К содержимому

Рубрика

Прикладные сценарии

26 статей

Здесь модель выполняет конкретную работу: проверяет pull request, отвечает клиенту, ищет по базе документов, проходит шаги агента. Каждый материал описывает сценарий целиком: из каких частей он состоит, где ломается и сколько запросов к API в нём на самом деле происходит.

Расход у сценариев разный по природе. Бот поддержки платит за длинные диалоги, ревью в CI за каждый коммит, агент за непредсказуемое число шагов. Поэтому почти везде есть две опоры: отдельный ключ с лимитом расходов под каждый сценарий (о нём рассказывает страница про API-ключи) и журнал запросов, где видны токены и стоимость.

Veo 3.1: как пользоваться, что бесплатно и как вызвать по API

Veo 3.1 делает ролики на 4, 6 и 8 секунд со звуком. Что изменилось у Google к концу октября 2026, что бесплатно и как запустить модель veo-3.1 через Relay.

Kimi Slides: как сделать презентацию и собрать её через API

Как работает Kimi Slides, как составить запрос и в каком формате выгружается файл, а также как собрать презентацию своим кодом на kimi-k3 через ключ Relay.

Лучшие нейросети для перевода текста: как выбрать на своих примерах

Сравните нейросети для перевода на своём наборе текстов: задайте словарь, проверьте переменные, числа и ссылки, затем посчитайте расход на принятый перевод.

Написать пост с помощью нейросети: серия для соцсетей

Напишите пост по проверенным фактам через API Relay. Используйте пример Python, проверьте JSON, длину и повторы перед согласованием серии публикаций.

Написать служебную записку с помощью нейросети: API

Подготовьте служебную записку по фактам через API Relay. Соберите бриф, получите черновик Claude и проверьте просьбу, даты и реквизиты до согласования.

Придумать название бренда с помощью нейросети: API

Придумайте название бренда через API Relay: задайте бриф, получите разные группы идей и отсейте повторы. Проверьте звучание, домен и права отдельно.

Нейросеть для написания текста песни: слова через API

Напишите текст песни с нейросетью через API: задайте тему и структуру, получите черновик, проверьте ритм, повторы и права перед использованием.

Нейросеть для написания художественных текстов: API

Используйте нейросеть для художественных текстов через API: сохраните факты о персонажах, задайте голос, получите сцену и проверьте главу перед продолжением.

Нейросеть для создания сайтов: рабочий процесс с API

Используйте нейросеть для создания сайтов через API: составьте бриф, получите HTML-файл, проверьте разметку и мобильную версию перед публикацией.

Создание AI-агентов: модель, инструменты и бюджет API

Создайте AI-агента с одной проверяемой задачей: выберите модель, ограничьте инструменты и расходы, проверьте остановку и журнал запросов.

LLM API для Telegram-бота поддержки: выбор и запуск

Как выбрать LLM API для Telegram-бота поддержки: отдельный ключ, проверка моделей, журнал запросов, лимиты и безопасная передача сложного диалога оператору.

Голосовой агент на LLM: текстовый слой, STT и TTS

Как спроектировать голосового агента: разделить распознавание речи, LLM и синтез, учесть прерывание диалога и не приписать текстовому API несуществующие возможности.

Чат-бот поддержки на LLM: от базы знаний до оператора

Как собрать чат-бота поддержки на LLM: ограничить ответы базой знаний, проверить действия на backend, измерять качество и вовремя передавать диалог оператору.

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.

Почему команде трудно доверять AI-коду и как с этим работать

Практическая заметка о доверии к коду от AI-агентов: откуда берётся сомнение, какие правила помогают команде и что проверять в pull request.

Как ревьюить код агента: шесть проверок до слияния

Чеклист ревью кода, написанного AI-агентом: границы изменения, опасные действия, тесты, размер diff и признаки уверенного вымысла.

Computer use: как автоматизировать браузер через LLM

Разбираем browser automation с LLM: цикл скриншот-действие, песочница, условия остановки, проверка результата и случаи, когда нужен обычный API.

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.

Автоматическое code review с LLM: конвейер для pull request

Как построить LLM-конвейер ревью pull request: собрать контекст, отделить сигнал от догадки, ограничить ключ и передать решение человеку.

AI-агенты в CI: где запускать и как контролировать расход

Как подключить AI-агента к CI без лишних прогонов: выбрать триггер, ограничить область, настроить отдельный ключ и разбирать расход по журналу.