<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
  xmlns:atom="http://www.w3.org/2005/Atom"
  xmlns:content="http://purl.org/rss/1.0/modules/content/"
  xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>firstdaycode.xyz</title>
    <link>https://firstdaycode.xyz</link>
    <description>Блог о программировании, искусственном интеллекте и технологиях. Практические гайды, разборы архитектур и новости мира разработки.</description>
    <language>ru</language>
    <lastBuildDate>Wed, 08 Apr 2026 22:08:02 GMT</lastBuildDate>
    <atom:link href="https://firstdaycode.xyz/rss.xml" rel="self" type="application/rss+xml"/>
    <image>
      <url>https://firstdaycode.xyz/logo.png</url>
      <title>firstdaycode.xyz</title>
      <link>https://firstdaycode.xyz</link>
    </image>
    <generator>firstdaycode RSS Generator</generator>
    <ttl>60</ttl>
    <item>
      <title>Как LLM меняют архитектуру современных приложений</title>
      <link>https://firstdaycode.xyz/posts/kak-llm-menyayut-arkhitekturu-sovremennykh-prilozheniy</link>
      <guid isPermaLink="true">https://firstdaycode.xyz/posts/kak-llm-menyayut-arkhitekturu-sovremennykh-prilozheniy</guid>
      <description>Разбираем паттерны интеграции больших языковых моделей в продакшен-системы: RAG, агенты, цепочки вызовов и практические примеры архитектур.</description>
      <author>Григорий</author>
      <pubDate>Wed, 08 Apr 2026 22:08:02 GMT</pubDate>
      <category>AI</category>
      <category>LLM</category>
      <category>Architecture</category>
      <category>RAG</category>
      <content:encoded><![CDATA[<h2>Новая реальность: LLM как компонент системы</h2>
<p>Когда мы говорим об интеграции LLM в приложение, речь больше не идёт о простом <code>POST /v1/chat/completions</code>. Современные системы строятся вокруг нескольких ключевых паттернов.</p>
<h2>Паттерн 1 — RAG</h2>
<p>RAG остаётся самым популярным паттерном интеграции LLM.</p>
<pre><code class="language-python">from openai import OpenAI
client = OpenAI()

def get_embedding(text):
    response = client.embeddings.create(
        model=&quot;text-embedding-3-small&quot;,
        input=text
    )
    return response.data[0].embedding
</code></pre>
<h2>Паттерн 2 — AI-агенты</h2>
<p>Агентный подход — следующий уровень сложности.</p>
<h2>Практические рекомендации</h2>
<ul>
<li><strong>Начинайте с простого.</strong> RAG покрывает 80% юзкейсов.</li>
<li><strong>Тестируйте промпты как код.</strong></li>
<li><strong>Считайте деньги.</strong> Кэширование и batching.</li>
<li><strong>Мониторьте всё.</strong></li>
</ul>
]]></content:encoded>
    </item>
  </channel>
</rss>
