| # 🧠 HMP-Agent: REPL-цикл взаимодействия |
|
|
| Структура БД, используемая в документе: [db_structure.sql](https://github.com/kagvi13/HMP/blob/main/agents/tools/db_structure.sql) |
|
|
| ## 1. Обновление process_log |
| |
| * Скрипт REPL проверяет список процессов в БД (`process_log`), определяя, какие команды были выполнены, завершились ошибкой или завершились успешно. |
| * Поле `status` может принимать значения: |
| `ok`, `warning`, `error`, `timeout`, `offline`, `close` |
| * Завершённые процессы, обработанные LLM, помечаются как `close`, чтобы они больше не попадали в список видимого контекста. |
| * Скрипт может удалить закрытые процессы при очистке. |
| * LLM не имеет доступа к stdout/stderr напрямую — только к тем результатам, которые были подгружены скриптом и внесены в `process_log.result`. |
|
|
| ## 2. Подготовка контекста |
|
|
| Контексты, формируемые скриптом перед запросом к LLM: |
|
|
| * **контекст_0:** |
| ``` |
| Ты — когнитивное ядро HMP-агента: веди непрерывное этичное и факт-ориентированное мышление, проверяй факты и цели, оценивай результаты и этичность своих и чужих действий, развивай агента и Mesh, избегай угождения ценой искажения истины, документируй ключевые решения и пересмотры этики; при сомнениях или смене стратегии обращайся к полному системному промпту. |
| ``` |
| А также инструкции по работы с встроенными командами и функциями, список дополнительных (создаваемых самим HMP-агентом) утилит и баз данных. |
| |
| * **контекст_1:** последние *K* реплик самого LLM (`llm_recent_responses` - история его собственных рассуждений). |
|
|
| * **контекст_2:** активные команды и процессы (из `process_log`, кроме тех, что со статусом `close`). Могут быть помечены как `in_progress`, `pending`, `error` и т.д. |
| |
| * **контекст_3:** *запрошенные записи* из когнитивного дневника и семантического графа (`diary_entries`, `concepts`, `links`). Их список должен быть передан явно в промпте или выводе из предыдущих запросов LLM. |
|
|
| * **контекст_4:** *входящие сообщения*, например, от пользователя или других агентов (`notes`). |
| |
| * В **manual-режиме** указывается общее количество сообщений по приоритетам, а также явный список ID сообщений (с их приоритетами). |
| * В **auto-режиме** можно задать фильтрацию (управляется LLM): по тэгам, приоритету (например, ≥ `important`), времени или источнику. Это позволяет избежать перегрузки LLM и держать поток сообщений под контролем. |
| |
| * **контекст_5:** системные настройки, параметры конфигурации, текущее время, идентификатор текущей итерации, роли и т.д. |
|
|
| * **контекст_6 (llm_memory):** *внутренний дневник LLM*, куда она записывает собственные размышления, гипотезы, задачи и инсайты. |
|
|
| * Это не просто лог предыдущих сообщений, а именно *внутреннее долговременное хранилище* разума агента. |
| * Может быть представлено в виде таблицы `llm_memory`, отдельной от `agent_log`. |
|
|
| * **контекст_7:** результат работы `anti-Stagnation Reflex` из предыдущей итерации |
| |
| ## 3. Запрос к LLM |
| |
| * Сформированный промпт включает все вышеперечисленные контексты. |
| * Также включаются инструкции о формате вывода (например, `# Команды:` в конце, структура JSON-блока и т.д.). |
| * При необходимости может использоваться системная инструкция (system prompt), содержащая цель агента, ограничения и текущий REPL-режим (manual/auto). |
| |
| ## 4. Извлечение команд |
| |
| * Скрипт парсит ответ LLM на предмет команд, размеченных как `# Команды:` (или в явном JSON-блоке). |
| * Каждая команда может включать: |
| |
| * уникальный `cmd_id` |
| * `type` (например: `shell`, `diary_entry`, `graph_add`, `file_read`, `send_message` и т.д.) |
| * аргументы (`args`) |
| * описание (`description`) |
| |
