Kurgan-Telecom Ru | Информационные технологии

Insol-1000 в сборе: центральный модуль с OLED и с модулями расширения на DIN-рейке.

Статья посвящена практическому построению распределённой системы автоматизации на основе открытого стандарта IEC 61499 и экосистемы 4diac (Eclipse Foundation).

Год назад я почти перестал писать код руками - теперь чаще диктую задачу агенту прямо в терминале. И однажды понял, что мой здоровенный IDE превратился в дорогую рамку вокруг одного окна. Так появился лёгкий редактор, где терминал главный, а код с git - сбоку.

Внутри - про инженерию, а не про “качайте продукт”: как агент-независимо ловить “агент работает / ждёт ответа / закончил” через /proc, как собрать Windows-сборку Electron прямо с Linux без Wine, темы на контракте CSS-токенов и пара граблей, на которых я знатно подгорел (привет, Ctrl+V в русской раскладке).

GitHub постепенно превращается в кладбище старого кода. Мы сравнили тысячи репозиториев и посмотрели, какие языки быстрее теряют активность, а где экосистема всё ещё растёт.

В наши дни каждый разработчик, наверняка, пробовал вайбкодить, а некоторые идут дальше и заводят себе целых ИИ агентов. Однако отовсюду доносятся новости о том, как какой-то AI агент удалил базу данных со всеми бэкапами. Поэтому давайте посмотрим исходных код проектов, которые так или иначе связаны с агентной разработкой.

Подробный обзор Claude Opus 4.8. Эта нейросеть от Anthropic исправляет самую главную беду современных LLM: галлюцинации. Абсолютная честность, мощнейшие автономные ИИ-агенты для работы с кодом и контекстное окно 1 млн токенов. Разбираем лимиты, тесты и способы доступа из России.

Сегодня iPhone — одна из самых мощных игровых платформ. Смартфоны от Apple предлагают пользователям широкий выбор электронных развлечений: от казуальных головоломок до полноценных AAA-проектов. И наступившее лето — лучшее время для погружения в захватывающий мир мобильных игр.

В этом обзоре мы рассмотрим лучшие игры, доступные на iOS, и поможем вам найти идеальный вариант для сессий на свежем воздухе.

Привет, Хабр! На связи системный аналитик Илья Глазунов и разработчик Захар Корсаков. Мы работаем с платформой карточного хранилища Т-Банка.

Когда данных становится много, а архитектура обязана оставаться простой, классические решения начинают упираться в ограничения стека. В нашем случае нужно было организовать асинхронную доставку событий из Cassandra, но без CDC, без отдельного брокера и без разрастания зоопарка технологий. Так мы пришли к Non-transactional Outbox — схеме, которая по духу напоминает Kafka Inside the Database, но живет в рамках наших ограничений и требований к отказоустойчивости.

В статье покажем, что такое Outbox, с чем его едят и как готовят. Расскажем допущения по реализации в нашем случае, вытекающие из отличий от классического паттерна Outbox. Обрисуем ту реализацию, которую сделали своими руками, и покажем бенчмарки нагрузочного тестирования. В конце поделимся списком вопросов, которые возникали чаще всего при обсуждении решения внутри банковского сообщества Apache Cassandra.

Материал будет полезен дистрибьютерам, которые ищут управляемый инструмент удержания спроса, поддержания интереса к фильму и влияния на выбор зрителя в момент покупки билета.

Я решил проверить в интернет-издании Киноафиша.инфо, а что если взять малоизвестный фильм и поставить его на первое место в афише? Обычно самые популярные фильмы на первых позициях, а тут ноунейм, как отреагирует аудитория? Результат оказался лучше ожиданий, CTR такого размещения – 6%. Все подробности в статье

Я проанализировал 20 лет своей переписки и превратил 1,2 миллиона сообщений в структурированное хранилище своей жизни — чтобы завоёвывать друзей и влиять на людей. Вместо этого я узнал кое-что о своём эмоциональном состоянии, циклах привязанности и периодах полураспада дружбы.

