Производството на цимент е отговорно за близо 8% от глобалните емисии на въглероден диоксид, но нов научен пробив обещава да промени това фундаментално. Изследователи от Университета на Британска Колумбия (UBC) представиха електрохимичен процес, който позволява производството на циментови прекурсори при изключително ниската температура от 60°C [1].

За сравнение, традиционното производство изисква пещи, нагряти до над 1400°C, където варовикът се разлага химически, отделяйки огромни количества CO₂. Новият „студен“ метод намалява въглеродния отпечатък с цели 98%.

Разработчиците вече разполагат с мощен инструмент за локално отстраняване на грешки и оценка на AI агенти благодарение на новия проект с отворен код Workshop. Създаден от стартъпа за наблюдаемост Raindrop, инструментът предоставя табло за управление в реално време, което следи всеки токен, извикване на инструменти и решение, взето от автономните системи.

Според публикация на VentureBeat [1], Workshop решава един от най-големите проблеми при изграждането на агенти – липсата на прозрачност в мисловния им процес. Инструментът работи като локален демон и потребителски интерфейс (обикновено на localhost:5899), което гарантира суверенитет на данните и премахва забавянето при пренос на информация.

Следващата голяма битка в корпоративния сектор няма да се води за това чий модел е по-интелигентен, а за това кой ще контролира инфраструктурата, през която работят AI агентите. Според последните анализи на пазара [1], Anthropic залага всичко на т.нар. „контролна равнина за агенти“ (agent control plane) – слой, който разделя изпълнението на задачите от тяхното управление и сигурност.

Централно място в тази стратегия заема Model Context Protocol (MCP), който Anthropic успешно позиционира като „Kubernetes за AI агенти“. Вместо да се изграждат специфични интеграции за всеки софтуер, MCP позволява на компаниите да създадат единен стандарт за свързване на своите данни (SAP, Salesforce, GitHub) с който и да е съвместим агент.

Промпт инженерингът (prompt engineering) се превърна в основен стълб при работата с големи езикови модели (LLMs), но индустрията често пренебрегва сложността на този процес. Масовата практика разчита на единични метрики за оценка на успеха, което според нови изследвания е грубо опростяване на реалността.

Според нова публикация на Machine Brief [1], оптимизирането на промпти не е просто търсене на текст, който работи добре изолирано. В реални условия разработчиците трябва да балансират между множество цели – например висока точност срещу латентност или изчерпателност срещу лаконичност.

Според публикация на InfoQ [1], компанията Anthropic е представила нова функционалност, наречена Routines за своята система за програмиране Claude Code. Функцията позволява на разработчиците да автоматизират сложни работни процеси, които се изпълняват по разписание, чрез API извиквания или в отговор на външни събития.

За разлика от традиционните локални скриптове, Routines се изпълняват изцяло върху облачната инфраструктура на Claude Code. Това премахва необходимостта от поддръжка на собствени сървъри, cron задачи или сложни CI/CD тръбопроводи за изпълнение на AI базирани задачи [1].

В петък OpenAI представи нова функционалност в ChatGPT, която позволява на потребителите директно да свързват банковите си сметки за автоматизиран анализ на разходите и финансово планиране [1]. Инструментът е наличен в пробен режим (preview) за абонатите на ChatGPT Pro в САЩ и бележи сериозна стъпка към превръщането на чатбота в персонален финансов асистент.

За реализацията на тази функция OpenAI си партнира с лидера във финансовата свързаност Plaid. Потребителите могат да интегрират данни от над 12 000 финансови институции, включително гиганти като Chase, American Express и Capital One, както и инвестиционни платформи като Schwab и Robinhood [1][2].