Ясность в делах

Можно считать, что ИИ-ассистент настроен хорошо, когда он сам отправляет тебя спать☺️

Trip2g trip2g - открытый проект (один Go-бинарник на SQLite), который превращает хранилище Obsidian или просто папку с Markdown в живой хаб знаний. Одна и та же заметка работает дважды: как веб-страница для человека и как ответ ИИ-агенту через MCP. Из заметок собирается: сайт, база знаний с полнотекстовым и семантическим поиском (RAG из коробки), канал в Telegram, MCP-сервер для агентов. Правки уходят за миллисекунды. Формулировка авторов - «от Markdown до пиринговой сети знаний». Для тех, кто *⃣Ведет базу знаний в Obsidian и хочет делиться частью заметок - публично, по подписке или платно. Разделение доступа через подграфы: что-то открыто всем, что-то только своим. *⃣Работает с ИИ-агентами (Claude Code, любой MCP-клиент) и хочет дать им долгую память обычными Markdown-файлами с читаемой историей правок, а не непрозрачной векторной базой. *⃣Является автором канала или курса: те же заметки публикуются в Telegram, платный контент закрывается пейволом. *⃣Команда или компания: центральный хаб плюс хабы сотрудников, один запрос агента ищет по всем сразу. Как это работает Наполнять хаб можно как удобно: *⃣плагином синхронизации прямо из Obsidian - в один клик, двусторонняя синхронизация, хранилище остаётся локальным; *⃣из терминала или силами агента - API, вебхуки; *⃣через Git - вся база доступна как обычный репозиторий: git clone для бэкапа с историей, git push для правок. На выходе получаем: *⃣Сайт - оформление через шаблоны, от «просто фронтматтер, без кода» до своих HTML-шаблонов; mermaid-диаграммы и графики из CSV из коробки; *⃣MCP-сервер в каждом хабе: поиск, чтение заметок, поиск похожих; доступ агента ограничен его подпиской; *⃣Telegram-канал - заметки становятся постами, правка заметки обновляет пост; Кейсы *⃣ Публичный второй мозг: часть vault - публичный сайт, часть приватная; агент отвечает по заметкам с указанием источников. *⃣ Память агента: MCP-клиент подключается к хабу и получает поиск по всем заметкам, без отдельного «инжеста». *⃣ Контент-конвейер: заметка одновременно на сайте, в Telegram и в RSS; ссылки не ломаются. *⃣ Платная база знаний: закрытые материалы как подграф с пейволом, бесплатное открыто. *⃣ Федерация: несколько хабов соединяются в сеть, один запрос агента ищет по знанию всех. *⃣ Лендинги: встроенный движок шаблонов позволяет собирать страницы из кусоков markdown. Как попробовать *⃣ Без установки за полминуты: добавить публичный хаб trip2g.com/_system/mcp в свой MCP-клиент и задать вопрос. *⃣ Локально: git clone https://github.com/trip2g/trip2g, затем quickstart через docker compose. *⃣ На своём сервере: SSH и одна команда - установщик спросит режим запуска, e-mail владельца и способ входа, скачает релиз и запустит фоновой службой. Ubuntu 24.04 из коробки, другие системы не гарантируются. Через пару минут сайт готов. Ссылки Репозиторий: https://github.com/trip2g/trip2g Документация (ru): https://trip2g.com/ru/user MCP-хаб для проб: https://trip2g.com/_system/mcp Сайт проекта - главное демо: https://trip2g.com/ru

Прикольное👇

Уже какое-то время назад настроил через API выгрузку своих биомаркеров с умных часов в ИИ-ассистента - формирует метрики ресурса и здоровья + строит тренды. Теперь это доступно из коробки всем пользователям GPT 🤷‍♂️

*материалы со звездочкой

Уже четыре месяца строю систему, которая постепенно собирает контекст моей жизни: решения, проекты, наблюдения, события, цели, ценности и отношения между ними. Из этого формируется постоянно уточняемый «компас» — представление о том, где я нахожусь, куда двигаюсь и насколько мои реальные действия совпадают с выбранным направлением. Ассистент нужен мне как внешняя память, зеркало и прямой собеседник. Его задача — замечать повторения и противоречия, связывать повседневные события с длинной траекторией и показывать то, что изнутри легко пропустить. —— Параллельно я собираю долгосрочные стратегии технологических направлений: связываю потребности, технологии, компетенции и возможные продукты. —— В какой-то момент эти две работы сошлись в одном вопросе: как устроить память ИИ, чтобы она не превращалась в склад правдоподобных ошибок? Пришлось углубиться в философию организации знаний, вспомнил про подходы к онтологическим GraphRAG. Сегодня разобрал два подобных подхода — TrustGraph и MemGraphRAG. MemGraphRAG исходит из того, что извлечённое знание — это гипотеза. Её надо проверить, сопоставить с другими фрагментами и при необходимости исправить. TrustGraph смотрит на знание как на инфраструктуру: важны происхождение, версия, права доступа и возможность восстановить путь от источника до ответа. Если совсем коротко: MemGraphRAG — это редакция, TrustGraph — библиотека. Мне кажется, естественная схема — поставить их последовательно: посмотрим, что из этого получится. Для интересующихся собрал небольшой материал с разбором философии обоих подходов и сценарием их совмещения.