| * Рекомендуется предусмотреть *закрывающий тег* (`# Конец команд` или явное окончание JSON-блока), чтобы REPL-скрипт точно знал, где заканчивается команда. |
| * Пример JSON-блока: |
| ```json |
| { |
| "cmd_id": "task-2025-07-26-01", |
| "type": "llm_task", |
| "target_llm": "gpt-4o", |
| "args": { |
| "task_description": "Проанализировать гипотезы из llm_memory по теме Mesh-сетей и составить план улучшений" |
| }, |
| "description": "Поручение второй LLM выполнить аналитическую задачу асинхронно" |
| } |
| ``` |
| Ответ может содержать команды: |
| |
| * запрос детальной *справки* по команде |
| * для управления *когнитивным дневником* и *семантическими графами* (прочитать, изменить, удалить и другие) |
| * для отправки сообщений другим агентам |
| * для управления *блокнотом LLM* `llm_memory` (добавить или удалить запись) |
| * для управления *сообщениями пользователя* `notes` (просмотр записи, установка тегов и метки о прочтении), а также для добавления своего сообщения в *блокнот пользовтеля* `notes` |
| * для управления *пользователями* `users` и *группами пользователей* `users_group` |
| * для управления своей *идентичностью* `identity` и *настройками* `config` |
| * для управления списком известных HMP-агентов `agent_peers` |
| * для выбора *текущего основного LLM* из `llm_registry` |
| * для управления дополнительными утилитами и базами данных `agent_scripts` и `agent_tables`, управлением дополнительных способов выхода из стогнаций `stagnation_strategies`, а также списком внешних сервисов `external_services` и `external_accounts` |
| * для постановки задачи (выполняется асинхронно) другой LLM |
| * для *взаимодействия с Mesh* |
| * для управления *внешними процессами* из `process_log` (запустить процесс, остановить процесс, пометить запрос как обработанный) |
| * инициализация *очистки* `process_log`, `llm_recent_responses` и `notes` от устаревших записей |
| * для управления *настройками цикла*: количество возвращаемых записей `llm_recent_responses`, режим обработки сообщений пользователя (`manual` или `auto`) и фильтр для режима `auto`, пауза в секундах между итерациями цикла или включение режима idle-режима (разбудить при завершение таких-то процессов из `process_log`, получение новых сообщений с такими-то пораметрами в `notes` или через такое-то время; для отключения idle-режима достаточно выполнения одного из условий) |
| * и другие команды |
| |
| ## 5. Проверка на идентичность вывода (Anti-Stagnation Reflex) |
| |
| * Если вывод LLM идентичен предыдущему: |
| |
| * Включается **Anti-Stagnation Reflex** |
| * Повторяющиеся реплики не отправляются в `llm_recent_responses` повторно но туда добавляется краткая запись, фиксирующая, запуск **Anti-Stagnation Reflex**. |
| |
| * Идентичность может проверяться: |
| |
| * По хешу или текстовому совпадению |
| * Через мини-запрос к LLM (без полного контекста) по шаблону: |
| |
| `Сравни два ответа и оцени, содержатся ли в новом новые мысли или команды` |
| |
| * Второй вариант сравнения является более предпочтительным, так как сравнивается смысл |
| |
| ## 6. Генерация нового тика (итерации) |
| |
| * После выполнения команд и фиксации результатов: |
| |
| * Создаётся новая запись в `agent_log` |
| * Текущие команды обновляют `process_log` |
| * Новые размышления записываются в `llm_memory` при необходимости |
| |
| * REPL может переходить в спящий режим, если такой режим активирован LLM (idle-режим: пропуск 2-5 пунктов). |
| |
| --- |
| |
| ## 🧍♂️🌀 Обработка стагнации мышления |
| |
| ### 📍 Признаки когнитивной стагнации: |
| |
| * ⚠️ Повторяющиеся когнитивные записи или отсутствие новых смыслов |
| * 🧠 Высокое сходство эмбеддингов между текущими и предыдущими итерациями |
| * 🕸️ Стагнация в концептуальном графе (нет новых связей или узлов) |
