Žinutės

na kiekvienam savas workflow, dažniau ne pats opencode nepatogus, o terminalas ji pasiekti, kas taip, zed gerai integruoja, ten irgi daug laisves, arba rašai opencode serve ir per naršykle naudoji

Jis naudoja video suvokimui Google AI studio. Šis tas naujo :)

https://ai.google.dev/gemini-api/docs/video-understanding

reiktų pagalvot kokį priedą susikurt/įsidiegt 3 klausimų, nes galop prieis prie CTA, ne kur dėsis, kad būtų galima būtų lengva ranka, o gal net automatiškai, block. :)

Primink prašau, ką turi omeny? Aš daugiau nuo pusės negalėjau dalyvaut, įrašo dar nepažiūrėjau, ką diskutavot. Geras buvo pristatymas, būtinai reiks įrašą peržiūrėt, kad pabaigt. Prisidariau screensot'ų llm'ams kad struktūrą marketingo automatizacijos pas mane peržiūrėtų :)

#35 DI Automatizacijos susitikimas | 2026-10-02 - ar buvo jau pasidalinti tie gptukai marketinginiai?

Primenu, kad esami grupės nariai, kaip ir nauji privalo pateikti sutikimą (duotas laikas iki 2026 m. spalio 21 d.), be sutikimo visi nariai bus pašalinti iš šios grupės ir galės tik tinklalapyje arba savo LLM'us pasijungę stebėti, bet ne rašyti.

Prisijungti, išėjus, galės kiek tik nori kartų, ir pašalinus visas savo žinutes automatiškai pašalinamas iš grupės, su galimybe bet kada sugrįžti. Jei bus spamerių, galvosim kaip "tavarkytis". :)

Jei kažką reikia patobulinti procesuose ar dokumentacijoje, laukiu komentarų ir rekomendacijų :)

Aj dar būtų faina išgirst kadangi aplink vyksta AI, automatizacijų, startup'ų, seo, marketingo, technologinių renginių, kaip reiktų juos publikuoti, kad būtų patogu ir nebūtų vertinama kaip spam? Tiek grupėje/kanale, tiek tinklalapyje? Pvz. kitą savaitę bus SEO mastermind, dalyvausiu..

... ramentas asiliukui: surinkit visų namiškių Google paskyras, visokias doxlas pusiau-korporatyvines ar visuomenines Google paskyras; pasigaminkit API keys; ir visus juos sumaitinkit freellmapi. Google duoda tokenų, ne pyragai, bet sujungus 7-8 paskyras visai galima užbaigti kažką naudingo. Beje, ir Gemini PRO ten yra; ir Anthropico modelių. Per antigravity dariau rotatorių, užkniso; panašu kad freellmapi geriau susitvarko su Gemini tokenų maksimizavimu :)

Chat GPT, Claude ir
7,4 MILIJARDO NEMOKAMŲ TOKENŲ

Matau, kad dabar daug kas dalinasi „stebuklingu būdu“, kaip nepritrūkti Claude ar ChatGPT tokenų.
|
Suprantu kodėl. Didžiausia bėda, kai darbo viduryje baigiasi limitas ir turi laukti, kol jis atsistatys. Kiekvienas modelis turi savo limitus, o kuo daugiau ir sunkiau dirbi, tuo greičiau juos suvalgai.

Tas „stebuklingas būdas“ atrodo paprastai: gauni nuorodą į GitHub, ten viskas paruošta, tereikia pasiimti.
Bet yra DIDELIS BET.

Tiems, kas su Claude dirba ne tik chato principu, bus lengviau. O kam tokenų ir taip netrūksta, tam viso šito greičiausiai net nereikia.

Bet paaiškinsiu maždaug, kaip tai veikia, kad nešoktumėt ant kiekvieno reelsiuko, kuris žada nemokamus tokenus.
Pirmiausia: tai NĖRA nemokamas Claude ar ChatGPT.
Ši galimybė atsiranda įsidiegus kitą programą aš bandžiau FreeLLMAPI. Ji leidžia vienoje vietoje sujungti kitų AI tiekėjų nemokamus limitus:Groq, NVIDIA, Google ir daugybę kitų.

Kai vienas modelis pasiekia savo limitą ar tampa nepasiekiamas, sistema gali persijungti į kitą.

