Kurgan-Telecom Ru | Информационные технологии

Помните, как в школе, решая примеры «в столбик», мы бормотали себе под нос: «один пишем, два в уме»? У процессора при вычислениях возникает похожая ситуация — где-то нужно хранить промежуточные результаты. В современных микропроцессорах работает множество различных блоков, обрабатывающих числа, — их называют исполнительными устройствами. Чтобы все они могли временно «складывать» свои «два в уме», требуется достаточно большой объем быстрой вспомогательной памяти.

В статье мы разберемся, как устроены запоминающие ячейки внутри процессора, почему из них строят массивы памяти и какие задачи решают компиляторы — от оптимизации по скорости, площади и энергопотреблению до генерации файлов для САПР. 

В августовском отчёте Threat Intelligence Report: August 2025 компания Anthropic раскрыла детали новой волны киберпреступности: злоумышленники всё активнее используют ИИ-агентов для автоматизации атак и масштабного вымогательства данных. Исследование показывает, что искусственный интеллект теперь выполняет не только вспомогательную, но и оперативную роль в атаках — от разведки и проникновения в сети до создания вредоносного ПО, анализа украденной информации и генерации вымогательских требований.

Мы подготовили перевод части исследования о том, как злоумышленники используют Claude для вайб-хакинга.

Привет, Habr! Меня зовут Катя, я продакт-менеджер BigData в «Группе Лента» и отвечаю за развитие цифровых продуктов в направлении монетизации данных. В статье расскажу, как нам удалось уйти от Excel-файлов и ручного согласования сегментов к автоматизированному порталу, с помощью которого рекламные агентства теперь сами собирают нужные им сегменты и выгружают их в MyTarget.

Здорово, когда ты получаешь готовое работающее приложение с одного запроса. Пусть даже долго оттачиваемого, как меч самурая. Это апофеоз одновременно профессионализма и лени: ты смог сформулировать задачу так, что ИИ тебя понял и с первого раза сделал всё верно.

Конечно, в крупных проектах такое стремление к лаконичности совершенствованию ни к чему. Очень часто мы даже не можем заранее сформулировать ТЗ и двигаемся шагами, только постепенно понимая направление совершенствования нашего проекта. Современные среды разработки заточены на диалог с ИИ-агентом, который по шагам добавляет функциональность в наше приложение, исправляет возникшие ошибки и т.д.

Эта статья содержит разбор одного компактного примера вайб-кодинга. Мы увидим:

• В каких случаях вайб-кодеру достаточно минимальных знаний предмета, а в каких необходимы экспертные навыки и опыт?

• Что изменилось в инструментах вайб-кодинга за текущий год, и что изменится в ближайшем будущем?

• Сравним обычные и «премиум» языковые модели.

• Поймём, есть ли предел у диалога с ИИ-ассистентом, и как понять, что он достигнут?

В статье Создание собственной системы F&R в «Магните»: функциональный дизайн было рассказано о том, что компания «Магнит» столкнулась с ограничениями существующих решений класса Forecast & Replenishment, по производительности, гибкости и скорости реакции.

Так мы решили создать собственное решение.

Я Алексей Соболеков, ИТ-архитектор в Magnit Tech, расскажу о ключевых архитектурных принципах и решениях Magnit F&R. Будет полезно Архитекторам, Техлидам, CTO, и всем, кто проектирует архитектуру высоконагруженных облачных решений на базе Open Source технологий.

Когда к ИИ-инструменту привыкают, его порой начинают воспринимать как разум — будто за ответами скрывается личность с намерениями и логикой. Но это не что иное как ловушка антропоморфизма: мы приписываем моделям человеческие качества и потом удивляемся, когда они выдают банальности или абсурдные советы. В статье предлагается более честная и полезная метафора — «мешок слов». Она объясняет, почему LLM предсказуемо сильны в одних задачах и столь же предсказуемо сыплются в других, а главное — почему сравнивать их с людьми изначально неправильно.

Ситуация: пишешь код на JS, хочешь обработать исключение, пробрасываешь throw, ловишь его с помощью try‑catch. Но добавим нюанс: пусть это нужно сделать для setTimeout. Эта функция использует окружения браузера — не JS‑функция, асинхронная.

Загвоздка: catch не сможет поймать ошибку.

Этот пример — одна из нескольких особенностей JS, из‑за которых я считаю обработку исключений «из коробки» на этом языке неудобной. Но есть и хорошие новости — для JS существуют альтернативные способы работы с исключениями, с которыми дела обстоят получше; например, паттерн «контейнерный тип».

Давайте разбираться.

