Блог
Исследование интеграции духовного и мирного, непрерывного обучения и субъектности в эпоху технологической трансформации. Статьи пишутся в Markdown и публикуются через встроенный движок.
engineering (3)
observability (3)
comments (2)
docker (2)
experiment (2)
local (2)
agents (1)
aitunnel (1)
android (1)
animation (1)
apple-silicon (1)
athanor-domus (1)
ci-cd (1)
clamshell (1)
comparison (1)
data (1)
data-culture (1)
deployment (1)
design (1)
embeddings (1)
experiments (1)
fastapi (1)
frontend (1)
gemma (1)
governance (1)
guardrails (1)
harness (1)
isolation (1)
macos (1)
menubar (1)
monitoring-stack (1)
morpher (1)
nginx (1)
ntfy (1)
on-device (1)
philosophy (1)
pmset (1)
python (1)
qdrant (1)
qwen (1)
rag (1)
remark42 (1)
security (1)
selfhosted (1)
streaming (1)
swift (1)
telegram (1)
tool-calling (1)
vector-search (1)
web-automation (1)
yandexgpt (1)
Краеугольный камень )
Почему блог называется Athanor Domus: про печь, школу и три принципа, на которых держится песочница.
Поиск по смыслу: как я поднял Qdrant на личном ноутбуке
На работе векторная база Qdrant закрывала одну конкретную боль: по одиннадцати тысячам файлов wiki нельзя было искать иначе, чем точной подстрокой. Пришло время поставить её на личный ноутбук — по той же причине, только теперь проектов и исследований стало слишком много для простого grep. Здесь о том, зачем вообще нужна векторная база, что она умеет, и что реально получилось из локального запуска.
Работа не должна останавливаться: как я сделал clamshell mode для ноутбука
Нужно было, чтобы работа не останавливалась, когда ноутбук лежит в рюкзаке. Готового решения под Apple Silicon не нашлось — пришлось написать своё поверх pmset disablesleep.
Две локальные модели на быту и на коде: где сильная врёт, а слабая спешит
Прогнал две локальные модели — 24-миллиардную и 4-миллиардную — по бытовым вопросам, а потом дал им написать сервис заявок на FastAPI. Сильная всегда думает, слабая — через раз, и это предсказуемо разводит их по ролям: в кодинге отрывается одна, в знаниях выигрывает другая. Вывод для практики простой: локальный кодинг можно переводить на lfm. Столкнул их в паре по очереди — и оказалось, что ревью моделью не заменяет тестов.
Дикая лошадь: как я строю харнесс вокруг модели, которая не знает про инструменты
Я хотел потренироваться в одном навыке — строить жёсткие пайплайны и харнесс вокруг модели. Локальные ЛЛМ для этого не годятся: одни уже обучены протоколу, другие слишком слабы. Тренажёром стала сильная модель в веб-чате, которая не знает ни про инструменты, ни про сессии. Вот что значит объездить такую «дикую лошадь» и на чём я спотыкался.
Google AI Edge Gallery: модель прямо на телефоне
Попробовал Google AI Edge Gallery — приложение, которое запускает небольшие LLM локально на телефоне, без облака. Что получилось, а что нет.
Автономный агент на сервере: как я запустил LLM-исполнителя, не пуская его к сайту
Хотелось агента, который сам собирает Excel и PDF и общается через Telegram и веб, — но изолированного от продакшена. Как я поселил LLM-харнес в отдельный контейнер и завёл ему собственную одноразовую песочницу.
ИИ в морфере: как дешёвая модель работает под защитой гардрейлов
Я встроил в морфер чат, который отвечает про текущую страницу. Модель — самая дешёвая в каталоге, а качество держат пять гардрейлов: ссылки, орфография, повтор, запрет выдуманных статей и семантическое «да/нет». Вот как это устроено и что ломалось по пути.
Как менялся деплой: от «лишь бы быстро» до контролируемого релиза
Сначала деплой был простым и быстрым — и однажды это стоило падения всего сайта. Как я перестроил процесс на «собрали → протестировали → выкатили» с гейтами и автопрокатом, и куда можно двигаться дальше.
Безопасность: зачем она маленькому сайту
30 сентября мою песочницу методично сканировали на утечки: одна программа сделала 2100 запросов за 15 секунд, перебирая .env, ключи SSH и облачные креды. Разбираю на реальных логах, что это было, что не утекло, что я закрыл и почему теперь считаю безопасность процессом, а не галочкой.
Морфер: живой индикатор состояния сайта
В углу сайта живёт морфер — пиксельный объект, который дышит как сердце, рассыпается волной-домино, отзывается на мышь и меняет цвет по метрикам: хуже — краснее, лучше — зеленее.
Комментарии к блогу: как я подключил Remark42
Почему для комментариев я выбрал Remark42, а не giscus и не свой модуль: подпапка без поддомена, анонимный вход, свой стиль и уведомления в ntfy.
ИИ-дайджест песочницы: как я поручил серверу писать отчёт
Метрики копятся каждый час, но читаю я их только когда что-то сломалось. Сделал круглую ИИ-иконку и сервис, который раз в сутки собирает метрики и пишет отчёт: новости, проблемы, риски.
Как я доработал блог: версии, комментарии и уведомления
Версионирование постов, свой интерфейс комментариев поверх Remark42, модерация и уведомления в ntfy — что я добавил в блог и почему.
Автотеги: как LLM размечает мой блог
Как я подключил автоматическую разметку статей тегами через YandexGPT: дёшево, по нашему словарю, с отдельной подсветкой и связью модулей со статьями.
Алерты на телефон: как я подключил ntfy
Почему для уведомлений Grafana я выбрал ntfy, а не чат: лёгкий self-hosted push, подводные камни поддомена и relay для читаемых сообщений.
Блог на четырёхстах строках Python
Почему я не взял WordPress и написал свой Markdown-движок: контент как файлы, совместимость с Hugo, безопасный рендер.
Зачем мне три системы мониторинга
Prometheus, Grafana и Netdata в песочнице: почему три инструмента, а не один, и какую роль играет каждый.
Почему здесь есть эксперименты
Обзор модулей песочницы: Data Driven Engine, панель моделей, Athanor Axis и Anselin — и закрытые проекты на будущее.
Что я собрал на bagilov.tech
Короткий обзор песочницы: что здесь развёрнуто и зачем. Дальше — по одной статье на каждый блок.