Kurgan-Telecom Ru | Информационные технологии

Недавно в блоге издательства БХВ вышла статья, что в ИТ-литературе надо больше внимания уделять темам построения команд, управления людьми и разработкой продуктов (продакт‑ и тайм-менеджменту). На наш взгляд, это хорошее начинание, ведь книги по «чистому ИТ» очень быстро устаревают, а вот про ведение бизнес-процессов и личностный рост специалистов — тема почти вечная. Книга Дианы Монталион «Изучаем системное мышление» — перевод Learning Systems Thinking, вышедшей в O’Reilly, как раз в этой струе.

На рынке есть спрос на готовые продукты, которые позволяют быстро решать как типовые, так и узкоспециализированные задачи. Тиражирование позволяет решить эту задачу сразу для обеих сторон: заказчик получает быстрое внедрение кастомизированного решения, а разработчик – возможность использовать основу продукта в следующих проектах, не начиная каждый раз с нуля. При этом каждый новый проект позволяет выявлять типовые потребности клиентов и учитывать их в базовом продукте, постепенно сокращая объем работ при следующих внедрениях.

Меня зовут Виктор Машошин, я генеральный директор Integer, и в этой статье на примере системы управления трейд-маркетингом (TMS) я расскажу, как мы пришли к тиражированию, и как это решение позволило сократить средний срок внедрения в два раза даже для сложных клиентов.

Ситуация: у сотрудника сломался ноутбук. Не включается, диагностировать на месте бессмысленно. Инженер первой линии нашел на складе подменное устройство, выдал его за двадцать минут и закрыл заявку. Получилось, что время реакции в норме, время решения тоже, пользователь оценил поддержку на пять звезд. В отчете по SLA все показатели зеленые. Казалось бы – все идет отлично.

Но вдруг через месяц обнаруживается то, чего в отчете видно не было: такие заявки идут одна за другой. Да, поломки случаются без графика, но в этом квартале их оказалось особенно много, а на складе уже не осталось ни одного свободного устройства. Заявки копятся, сроки по SLA срываются один за другим, и закрыть их физически нечем. Инженер, вроде бы, делает ровно то же самое, что исправно работало месяц назад, но проблема в том, что выдавать больше нечего. Никто не посчитал, сколько подменных устройств еще есть на складе, и тем более нигде не было правила «пополнять склад, когда остаток падает ниже минимума». Из-за этого устройства закончились разом — склад не просигналил о нехватке заранее, когда это еще можно было поправить. «А мне когда нормальный ноутбук дадут, а не это убитое железо?», — спрашивает уже третий пользователь за неделю. И он прав, а ответить ему особо нечего.

Казалось бы, звучит как проблема снабжения. Отдел закупок не успел оформить новую партию техники, бюджет на этот квартал урезали, согласование заявки на пополнение склада затянулось — причин для дефицита найдется сколько угодно, и все они будут про деньги и сроки поставки.

Но дело не в закупке. Склад опустел, потому что не было системы, которая отслеживала бы остаток и предупреждала, когда он подходит к концу, — ни у отдела снабжения, ни у сервис деска. Система управления ИТ-сервисами считает время реакции и решения, а про остаток техники на складе она ничего не знает. Если бы она была связана с системой управления активами, о нехватке подменного фонда знали бы заранее — до того, как на складе не останется ни одного устройства для новой заявки. 

Веб-интерфейс пользовательских приложений собирает сама база данных. В буквальном смысле: SQL процедуры содержат бизнес-правила и они же формируют страницы, которые видит продавец в дилерском центре. Так эта система прожила двадцать семь лет, и все двадцать семь лет она честно везла на себе продажи, сервис, склад и деньги. Сейчас в ней работают 30 дилерских центров и около шести тысяч человек, объем данных 70 терабайт вместе с медиа. Вынуть отсюда логику и при этом не остановить ни одного центра оказалось задачей на несколько лет, и мы прошли уже больше половины. 

Бывает так, что ревьюер посмотрел пул-реквест, тесты зелёные, компиляция прошла успешно, а в коде всё равно остался баг, который проявится только в продакшене. Вручную такие дефекты найти достаточно сложно, поэтому мы решили попробовать подключить дополнительные «руки».