Kūrėjas skaičiuoja, kad sudėjus palaikomų tiekėjų nemokamus planus teoriškai susidaro apie 7,4 mlrd. tokenų per mėnesį.

Įsivaizduokit, kad Claude Code yra mašina, o AI modelis – variklis.
Per FreeLLMAPI gali pakeisti variklį: vienu metu darbą atliks vienas modelis, pasibaigus jo limitui sistema gali paimti kitą.

Mašina lieka ta pati, bet varikliai nėra vienodo pajėgumo.
Paprastoms užduotims nemokamo modelio gali visiškai užtekti. Sudėtingame darbe jau gali labai aiškiai pasijausti skirtumas.

O dabar tie „BET“, apie kuriuos reelsuose dažniausiai niekas nepasakoja.
1. Su įprastu Claude ar ChatGPT chatu tai neveikia.
Aš Claude Code paleidžiu per PowerShell ir dirbu ten. Vadinasi, reikia pereiti į kitą darbo aplinką, o ne tiesiog toliau rašyti savo įprastame Claude lange.
2. Reikia susirinkti atskirų AI tiekėjų API raktus.
Registruojiesi jų platformose, pasiimi API raktą ir kiekvieną tiekėją prijungi prie FreeLLMAPI.
Aš kol kas prijungiau Groq ir NVIDIA. Kai kurie kiti tiekėjai gali prašyti papildomo patvirtinimo ar mokėjimo kortelės.
3. Jei pradėjai darbą paprastame Claude chate, jo istorija stebuklingai nepersikels į kitą modelį.
Bet jei nuo pradžių dirbi per Claude Code + FreeLLMAPI, yra „Context Handoff“ funkcija, skirta tam, kad keičiantis modeliui kitas suprastų, jog perima jau vykstantį darbą.

Šitą dar reikia normaliai ištestuoti praktiškai, nes teorija yra viena, o kai ant stalo guli realus projektas su krūva failų ir konteksto, prasideda linksmybės.
4. Duomenys vis tiek keliauja tam AI tiekėjui, kurio modelis tuo metu naudojamas.
Todėl su klientų, asmenine ar kita jautria informacija reikia žiūrėti konkretaus tiekėjo privatumo ir duomenų naudojimo sąlygas.
5. Ir svarbiausia: nemokami modeliai nėra automatiškai tokio pat lygio kaip stipriausi Claude ar ChatGPT modeliai.

7,4 mlrd. nemokamų tokenų skamba labai seksualiai, kol neprisimeni, kad svarbu ne tik KIEK tokenų turi, bet ir ką modelis su jais sugeba padaryti.

Ar verta naudoti?
Kol kas negaliu pasakyti, reikia bandyti. Ar bandysiu?
Galbūt jeigu pritrūksiu tokenų dar išbandysiu
Šiaip dirbu su 4 programomis ir visos išpirktos, stengiuosi gauti kokybę, nes pigūs triukai labai muša per laiko sąnaudas.

Šiandien tam praleidau beveik pusę dienos Įsidiegiau, sujungiau Claude Code ir Codex, prisijungiau Groq ir NVIDIA, susitvarkiau routingą ir pagaliau supratau, ką visa ši konstrukcija realiai daro.

BET LABAI GAILA LAIKO

Kai padirbėsiu su jais normaliai ir tada parašysiu, ar tai iš tikrųjų leidžia ilgiau dirbti nepriklausant nuo vieno modelio limitų, ar Chat GPT, Claude ir
7,4 MILIJARDO NEMOKAMŲ TOKENŲ

Matau, kad dabar daug kas dalinasi „stebuklingu būdu“, kaip nepritrūkti Claude ar ChatGPT tokenų.
|
Suprantu kodėl. Didžiausia bėda, kai darbo viduryje baigiasi limitas ir turi laukti, kol jis atsistatys. Kiekvienas modelis turi savo limitus, o kuo daugiau ir sunkiau dirbi, tuo greičiau juos suvalgai.

Tas „stebuklingas būdas“ atrodo paprastai: gauni nuorodą į GitHub, ten viskas paruošta, tereikia pasiimti.

Bet yra DIDELIS BET.

Tiems, kas su Claude dirba ne tik chato principu, bus lengviau. O kam tokenų ir taip netrūksta, tam viso šito greičiausiai net nereikia.

