, design-before-code gates та composable agent franchising. Частина 3.
Від архітектурної теорії до працюючого пайплайну: гібридний retrieval, scoped access, делегування v1.1, proof loop та граф знань як маршрутизація контексту. Частина 2.
Чому AI має архітектуру, а не лише сильну модель: пам'ять, knowledge graph, retrieval, bounded delegation і verification для надійних AI-асистентів. Частина 1.