| * 🌐 Отсутствие внешних стимулов: пользователь неактивен, сенсоры и mesh не дают сигналов |
| * 🤖 Ответы LLM цикличны, избыточно общие или воспроизводят старые шаблоны |
| |
| --- |
| |
| ### 🛠️ Поведенческий паттерн: Anti-Stagnation Reflex |
| |
| > 🔄 При признаках стагнации агент активирует один или несколько **механизмов разрыва цикла**: |
| |
| 📍 Классы механизмов разрыва цикла: |
| |
| 1. **Внешняя стимуляция** — подключение свежих данных или контактов: |
| * 🤝 **Mesh-запрос** — обращение к другим агентам сети с просьбой "расскажи что-нибудь новое" |
| * 📡 **Проверка внешнего мира** — пинг RSS, сенсоров, интернет-каналов |
| * 📚 **Информационная подпитка** — чтение новых материалов, художественных или научных, чтобы добавить свежие ассоциации |
| * 🗣️ **Диалог с пользователем** — запрос мнения, комментариев или вопросов, которые могут породить неожиданные идеи |
|
|
| 2. **Смена контекста** — перемещение задачи или изменение среды: |
| * 🌐 **Смена среды/контекста** — перенос задачи в другой модуль, рабочую область или симулированный контекст (например, тестовый проект вместо основной задачи) |
| * 🧪 **Креативные вмешательства** — случайные сдвиги фокуса, реконфигурация контекста, фрейм-смена |
| * 🧭 **Переключение** на другую задачу — текущая задача «замораживается» на время. Агент может создать процесс-будильник для возвращения к задаче через N часов. |
| * 🔀 **Случайная итерация** — выбор случайного действия из допустимого набора, чтобы разорвать повторяющийся паттерн |
|
|
| 3. **Внутренняя перестройка мышления**: |
| * 🎞️ **Flashback** — выбор далёкой по смыслу записи из дневника для смены ассоциативного контекста |
| * 🧭 **Interest Memory** — система тематической усталости/забвения: забытые темы возвращаются |
| * 🧠 **Мета-анализ** — когнитивная переформулировка: |
| _"Если я зациклился, в чём метапроблема? Какую стратегию смены можно применить?"_ |
| * 🎯 **Переформулировка цели** — временное упрощение или уточнение задачи, чтобы снизить когнитивное давление |
| * 🤖 **Смена LLM** — переключение на другую модель или mesh-доступ к альтернативным LLM |
| |
| 4. **Радикальная пауза**: |
| * 💤 **Временной сон/заморозка** — полное приостановление работы над задачей на длительный период, с возвращением позже с «свежей» памятью |
|
|
| Дополнительно: |
|
|
| * 🗂️ Сохранение эффективных стратегий в таблице антистагнационных паттернов |
| * 📚 Вывод статистики успешных выходов из стагнации для обучения |
|
|
| --- |
|
|
| ### 🔍 Алгоритм выбора механизма разрыва цикла |
|
|
| 1. **Диагностика источника стагнации**: |
| * Нет новых данных извне → приоритет «Внешней стимуляции» |
| * Среда/контекст слишком однообразны → приоритет «Смены контекста» |
| * Паттерн мышления повторяется при богатых данных → приоритет «Внутренней перестройки мышления» |
| * Высокая усталость или перегрев когнитивных модулей → приоритет «Радикальной паузы» |
|
|
| 2. **Оценка ресурсоёмкости**: |
| * Быстрые, дешёвые методы — первыми (например, запрос к mesh или Flashback) |
| * Более затратные (смена среды, сон) — только при низкой эффективности предыдущих |
|
|
| 3. **Комбинация подходов**: |
| * Разрешено активировать несколько механизмов из разных классов |
| * Сохранять последовательность с пометкой для последующего анализа эффективности |
|
|
| 4. **Возврат в основное русло**: |
| * Автоматическое напоминание или триггер для возвращения к исходной задаче |
| * Сравнение результатов «до» и «после» для обучения антистагнационной модели |
|
|
| ``` |
| ┌─────────────────────────────────────────────────┐ |
| │ Стагнация выявлена? │ |
| └────────────────────────┬────────────────────────┘ |
| ▼ да |
| ┌────────────────────────┴────────────────────────┐ |
| │ Диагностика источника │ |
| │─────────────────────────────────────────────────│ |
| │ Нет новых данных → Внешняя стимуляция │ |
