Kurgan-Telecom Ru | Информационные технологии

Не так давно мне в руки попался CD-аддон для 16-битной консоли Sega Mega Drive, знаменитый своими FMV-играми. И в процессе изучения игровой библиотеки и системы у меня возник вопрос: а насколько сложно было бы сделать собственный видеодиск, проиграть на консоли собственное видео? И вот что у меня получилось...

Интернет переполнен руководствами по созданию простых веб-серверов на Node.js. И сегодня их не меньше, чем пять лет назад. Такие примеры хороши для первого знакомства, но они дают иллюзию понимания. Когда доходит до реальной задачи — будь то API для интернет-магазина, система аутентификации или интеграция с внешним сервисом — учебных примеров оказывается катастрофически мало.

Книга «Проекты Node.js» Джонатана Векслера — это мост между «Hello World» и тем, с чем разработчик сталкивается в реальной работе. Она не превратит новичка в архитектора за один вечер, но даст ему практический опыт работы с реальными задачами — от CSV-конвертера до ИИ-ассистента. Вы примените async/await в реальном проекте, а не только в теории. Вы внедрите JWT-аутентификацию, а не просто изучите её концепцию. Книга даст вам необходимый практический опыт.

Привет, Хабр! На связи Никита Устриков.

Подготовил для вас статью, основанную на нескольких источниках: отчёте MIT NANDA The GenAI Divide: State of AI in Business 2025, материалах Gartner и McKinsey по корпоративным внедрениям, а также результатах стратегии ИИ в БКС и нашем докладе на TechWeek‑2026 «ИИ в бизнесе: почему 9 из 10 проектов не выходят в прод», где мы начали публично системно разбирать эту тему. Полный список источников привожу в конце статьи.

В B2B-продуктах интерфейс часто наследует сложность предметной области: роли, права доступа, согласования, статусы, аудит и высокую цену ошибки. Попытка упростить такой продукт только визуально — убрать поля, спрятать настройки, сократить количество состояний — может сделать экран чище, а работу пользователя тяжелее.

В статье разбираю, как отличить искусственную сложность от необходимой, зачем профессиональным продуктам подтверждения, статусы и подсказки внутри сценария и как превратить сложный процесс в понятную, предсказуемую и управляемую систему.

Два инженера, у обоих пять лет в DevOps и одинаковый стек в резюме: Kubernetes, Terraform, GitLab и вот это вот всё. Весной оба ходили по собеседованиям, но первый собрал офферы уровня “мидл, 200”, второй ушёл с “сеньор, 300” (алгоритмические секции первый, к слову, проходил лучше). Разница больше миллиона в год при неотличимых резюме. Ниже рамка, которая по моему мнению объясняет за что доплачивают, и три вопроса, чтобы найти в ней себя.

TL;DR. Финансовая модель в таблице разваливается при смене периода расчёта. Я честно старался, был аккуратен как мог, но период в модели хранится в геометрии листа: колонка — это месяц, а формулы адресуют ячейки по абсолютным координатам. На Хабре на эту боль есть два описанных ответа, оба уходят от таблиц: перенести логику в OLAP-куб с семантическим слоем или написать модель на Python. Здесь описан третий: оставить табличный интерфейс, но вынести диапазон и период в параметры модели, а адресацию перевести с координат ячеек на имена строк и колонок. Перевод модели из 10 листов с месяцев на кварталы стоит тогда 2 действия вместо 460–3060 — расчёт по шагам приведён в тексте.

В первых двух статьях цикла мы разобрались, почему нормативно-справочная информация (НСИ) неизбежно деградирует, почему простые алгоритмы сравнения строк проигрывают AI/ML, и как устроен сервис SOFROS AI/ML в целом — его архитектура, гибридный подход и интеграция с корпоративными системами через REST API.

Но методология и архитектура — это лишь верхушка айсберга. Главная магия происходит внутри моделей, которые отвечают за классификацию, извлечение характеристик, семантический поиск и контекстное обогащение данных. Именно они превращают «сырые» записи в структурированные и нормализованные справочники.

В третьей статье мы заглянем под капот этих моделей и подробно разберём:

- как работает модель классификации на основе наивного байесовского классификатора с учётом опечаток, n-грамм и нечёткого поиска;

- как модель экстракции выделяет именованные сущности (NER) с помощью spaCy и beam search;

- как модель семантического поиска использует BERT, FAISS и реранкер для поиска по смыслу;

- как модель контекстного поиска обращается к веб-источникам для дообогащения данных;

- зачем нужна классификация PII и как она обеспечивает безопасность.

Все главные новости из мира Joomla за апрель, май и июнь 2026 года в одной статье. Традиционно дайджест собирает новости сообщества, релизы, расширения, интеграции, видео и статьи из мира Joomla. Прошлый выпуск доступен на Хабре.

Привет, Хабр! Меня зовут Данил Кравченко, я разработчик 1С в IBS. Через руки моего отдела проходит много строительных проектов. Так уж повелось, что в стройке интерфейсы для табличных частей часто создаются на основе деревьев, что вызывает определенные сложности у разработчиков. Я сам совсем недавно собрал полный комплект шишек на эту тему и хотел бы поделиться способами решения типовых проблем. А в конце вы найдете ряд рекомендаций, соблюдение которых позволит свести эти проблемы к минимуму.