Bet paaiškinsiu maždaug, kaip tai veikia, kad nešoktumėt ant kiekvieno reelsiuko, kuris žada nemokamus tokenus.
Pirmiausia: tai NĖRA nemokamas Claude ar ChatGPT.
Ši galimybė atsiranda įsidiegus kitą programą aš bandžiau FreeLLMAPI. Ji leidžia vienoje vietoje sujungti kitų AI tiekėjų nemokamus limitus: Groq, NVIDIA, Google ir daugybę kitų.

Kai vienas modelis pasiekia savo limitą ar tampa nepasiekiamas, sistema gali persijungti į kitą.

Kūrėjas skaičiuoja, kad sudėjus palaikomų tiekėjų nemokamus planus teoriškai susidaro apie 7,4 mlrd. tokenų per mėnesį.

Įsivaizduokit, kad Claude Code yra mašina, o AI modelis – variklis.
Per FreeLLMAPI gali pakeisti variklį: vienu metu darbą atliks vienas modelis, pasibaigus jo limitui sistema gali paimti kitą.

Mašina lieka ta pati, bet varikliai nėra vienodo pajėgumo.
Paprastoms užduotims nemokamo modelio gali visiškai užtekti. Sudėtingame darbe jau gali labai aiškiai pasijausti skirtumas.

O dabar tie „BET“, apie kuriuos reelsuose dažniausiai niekas nepasakoja.
1. Su įprastu Claude ar ChatGPT chatu tai neveikia.
Aš Claude Code paleidžiu per PowerShell ir dirbu ten. Vadinasi, reikia pereiti į kitą darbo aplinką, o ne tiesiog toliau rašyti savo įprastame Claude lange.
2. Reikia susirinkti atskirų AI tiekėjų API raktus.
Registruojiesi jų platformose, pasiimi API raktą ir kiekvieną tiekėją prijungi prie FreeLLMAPI.
Aš kol kas prijungiau Groq ir NVIDIA. Kai kurie kiti tiekėjai gali prašyti papildomo patvirtinimo ar mokėjimo kortelės.
3. Jei pradėjai darbą paprastame Claude chate, jo istorija stebuklingai nepersikels į kitą modelį.
Bet jei nuo pradžių dirbi per Claude Code + FreeLLMAPI, yra „Context Handoff“ funkcija, skirta tam, kad keičiantis modeliui kitas suprastų, jog perima jau vykstantį darbą.

Šitą dar reikia normaliai ištestuoti praktiškai, nes teorija yra viena, o kai ant stalo guli realus projektas su krūva failų ir konteksto, prasideda linksmybės.
4. Duomenys vis tiek keliauja tam AI tiekėjui, kurio modelis tuo metu naudojamas.
Todėl su klientų, asmenine ar kita jautria informacija reikia žiūrėti konkretaus tiekėjo privatumo ir duomenų naudojimo sąlygas.
5. Ir svarbiausia: nemokami modeliai nėra automatiškai tokio pat lygio kaip stipriausi Claude ar ChatGPT modeliai.

7,4 mlrd. nemokamų tokenų skamba labai seksualiai, kol neprisimeni, kad svarbu ne tik KIEK tokenų turi, bet ir ką modelis su jais sugeba padaryti.

Ar verta naudoti?
Kol kas negaliu pasakyti, reikia bandyti. Ar bandysiu?
Galbūt jeigu pritrūksiu tokenų dar išbandysiu
Šiaip dirbu su 4 programomis ir visos išpirktos, stengiuosi gauti kokybę, nes pigūs triukai labai muša per laiko sąnaudas.

Šiandien tam praleidau beveik pusę dienos Įsidiegiau, sujungiau Claude Code ir Codex, prisijungiau Groq ir NVIDIA, susitvarkiau routingą ir pagaliau supratau, ką visa ši konstrukcija realiai daro.

BET LABAI GAILA LAIKO

Kai padirbėsiu su jais normaliai ir tada parašysiu, ar tai iš tikrųjų leidžia ilgiau dirbti nepriklausant nuo vieno modelio limitų, ar tiesiog radau dar vieną labai technologišką būdą prisidaryti sau darbo.

O kas nori išbandyti nemokamą būdą, prašau
FreeLLMAPI:
https://github.com/tashfeenahmed/freellmapi/releases/tag/v0.12.0 tiesiog radau dar vieną labai technologišką būdą prisidaryti sau darbo.

