Kurgan-Telecom Ru | Информационные технологии

Продолжаем тему эпических багов. В прошлый раз мы говорили про AT&T, положивших свою ультранадежную сеть одним "Break" в коде. Сегодня на очереди Knight Capital Group, решивших переиспользовать старый флаг в бинарном протоколе, затем там был мёртвый код, который забыли удалить и деплой, проверенный на семи серверах из восьми. Итог: уход в минус 450 миллионов долларов за 45 минут.

На Хабре этот инцидент упоминался несколько раз, но даже в самой большой статье (к слову, переводу, со всеми странными атрибутами инопрессы, вроде фраз "Атака зомби из «Кода убийцы»" и пространным вступлением) инцидент рассматривался скорее как финансовый. А нас же больше интересуют именно технические детали.

С определенным успехом методы математического программирования захватили множество задач автоматизации и оптимизации бизнес процессов (маршрутизация доставки, планирование производства или графиков работы сотрудников, планирование сетей и т.д.). Используемые методы решения и классические постановки задач десятилетиями остаются без серьезных изменений. Когда ждать революцию? Кто имеет потенциал для ее организации?

Проведем эксперимент на предмет того, есть ли у RL способности решать оптимизационные задачи. Для исследования возьмем не сложную практическую оптимизационную задачу и оценим как обучение с подкреплением справится.

Материал будет полезен как заядлым специалистам по мат.оптимизации, так и ml-инженерам или data scientist’ам. Рассматриваемая задача может быть интересна специалистам из области логистики/транспортных перевозок.

Представьте: вы сидите вечером за монитором, на экране ваша любимая темная тема в редакторе кода и вдруг белые буквы на темном фоне начинают подпрыгивать. Не метафорически - буквально. Чуть-чуть, на пару пикселей, но вы это видите. Переводите взгляд на стену - геометрический рисунок обоев то подёргивается, то выглядит как всегда. Моргаете, трете глаза - вроде прошло. Через десять минут - снова.

Вы идёте к офтальмологу. Авторефрактометр, таблица, давление, глазное дно. «У вас все в норме. Астенопия. Делайте перерывы, капайте увлажняющие капли».

Вы делаете перерывы. Капаете капли. Буквы продолжают прыгать.

80k RPS и 25 Гбит/с трафика тайлов с одного сервера — звучит как мечта для картографического сервиса? На самом деле это реально — если ваш способ отдачи тайлов спроектирован для этого.

С момента появления первых веб‑карт подходы к хранению картографических данных сильно изменились. В этой статье я разберу эволюцию от классических методов до современных облачных форматов и расскажу о нашем собственном решении с интересными алгоритмами индексации, а также зачем нам для этого понадобились деревья и алгоритмы цифровой сортировки.

Поделюсь опытом того, как мы отказались от сложного рендеринга на бэкенде, упростили инфраструктуру и эксплуатацию, а заодно перестали бояться пиковой нагрузки. Покажу, как это позволило нам отдавать сотни экспериментальных вариантов подложки Карт, используя в качестве бэкенда только S3.

В первой части был заложен фундамент: локаторы, «умные» ассерты и хелсчеки. Это критически важные вещи, но на масштабе в 100+ тестов неизбежно возникает «второй слой» проблем — сложность диагностики и изоляция данных.

Привет, Хабр! Есть такое ощущение, что сейчас ИИ везде. Он пишет код, водит грузовики, торгует на бирже, даже планирует военные операции. Искусственный интеллект изменил и продолжает трансформировать привычную для нас реальность. Новостей и теоретической информации о возможностях AI предостаточно. И кажется, будто мы уже пресытились лекциями, вебинарами и докладами на эту тему.

Поэтому в 2026 году AiConf пройдёт в формате «конференция развития». Это значит больше интерактивных форматов и нетворкинга, чтобы участники были не пассивными слушателями, а активными создателями решений, знаний, новых контактов и инсайтов.

Что происходит с индустрией прямо сейчас. Агенты, Manus, личный опыт и честный ответ — стоит ли паниковать. Взял идею стартапа, скормил агенту — через 20 минут получил рабочий код. Это круто или страшно? Давайте разбираться.

Десятилетиями технологические гиганты могли использовать юридический щит, позиционируя свои платформы как «нейтральные инструменты» для общения, а ответственность за любой вред перекладывая на самих пользователей или их родителей. Но всего за два дня в марте 2026 года этот карточный домик начал рушиться. В этой статье мы разберем два судебных решения, которые могут радикально изменить правила игры для всей цифровой индустрии. Instagram*, YouTube и другие соцсети впервые на таком высоком уровне были рассмотрены не как «доски объявлений», а как продукты, сознательно спроектированные для удержания внимания и потенциально — для формирования зависимости.

