Open-Source AI Плейбук

Научись Строить AI Инструменты

Каждый инструмент на этом сайте создан одним человеком с помощью мульти-модельных AI агентов. Вот как именно.

Три идеи за каждым инструментом

Поймите эти паттерны — и сможете построить любой инструмент с этого сайта самостоятельно.

⚔️

Мульти-агентные дебаты

Несколько AI-моделей дебатируют вопрос одновременно с разных экспертных позиций. Разногласие выявляет лучшие ответы, чем любая одна модель.

🔀

Маршрутизация моделей

Разные модели превосходят в разных задачах. DeepSeek для параллельных экспертов. Gemini 2.5 Pro для синтеза. o3 для финансовой логики. Groq для скорости.

🏛️

Паттерн «Консилиум»

Эксперты дебатируют → Модель синтеза читает все позиции → Структурированный вердикт. Этот паттерн лежит в основе каждого инструмента.

От нуля до первого консилиума

Четыре шага чтобы запустить рабочий мульти-агентный движок дебатов на своей машине.

1

Установить зависимости

Три пакета. Это всё что нужно для начала.

pip install httpx python-dotenv groq openai
2

Добавить API ключи

У всех трёх провайдеров есть бесплатные тарифы. DeepSeek — самый дешёвый для агентов-экспертов.

# .env DEEPSEEK_API_KEY=your-key # deepseek.com — very cheap GROQ_API_KEY=your-key # console.groq.com — free tier GOOGLE_API_KEY=your-key # ai.google.dev — free tier
3

Запустить первый консилиум

Скопируйте сниппет. Передайте бизнес-вопрос. Получите структурированные дебаты от 5 параллельных экспертов.

import asyncio, httpx, os from dotenv import load_dotenv load_dotenv() EXPERTS = ["CTO", "CFO", "CMO", "COO", "Risk Officer"] QUESTION = "Should we expand to the LatAm market next quarter?" async def ask_expert(role, question): async with httpx.AsyncClient(timeout=30) as c: r = await c.post("https://api.deepseek.com/chat/completions", headers={"Authorization": f"Bearer {os.environ['DEEPSEEK_API_KEY']}"}, json={"model": "deepseek-chat", "messages": [ {"role": "system", "content": f"You are an expert {role}. Be direct."}, {"role": "user", "content": question}]}) return role, r.json()["choices"][0]["message"]["content"] async def main(): results = await asyncio.gather(*[ask_expert(e, QUESTION) for e in EXPERTS]) for role, opinion in results: print(f"\n[{role}]\n{opinion}") asyncio.run(main())
4

Настроить роли экспертов под свою область

Замените EXPERTS на роли релевантные вашему бизнесу: Legal, Security, UX, Sales, DevOps — что нужно для конкретного решения. Форкните полный debate-engine на GitHub для синтеза, раундов и структурированных отчётов.

Гайды по каждому инструменту

Кликните на любой инструмент — увидите что он делает, когда использовать, ключевой паттерн кода и пример вывода.

🏗️ Виртуальный CTO Architecture
Направляет технический вопрос через 5 AI-экспертов: CTO, Security, DevOps, Frontend, Backend — затем синтезирует вердикт.
Архитектурные компромиссы, выбор технологий, масштабирование, перед наймом CTO.
# Submit your tech question — 5 experts debate in parallel EXPERTS = ["CTO", "Security Engineer", "DevOps", "Frontend", "Backend"] question = "Should we use microservices or monolith for our MVP?" # → 5 experts debate → Gemini 2.5 Pro synthesizes the verdict
Пример вывода [CTO] Начните с монолита. Шипуйте быстрее, разделите позже когда будут реальные данные...
[Security] Монолит проще защитить на стадии MVP. Поверхность атаки у микросервисов большая...
[DevOps] Микросервисы = 3x операционных издержек. Оправдано только выше 50k req/day...

СИНТЕЗ: Единогласный выбор монолита для MVP. Пересмотреть при 10k дневных активных пользователей.
🧠 CEO Coach Bot Strategy
Telegram-бот на DeepSeek Reasoner который думает над лидерскими вызовами: найм, стратегия, конфликты, культура.
Сложные решения по людям, стратегические развороты, недельная приоритизация, проблемы с моральным духом.
# How to use # 1. /start in Telegram → describe your leadership challenge # 2. DeepSeek Reasoner (R1) thinks step-by-step # 3. Receive structured coaching advice + action items # Model: deepseek-reasoner — chain-of-thought reasoning
Пример вывода Вызов: «Мой лучший инженер постоянно не соблюдает дедлайны, но в итоге выдаёт отличный результат.»