⚡️Нейри и Минобрнауки представили нейроимплант для учёных с функцией прямой подачи статей через мозг «Ученый формулирует мысль, и статья уже в редакции журнала. Мы протестировали систему на крысах, и небольшая группа за месяц опубликовала 5 статей в MDPI», — пояснил генеральный директор Нейри. Ключевой особенностью устройства стал встроенный модуль первого отдела. Проверка на гостайну происходит непосредственно в момент возникновения мысли. Отдельно реализована функция антиплагиата в реальном времени: при попытке вспомнить чужую диссертацию имплант показывает в сознании скрин страницы Диссернета с вашей фотографией. РНФ также рассчитывает оценивать конкурсные заявки напрямую через импланты, минуя стадию их подачи. Эксперт подключается к заявителю, считывает замысел проекта в исходном виде и выставляет оценку до того, как тот успеет его обосновать.

Музыкальное настроение: 1. Chill 2. No rush 3. Pump de Base

Вы же соскучились по моим идеям, верно?) 😘

Как я делаю свои ИИ-агенты

ИИ, который ловит шпионов по манере разговора На днях был опубликован новый патент, разработка которого велась в рамках очередного проекта DARPA. Авторов патента трое. Все работают в SRI International — лаборатория в Калифорнии, из стен которой вышли компьютерная мышь и голосовой помощник Siri, позднее купленный Apple. Первый — специалист по акустической форензике. Его настоящая работа — слушать не слова, а то, что за словами: паузы, сбои интонации, микроизменения темпа речи, которые выдают человека, когда он лжёт или давит на собеседника. То есть он годами занимался оцифровкой детектора лжи. Второй исследователь изучает биосигналы и форензический ИИ — то, как нервозность, психологическое давление и манипуляция проявляются в тексте и голосе на физиологическом уровне. Третий — инженер по обработке естественного языка, архитектор системы. Это люди, которые умеют читать между строк разговора — и они получили от Пентагона почти двенадцать миллионов долларов, чтобы научить этому машину. Обычная антифишинговая программа работает как пограничник со списком запрещённых слов: услышал «пин-код» или «переведите деньги» — поднял шлагбаум. Опытный мошенник просто меняет формулировки и проходит насквозь. Новая система устроена иначе. Она не ищет слова — она распознаёт сценарий. И сценарий, который зашит в её математику, один к одному совпадает с классической схемой разведывательной вербовки. Той самой, которой учат в разведшколах уже сто лет: сначала — предложение помочь или познакомиться, потом — невинная просьба заполнить «небольшую анкету», затем — мягкое успокоение («всё конфиденциально, не переживайте»), и наконец — давление («нужно решить прямо сейчас»). Система слушает разговор и с каждой репликой тихо заполняет невидимую шкалу риска. Она не ждёт запрещённого слова. Она чувствует, куда движется разговор. Когда эмоциональная траектория беседы пробивает красную черту — система действует: обрывает звонок, блокирует передачу данных, поднимает тревогу. Где-то в середине патента, почти вскользь, упоминается ещё одна возможность системы. Она умеет распознавать синтетические голоса — цифровые копии живых людей. Сейчас голос любого человека можно клонировать по минутной записи, и отличить копию от оригинала на слух практически невозможно. Представьте: офицер в полевых условиях получает вызов. Голос — знакомый, интонации — привычные, позывной — правильный. Звонящий отдаёт приказ передать координаты или открыть доступ к системе. И только машина замечает: голос ненастоящий. Человека на другом конце нет — есть программа. Именно поэтому в патенте особо прописана работа через спутниковую связь. Это требование полевого применения. Чтобы научить ИИ распознавать манипуляции, его нужно на них обучить. Живых шпионских диалогов в открытом доступе немного. Поэтому создатели пошли другим путём: они обучили вторую нейросеть генерировать тысячи сценариев вербовки, психологического давления и эмоциональных ловушек — и скормили их первой. Но программа, которая умеет в совершенстве имитировать манипуляцию, строить доверие с нуля и находить слабые места в психологической защите собеседника, — это уже не только детектор. Это одновременно и инструкция по применению, и готовый шаблон для атаки. Рой таких ботов, выпущенный в социальные сети, способен незаметно и методично обрабатывать сотни тысяч людей. Каждый разговор — индивидуальный, живой, убедительный. Никто не поймёт, что говорит с программой. Патент описывает только защиту. О нападении — ни слова. Это называется намеренным умолчанием, и в разведывательных разработках оно встречается регулярно. 🔒DARPA&CIA

Ну и второе движение связанное с активным внедрением ИИ - это, конечно, различные механизмы слежки. Живём в черном зеркале..)

Майкл Джексон жив😁

Ну и раз тут иногда про ИИ... ЧатГПТ теперь просто прекрасен)