Kurgan-Telecom Ru | Информационные технологии

Sing-box — это программа, которая знает много протоколов проксирования и умеет их очень гибко применять. Работает на разных устройствах (роутеры, телефоны, стационарные компьютеры) и операционных системах (Windows, Linux, iOS, Android и др.). Может быть клиентом (работать на конечном устройстве пользователя), сервером (принимать соединения от клиентов), клиентом и сервером одновременно (промежуточный узел для перенаправления трафика).

В этой статье я познакомлю вас с sing-box и расскажу о его настройке. Покажу базовую конфигурацию sing-box, с которой не нужно постоянно включать и выключать VPN для доступа то к одному, то к другому сайту или приложению. И это будет работать на разных устройствах с минимальными изменениями. Это вводная статья для тех, кто уже пользуется готовыми GUI-клиентами, но хочет перейти на чистый sing-box.

Сегодня в Интернете тысячи рекомендаций по настройке ElevenLabs, есть уже платные гайды, сценарии использования и даже кейсы по заработку на этом ИИ, но нет ответа — как пользоваться нейросетями для озвучки текста, если основа из них заблокированы. Мы решили написать простую инструкцию, как озвучивать текст при помощи нейронок в 2026 году, какие есть модели и альтернативные варианты. 

Спойлер: для большинства зарубежных сервисов нужно зарегистрировать виртуальную карту и скачать волшебный сервис по обходу IP‑блокировок. Вы понимаете, о чем речь. 

Альтернативный вариант — использовать местный инструмент, который работает на API ElevenLabs или альтернатив типа OpenAI API. 

2:47 ночи. Нет дедлайна. Нет аутейджа. CTO стартапа из Y Combinator не может закрыть ноутбук - и идёт к врачу за таблетками. CEO Y Combinator хвастается 19-часовыми сессиями. Исследователи UC Berkeley фиксируют: самые увлечённые пользователи AI выгорают первыми. Собрал данные - и увидел паттерн, похожий на переменное подкрепление из исследований азартных игр. Гипотеза с тревожными сигналами.

25 марта 2026 года команда Sora опубликовала в X короткое прощальное сообщение: "Мы прощаемся с Sora". Без точных дат и без объяснений. Только обещание позже рассказать, как сохранить созданный контент. Именно так и закончилась история одного из самых хайповых ИИ-инструментов последних двух лет.

Привет! Я Нариша Егорова, лид продукта курсов английского языка в Практикуме. Эту статью я пишу в соавторстве с Ольгой Коннолли, лидом методистов, — вместе мы хотим приоткрыть внутреннюю кухню наших курсов и поговорить о роли ИИ в создании образовательного контента.

Это во многом кейс Яндекс Практикума, но и отчасти ответ на вопрос, можно ли использовать нейросети для самостоятельного изучения языка. Расскажем, для каких задач в создании контента мы применяем ИИ, в чём он хорош, а в чём нет, и как он помогает методистам наполнять курсы упражнениями, текстами, иллюстрациями и аудио. В конце порассуждаем, насколько ИИ полезен тем, кто занимается самообучением.

https://t.me/romanyukart

Записал кусок живой рабочей встречи по игровому проекту. Без постановы — обычный процесс: обсуждаем текущее состояние, проблемы и что делать дальше.

https://youtu.be/HvXFA3wa-pc?is=TId6lZ4g4kBnkUQE

В видео — нормальная «кухня» разработки:

разбираем текущий прогресс ищем слабые места ставим новые задачи и сроки синхронизируем арт, дизайн и техчасть обсуждаем документацию и обмен материалами

Если коротко — как команда реально двигает проект, а не как это выглядит в презентациях.

О чём конкретно говорим: блокаут уровней логика перемещения прототип интерфейса механика лестниц дороги и текстуры пропсы и мелкие объекты UV и интерьер растительность анимации и респавн

Таймкоды:

00:00 — вступление 01:19 — блокаут уровней 03:23 — перемещение 06:30 — интерфейс 08:33 — лестницы 10:12 — дороги 16:02 — пропсы 23:24 — UV / интерьер 29:16 — растительность 32:38 — анимации / респавн 34:47 — анимации Macopi 36:42 — финал

Кому может быть полезно:

геймдизайнерам продюсерам арт-директорам разработчикам тимлидам всем, кому интересно, как реально делают игры

Если интересно — могу разобрать отдельно, как мы принимаем решения внутри команды и где чаще всего всё ломается.

