Аудитория
Разработчики API
206 статей
Claude или GPT для кода: как выбрать модель
Как сравнить Claude и GPT для кода на своих задачах: собрать набор проверок, измерить цену принятого патча и выбрать маршрут без рейтингов.
Claude или Gemini: как сравнить модели для API
Практичный способ выбрать Claude или Gemini для API: разделить сценарии, проверить длинный вход, инструменты и формат ответа на своей выборке.
Claude, GPT, Gemini и DeepSeek: сравнение задач
Как сравнить Claude, GPT, Gemini и DeepSeek без общего рейтинга: разложить поток на сценарии, подготовить проверки и собрать маршрут по результатам.
MCP-сервер: как начать с одного инструмента и не открыть лишнее
Практика MCP-сервера: выбрать транспорт, описать один инструмент, проверить вход, отделить права клиента и подключить модель через совместимый API.
Function calling и tool use: как устроить цикл агента
Разбираем function calling: схема инструмента, цикл вызова, результаты и ошибки. Показываем, чем отличаются форматы Messages и Chat Completions.
Когда fine-tuning не нужен: что проверить до обучения модели
Четыре альтернативы fine-tuning: примеры во входе, структурированный вывод, RAG и выбор модели. Решение принимается по тестовому набору.
Структурированный JSON-ответ через tool use и проверку схемы
Как получать JSON-объекты от LLM через tool use: ограничить схему, проверить бизнес-правила и повторить запрос без бесконечного цикла.
RAG на LLM API: как собрать поиск, цитаты и проверку ответа
Пошаговая схема RAG: подготовка документов, поиск, ранжирование, контекст, цитаты и раздельная оценка retrieval и генерации.
Длинный контекст или RAG: как выбрать подход для данных
Выбираем между длинным контекстом и RAG по размеру корпуса, обновляемости, цене ошибки и повторяемости запросов. Даём план короткого эксперимента.
Промпты для AI-агентов: цель, ограничения и остановка
Как написать промпт для AI-агента: задать проверяемую цель, границы доступа, правила инструментов и условие остановки без расплывчатых инструкций.
Бот для ревью PR на LLM: код и GitHub Actions
Разбираем каркас бота для ревью pull request: как ограничить diff, вызвать LLM, проверить ответ и опубликовать полезный комментарий.
Паттерны AI-агентов: ReAct, Plan-Execute и Reflexion
Как выбрать паттерн AI-агента под задачу: сравниваем ReAct, Plan-Execute и Reflexion, их риски, контроль шагов и проверку результата.
Нейросеть для вайб-кодинга: как выбрать
Выбираем модель для вайб-кодинга по сценарию: учебная задача, прототип, отладка и рефакторинг. Без универсального рейтинга и цен в тексте.
Codex бесплатно: где проходит граница
Разбираем, почему бесплатная установка Codex и бесплатные вызовы модели не одно и то же, и как проверить вариант с API-ключом без региональных обещаний.
Claude Code, Cursor, Windsurf и Copilot
Сравниваем подходы к агентной разработке: терминал, IDE и помощник в редакторе. Выбираем по задаче, контролю изменений и способу проверки.
Аналоги Claude и Claude Code: как выбрать
Разделяем выбор модели и инструмента, собираем недельный пилот и сравниваем кандидатов по качеству задачи, проверке кода и контролю расходов.
Zed и Continue: настройка собственного base URL
Как настроить Zed и Continue для работы с Relay: разные форматы конфигурации, безопасное хранение ключа, проверка модели и типичные ошибки адреса.
Cline в VS Code: настройка собственного base URL
Как подключить Cline в VS Code к Relay через OpenAI Compatible или Anthropic, проверить адрес и модель, а также разобрать ошибки 401 и 404.
Переход с GPT на Claude по API: что менять в коде и промптах
Миграция с OpenAI на Claude через один ключ Relay: что меняется в запросе, какие параметры дают 400, как посчитать токены и держать запасной вариант.
GPT-5.6 Luna, Terra и Sol: как выбрать модель под задачу
Три уровня GPT-5.6 в каталоге Relay: какая модель берёт массовую разметку, какая средние задачи, какая сложные. Таблица выбора и конвейер из ступеней.