Важно понимать: каждое из этих дел — настолько масштабное, что само по себе тянет на отдельную большую статью. В них переплетаются вопросы права, архитектуры алгоритмов, поведенческой психологии, безопасности пользователей и ответственности платформ. Поэтому здесь мы сознательно не уходим в избыточные детали, а собираем общую картину — чтобы показать, что именно произошло, почему это важно и как эти процессы связаны между собой.

Цель этой вводной статьи — разложить по полочкам два ключевых судебных кейса и зафиксировать главный сдвиг: переход от идеи «платформа не отвечает за пользователей» к идее «компания отвечает за дизайн своего продукта и его последствия».

Во второй части мы разберем, что стоит за этим с технической точки зрения. Поговорим о том, как устроены алгоритмы рекомендаций, почему они способны формировать зависимость и на каких данных и моделях они работают. Осветим, как устроена модерация у IT-гигантов на уровне архитектуры и процессов. И отдельно посмотрим на три глобальные модели регулирования, которые уже формируются в разных странах.

AI-фильтр удалил мой блог и навсегда заблокировал аккаунт — без объяснений... Разбираю, как работает автоматическая модерация, почему она ошибается и кто в итоге отвечает за такие решения.

Твой тимлид открывает Jira и смотрит на статистику: за две недели ты завел три дефекта. Три. Он спрашивает, чем ты занимался все это время. Ты начинаете объяснять про двадцать багов, исправленных через личку с разработчиками. Он кивает и говорит: «Понятно. Но в системе этого нет».

Через неделю тебя включают в список на сокращение. Это не страшилка. Это реальность для тестировщиков, которые считают, что быстрая личка эффективнее формального баг-трекера. В этой статье я расскажу, с какими рисками сталкиваются тестировщики ЛАНИТ и других ИТ-компаний, когда заменяют баг-трекер личными переписками, и как это защитит твою карьеру.

На распределительных складах одна из главных задач — сортировка грузов. Коробки нужно сгруппировать в нужной точке с учетом их массогабаритных характеристик и адреса назначения. На одном из таких складов запустили автоматическую линию сортировки на 41 направление.

Производительность линии достигает 4000–5000 коробок в час. Но главная задача проекта заключалась не в автоматизации самого конвейера. Интегратору нужно было связать между собой три независимые системы: систему машинного зрения, складскую систему учета (WMS), систему управления конвейером. Кроме того, нужно было создать пользовательский интерфейс и организовать удаленный доступ к системе.

В статье подробно разберем это решение.

Приходите к нам на WBCE 2026 — выставка и конференция по автоматизации. Отчёты с прошлых выставок.

Больше двадцати лет американский психолог Пако Андерхилл выслеживал по торговым залам дичь. Нас с вами.

Его интересовало всё: на какие товары смотрим, как двигаемся по магазину, куда тянемся и чего боимся. Всё для того, чтобы дать ответ на главный вопрос: как мы покупаем?

В результате Андерхилл создал «науку о шопинге», лежащую на стыке психологии, искусства и экономики. Его книга «Как мы покупаем?» — попытка отреверсить механизмы принятия решений.

Некоторые удались, поэтому современные магазины и торговые центры проектируют отчасти и по его находкам уязвимостей поведения человека.

При проектировании многоэтажных зданий в nanoCAD BIM Строительство проектировщики регулярно сталкиваются с необходимостью многократного копирования элементов модели между этажами. Повторяющиеся конструкции — стены, перекрытия, проемы и другие элементы требуют быстрого и корректного переноса, чтобы избежать ручной работы и снизить риск ошибок.

В таких задачах помогает инструмент копирования между этажами, реализованный в nanoCAD BIM Строительство. Он позволяет переносить элементы модели на другие уровни проекта и ускоряет формирование типовых этажей.

В статье мы рассмотрим работу этого инструмента на практическом примере. Для этого поэтапно сформируем модель этажа и разберем основные шаги подготовки проекта. Начнем с создания сетки осей и настройки параметров, необходимых для корректной работы модели. Параметры осей, используемые в примере, приведены в таблицах 1-3...

Анимация: генерирует последовательность из 255 высокоточных кадров в формате BMP (frame_000.bmp ... frame_254.bmp) и автоматически компилирует их в видеоролик (файл Mandelbrot.mp4) с частотой 30 кадров в секунду, используя встроенный FFmpeg.

Скачать последнюю версию (Windows и Linux)
В windows это Mandelbrot_windows.exe и ffmpeg.exe
https://github.com/Divetoxx/Mandelbrot-Video/releases
Выше README содержит English и Русский!