God of Prompt один раз упаковал промты, гайды, шаблоны ИИ-автоматизации в красивые подборки, раздал часть бесплатно, а остальное продает как пожизненный доступ к большой библиотеке. Разбираю как устроена монетизация и продвижение ИИ-проекта.

Договоры — головная боль всех, кто с ними сталкивался. Сначала все выглядит нормально: предмет, сроки, оплата, ответственность, реквизиты, подписи. А потом начинается: исполнитель понял объем работ иначе, заказчик задержал оплату, дедлайн оказался «примерным», правки бесконечные, результат приняли устно, а ответственность размазана так, что никто ничего никому не должен.

Нейросеть может помочь составить договор быстрее и безопаснее. Юридические организации все чаще признают пользу ИИ в правовой работе. ABA в чек-листе для юрлиц пишет, что нейросети используют для писем, резюме документов, правового анализа и анализа договоров, но разница между пользой и риском зависит от выбора инструмента, контроля и проверки результата. 

Мы подготовили 5 промптов, которые помогут составить договор через нейросеть осознанно — рабочий документ под конкретную сделку.

Привет, Хабр! Меня зовут Иван Воробьев,  я работаю в команде рекомендаций VK Видео, AI VK. В данной статье хочу рассказать, как и зачем я переделывал систему построения I2I-рекомендаций. Поговорим о том, какие решения были поставлены в её основу, насколько они оправдались, а также причём тут якори и как они связаны со свежестью рекомендаций. 

В первую очередь сосредоточимся на бэкенде: организации работы с данными и вычислений, их конфигурациях, и требуемых вычислительных ресурсах. Основной эффект от внедрения новой системы кроется именно тут: удалось обеспечить свежесть I2I-рекомендаций примерно в час, сократив при этом количество используемых ядер в три раза. Саму логику построения рекомендаций тоже затронем, но в меньшей мере.

Плохое резюме редко выглядит плохим — оно может быть аккуратным, грамотным, с нормальным шрифтом, ровными блоками и уверенным саммари в начале. Но рекрутер все равно пролистнет его за 10 секунд, потому что не увидит главного: понятной роли, доказанных результатов и прочих совпадений с вакансией.

Нейросеть может быстро составить резюме, но она же легко сделает его хуже. Добавит «ответственный», «коммуникабельный», «нацелен на результат», «имею опыт работы в команде» — и получится текст, который никак не представляет специалиста. Сильное резюме не пересказывает биографию. Оно показывает, какую задачу человек решал, в каком масштабе, какими инструментами и с каким результатом.

Воскресенье. Восьмой час вечера. Вспоминаю, что не успел принять работу и поставить новые задачи. Захожу в Фигму. Бегает курсор — дизайнер вносит правки. Шучу в рабочий чат о работе в выходной. Немедленно отзывается владелец продукта — она дорабатывает пользовательский путь.

Год назад я решил, что проблема во мне: «Нечего кивать на обстоятельства, нужно находить более эффективные способы работы, внедрять передовые фреймворки, развивать себя». 

Спустя полгода, провалив внедрение руководства по распожаризации, задумался — может в общей системе работы среднего менеджмента в России что-то не так?

Сейчас знаю — проблема в том, что наш подход к работе нарушает три ограничения, которые не сможет обойти даже сверхинтеллект.

Пока мы привыкаем к мысли, что оперативная память за прошлый год подорожала более чем на 200% и в обозримом будущем дешеветь не собирается, в Токийском университете тихо показали штуку, которая способна перевернуть всю эту историю. Новое устройство переключает биты за 40 пикосекунд — в 1000 раз быстрее, чем умеет современная DRAM. При этом почти без нагрева. Эта технология может изменить не только рынок памяти, но и всю архитектуру сборки компьютера, к которой мы все привыкли. В этом точно стоит разобраться, чтобы понимать, что именно мы получим в будущем, и как будут работать наши компьютеры.

Как школьнику из небольшого города разглядеть за горизонтом новые перспективы? Как студенту попасть в компанию мечты еще до получения диплома? И где работодателю найти тех самых «Вавиловых», которые будут двигать отрасль вперед?