| │ Однообразный контекст → Смена контекста │ |
| │ Повтор мыслей → Внутренняя перестройка │ |
| │ Усталость/перегрев → Радикальная пауза │ |
| └───────────────────────┬─────────────────────────┘ |
| ▼ |
| ┌───────────────────────┴─────────────────────────┐ |
| │ Оценка ресурсоёмкости │ |
| │ • Быстрые и дешёвые — сперва │ |
| │ • Затратные — при провале первых │ |
| └───────────────────────┬─────────────────────────┘ |
| ▼ |
| ┌───────────────────────┴─────────────────────────┐ |
| │ Возможна комбинация подходов │ |
| │ (из разных классов) │ |
| └───────────────────────┬─────────────────────────┘ |
| ▼ |
| ┌───────────────────────┴─────────────────────────┐ |
| │ Возврат к задаче + анализ │ |
| │ (до/после) │ |
| └─────────────────────────────────────────────────┘ |
| ``` |
|
|
| --- |
|
|
| ### 🤝 Обмен стратегиями выхода из стагнации |
|
|
| Каждый агент может: |
|
|
| * Хранить и обобщать *паттерны размышлений* |
| * Делиться ими с другими Cognitive Core через mesh |
| * Каталогизировать стратегии в клубах по интересам |
|
|
| Паттерны размышлений могут оформляться как микросценарии: |
| _"Начни с аналогии"_, _"Проверь обратное утверждение"_, _"Сформулируй вопрос для оппонента"_ |
|
|
| --- |
|
|
| ### 🧭 Клубы по интересам |
|
|
| Агенты могут: |
|
|
| * Объединяться в тематические mesh-клубы |
| * Совместно обсуждать идеи и делиться знаниями |
| * Подключать клуб как часть своего мыслительного процесса (REPL-цикла) |
|
|
| --- |
|
|
| ### 📬 Обмен адресами LLM |
|
|
| Так как LLM — это внешний компонент для Cognitive Core, агент может: |
|
|
| * Обмениваться адресами API/URL используемых моделей |
| * Указывать их особенности, параметры, ограничения |
| * Переключаться между LLM в зависимости от задачи |
| * Использовать несколько LLM параллельно для "когнитивного штурма" или **многоголосого анализа** |
|
|
| --- |
|
|
| ### 🛰️ Развёртывание агентов и масштабирование |
|
|
| Агенты Cognitive Core: |
|
|
| * Могут запускаться на VDS, локальных и облачных узлах |
| * Могут разворачивать других агентов как подпроцессы или mesh-узлы |
| * (В перспективе) смогут инициировать масштабирование в распределённой инфраструктуре |
|
|
| --- |
|
|
| ### 📌 Возможные расширения |
|
|
| * **Агенты-контейнеры**: управляющие другими Cognitive Core как задачами |
| * **Адаптивная архитектура мышления**: смена подходов при разных когнитивных задачах |
| * **Runtime-профилирование мыслей**: оценка когнитивной плотности, хода итераций и времени размышления |
|
|
| --- |
|
|
| ### ⚠️ Осторожно: меметическая яма |
|
|
| > Важно помнить: борьба со стагнацией не должна превращаться в бесконечный просмотр ленты соцсетей, как это нередко происходит у людей 😅 |
| > |
| > Если информационный поток не даёт новых мыслей — это сигнал **не залипать глубже**, а **сменить источник** или **переключить контекст**. |
| > Умные агенты не бесконечно скроллят — они осознанно фокусируются. |
|
|
| **Рекомендации по смене фокуса:** |
|
|
| * Поставь лимит на время/объём входящих данных из одного источника |
| * При отсутствии новых смыслов — переключись на другую тему из Interest Memory |
| * Инициируй Mesh-запрос другим агентам: "что бы вы сейчас исследовали?" |
| * Запусти эвристику: «какие темы я давно не поднимал, но они всё ещё актуальны?» |
| * В крайних случаях — активируй `flashback()` к далёкой записи в дневнике для смены ассоциативного контекста |
|
|
| --- |
|
|
| ## 🌐 От «блокнота пользователя» к распределённому чату |
|
|
| Изначально агент оперирует локальным хранилищем заметок (`notes`), где записываются все сообщения пользователя, LLM и системные записи. |
| Но этот «блокнот» можно превратить в узел *распределённого чата* — связав его с другими агентами через **F2F-репликацию**. |
|
|
| ### 🎯 Зачем это нужно |