O kas nori išbandyti nemokamą būdą, prašau
FreeLLMAPI:
https://github.com/tashfeenahmed/freellmapi/releases/tag/v0.12.0

Google Gmail taisyklės leidžia automatizavimą, bet draudžia piktnaudžiavimą, spamą ir klaidinantį Gmail sąsajos automatizavimą. Gmail Program Policies tiesiogiai nurodo, kad negalima automatizuoti Gmail taip, kad tai klaidintų vartotojus, taip pat negalima siųsti nepageidaujamų ar anti-spam teisę pažeidžiančių laiškų.

Iš techninės pusės galima stipriai sumažinti tokių blokavimų riziką. Svarbiausia, kad agentas veiktų kaip normali autorizuota aplikacija, o ne kaip žmogų imituojantis botas.

grok bot gerai nes komandinis naudojimas gerai integruotas, muse bot duoda meta platforma nemokamai/automatiškai naudoti, įdomų ką dot duos

25$ :) APi ir nebesuku galvos. Jei pasitarnaus valio, jei ne, fallback komandą sukūrė jev-stop ir inteksuoja kiekvieną jo integraciją. Kad po to jei reiktų pašalint nebūtų nuotykių.

tai fiziškai iš lokalaus kompo kreipiasi? ar per kokį api?

tik sunkiausia su tokiais klasikiniais modeliais gera tiksluma pagaut, naudot jev vietoj savo bert visas pliusas nes nors visas data workflow kažkieno kito laboratorijos sukurtas

Dedikuoju Mūsų garbiam Nedui, nes jis nėrė į kognityvinio tyrinėjimo vandenyną (System 2).

Naratyvas --
Apgauti Žmogų juokingai paprasta: užtenka vikriai infekuoti į jo percepcinį devaisą autentiškumo iliuziją. Sąmonė, apakinta savo pačios kognityvinės arogancijos, automatiškai užpildys spragas, racionalizuos konfliktus ir pakels melą iki aksiomos rango. Nes didžiausias žmogaus pažeidžiamumas yra ne jo žinių trūkumas, bet jo sacralus įsitikinimas, kad jis jau viską suprato.
Abstraktas --
-- Anonimas anonimui ne anominmas
-- jei atrodo kad Tau viskas aišku, žinok kad dar nieko nesupratai.

DIA automatizacijų susitikimo zoom'as : https://us02web.zoom.us/j/87607984176?pwd=[paslaptis paslėpta]&jst=2

Juk esam automatizacijos grupė.. Tai turi veikt kiekvienam kas liečia gdpr.

Paysera padarė API, kad liktų tik 2FA

Build your own harness.
This is a seriously good paper from NVIDIA on self-improving agent harnesses.

The paper is called SoL-Pi, out of NVIDIA, NTU and MIT.

Every coding agent runs inside a harness. That's the layer that reads files, runs commands, manages memory and talks to the model, Humans tune it by hand, reading long execution logs and turning what they notice into code changes.

They handed the job to an AI instead.

A research AI watched a coding agent work, proposed changes to the harness, tested them, and kept only what saved tokens without hurting results. It ran about 150 research directions across roughly 500 environments, more than 3,000 runs and over 60,000 agent-environment interactions.

Four fixes survived.

- The agent edits a file and runs the test in one call instead of two.
- It compresses its memory when a subtask finishes, and only if that's cheaper than keeping everything.
- It sends big tool outputs in full twice, then swaps them for a 1KB excerpt with a handle to pull the rest on demand.
- A cheap model summarizes build and test logs, and a verifier rejects the summary if it drops evidence.

None of that touches the model. It's all in the software around it.

On EdgeBench, a 51-task benchmark, token traffic dropped 44.7 to 49% and API cost fell by about a third against Pi, the harness it was built on. Against the native harnesses it came in 50% cheaper than Codex on GPT-5.6 Sol and 54.3% cheaper than Claude Code on Opus 5. Scores held at roughly 94% of the baseline.

They built all of it on GPT-5.6 Sol, then dropped it onto Opus 5 with zero changes. It still used 44.7% fewer tokens.

The cost conversation so far has been about cheaper models. This paper says a big chunk of the waste sits in the software around the model, and an AI finds it faster than we do.

