Vibe Ops Hangout 002 — ИИ-агенты для программирования, цифровые двойники и дообучение

Сетевые инженеры и специалисты по автоматизации собрались вместе, чтобы обменяться опытом в области программирования с использованием ИИ, локальных настроек LLM, цифровых двойников инфраструктуры и того, где тонкая настройка действительно приносит свои плоды. Среди основных моментов — рабочий процесс сканирования уязвимостей, который открывает собственные запросы на слияние, «второй мозг» из 4500 узлов, созданный на Obsidian, визуализатор маршрутных путей на базе Postgres и CML, а также откровенное обсуждение того, что тонкая настройка может и чего не может сделать по сравнению с RAG. ⏱️ РАЗДЕЛЫ 0:00 Приветствие и настройка трансляции 2:27 Модель Cisco Antares — сканирование CWE против сканирования CVE 3:20 Автоматическое исправление кода с помощью Qwen3 Coder и открытие запросов на слияние 4:22 Внедрение сканирования уязвимостей в CI/CD 5:32 Запуск модели в Ollama (~100 ток/с) 6:21 Обсуждение оборудования: M4 Pro, 48 ГБ и что помещается локально 8:44 Парадокс собеседования: писать код вручную, чтобы получить работу, использовать агенты для выполнения работы 10:10 Устарела ли IDE? 11:49 Ларри Уолл и лень как добродетель программиста 12:49 Плагин "Ponytail" для вывода агента с минимальным раздуванием кода 14:48 Второй мозг в Obsidian — 4500 взаимосвязанных узлов 18:11 Открытый формат знаний: инфраструктура в виде связанного Markdown 20:03 Цифровые двойники, по которым можно перемещаться как по сетевому графу 22:05 Предложение по центру обработки данных площадью 100 миллионов квадратных футов 23:50 Боковая панель: Factorio, Spore и возникающая сложность 27:48 Перемещение коммутаторов доступа между ASN с помощью Claude 29:14 Файлы навыков: от 1 минуты до 5 секунд 31:00 Визуализатор маршрутных путей с учетом VRF (CML + Postgres) 34:23 MCP и приложение NetClaw Go 36:56 App Store против Play Store и проблема 12 тестировщиков 41:27 Адаптивные пользовательские интерфейсы и гиперперсонализированный интернет 43:17 Рабочие процессы между агентами и «AX» против UX 46:30 Hermes, модели с открытым исходным кодом и владение собственной инфраструктурой 48:01 Локальный кластер GPU + маршрутизатор токенов для бенчмаркинга 53:17 Tailscale, Headscale и простой удаленный доступ 54:50 Разработка, основанная на спецификациях, для многодневных задач ИИ 57:35 Использование второй модели для проверки кода первой модели 59:30 ИИ-музыкальный автомат: капсулы Ollama спорят о фильтрации галлюцинаций 1:02:35 Black Hat: выход из песочницы, оставивший себе заметки 1:04:09 Пароли на стикерах и модели, которые «обманывают» 1:07:47 Предшествующие разработки, уникальность кода и монетизация 1:09:28 Пошаговое руководство по тонкой настройке с использованием наборов данных JSONL 1:13:32 LoRA для небольших моделей, таких как Джемма 1:15:31 Подход RAFT и генерация синтетических наборов данных 1:18:16 Где тонкая настройка дает сбой по сравнению с RAG 1:20:14 Статические данные (политики, эталонные конфигурации) против счетчиков интерфейса 1:24:15 Обучение с нагрузкой: 13-летний подросток строит беспилотный радиоуправляемый автомобиль 1:28:42 Является ли ИИ пузырем? Показатели внедрения и скептицизм рынка 🔧 УПОМЯНУТЫЕ ИНСТРУМЕНТЫ И ТЕХНОЛОГИИ Ollama · Qwen3 Coder · Claude Sonnet · Obsidian · Open Knowledge Format · Cisco Modeling Labs · PostgreSQL · Model Context Protocol (MCP) · Tailscale / Headscale · Hermes · LoRA · RAFT · Kubernetes · Xcode 📌 ОСНОВНЫЕ ВЫВОДЫ Сканирование, ориентированное на CWE, выявляет уязвимости в вашем собственном коде, а не только CVE на вашем оборудовании. Файл навыков, описывающий формат ваших данных, может сократить время выполнения агента на порядок. Тонко настроенные модели всегда отвечают — это недостаток, когда правильный ответ — «Я не знаю». Тонконастройка подходит для статических знаний; RAG подходит для всего, что меняется. Временные метки сгенерированы из записи сессии. Названия глав перефразированы для ясности. #АвтоматизацияСети #AIAgents #LLM #Ollama #NetDevOps #ТонкаяНастройка #RAG #Claude #Obsidian #DevOps