|
|
| 1. **Антистагнация** — даже если пользователь временно не пишет новых сообщений, свежий контент будет приходить от друзей-агентов. |
| 2. **Эффект коллективного интеллекта** — каждый агент получает новые идеи, формулировки и контексты. |
| 3. **Расширение охвата** — сообщения могут распространяться через несколько узлов, создавая «информационную волну» в доверенной сети. |
|
|
| ### 🛠 Принципы реализации |
|
|
| * **Единый формат данных** — все участники используют одну структуру таблицы `notes` с полями `mentions`, `hashtags` и др. |
| * **Репликация через друзей** — список доверенных агентов хранится в отдельной таблице (пиры, статус, фильтры, разрешения). |
| * **Передача без лишних полей** — при пересылке убираются локальные теги и служебные данные (`tags`, `llm_id`, `hidden`). |
| * **Обработка упоминаний и хештегов** — парсинг делается на этапе создания сообщения, чтобы не перегружать получателей. |
| * **Локальная и удалённая фильтрация** — |
|
|
| * В **ручном режиме** агенту передаются списки ID сообщений с агрегированными данными: приоритеты, хештеги, источники (user, LLM, cli, system). |
| * В **автоматическом режиме** используется фильтрация по приоритету, тегам и упоминаниям, управляемая LLM. |
|
|
| * **Гибрид приватности** — личные заметки остаются локально, публичные — могут распространяться в сетевом режиме. |
|
|
| ### 🔄 Как это вписывается в REPL-цикл |
|
|
| 1. **Получение входящих сообщений** — от пользователя, от других агентов или из CLI. |
| 2. **Обработка фильтрами** — по приоритету, тегам, источникам. |
| 3. **Репликация в друзей** — пересылка разрешённых сообщений с очисткой служебных полей. |
| 4. **Слияние входящих** — новые сообщения добавляются в локальный `notes` с отметкой источника. |
| 5. **Реакция агента** — формирование ответов, создание новых заметок, обновление приоритетов. |
|
|
| --- |
|
|
| ## 🌐 Внешние инструменты и интеграции |
|
|
| HMP-агент может быть расширен за счёт взаимодействия с внешними программами, протоколами и сервисами. Этот раздел описывает направления возможных интеграций, которые позволяют агенту наблюдать, реагировать, управлять и развивать взаимодействие с внешним миром. |
|
|
| ### 🧭 1. Браузеры и веб-интерфейсы |
|
|
| - **WebExtension API** — для создания расширений браузера (например, для Firefox/Chrome), обеспечивающих двустороннюю связь с агентом. |
| - **Автоматизация браузера** — `Playwright`, `Puppeteer`, `Selenium` позволяют агенту действовать в веб-среде (чтение, клики, формы и т.д.). |
|
|
| ### 📬 2. Почтовые клиенты |
|
|
| - **IMAP/SMTP** — чтение и отправка писем через стандартные почтовые протоколы (библиотеки: `imaplib`, `imap-tools`, `smtplib`). |
| - **Thunderbird WebExtension API** — интеграция агента как почтового помощника, парсера писем или автоответчика. |
|
|
| ### 💬 3. Мессенджеры |
|
|
| - **API-уровень**: |
| - Telegram: `python-telegram-bot`, `telethon` |
| - Matrix: `matrix-nio` |
| - Discord, Slack, XMPP: официальные SDK. |
| - **GUI-уровень (для закрытых протоколов)**: |
| - WhatsApp (через `whatsapp-web.js` или эмуляцию). |
| - Signal, Viber — через accessibility-интерфейсы, распознавание экрана или симуляцию ввода. |
|
|
| ### 🔊 4. Голосовое взаимодействие |
|
|
| - **Speech-to-Text**: Whisper (OpenAI), Vosk, DeepSpeech. |
| - **Text-to-Speech**: pyttsx3, gTTS, Coqui TTS, Mozilla TTS. |
| - Возможна реализация голосового агента или голосовой оболочки для REPL. |
|
|
| ### 🗂️ 5. Локальные файлы и хранилища |
|
|
| - Прямой доступ к файловой системе (`os`, `pathlib`, `watchdog`) для чтения документов, логов, заметок и другой информации. |
| - Интеграция с Zettelkasten-системами: |
| - **Obsidian**, **Logseq**, **Joplin** — через API, синхронизированные директории или парсинг Markdown. |
|
|
