<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Автоматизация AI on AI-Uchi — Всё об искусственном интеллекте</title><link>/tags/%D0%B0%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F-ai/</link><description>Recent content in Автоматизация AI on AI-Uchi — Всё об искусственном интеллекте</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Fri, 10 Jul 2026 15:30:00 +0300</lastBuildDate><atom:link href="/tags/%D0%B0%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F-ai/index.xml" rel="self" type="application/rss+xml"/><item><title>Harness Engineering: путь к рекурсивному самосовершенствованию ИИ</title><link>/articles/harness-engineering-rekursivnoe-samoulucsenie-ii/</link><pubDate>Fri, 10 Jul 2026 15:30:00 +0300</pubDate><guid>/articles/harness-engineering-rekursivnoe-samoulucsenie-ii/</guid><description>&lt;h2 id="введение-когда-улучшать-модель--не-лучшая-идея"&gt;Введение: когда улучшать модель — не лучшая идея&lt;/h2&gt;
&lt;p&gt;Представьте: ваш ИИ-агент делает ошибки. Первый инстинкт — сменить модель на более мощную. Но что если проблема совсем не в весах нейронной сети?&lt;/p&gt;
&lt;p&gt;Бенчмарки ряда AI-инженерных команд 2025 года показали: улучшение окружения вокруг модели может давать лучший результат, чем переход на более мощную модель. Две команды могут использовать одну и ту же модель и получать кардинально разные результаты — просто из-за harness-дизайна.&lt;/p&gt;</description></item></channel></rss>