Такими руками стал NeuroReview — автоматический ревьюер пул-реквестов, который работает в продакшене и находит часть дефектов до человеческого ревью или мержа. Мы используем его только на внутреннем коде, подключение добровольное. Сейчас каждый день через него проходит примерно 4 тысячи пул-реквестов — около 40% от всех созданных разработчиками в Аркадии, монорепозитории Яндекса. 

Возможно, вы слышали об этом в новостях. Мы здесь, в Mindscape, обычно не следим за новостями. Мы не бросаемся за каждой срочной новостью, пытаясь рассказать вам о последнем повороте в научных или иных интеллектуальных открытиях. Но иногда стоит слегка изменить правила и сделать что-то немного иначе. Итак, возможно, вы слышали о пресс-релизе эксперимента LUX-ZEPLIN, или просто LZ. Это эксперимент глубоко под землей, где ищут темную материю, ожидая, что изредка частица темной материи попадет в их детектор, столкнется с ядром и оставит сигнал. И вот новый результат: множество экспериментов уже довольно давно занимаются этим, и теперь они увидели событие, которое не могут объяснить. Мы разберемся с этим по двум причинам. Во-первых, это может быть темная материя, а это было бы очень захватывающе. Сейчас результат совсем не обладает высокой статистической значимостью. Это лишь слабый намек. Совершенно точно не стоит из-за него слишком волноваться. Но к нему все же стоит отнестись серьезно, верно? В конце концов, это люди, которые знают свое дело. Они приложили все усилия, чтобы опровергнуть интерпретацию этого события как возможного сигнала темной материи. Именно так поступают хорошие экспериментаторы, когда получают странный сигнал, чего-то не ожидавшегося или потенциально очень захватывающего.

Новые агрегации перцентилей и MAD в Manticore Search: как анализировать поведение хвостов распределения и выбросы в SQL и JSON с настраиваемой точностью через compression.

Система прошла функциональные проверки: документы проводятся, отчёты формируются, интеграции работают. Но после подключения нескольких сотен пользователей операции замедляются, а серверы оказываются перегружены. Чтобы разобраться в причинах, нужно связать прикладную логику, поведение СУБД и состояние инфраструктуры. Нагрузочное тестирование помогает специалисту 1С расширить свою ответственность — от проверки отдельных сценариев до оценки готовности системы к промышленной эксплуатации.

Разработчик в такой ситуации анализирует код, администратор — серверные ресурсы, специалист по базам данных — запросы, аналитик — бизнес-сценарии. У каждого есть часть информации, но для вывода о производительности нужна общая картина.

С комментариями Гейдара Габриэлянца, автора и преподавателя курса «HighLoad-тестирование для 1С и корпоративных систем», разбираем, какие компетенции для этого понадобятся и как меняются задачи по мере профессионального роста.

Structured output решает одну из самых раздражающих проблем LLM-интеграций: модель наконец стабильно возвращает данные в ожидаемом формате. Но валидный JSON ещё не означает правильные данные. Разбираю, где заканчиваются гарантии JSON Schema и как провести границу доверия между LLM и бизнес-логикой Go-сервиса.

Разбираем на практическом примере, как языковая модель может классифицировать входящие письма и запускать следующий шаг бизнес-процесса в 1С.

В последнее время вокруг систем ИИ, генерирующих тесты, активно развивается дискуссия, причем как в профессиональной, так и в академической среде. С одной стороны, такие системы делают ровно то, для чего задуманы ИИ-агенты: выполняют работу, которую мало кто любит делать, экономят массу времени и сил. С другой — порой выдают непредсказуемый результат: удаляют или корректируют тест-кейсы, игнорируют пограничные сценарии.

Мы решили посмотреть, какие мнения есть относительно генеративных тестов в ИТ-индустрии, и что говорит на их счет наука — разобрали свежие исследования по теме. А в конце статьи сделали подборку из открытых инструментов, которые помогут оценить возможности пары «нейросеть + юнит-тесты» самостоятельно.