Юрий Романюк, арт-директор romanyukart.com

$47 за неделю на LLM API — при том что половина запросов тривиальные. Поставил ClawRouter — open source роутер, который анализирует промт по 15 параметрам и отправляет в самую дешёвую подходящую модель. За следующую неделю потратил $1.80. Рассказываю, как работает, что понравилось, что нет и какие есть альтернативы.

«Всё у нас, Луцилий, чужое, одно лишь время наше» Сенека, Письма к Луцилию, I, 3.

С подписками на AI это буквально: квоты токенов, лимиты запросов и «окна» сброса — не твои, их задаёт провайдер. Остаётся то, что ты можешь распорядиться сам: когда отправить задачу, в каком порядке её выполнить и где ты в этот момент находишься — за столом, в такси или уже в постели.

Я собрал PromptPilot — очередь промптов для AI CLI (Claude Code, Codex, Qwen): задачи ставятся из терминала, веб-интерфейса или Telegram-бота, воркер выполняет их по очереди, с планированием, приоритетами и повтором при rate limit. Идея простая: не гнаться за лимитом глазами, а заранее разложить работу так, чтобы к моменту, когда ты реально сел кодить, под рукой уже был результат — или чтобы «разогрев» сессии случился без тебя у монитора в пять утра.

Ниже — зачем это кому-то кроме меня, как устроена архитектура на SQLite и трёх процессах, и как из бота ответить модели в середине диалога, не открывая терминал. Если узнаёте себя в историях про сгорающие токены и ночные дедлайны по лимитам — добро пожаловать в комментарии.

Статья о том, как цифровая эпоха меняет не только технологии, но и самого человека: труд, свободу выбора, роль творчества и границы ответственности. Это попытка честно посмотреть в будущее без паники и иллюзий — для тех, кто привык не потреблять готовые ответы, а думать.

Привет, Хабр! Это Илья Петухов, руководитель проектов развития ИИ-решений в Directum. Сегодня я продолжу рассказывать, как чувствует себя крупный и средний бизнес в период внедрения искусственного интеллекта, для чего ему ИИ-агенты, и что сдерживает их массовое внедрение.

Предыдущие статьи можно прочитать здесь:

Бдительное око нормоконтроля: как мы применили LLM для анализа договоров

Нормоконтроль на максималках, или Куда еще мы прикрутили LLM

Я провёл аудит веб-сайта CEO Y Combinator Гарри Тана после того, как он похвастался, что выдаёт по 37 тысяч строк кода в день, и держит этот темп уже 72 дня. В статье я покажу, как на самом деле выглядят в продакшене 78,4 тысячи строк ИИ-слопа. При загрузке одной главной страницы http://garryslist.org в 169 запросах загружается 6,42 МБ. И это для простого новостного блога с рассылкой.

Pusk — self-hosted сервер алертов на 16 МБ. Один бинарник, без внешних сервисов, частично совместим с Telegram Bot API (13 методов из 80+).

Типичная ситуация: несколько серверов, Zabbix собирает метрики, Python‑боты шлют алерты в Telegram. У кого‑то это веб‑проект, у кого‑то видеонаблюдение, у кого‑то живые эфиры, где 2 минут без алерта = зрители видят чёрный экран. Работало годами.

А потом канал до API отвалился. Причина неважна — лимиты, блокировки, авария на стороне провайдера. Алерты встали. Нужен был свой канал доставки, который не зависит от внешних сервисов.

На днях прислали в рабочую почту очередное ТЗ в Word на разработку, для комментирования и оценки реализации. При том что у нас есть корпоративный Confluence - мощнейшая система, как раз предназначенная для коллективной работы.

Почему многие до сих пор продолжают изначально использовать Word как основу для обмена информацией?

Привет, Хаброжители! Большие языковые модели по-прежнему просто предсказывают следующее слово. Два года назад одна лишь эта причина казалось достаточной, чтобы их отвергать — ведь именно ею обосновывали их неуклюжий вывод.

