[2/8] Autocompletion: как LLM создает подсказки кода

Я делаю текстовую ролевую игру в Telegram: игрок пишет, что делает его персонаж, а нейросеть отвечает за весь остальной мир. Рассказываю, как порядок полей в JSON влияет на согласованность ответа, как устроен бой с серверными бросками кубиков и сколько стоит один ход. Привет, Хабр! Меня зовут Саид, мне 29 лет. Больше пяти лет я разрабатываю игры на Unity: делал их на заказ и работал в нескольких компаниях. Но идея этой игры пришла не с работы, а из времени, когда я сам был игроком. В 15–16 лет я играл в текстовые ролевые игры на сайтах вроде AnimeVIP. У каждого игрока там свой персонаж, а за бои и за всё, что происходит в мире, отвечает модератор. Меня всегда тянуло к песочницам, где можно делать что хочешь. Но у таких игр была беда: модератор мог не отвечать целый день, и игра сильно затягивалась. Недавно я вспомнил те времена и подумал: а что, если роль модератора отдать нейросети?

Мировой рынок искусственного интеллекта превращается в закрытый элитарный клуб. Несколько американских корпораций — Microsoft, Google, Meta, Anthropic — фактически монополизировали создание «цифрового сверхразума». Они сами диктуют правила, скупают атомные электростанции и строят вокруг индустрии непреодолимый финансовый барьер. В ИИ‑сообществе принято верить в красивые сказки. Блогеры уверяют, что открытый код (Open Source) вот‑вот разрушит эту гегемонию, а децентрализованный «народный майнинг» раздаст нейросети каждому желающему. Нам рассказывают, как китайские лаборатории вроде DeepSeek совершили чудо, раздав свои алгоритмы миру бесплатно. Но если снять розовые очки, становится очевидно: ИИ‑индустрия устроена иначе, чем обычный софт. Лобовая атака против Кремниевой долины со старыми рецептами свободы бессильна.

Разбираемся, что такое JEV, чем модели принятия решений отличаются от привычных LLM и какие у них есть открытые аналоги. А заодно поднимаем Laya и Gemma 4 на собственном сервере и собираем полноценного AI-агента на Python с веб-интерфейсом, классификацией новостей и автоматической публикацией статей. Без облачных API и агентных фреймворков. Все исходники — на GitHub.