Дашборд зеленый - но дойдет ли реальный злоумышленник до цели? Раз в год пентеста мало. Разбираем автопентест и BAS - непрерывную проверку защиты, российские решения и прорыв 2025 года, когда AI-система XBOW заняла первое место среди багхантеров HackerOne, обогнав всех людей.

Знаете это чувство, когда ты весь такой прогрессор, начитался про попаданцев, которые в древнем мире внедряли паровые машины, и думаешь: «Вот попаду в прошлое - точно всех удивлю»? У меня было так же. Очнулся в первой половине восьмидесятых. Не в Древнем Риме, а в самом что ни на есть научно-техническом мире - Советском Союзе, где вокруг летают спутники, работают ядерные реакторы, а микросхемы уже выпускают серийно.

«Отлично, - подумал я. - Вот оно, моё время. Сейчас я им покажу флеш-память. Расскажу, что можно обойтись без всех этих дисководов, винчестеров и прочей механики. Что нужна всего лишь маленькая микросхема, которая не боится тряски и хранит данные без питания. Пластиковая карта для метро, паспорт с чипом, платёжка без магнитной полосы - всё это возможно уже сейчас!» Эти чип карты даже сейчас массово изготавливаются и используются.

Я был полон энтузиазма. Пока не начал разбираться, из чего, собственно, придётся собирать это светлое будущее. И вот тут мой прогрессорский запал столкнулся с суровой реальностью советской микроэлектроники.

Всё началось с того, что я, как честный инженер, решил не бежать впереди паровоза, а сначала изучить элементную базу. Начал я с самого логичного - с постоянных запоминающих устройств, ПЗУ. Ведь именно на них, по идее, можно было бы хранить данные, которые не стираются при отключении питания. Концепция-то правильная.

И вот передо мной лежит целая россыпь микросхем. Разных годов, разных корпусов, с разным содержанием золота. И каждая - как маленькая история о том, почему прогресс - это боль.

На полях XXII Конференции разработчиков свободных программ вечером 3 октября были объявлены результаты конкурса «Код логики».

1 место

• Соболев Никита Андреевич, за вклад в проект Python

2 место

• Юрьев Леонид Валерьевич, за вклад в проект libmdbx
• Щапов Владислав Алексеевич, за вклад в проект zlib-ng

3 место

• Пугин Егор Владимирович, за вклад в проект Tesseract-OCR
• Маракасов Дмитрий Александрович, за вклад в проект Repology
• Садовников Владимир Юрьевич, за вклад в проект Linux Studio Plugins Project

( читать дальше... )

 development, конкурс, спо

Я раньше ругал людей который пишут посты с помощью ИИ, но решил написать такой пост сам. Пост ниже сгенерен ИИ от первой до последней буквы (кроме картинки, ее нарисовал я сам). При этом, как честный человек, я привожу промпт. Также оправданием служит то, что речь идет не о чем-то абстрактном, а о моей конкретной (скорее всего не оригинальной) методе генерить код, натравливая один ИИ (claude) на другой (codex). Чтобы они соревновались друг с другом, писали разборы конкурента и сравнения, исправляли у себя найденные конкурентом ошибки и заимствовали его ценные идеи.

Мой промпт:

Всем привет!

На связи инженерная команда компании “Хоулмонт”. Мы занимаемся развитием российской платформы OpenBPM. Это так называемый bpm-движок и набор профессиональных инструментов, сгруппированных вокруг него для комплексной автоматизации предприятий. Мы рады сообщить о выпуске OpenBPM Engine v.2.0, являющимся дальнейшим развитием идеи форков “7-ой камунды”.

Это релиз объединяет усилия многих команд, опирается на самые свежие версии java-фреймворков и содержит принципиальные отличия. Переход на Spring Boot 4 и активное использование Spring AI открывает принципиально новые возможности для разработчиков процессных приложений. Там много технологических инноваций и поэтому требуется ознакомиться с руководствами по миграции, помогающими осуществить перевод проектов на эту технологическую основу в более плавном и предсказуемом режиме.

