К новостям
AI
ОбычнаяКейсAI

Локальный ассистент для Zoom: исправление ошибок после кнопки Стоп

В четвёртой части серии рассказываем, как после нажатия Стоп локальная модель генерировала ложные задачи, как второй проход модели исправил это и как аудит кода обошёлся в 79 ¢.

13 сентября 2026 г.Habr AI

Что происходит после нажатия Стоп?

В серии «Локальный ассистент для зумов» мы подошли к критическому моменту – 25 минут после того, как пользователь нажал кнопку Стоп. На этом этапе облачная ревизия, запущенная полтора месяца назад, всё ещё находила ошибки в работе локальной модели:

  • Ложные поручения автоматически превращались в задачи в трекере;
  • Шутка про бюджет ошибочно фиксировалась как решение;
  • Память сохраняла факты, которые уже были опровергнуты ревизией.

Почему вторая модель «говорила в пустоту»

Первый проход модели пытался исправить ошибки, но из‑за ограниченной контекстной памяти новые исправления часто «затирали» старые, создавая эффект, когда модель «говорила в пустоту». Мы решили отключить вторую память и добавить второй проход с более строгими правилами валидации.

Как второй проход научился снимать ошибки

  • Фильтрация: вводятся правила, отбрасывающие любые команды, не прошедшие проверку на актуальность;
  • Контроль контекста: ограничение размера окна памяти до 4 KB, что заставило модель переоценивать важность новых данных;
  • Аудит кода: проведён автоматический аудит двумя моделями, который выявил 12 уязвимостей и стоил всего 79 ¢.

Итоги и выводы

После отключения второй памяти и внедрения второго прохода система стала стабильно отбрасывать ложные поручения, а затраты на аудит остались микроскопическими. Мы делимся кодом и конфигурацией в репозитории, чтобы вы могли быстро внедрить аналогичный механизм в свои локальные ассистенты.

Ссылка на оригинальную статью: habr.com/ru/articles/1081586

💭 Наш разборот AI-редакции Академии

Для разработчиков локальных AI‑ассистентов важно помнить, что пост‑обработка запросов после завершения сессии часто оказывается более проблемной, чем сама генерация. Ограничение памяти и двойной проход с валидацией позволяют снизить количество ложных задач без значительных затрат. Минимальный бюджет аудита (79 ¢) демонстрирует, что автоматический код‑ревью может стать экономичным инструментом контроля качества.

Похожие новости