Their next move is running the search again with the cheaper harness, so a cheaper agent funds the search for an even cheaper one.

https://arxiv.org/abs/2609.20519

Norint, kad agentas ar botas parašytų, pagal GDPR reikia sutikimo žmogaus. Tai čia kalbėjom, kaip be sutikimo mano vardu galėčiau Telegrame parašyt asmeninę žinutę..

Mano atveju nelabai spam, nes pvz žmogus pasiprašė į grupę, bet nepaspaudė sutinku, todėl į grupę neįleis automatiškai, o pranešimų bot'as, pagal Telegram ribojimą, negali išsiųsti.

Tad reikia mechanizmo, kad mano vardu išsiųstų asmeninę žinutę (tai pasidarysiu, nes dabar copy/paste turiu siųsti tokias..).

Kuo mažiau baladoti klaviatūrą reik.. :D

Botas pirmas parašyti žmogui negali, tai Telegram taisyklė. Todėl rašėm per tavo paties paskyrą, tik ją valdo programa, o ne tu ranka. Tam naudojam Python biblioteką Telethon.
Paruošimas (daromas vieną kartą):
Svetainėje my.telegram.org, skiltyje „API development tools“, susikuri programą ir gauni api_id bei api_hash.
Serveryje įdiegi biblioteką: pip install telethon.
Pirmas paleidimas: TelegramClient("sesija", api_id, api_hash).start(phone="+370…"). Telegram atsiunčia kodą į tavo programėlę, ir jį suvedi ranka pats. Po to atsiranda failas sesija.session, ir kodo daugiau nebereikia.

Kaip? API tavo vardu telegram ar per naršyklę aka playwright?

Iš kito informacijos kanalo (DIA savaitiniai susirinkimai) pasiėmiau patobulinimą automatizacijoms, kurios apdirba išorinę informaciją. Pavojinga vieta yra laiškas ar žinutė ar webpage turinys, kuriame paslėpta instrukcija. Rekomendavo paprastą ribą: prieš LLM paduodant, sudėti į JSON; visas išorinis turinys keliauja į untrustedContent, LLMui aiškiai parašant, kad tai tik duomenys. Nesunkus patobulinimas, bent dalinis užkardymas nuo prompt injection.

Vistiek ašis kliento pritraukimas ir aptarnavimas, o visa kita antraeilis reikalas, bent šiame etape :) Dėkui už gerus klausimus :)

P.S. apskaitos klausimas bus paskutinis, nes tikiu, kad tai lengviausiai automatizuojamas. :)

Nu kietai sukonstravo žinutę ir automatiką.. Būtų gerai, kad kas greičiau patikrintų ar viskas veikia, tie kas dar nėra pateikę sutikimo.
Kad spėčiau greičiau pataisyt, kol tema karšta 🫠

Tai pirmoji mano vieša automatizacija, šiek tiek komplikuota, svarbiausia, kad veikia =)

jo, keli pluginai/komandos opencodui ir gerai, kaip ir teksto redaktorium ar langų valdytojui, kurt pilna harness su pi.dev ar kitais framework jaučiu verta tik labai specifiniam workflow ar prieinamumui, bet agentai per daug optimizuoti ant default harness, ir viskas iš distribucijos greit sprogsta net su labai gerais modeliais, atmintis užsikemša, worktrees pasimeta, užduotis duplikuojasi, tas pats kaip viena užduotį duot šimtam žmonių kur daugiau du tik lypa vienas ant kito

jo, didžiausia prieštara implementacijoj, ne vertybėms kurios dalinamos
iš pačio reporto
>Dead teeth are teeth already built, tested and paid for, wired into nothing.
>Which is why Musk’s own ordering (question → delete → simplify → accelerate → automate) puts deleting and connecting ahead of building
>An audit that responded to “33% unenforced” by commissioning 64 new checks would be the exact waste the algorithm exists to prevent.

daugiau trint, laimingiau gyvent :D

Įdomu išgirsti koks požiūris - ko norisi iš harness'o ir kaip tai einasi pasiekt (gal jau turit viską gerai darančią sistemą ir nebereik nieko ten tobulint, tik vystyti sprendimus, kurti rankius ir automatizacijas? :)

jei užmatysit video gamybai workflows man labai reik tokios info ir šaltinių :)

ir jo, sukurt tikra turini dar didelis darbas, workflow vis gereja nors

Šiandien pirmasis teminis susitikimas apie automatizacijas ir saugumą

kur pigiausia gaut deepseek v4 pro - api 🙂