Но в настоящее время большие языковые модели стали гораздо лучше, и одним лишь масштабированием этого не объяснить.

Выкатили в прод диалогового ассистента на LLM. Метрики вовлечённости и удержания подросли, в поддержке меньше типичных претензий про отсутствие AI, а в финмодели строка расходов на вызовы модели раздулась так, что стоимость одного запроса оказалась в три раза выше заложенного в бюджет. CFO хочет устойчивую модель до ближайшего заседания совета директоров, пользователи ждут, что продукт не сломают.

Postman используют миллионы разработчиков — и не зря. Удобный интерфейс, коллекции, окружения, командный доступ. О чём еще мечтать?

Но если вы большую часть дня проводите в IDE, у этого подхода есть один постоянный friction point: нужно переключаться. Открыть Postman, вспомнить, где нужный запрос, скопировать токен из консоли, вставить руками. Потом вернуться обратно. И так по кругу.

В этой статье разберем альтернативный HTTP-клиент, который встроен прямо в IDE и его возможности для тестирования API.

Я работаю с Claude каждый день, по многу часов. За это время я автоматизировал кучу рутины — от утренних брифингов до генерации коммерческих предложений. Не теоретически. Реально.

Но давайте сразу расставим точки. Claude не заменяет мне голову. Он — напарник. Second brain. Тот, кто собирает информацию, готовит черновик, вытаскивает контекст из прошлых переписок. А решения принимаю я. Всегда. Это не «AI сделал за меня работу» — это «AI подготовил мне почву, чтобы я работал быстрее и не тратил мозг на рутину».

Большинство статей про AI-автоматизацию подают это иначе: «подключил ChatGPT к Zapier — теперь у меня автоматические письма!» На практике это шаблон с пятью переменными, который ломается на шестом письме, потому что AI не помнит контекста и каждый диалог начинает с чистого листа.

Я решил собрать 10 задач, которые раньше делал руками, а теперь — нет. В каждой из них Claude работает как copilot: предлагает, готовит, собирает. А финальное слово — за мной. На примере Claude Cowork — агентного десктоп-приложения от Anthropic, которое вышло в январе 2026.

Помните, как вы внедряли Jira, Asana или Trello? Казалось, что это и есть цифровая зрелость: задачи поставлены, коммуникация прозрачна, все удобно.

Но есть один момент, который компании осознают по мере роста: эта связка хорошо работает ровно до тех пор, пока ваша компания не перешагивает порог в 100-150 сотрудников.

Дальше начинается цифровая энтропия: растет количество зависимостей, процессы усложняются, а инструменты, которые раньше помогали, начинают тормозить. Мы в Диасофт прошли через это — от активного использования внешних трекеров до попыток адаптировать их под растущий масштаб.

Эта статья — не призыв срочно менять инструменты. Она о том, с какими архитектурными ограничениями мы столкнулись при росте, как их решали — через методологию, автоматизацию и, да, в итоге через создание собственной платформы.

В статье разобраны основные группы мероприятий, из которых состоит процесс тестирования. Вы узнаете:

▪️ чем отличаются тестовые условия от тест-кейсов,
▪️ зачем нужны таблицы решений и попарное тестирование,
▪️ как мониторинг и контроль помогают в общем процессе,
▪️ почему ретроспектива тестирования так же важна, как и планирование.

Материал будет полезен тестировщикам, разработчикам, тимлидам и всем, кто хочет выстроить процесс тестирования.

В этой статье я расскажу, как установить нейросеть на своё оборудование. Так вы сможете изучить LLM и применить их на практике. При этом ваши данные не будут передаваться в чужие облака, что критично при работе с конфиденциальными данными. И вам не придётся платить за использование какого-либо внешнего сервиса или решать вопросы с заблокированным доступом.

Вы установите инструмент для запуска больших языковых моделей llama.cpp и модель нейросети Qwen на компьютер или сервер. Я расскажу об установке в тех случаях, когда в составе оборудования есть Nvidia GPU или интегрированная графика Intel Iris Xe Graphics (актуально для ноутбуков).