🌟 ByteDance перезапустила DeerFlow.

DeerFlow 2.0 - проект, переписанный с нуля, который не имеет ничего общего с первой версией. Там был фреймворк для глубокого ресерча, а здесь полноценный рантайм для агентов.

🟡В основе лежит связка LangGraph и LangChain.

Главный агент получает задачу, разбивает ее на подзадачи и порождает суб-агентов на лету. Каждый из них работает в изолированном контексте: не видит данные других агентов и главного процесса.

Суб-агенты запускаются параллельно, когда это возможно, и возвращают структурированные результаты, а главный агент собирает из них финальный вывод.

Сессия живет в изолированном Docker-контейнере с полноценной файловой системой, главный агент и суб-агенты работают в ней совместно.

Агент читает и пишет файлы, выполняет bash-команды, работает с изображениями. Между сессиями нет никакой взаимной путаницы.

🟡Навыки и инструменты

Возможности агента определяются через Skills. Из коробки есть исследование, генерация отчетов, создание слайдов, веб-страниц, изображений и видео. Навыки загружаются по мере необходимости, только когда задача их требует. Это снижает нагрузку на контекстное окно и позволяет работать с моделями, чувствительными к расходу токенов.

Инструменты - по той же логике: базовый набор (веб-поиск, fetch, работа с файлами, bash), плюс поддержка MCP-серверов и произвольных Python-функций. Все можно заменить или расширить.

🟡Память и контекст

DeerFlow помнит пользователя между сессиями. Накапливается профиль: стиль письма, технический стек, повторяющиеся сценарии. Данные хранятся локально.

Внутри длинной сессии система сама управляет контекстом: завершенные подзадачи суммируются, промежуточные результаты уходят на диск. Контекстное окно не раздувается.

🟡Интеграции

Поддерживаются Telegram, Slack и Feishu. Из Claude Code можно взаимодействовать с запущенным инстансом DeerFlow напрямую через специальный skill: отправлять задачи, управлять тредами и выбирать режим выполнения.

🟡Модели и деплой

Система работает с любой моделью через OpenAI API, включая локальные через Ollama. ByteDance рекомендует использовать модели, которые поддерживают длинный контекст (100k+ токенов), ризонинг, мультимодальность и надежный tool-use.

DeerFlow также встраивается как Python-библиотека без запуска HTTP-сервисов:

from src.client import DeerFlowClient
client = DeerFlowClient()
response = client.chat("Analyze this paper", thread_id="my-thread")

📌Лицензирование: MIT License.


🟡Demo
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Agents #DeerFlow #ByteDance

Контейнерный образ — это база любого релиза ❤️

Но когда версии, доступы и безопасность пущены на самотек, команда увязает в «починке доставки» и отвлекается от развития продукта.

На вебинаре вместе с экспертом Cloud․ru вы:

▶️рассмотрите контур артефактов и разберёте, где он чаще всего ломается;

▶️научитесь загружать Docker-образы, версионировать и управлять ими в Evolution Artifact Registry;

▶️настроите приватный доступ к репозиториям и разграничение прав;

▶️включите сканирование на уязвимости и примените политики безопасности;

▶️разберете, как поддерживать порядок в реестре: политики удаления и жизненный цикл.

Вебинар будет полезен backend-разработчикам, DevOps-инженерам (сборка/доставка), архитекторам (инфраструктура/безопасность), техлидам и руководителям команд для ускорения релизов и снижения рисков ошибок.

👉Зарегистрироваться👈

🧠 В этот раз DOOM запустили не на калькуляторе и не на холодильнике.
А на живых человеческих нейронах.

Стартап Cortical Labs вырастил около 200 000 нейронов и подключил их к системе, которая передавала им сигналы из игры в виде электрических импульсов. Нейроны «видели» происходящее через паттерны стимуляции и в ответ генерировали сигналы, которые интерпретировались как игровые действия - движение, поворот, выстрел.

По сути, биологическая нейросеть стала контроллером для DOOM.

Это уже не просто мем «запустили DOOM на всём подряд».
Это момент, когда биология и вычисления реально начинают пересекаться.

Кажется, человечество слишком буквально восприняло идею “organic computing” 😬

🎯Полезные DEVOPS ресурсы 🚀 Max

@DevOPSitsec

🖥 20 Linux-команд, которые должен знать каждый разработчик:

1. ls — показать файлы и директории

2. cd — перейти в другую директорию

3. pwd — показать путь текущей директории

4. mkdir — создать новую директорию

5. rm — удалить файл или директорию

6. cp — скопировать файл или директорию

7. mv — переместить или переименовать файл

8. touch — создать новый файл

9. cat — вывести содержимое файла

10. nano — открыть файл в терминальном редакторе

11. grep — искать текст внутри файлов

12. find — найти файлы и директории

13. chmod — изменить права доступа к файлу

14. chown — изменить владельца файла

15. df -h — проверить свободное место на диске

16. top — посмотреть запущенные процессы

17. ps aux — показать список активных процессов

18. kill — завершить процесс

19. history — показать историю команд

20. clear — очистить экран терминала

https://www.youtube.com/shorts/pdqho8kGKCI

🖥 Полезные Linux ресурсы 🚀 Max

☸️ Kubernetes - сложность изучения 🔥

• Легко

Pods
Deployments
Services (ClusterIP)
Основы YAML

• Чуть сложнее

ReplicaSets и масштабирование
Ingress
ConfigMaps и Secrets
Namespaces

• Средне

Helm
Probes (Liveness / Readiness)
Resource Limits и Requests
HPA (автомасштабирование)
Rolling Updates и Rollbacks

• Сложно

RBAC
Сетевые механизмы Kubernetes (CNI)
StatefulSets
GitOps (ArgoCD / Flux)

• Очень сложно

CRD (Custom Resource Definitions)
Внутреннее устройство Kubernetes (API Server, etcd, Scheduler)

• Экстремально сложно

Написание собственных Operators
Создание собственного Scheduler

🖥 Полезные Linux ресурсы 🚀 Max