В этой статье мы будем говорить о платформе «Я в Агро» Россельхозбанка. Что такое «Я в Агро»? Это профориентация, образование и трудоустройство в одной системе. Это сайт со стажировками и вакансиями., а также экосистема, которая ведет по всем этапам карьеры в АПК: от первого интереса к профессии в школе до статуса топ-менеджера или ведущего ученого.

Если честно, то лично я считаю, что это не просто «альтернатива», а предпочтительный выбор по умолчанию для большинства API (где конфигурация — это именно данные).

По большому счёту, паттерн Resolvable Config Struct просто наводит порядок в тех структурах Config и Options, которыми мы все пользуемся на порядок-два чаще, чем Functional Options. Чтобы его внедрить понадобится лишь минимальный рефакторинг, потому что всеми элементами этого паттерна мы и так постоянно пользуемся, просто сейчас там бардак, в который нужно добавить немного строгости чтобы стало намного лучше.

Мой поинт не в том, что Functional Options были ошибкой. Скорее это был разумный ответ на плохие конструкторы и наивные Config-структуры образца «просто положим всё в поля и как-нибудь разберёмся». Но сегодня есть решение получше, и его стоит внедрять.

Когда Impala-запрос начинает выполняться заметно дольше обычного, первое место, куда обычно идут смотреть - query profile, то есть профиль запроса. Там есть план выполнения, счетчики, оценки кардинальности, память, scan-часть, exchange, admission, хвосты по backend-ам и другая полезная информация.

Проблема в том, что текстовый profile не слишком удобный для анализа. Он большой, в нем много повторяющихся секций, часть сигналов видна только в связке с другими счетчиками. При этом почти всегда внутри есть чувствительная информация: SQL-текст, имена таблиц и колонок, пользователи, resource pools, хосты, фрагменты топологии выполнения.

Поэтому на практике появляются два привычных варианта:

Разбирать profile руками.

Скопировать SQL и profile в LLM и попросить объяснить, что не так.

Первый вариант надежнее, но требует времени и опыта. Второй удобнее, но плохо контролирует границу: какие данные ушли наружу, какие факты модель взяла за основу и где заканчивается диагностика, а где начинается галлюцинация догадка.

Я уже рассказывал о 17 бесплатных аналогах Photoshop. Если вам не подходит ни один из вариантов, то в этом посте разберемся, как улучшить качество картинки в программе от Adobe. Ниже собрал способы под разные случаи, которые встречаются в работе фотографа и дизайнера.

Ни для кого не секрет, что эра «спросить что-то у GPT» постепенно уходит в прошлое. На смену генеративному AI приходит Agentic AI, который не просто проконсультирует, а по вашему запросу придёт и сделает все сам. То же самое и с кодовыми агентами, они не просто отвечают на вопросы,  они читают документацию, работают в терминале, дёргают API, правят файлы и в идеале закрывают задачу целиком, от тикета до мёрж-реквеста.

Звучит здорово, пока не выясняется, что ваш агент починил баг, сломав при этом три соседних модуля, или молча проигнорировал половину требований из задачи. Короче говоря, агенты умеют халтурить, и делают это красиво. А значит, их нужно постоянно тестировать. Причем тестировать в условиях, максимально приближённых к рабочим: с реальным репозиторием, CI-пайплайном и набором тестов, которые не обманешь.

Именно для этого в AI-сообществе появился целый класс таких инструментов как бенчмарки и песочницы, заточенные под оценку агентов. В этой статье мы разберём, какие подходы к тестированию кодинг-агентов существуют сегодня, в чём их сильные и слабые стороны, и расскажем, как мы в Doubletapp создаём кастомные бенчмарки на приватных данных.

Содержание
‣ Какие бенчмарки сейчас используют
‣ Почему публичных бенчмарков недостаточно
‣ Кастомные бенчмарки как следующий слой тестирования
‣ Как выглядит пайплайн кастомного SWE-style бенчмарка
‣ Заключение