FFmpeg - "швейцарский армейский нож" для обработки видео. В 2026 году он остается отраслевым стандартом, поддерживаемым сообществом разработчиков открытого программного обеспечения. От YouTube и Netflix до профессиональных киностудий - все на него полагаются. И да, он совершенно бесплатный.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Когда я захожу в такие проекты, первый вопрос, который себе задаю: как вообще отстроиться от тысяч конкурентов, которые продают одно и то же — да ещё и демпингуют до «услуги за 1 рубль»? И второй — где именно в воронке та самая пробоина, через которую утекают заявки вместе с рекламным бюджетом?

С такой ситуацией к нам пришла медицинская лаборатория. Реклама работала в минус, а роста не было. Мы начали с базы: сформулировали честное УТП, убрали из продвижения немаржинальные услуги, пересобрали товарные фиды, сделали акцент на поиске и отдельно переработали подход к работе отдела продаж.

В результате проект прошел путь от убыточной рекламы до шестикратного роста заказов на сбор анализов. Этот кейс — про системную работу: когда результат дает не один инструмент, а правильная сборка всей воронки.

20 марта 2026 вышла версия 10.0.0 системы автоматизированного проектирования печатных плат KiCAD.

Большинство, если не все, из возможностей новой версии и улучшений в части удобства использования описано в обсуждении на пользовательском форуме. Некоторые из них также представлены в докладе на FOSDEM 2026. Более подробный и полный список всех изменений доступен на GitLab.

KiCAD это свободная система автоматизированного проектирования печатных плат. На данный момент одна из самых популярных программ такого рода на Linux. Из свободных альтернатив есть Horizon-EDA и LibrePCB.

( читать дальше... )

 cad, eda, kicad, pcb, wxwidgets

Рассуждаем на тему того, что AI-агенты радикально скукожили привычный нам цикл разработки.

ИИ-инфлюенсеры утверждают, что скрам больше не нужен, тестировщики не нужны, всё сделает агент. Реальность интереснее: этапы сжимаются по-разному в зависимости от контекста.

В greenfield — минимум контроля, observability вместо code review. В brownfield — AI генерирует, человек валидирует. А там где много регуляторки ускорение есть, но и ответственность никуда не делась.

Я коуч, специализирующийся на выгорании и нейроотличиях в IT. И я сильно злюсь. Злюсь, как живой человек, который регулярно разгребает последствия того, о чём на Хабре пишут как об успешном кейсе.

Недавно вышла статья про то, как избавляться от незаменимых сотрудников. Там bus factor, ротация, работа вслух, и финальный аккорд – «в сложный период ушло 40% команды, но мы не сорвали ни одного релиза». Подаётся как успех менеджера. Я хочу поговорить про другое: про тех, кто такие статьи поддерживает и несёт их в мир и презентации. Не лично про людей – про тип мышления, который производит такие тексты, такие команды и моих будущих клиентов.

Одна из ключевых проблем ИИ — склонность к «галлюцинациям», то есть к генерации убедительно звучащих, но ложных ответов. Яркий пример на картинке :) Как это можно исправить или улучшить? Есть разные способы. Одно из самых простых решений, позволяющих значительно повысить точность и достоверность ответов, — RAG (Retrieval Augmented Generation). Это генерация с дополненной выборкой. 

Меня зовут Михаил Костецкий, я управляющий эксперт отдела обеспечения качества в ПСБ. Мы в коллегами сейчас тоже пробуем использовать технологию RAG в разных задачах — в своей статье я хочу поделиться этим опытом. Буду рад, если моя статья станет полезна тем, кому предстоит работать с методом. 

Все началось с довольно прикладного спора с коллегой об одном агентном решении. Мы не могли сойтись во мнении, что именно вообще стоит называть Ralph loop, так что пришлось лезть в интернет за пруфами. А дальше случился один из тех раздражающих моментов, когда чем больше читаешь, тем больше тумана. 

Постепенно стало ясно, что под "Ralph loop" уже начинают понимать очень разные, а иногда и почти противоположные вещи. И это не просто мое ощущение: вокруг Ralph довольно быстро появились публичные пересказы, упрощающие его по-разному [1] , [2], [3], а затем и публичные поправки к этим интерпретациям - [4], [5], [6], [7].

И поэтому любой разговор о нем очень быстро начинает напоминать сцену из Spider-Verse: “все вроде говорят про одного и того же Человека-паука и каждый уверен, что именно его версия и есть настоящая.”

Давайте разложим все по полочкам. А Питеров Паркеров Ральфов по их мирам.

Среди существующих реализаций встречаются следующие варианты - см. Таблицу