Команда исследовательской организации Answer.AI представила в открытом доступе платформу SolveIt. Инструмент создавали в первую очередь для внутренних исследовательских задач и работы с кодом. Наконец его перевели в стадию публичного доступа после двух лет закрытого бета-тестирования, в котором участвовали три тысячи пользователей, объединившихся в сообществе Discord. Регистрация на платформе бесплатна, а тарификация построена по модели оплаты фактически израсходованных вычислительных ресурсов. Разработчики открыли доступ к платформе на сайте solve.it.com.

Архитектура диалога

В отличие от стандартных интерфейсов чат-ботов, где сообщения последовательно добавляются в конец ленты переписки, SolveIt объединяет код с заметками в формате Markdown и прочими документами в едином интерактивном пространстве работы с языковой моделью. Рабочий процесс организован в форме диалогов, в которых текстовые блоки и математические формулы в разметке LaTeX соседствуют с исполняемым кодом и ответами искусственного интеллекта.

Пользователь сохраняет полный контроль над структурой документа: блоки можно свободно редактировать и перемещать, а при необходимости — удалять. Промт для нейросети можно встраивать в любое место диалога, при этом модель учитывает только ту информацию, которая расположена непосредственно над самим запросом. Ответы искусственного интеллекта также доступны для редактирования напрямую, что исключает засорение контекста нежелательными репликами. Сама языковая модель выполняет вычисления в том же программном интерпретаторе, который использует человек.

Источник.

Источник.

Инфраструктура

Каждый рабочий сеанс в SolveIt развертывается на постоянном сервере с собственной файловой системой и терминалом, где уже предустановлена система контроля версий git. Пользователи могут создавать неограниченное число таких инстансов для независимых задач или совместных исследований. Внутри рабочей среды удобно клонировать репозитории и фиксировать изменения.

Платформа также функционирует как хостинг веб-приложений без необходимости отдельного этапа развертывания. Любая программа, запущенная внутри инстанса, сразу становится доступной по публичному сетевому адресу или на собственном домене пользователя. При перемещении диалога в специальный каталог AUTORUN скрипты автоматически стартуют вместе с сервером и поддерживают постоянную работу. Авторы проекта заявляют, что сами используют этот механизм для собственных сервисов, включая серверную инфраструктуру SolveIt и чат-бота для студентов.

ИИ‑роутер — доступ к 400+ моделям из одной панели

Подключите OpenAI‑совместимый шлюз по единому API‑ключу. Настраивайте сквозную аналитику, отслеживайте лимиты и квотируйте ресурсы.

Запустить ИИ‑роутер →

Инструменты расширения и совместная работа

Возможности системы расширяются непосредственно из рабочей среды. Любая функция, написанная на языке Python, преобразуется в пользовательский инструмент, к которому может обращаться ИИ. Языковая модель способна считывать и корректировать текущий рабочий документ, а также инициировать генерацию в соседних диалогах. Кроме того, через специальное расширение для браузера Chrome можно предоставить ей доступ к управлению действиями в веб-интерфейсах.

Для глубокой настройки проектов предусмотрен файл конфигурации CRAFT. Если разместить такой файл в папке, все вложенные документы получат общие инструкции для искусственного интеллекта и стартовый исполняемый код. Помимо этого, через CRAFT можно задать индивидуальные стили CSS и сценарии JavaScript. Несколько участников могут одновременно редактировать один диалог в реальном времени, а по завершении перевести его в формат документа Markdown с поддержкой шаблонов и перекрестных ссылок.

Источник.

Источник.

Практическое применение платформы

Команда Answer.AI применяет инструмент для анализа данных, чтения научной литературы, разбора математических моделей, юридической проверки договоров и программирования. Часть функциональности SolveIt разработчики создают внутри самого сервиса. В частности, юридическая фирма Virgil использует встроенный редактор для подготовки контрактов.

Эффективность пошаговой фиксации логики авторы иллюстрируют примером исследователя Джека Хогана, проектировавшего генератор цветовых палитр для графического интерфейса. 

Сначала была предпринята попытка решить задачу с помощью Claude Code. После череды экспериментов на миллионы токенов ассистент собрал рабочий, но избыточно усложненный инструмент, а сам Хоган так и не смог обосновать выбор такого подхода. В новой сессии исследователь попытался привести документацию в порядок и выстроить логику решений, но быстро понял, что лишь придумывает объяснения кода, сгенерированного случайным образом.

Источник.

Источник.

При работе в SolveIt Хоган обосновал логику решения, подготовил вспомогательные функции, рассчитал границы цветового охвата, построил и оптимизировал цветовые шкалы, а затем сгенерировал CSS. Поначалу у него был лишь примерный план, а окончательная структура проекта сложилась уже во время экспериментов. В ходе проверки гипотез исследователь опробовал несколько подходов, в том числе применил преобразования Фурье.

Работу он вел итеративно, небольшими последовательными шагами. Требования к палитре и самому генератору он фиксировал в Markdown-заметках, а все необходимые вычисления выполнял непосредственно в коде. Формулы (например, для относительной яркости) записывались в разметке LaTeX. Отдельно исследователь отметил возможность обоснования каждого принятого методологического решения, что значительно повысило его уверенность в финальном результате.

Другой практический пример привел Джереми Говард, который во время разбора статьи о рекурсивных языковых моделях написал собственную реализацию алгоритма непосредственно по тексту публикации.

Контекст разработки и обучающие материалы

Создатели SolveIt опирались на идеи ученых Брета Виктора, Дональда Кнута, Айвена Сазерленда и Кеннета Иверсона о необходимости объединить в единой интерактивной среде программный код с данными и документацией. Разработка продолжает принципы образовательного проекта fast.ai, созданного в 2016 году для расширения доступа к технологиям глубокого обучения. При создании SolveIt авторы отказались от идеи полной автоматизации человеческой работы, сосредоточившись на углублении понимания решаемых задач.

Ознакомление с возможностями системы разработчики предлагают начать с открытого вводного урока практического курса «How to Solve It with Code».