Channel
@filippovd_ai
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
377subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002118171819 |
|---|---|
| Type | Channel |
| Username | @filippovd_ai |
| Description | Канал для AI-инженеров и разработчиков, сфокусированный на создании передовых (SOTA) решений. Практикуем AI SWE (как замену VibeCoding) Разбираем только уникальные и проверенные подходы. Для коммуникации: @filippov_dm |
| Created | Between 1 November 2023 and 31 May 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 8 August 2026 |
| Measurements held | 2 |
| On Telegram | t.me/filippovd_ai |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 8 Aug 2026, 06:16 | 377 | no change |
| 7 Aug 2026, 16:50 | 377 | first reading |
19 posts held, back to 7 August 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 19 posts for this entry, the most recent from 25 February 2026. An engagement rate over an empty window would be a number about nothing.
Lifetime counters from Telegram’s own channel header, read 8 August 2026 — not the date at the top of this page, which is when the subscriber count was last read. Below Telegram’s rounding threshold, so these counts are exact.
202 reactions across 19 posts, in 7 distinct kinds. The most used accounts for 45.5% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 👍 | 92 | 45.5% | |
| 🔥 | 83 | 41.1% | |
| ❤ | 14 | 6.93% | |
| 🤔 | 9 | 4.46% | |
| 🆒 | 2 | 0.99% | |
| ⚡ | 1 | 0.495% | |
| 💔 | 1 | 0.495% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 19 of the 19 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 202reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 19 most recent posts we hold, published 7 August 2025 to 25 February 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
Когда ковырял Skills, меня не покидало ощущение, что это реально крутая вещь по двум причинам. Первое - это то, что наконец-то появилась еще одна стандартизация концепции. На самом деле у многих уже появлялись зачатки скиллов, но как это назвать и как оформить так, чтобы все понимали, о чем ты говоришь, было сложно. Поэтому очень круто, что появился еще один термин, который стандартизирует некий подход (тут снова Ant…
🔥9👍4
◀️ Что же по Qwen3-4B, - я его запускал не только в обычном режиме, но и с применением некоторого подхода. Я ожидал увидеть заметный прирост, но результаты оказались почти одинаковыми (не знаю, с чего я так решил, что будет какой-то буст, но ресерч - дело такое). Идея заключалась в том, чтобы помочь небольшой модели справиться с большим контекстом. Вместо того чтобы подавать весь контекст целиком, я разделил его на…
👍11🔥3❤2
Пока в AI чатах бурно обсуждают новые плюшки от антропиков: свежая модель Sonnet 4.5, обновленный Claude Code 2.0, и SDK для создания кодовых агентов. ⭐ Я же делюсь результатами по бенчмарку оценки качества извлечения данных. Напомню, я убрал из процесса этап поиска и подавал моделям контекст со страниц напрямую, чтобы сфокусироваться именно на их аналитических способностях. Контекст был ограничен 10 000 токенов д…
👍6🔥4❤3
Наконец-то запустил бенчмарк по оценке качества извлечения данных, взял за основу датасет для DeepResearch SealQA Но как я говорил, этап поиска в этом бенчмарке довольно тривиальный - большинство ссылок ведут на Википедию и легко находятся. Поэтому я решил не мучать этим этапом LLM и сейчас подаю контекст страниц напрямую. Но раз я сменил условия игры - мне нужны данные по разным моделькам, чтобы потом сравнивать р…
🔥7👍3❤2
Тестирую модель Qwen3-4B на задаче извлечения релевантных данных. Здесь нужно не просто найти ответ в контексте, а провести аналитическую оценку информации на соответствие запросу. И вот такое чудит, в ризонинге видно, что она правильно определила релевантных игроков, но в финальном ответе все равно написала всех...
🤔5💔1
На этом одном примере, я стабильно получал низкую полноту ответа (всего 20%). Оказалось, проблема не в логике LLM, а в том, в каком виде она получает данные. Я использовал tavily-adapter для поиска, который возвращал содержимое страниц как сплошную строку, вытащенную через bs4. И если ответ был спрятан в таблице, то для LLM это была просто каша из слов. Она не видела никакой структуры. Решение: Я переписал адаптер…
🔥8👍3
Когда получаешь первые результаты, сразу думаешь: как их улучшить? На первый взгляд, решение казалось очевидным: добавить моему ReAct-агенту больше инструментов. Например, planner или todo-список, чтобы сделать поиск более контролируемым. Но проанализировав логи, я увидел, что мой агент посещал 80% сайтов, на которых содержался правильный ответ. Значит, проблема не в поиске, а в чём-то другом. ⚡Проблема: маленька…
👍6
Вместе с коллегами по цеху взялись за интересный бенчмарк по deep research - SealQA. Хотим протестировать разные подходы к реализации ReAct-агентов, но с одним важным условием: использовать только небольшие LLM, в идеале до 30B параметров. Сейчас для тестов взяли gpt-4o-mini. 🤔 Почему это важно? Большие LLM, без сомнения, справляются лучше, но они всё ещё дороги. И хотя со временем все модели дешевеют, вопрос выбор…
🔥9👍7
Только вышел новый Codex от OpenAI - тут же появился слитый промт - еще один крутой репозиторий с промтами. Этот промт выдала сама LLM - поэтому за формат и его первозданный вид не ручаюсь. Какие особенности: 1) Формат В основном используется Markdown, но и есть два блока с XML-тегами: <GUIDELINES>: оборачивает целый блок, который является шаблоном. <EXAMPLE_FINAL_ANSWER>: предоставляет конкретный, заполненный п…
🔥4👍2❤1
Продолжаем анализировать промты агентов из репозитория и после разбора XML-тегов переходим к следующему паттерну. Речь о механизме планирования и To-Do list - важном и часто встречающемся стандарте для агентов Три основных способа реализации: Управление через инструменты (Tool-Based): Самый частый подход. Агент использует инструменты (todo_write, update_plan) для интерактивного управления списком задач. (Примеры:…
👍7🔥5❤2
Когда я вижу очередную статью о Prompt Engineering - я думаю, ну опяяяять.... Сколько можно то? Но если надо разобраться в том, как работают топовые AI-агенты под капотом, с какими системными промтами, ты должен читать такие статьи, а иногда даже писать 👀 Поэтому, ловите первую статью о Prompt Engineering - это результат анализа огромного количества самых топовых промтов для агентов. ⚡️ Первый инсайт: использован…
👍11🔥6
Почему субагенты в ClaudeCode - это еще не настоящая мультиагентность Все, кто строил мультиагентные системы знают подход, где есть главный агент оркестратор, который координирует работу, и есть спец. агенты (субагенты), которые заточены под конкретную задачу (тестирование, ревью, ведение задач в JIRA). С появлением субагентов в ClaudeCode (CC) показалось, что вот оно, готовое решение - создавай субагентов, подключ…
👍6❤4🔥3
Showing the 12 most recent of 19 posts we hold for @filippovd_ai. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 8 August 2026 — this entry's latest reading, not the date you are reading this.
“Филиппов Дмитрий - Агент LLM” (@filippovd_ai), 377 subscribers as measured 8 August 2026. Telegram Register, tgregister.com/channel/filippovd_ai.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.