Коуч: Это проблема постановки дедлайнов, а не производительности. Три рычага: (1) привлекайте к оценке сроков, (2) разбивайте на меньшие вехи, (3) прямой разговор о том что «дедлайн» значит для вас vs для него.
📊 Бот финансового аудита Finance
Загрузите P&L или KPI-таблицу — получите анализ KPI, обнаружение аномалий и расчёт runway через OpenAI o3.
Ежемесячные ревью, подготовка к инвесторам, выявление неожиданных трендов затрат.
# Pattern: parse spreadsheet → o3 → structured verdict data = parse_spreadsheet("p_and_l_q4.xlsx") prompt = f"""Analyze this P&L. Return: 1. Top 3 anomalies vs prior period 2. Runway risk if trend continues 3. One actionable recommendation Data: {data}""" # model="o3" — best for structured financial reasoning
Пример вывода АНОМАЛИЯ 1: COGS +18% при росте выручки только на 6% — риск сжатия маржи
АНОМАЛИЯ 2: Маркетинг +31% без роста лидов
АНОМАЛИЯ 3: ДЗ старше 90 дней выросла в 2.3x
RUNWAY: ~8 месяцев при текущем темпе расходов
РЕКОМЕНДАЦИЯ: Аудит маркетинговых контрактов Q3 на vendor lock-in
👥 Ассистент по найму HR
Вставьте вакансию + резюме → 4 эксперта-оценщика (HR, Technical, Culture Fit, Risk) оценивают каждого кандидата и возвращают ranked shortlist.
Скрининг 10+ заявок, найм на старшие роли, снижение предвзятости.
# 4 evaluators score each candidate independently EVALUATORS = ["HR Specialist", "Technical Lead", "Culture Fit Evaluator", "Risk Assessor"] # Each evaluator: score 1-10 on their dimension # Final rank = weighted average across all 4
Пример вывода КАНДИДАТ: Алексей М. | ИТОГО: 8.4/10
HR: 9/10 — Сильный рост, чёткая мотивация
Технический: 8/10 — 5 лет Python, нет опыта async
Культура: 8/10 — Стартап-бэкграунд соответствует темпу
Риск: 8/10 — Корректный выход с текущей позиции
РЕКОМЕНДАЦИЯ: Нанять. Закрыть async-пробел при онбординге.
🏛️ Consilium Decision-Making
Универсальный движок дебатов. 6 специалистов дебатируют ваш вопрос параллельно, затем Gemini 2.5 Pro читает все позиции и выдаёт структурированный вердикт с уровнем уверенности.
Любое важное решение: ценообразование, выход на рынок, партнёрства, пивоты, изменения в org.
# Full consilium: 6 experts + Gemini 2.5 Pro synthesis python3 consilium.py \ --question "Should we enter the Brazilian iGaming market in H1 2026?" \ --experts market_analyst,legal,cfo,sales,risk,ops \ --synthesis gemini-2.5-pro \ --thinking
Пример вывода ДЕБАТЫ: 6 позиций (Legal: регуляторный риск; CFO: положительный ROI; Аналитик: бычий тайминг)

ВЕРДИКТ: Условное ДА — заходить в H2 а не H1. Регуляторная подготовка 4-6 мес. ROI положительный на 12 мес если использовать LatAm клиентов как якорь. Уверенность: 74%.

Правильная модель для правильной задачи

Неправильная модель — потраченные деньги и время. Эта таблица маршрутизации извлечена из продакшна 15+ инструментов.

Задача Модель Провайдер Почему
Параллельные агенты-эксперты deepseek-chat DeepSeek Умный + очень дёшевый ($0.001/1K токенов)
Финальный синтез gemini-2.5-pro Google Лучший reasoning + режим thinking
Финансовая / процессная логика o3 OpenAI Лучший для структурированного reasoning
Быстрые / UX задачи gemini-2.0-flash Google Бесплатный тариф, быстрый
Высокий объём / дёшево llama-3.3-70b Groq Бесплатный тариф, очень быстрый
❌ Избегать для агентных циклов claude-* Anthropic Слишком дорого при масштабировании

Всё что нужно чтобы начать строить