Открываем лор Сказки под лицензией CC BY 4.0
Мы 12 лет делали текстовую Zero Player MMORPG на русском языке и теперь открываем лор игры под лицензией CC BY 4.0.
Сайт с лором: the-tale.notion.site.
Бонусный пост о том как мы работали над миром игры.
Что мы шарим:
- 195 художественных описаний монстров;
- 403 художественных описания артефактов;
- 177 описаний дополнительных существ (спутники героев);
- 85 художественных текстов о разных аспектах жизни во вселенной игры;
- 25 текстов с описанием логики мира, частично художественных, частично технических;
- Pixelart sprite sheets для карты и некоторые иконки.
Лицензия CC BY 4.0 значит, что вы можете почти всё: копировать и распространять, изменять и перерабатывать — даже в коммерческих целях. При условии, что указываете лицензию, оригинальных авторов и внесённые изменения.
Мы с друзьями надеемся, что наши наработки окажутся полезными начинающим разработчикам и авторам.
P.S. За всё время в игру активно играло 39 000 человек, игроки написали больше 1 000 фанфиков, создали огромное количество фанарта, несколько текстовых квестов по миру игры, и оставили больше 270 000 сообщений на форуме. Поэтому, пусть лор и не уровня ААА игр, есть основания предполагать, что он достаточно увлекательный.
Заметки об ИИ в 2024: Текущее состояние
Продолжаю заметки об ИИ на конец 2024 года.
- Прозрачность индустрии
- Генеративная база знаний
- Текущее состояние
В прошлых постах мы обсудили два тезиса:
- Анализируя решения крупных разработчиков ИИ, таких как OpenAI или Google, мы можем делать достаточно точные предположения о состоянии этой области знаний.
- Весь текущий прогресс стоит на одной конкретной базовой технологии — генеративных базах знаний, которые есть большие вероятностные модели.
Опираясь на эти тезисы, давайте посмотрим на текущее состояние индустрии.
Интересный случай оптимизации извлечения данных с помощью Psycopg
Скорость извлечения данных из базы для каждой из оптимизаций. В процентах от скорости базовой реализации. Обратите внимание, что количество извлекаемых строк слабо влияет на время выполнения.
Раз в год-два мне приходится вспоминать, что Python, ммм… не C++. Обычно, это происходит внезапно, как в этот раз.
Проведя вдумчивый анализ Надоело по 10 секунд ждать загрузки новостей в feeds.fun, поэтому я засучил рукава и полез оптимизировать. Сходу чуть не взялся за эпический рефакторинг, но вовремя вспомнил, что сначала надо измерить, а потом уже резать. Мерять в данном случае совет буквальный — взял профайлер — py-spy — и посмотрел, что конкретно тормозит.
Оказалось, тормозит не вся логика, а вполне конкретное место с извлечением из PostgreSQL таблицы ~100000 строк, плюс-минус 20000. Индексы на месте, тесты проводил с базой на RAM-диске, поэтому со стороны базы всё должно было быть ок.
Такому количеству строк не удивляйтесь:
- Во-первых, у меня большой поток новостей.
- Во-вторых, для каждой новости читалка сейчас ставит около 100 тегов.
Вооружившись py-spy и исходниками psycopg, я прошёл через три этапа оптимизации, уменьшив время выполнения целевой функции примерно в 4 раза только за счёт изменения формата запрашиваемых колонок в SELECT запросе и кода обработки результата.
Далее я расскажу про последовательность любопытных открытий, которые сделал в процессе.
Внимание!
Этот пост — не исследование производительностие Psycopg или Python, а описание конкретного опыта на конкретной задаче со специфическими данными.
Будет неверно судить о производительности Psycopg, или Python в целом, по одному частному случаю.
Prompt engineering: строим промпты от бизнес кейсов
Понечки строят промпт (с) ChatGPT
Как вы знаете, одна из фич моей читалки новостей — автоматическая генерация тегов с помощью LLM. Поэтому я периодически занимаюсь prompt engineering — хочу чтобы теги были лучше, а платить было меньше.
И вот дотюнил я промпты до состояния, когда вроде всё работает, но осадочек какой-то остаётся: правильные теги определяются, но кроме них создаётся ещё 100500 бесполезных, а иногда даже совсем неверных.
Вариантов действий в таких случаях кот наплакал:
- Собрать обучающие данные и дообучить модель делать только правильные теги.
- Построить цепочку акторов, где один будет создавать теги, а другой — отсеивать лишние.
- Попытаться как-то радикально переработать промпт.
На варианты 1 и 2 нет ни денег не времени. Моя текущая стратегия — использовать только готовые ИИ решения, так как в одиночку за отраслью не угнаться. Поэтому пришлось браться за третий.
Дело шло туго, но после недавнего поста про генеративные базы знаний в голове что-то щёлкнуло, задача вывернулась наизнанку, и за утро я накатал новый промп. который пока что показывает себя значительно лучше.
Давайте расскажу в чём была проблема со старым промптом и как её исправил новый.
Заметки об ИИ в 2024: Генеративная база знаний
Продолжаю заметки об ИИ на конец 2024 года.
- Прозрачность индустрии
- Генеративная база знаний
- Текущее состояние
Сегодня хочу поговорить о подрывной технологии, на которой стоят современные достижения в области ИИ. Или о концепции, или о мета-технологии — как вам будет удобнее.
Скорее всего вы не встречали в интернетах описанную далее логику (за исключением введения про подрывные технологии) — у технарей и математиков может слегка подгореть из-за упрощения и срезания углов. Но это та призма, через которую я смотрю на отрасль, сужу о возможном и маловозможном в ней и так далее. Мой блог — мои правила — мои термины :-D
В общем имейте в виду — это мой личный взгляд, не общепринятый.