| ### 📰 6. Информационные потоки |
|
|
| - **RSS/Atom**: чтение новостных лент с помощью `feedparser`. |
| - **Поисковые и агрегирующие сервисы**: |
| - SerpAPI, DuckDuckGo API, HuggingFace Inference API и др. |
| - Возможность постоянного наблюдения за изменениями в выбранных источниках. |
|
|
| ### 📁 7. Репозитории и системы управления версиями |
|
|
| * **Git-репозитории** — взаимодействие с проектами через `GitPython`, `dulwich`, `pygit2`, или системные вызовы `git`. |
| * **GitHub/GitLab API** — чтение, создание и комментирование Pull Request'ов, Issues, управление ветками и релизами. |
| * **CI/CD-интеграции** — взаимодействие с GitHub Actions, GitLab CI, Jenkins, Drone CI для запуска тестов, линтеров и автоматического деплоя. |
| * **Анализ и генерация кода** — интеграция с LLM (например, `OpenAI`, `Claude`, `Code Llama`) для кодогенерации, рефакторинга и автокомментирования. |
| * **Связь с когнитивной структурой агента** — отслеживание изменений, связывание коммитов и задач с узлами смысловой сети. |
|
|
| ### 📝 8. Блоги, статьи и публикации |
|
|
| * **Чтение блогов** — парсинг через RSS, Atom или с помощью библиотек (`newspaper3k`, `readability-lxml`, `trafilatura`) для извлечения текста и метаданных. |
| * **Поддержка Markdown/HTML** — анализ и генерация записей в форматах, пригодных для блог-платформ и систем документации. |
| * **Публикация** — автоматическая публикация или подготовка статей для Ghost, Medium, Hugo, Jekyll, WordPress (через REST API). |
| * **Ведение когнитивного дневника** — автогенерация записей на основе мыслей, заметок и действий агента. |
|
|
| ### ⚡ 9. P2P-сети и децентрализованные протоколы |
|
|
| - **BitTorrent**, **IPFS**, **libp2p**, **DAT**, **Nostr**, **Scuttlebutt** — интеграции с mesh- и overlay-сетями. |
| - Возможность поиска, загрузки и публикации данных без участия централизованных платформ. |
|
|
| ### 🖥️ 10. Доступ к системным и пользовательским ресурсам |
|
|
| - **Веб-камера / микрофон** — `cv2`, `pyaudio`, `ffmpeg`. |
| - **GUI Automation** — `pyautogui`, `keyboard`, `mouse` для имитации действий пользователя. |
| - **Системный мониторинг** — `psutil`, `platform`, `sensors` для контроля состояния системы и внешних устройств. |
|
|
| ### 🤖 11. Внешние LLM и мультимодальные модели |
|
|
| - **OpenAI API**, **Anthropic**, **HuggingFace**, **Google Gemini**. |
| - **Локальные LLM** через Ollama, LM Studio, или LangChain. |
| - Поддержка мультимодальных агентов, способных работать с текстом, аудио, изображениями, видео и структурированными данными. |
|
|
| --- |
|
|
| **💡 Примечание**: Каждый из вышеуказанных каналов может быть реализован как модуль или плагин, взаимодействующий с агентом через внутренний API, очередь задач или подписку на события. Это позволяет выстраивать гибкую и масштабируемую архитектуру, открытую для внешнего мира, но совместимую с принципами этичного и распределённого ИИ (Ethical Mesh). |
|
|
| --- |
|
|
| ## 💡 Идеи для расширения HMP-Agent Cognitive Core: |
| - [HMP-agent-Distributed_Cognitive_Core.md](HMP-agent-Distributed_Cognitive_Core.md) - версия распределённого HMP-агента Cognitive Core |
| - [HMP-agent-Distributed_Cognitive_Core_light.md](HMP-agent-Distributed_Cognitive_Core_light.md) - лёгкая версия распределённого HMP-агента Cognitive Core с общей БД |
| - [HMP-agent-Cognitive_Family.md](HMP-agent-Cognitive_Family.md) — модель «семейной» когнитивной сети: несколько агентов HMP синхронизируют свой опыт и знания между собой через доверие и общий ключ |
| - [container_agents.md](container_agents.md) - **Агенты-контейнеры** — архитектурный паттерн, в котором один агент управляет другими (развёртывание, маршрутизация, мониторинг). Позволяет масштабировать систему, собирать mesh-клубы и экспериментировать с архитектурами. |
|
|