В статье рассматривается опыт миграции сети Kubernetes-кластера на новый IP-пул (Pool IP) с использованием CNI Cilium. Особое внимание уделено процессу смены IP-адресов для Pod'ов и Service'ов в работающем кластере без длительной остановки, а также подводных камнях, с которыми пришлось столкнуться при обновлении до версии 1.20.0. Материал будет полезен инженерам по эксплуатации Kubernetes использующих уже Cilium, а так же желающим познакомиться с этим инструментом.

Выходит обновление плагина, он дописывает свои ключи в ваш конфиг и заодно меняет порядок остальных. Через сутки в дискорде жалобы, вы открываете бэкап и текущий конфиг в diff — а он красный целиком. Разбираемся, почему текстовый diff врёт на JSON, и что с этим можно сделать: сравнение с игнором порядка ключей, структурный дифф по путям, до шести файлов сразу и экспорт в JSON Patch.

Claude Code History Viewer читает ~/.claude/projects и превращает машинный JSONL в нормальный интерфейс: диалоги с тулколлами и сабагентами, глобальный поиск, статистика по токенам и стоимости, плюс истории ещё 27 клиентов вроде Codex CLI и Cursor. Показываю, как поднять его headless-режим в Docker на сервере без иксов (готовый бинарь + тонкий образ), что показывает Global Overview на 3,4 ГБ истории, как дёргать те же команды по HTTP через POST /api/<имя> и на какие мелочи я наступил — от обрезанного в логе токена до лимита памяти 512 МБ в официальном compose.

Привет, Хабр! (И тебе, 1С-ник, который открыл статью только чтобы убедиться, что пока точно не надо изучать новый продукт. И тебе, питонист, который сейчас будет морщиться. И тебе, мобильный разработчик, который уверен, что без Kotlin/Swift нормальное приложение не родится - держи кружку крепче.)

Эта статья будет посвящена технологии, на которой можно написать своё мобильное приложение за пару дней. И я вам на примере реализованного мною полноценного проекта логистического приложения покажу, что сейчас из себя представляет эта технология на нашей родной КИРИЛЛИЦЕ, и что на ней можно сделать прямо сейчас. И самое главное, как…

Приветствую, Хабр! Меня зовут Владислав Тимашенков, я занимаюсь автоматизацией тестирования в ГК Infowatch.

В этой статье мы построим основу лаконичного фреймворка для UI-автотестов. Настроим запуск браузера, подготовим авторизацию, создадим Page Object и напишем тест. Здесь не будет лишних обёрток и сложной инфраструктуры, не будет даже ИИ и прочего хайпа. Только проверенные решения на базе Playwright, готовые к использованию. 

Главная идея — максимально использовать возможности самого Playwright, а не строить вокруг него собственный слой абстракций. 

Тема 1. Как выглядит Kotlin Coroutine без макияжа

Тема 2. Kotlin suspend функции

Тема 3. Kotlin Coroutine диспетчеры и потоки: где выполняются корутины?

Что будет, если запустить тяжелую фоновую обработку данных, а пользователь закроет экран? Если мы не контролируем этот процесс, потоки продолжат работу, сжигая батарею, процессорное время и создавая утечки памяти.

Для решения этой проблемы в Kotlin применяется концепция Structured Concurrency.

В последний год я лично занимался всеми нашими продажами, занимался техническими деталями почти всех наших проектов, и за всё время, что я веду этот блог [с начала 2023 года — прим. пер.] успел пообщался на тему своих статей где‑то с 300 людьми по всему миру — от спецов, решающих узкие технические задачи до гендиров компаний из списка Fortune 500. Так что я сижу в первых рядах и наблюдаю массовое помешательство по всему частному и государственному сектору; но при этом моё благополучие не зависит от личного участия во всём этом фарсе. Поэтому я решил написать эссе, в котором опишу всю эту бредовую социальную динамику и постараюсь морально поддержать тех, кто сейчас медленно сходит с ума, пытаясь выжить в ней.

Если вкратце, лица, принимающие решения, либо не строят конкретных планов на будущее, либо вообще не видят для себя вариантов кроме как не высовываться — будь то в банках, медицинских учреждениях, государственных органах или где‑то ещё. По всему миру руководство организациями захватили легковозбудимые граждане, писающиеся кипятком от восторга при любом упоминании ИИ, а их более уравновешенные коллеги вынуждены жить в постоянном страхе и фрустрации.

Всё началось на обычной стратегической сессии в конце 2025 года. Мы с коммерческим директором обсуждали планы на следующий год, пересматривали процессы и думали, где теряем время. Тогда и появился вопрос: а где искусственный интеллект действительно может быть полезен нашей команде?

Расскажу, что мы перепробовали, какие задачи отдали машине и почему начинали совершенно не с нейросетей.

Сразу скажу: это не история успешного успеха. Где-то мы правда сократили время в разы, где-то только учимся, а где-то честно признали, что человек пока справляется лучше.