Есть у меня несколько проектов, которые начинались как шутка в чате про Kubernetes и почему-то не остановились. Например, Sheeternetes родился из спора о том, можно ли сделать оркестратор контейнеров в электронной таблице, и оказалось, что можно. Tatarnetes вырос из желания, чтобы kubectl заговорил по-татарски (и из татарских мемов). Kyvernetria попыталась честно ответить на вопрос, как выглядел бы Kubernetes, если бы его поведение строилось на подтверждённых наукой средних различиях между мужчинами и женщинами, а не на стереотипах. Ну а Mansplainetes и Misogynetes появились как сатира на тех, кто в такие стереотипы свято верит.

Всё это время проекты жили на уровне «работает, но у меня на ноутбуке». В эти выходные я наконец довёл их до нормальных релизов, и их набралось сразу семь. Расскажу, что в каждом нового и почему некоторые из этих шуток, к моему собственному удивлению, оказались полезными.

Антиспам годами играет в одну и ту же игру: спамер звонит, система пытается понять, кто это, сверяет номер с базой, смотрит жалобы, рисует предупреждение, иногда блокирует. Спамер меняет номер, покупает новую пачку SIM-карт и продолжает. В ответ индустрия строит ещё более сложные фильтры. Всё это выглядит как технологический прогресс, но проблема остаётся прежней: звонок уже состоялся как событие. Телефон зазвонил, экран загорелся, человек отвлёкся.

А я предлагаю сделать наоборот: пусть проходят вообще все звонки.

Не фильтровать их на входе. Не пытаться идеально понять, кто звонит. Не строить ещё одну базу плохих номеров. Пусть робот дозванивается. Пусть оператор дозванивается. Пусть система массового обзвона получает свой любимый статус ANSWERED.

Только есть одна проблема: ответа человека там может уже не быть.

Вся телефонная индустрия массового обзвона работает с измеримыми результатами: количеством попыток, процентом ответов, продолжительностью соединений, переводами на операторов и конверсией. У современных систем есть механизмы определения автоответчиков и отсутствия реакции, но сам факт принятого вызова остаётся важным сигналом. На нём строятся дальнейшие действия и статистика.

Мы собираемся испортить именно этот сигнал.

Я отчётливо помню, как около пятнадцати лет назад вёл коллоквиум с приглашённым докладчиком, который рассказывал о гравитационно-волновой обсерватории LIGO, только начавшей собирать данные. Сопоставив достигнутую чувствительность с той, которую ещё предстояло получить, слушатели после доклада вполголоса пришли к ясному выводу: "У них ничего не выйдет". Разумеется, теперь мы знаем, что всё вышло, и объявление об обнаружении гравитационных волн в 2016 году принесло в 2017-м Нобелевскую премию Райнеру Вайссу, Кипу Торну и Барри Бэришу. Поэтому мне особенно приятно пригласить в подкаст самого Кипа Торна. Кип немного рассказывает об истории LIGO и высказывает несколько решительных суждений о Нобелевской премии. Но его долгая и яркая карьера этим не ограничивается, так что мы также поговорим о том, возможно ли отправиться через червоточину в прошлое, и о его будущих планах в кино после успеха "Интерстеллара".

Кип Торн получил докторскую степень по физике в Принстонском университете и сейчас является почётным профессором теоретической физики имени Ричарда Фейнмана в Калифорнийском технологическом институте. Его признают одним из ведущих в мире исследователей общей теории относительности; он внёс важный вклад в изучение гравитационных волн, чёрных дыр, червоточин и релятивистских звёзд. Его роль в основании эксперимента LIGO и руководстве им была отмечена Нобелевской премией 2017 года. Он написал и стал соавтором множества книг, среди которых знаменитый своей увесистостью учебник "Гравитация" (Gravitation). Торн был исполнительным продюсером фильма 2014 года "Интерстеллар", основанного на первоначальной идее, которую он разработал вместе с Линдой Обст. Он получил слишком много премий, чтобы перечислить их здесь, а также участвовал в нескольких знаменитых пари.

Всем привет!
Сегодня я хочу рассмотреть довольно интересную возможность на Zynq SoC, связанную с отладкой с помощью ILA (Integrated Logic Analyzer) без физического подключения через JTAG.

В этой статье мы попробуем разобраться, как использовать Xilinx Virtual Cable, соберем драйвера, посмотрим как подключаться из Hardware Manager Vivado.