Запуск стартапа — это не только идея, но и понимание, как она станет бизнесом. Lean Canvas, предложенный Эшем Маурья, помогает на одной странице структурировать ключевые аспекты: проблемы клиентов, решения, каналы продаж и издержки.

Но Lean Canvas за пять минут не заполнить: нужны гипотезы, исследования, слаженная работа команды. А что если большую часть рутины возьмёт на себя ИИ-агент? Мы в GigaChain решили попробовать. Рассказываем, что из этого получилось.

В Сбере мы активно внедряем искусственный интеллект для решения сложных бизнес-задач. Одно из перспективных направлений — ИИ-агенты: автономные системы, умеющие рассуждать, планировать и использовать инструменты для достижения цели. Мы подробно разбираем подходы к их разработке в руководстве «Разработка и применение мультиагентных систем в корпоративной среде». А в этой статье мы покажем, как создать такой агент на примере автоматического генерирования Lean Canvas.

В Точка Банк нет арт-директоров или лидов, которые принимают финальные решения по дизайну. Мы верим, что сильный дизайн рождается в совместной работе, а не в «указах сверху». Чтобы сохранять консистентность и высокое качество в экосистеме продуктов, нам нужен был процесс: как переопыляться, делиться хорошими решениями и держать планку. Так появилось дизайн-ревью — одни дизайнеры отсматривают макеты других и предлагают идеи по улучшению.

На старте небольшой команде хватало нескольких ревьюеров. Но когда команда выросла до 50+ дизайнеров, процесс начал буксовать. Ревью из помощника превратилось в узкое горлышко: сроки срывались, ревьюеры выгорали, качество проседало.

Мы прошли через это и перестроили процесс так, чтобы он масштабировался на десятки кейсов, прокачивал команду — и при этом не тормозил работу. Рассказываем, как.

5 месяцев назад я публиковал материал про пет-проект календаря домаших тренировок. Сегодня хочу рассказать, что было сделано мной за прошедшее с тех пор время.

Самим приложением пользуюсь регулярно. На главной странице для незарегистрированных пользователей в качестве примера как раз показывается моя статистика. Помимо меня есть ещё 53 зарегистрированных пользователя с подтверждённым email.

https://github.com/dergunovs/fit - исходный код приложения
https://vkvideo.ru/playlist/15313879_11 - видео про разработку

Frontend: Typescript, Vite, Vue, Tanstack Query, Vitest, Vue I18n, Tauri
Backend: Typescript, Fastify, Mongoose, MongoDB, Swagger

Публикация приложения в RuStore

С помощью Tauri добавил генерацию формата APK. Зарегистрировался в RuStore в качестве разработчика, заполнил поля с описанием, сделал скриншоты. Модерация прошла очень быстро. Теперь приложение можно удобно скачивать и обновлять. Сам APK файл весит около 10 мегабайт. За 4 месяца с момента публикации в RuStore оттуда было 65 установок приложения.

Привет, Хабр! На связи команда «МосТрансПроекта». Сегодня мы хотим снова поговорить про беспилотные автомобили. Не секрет, что жизнь любого беспилотника начинается с проектирования, создания опытного образца и испытания на полигоне. Последний этап один из самых важных: он предшествует выезду высокоавтоматизированного автомобиля на дороги общего пользования. В мире существует несколько сотен полигонов, в этой статье расскажем о самых интересных.

Согласно экспертным оценкам, к 2035 году доля продаж автомобилей с высоким уровнем автономности может составить от 15% до 50% на мировом рынке. И хотя точное количество выпущенных беспилотных автомобилей неизвестно, некоторые компании уже владеют парком подключенных авто, насчитывающим сотни единиц. Прежде чем выйти на дороги и стать участниками движения, каждое транспортное средство (или отдельная технология, необходимая для автономного вождения) тестируется на полигонах.

Всем привет! В предыдущей статье я поделился своим опытом вайб-кодинга в решении рабочих задач с учетом специфики работы юриста. А сегодня я расскажу, как на протяжении шести месяцев взаимодействия с LLM я использовал нейросети для решения повседневных задач и что из этого получилось. Я не буду затрагивать очевидные сценарии вроде написания макросов для Excel или обработки текста, а сосредоточусь только на реальных примерах применения LLM в повседневной жизни.

Топ составлен на основе моего личного опыта и задач, которые стояли передо мной. Все приведенные примеры и промты использовались мной в бесплатных версиях LLM таких как Grok (в основном), ChatGPT, Gemini, DeepSeek и Qwen. В комментариях к каждому пункту я поделюсь дополнительным контекстом применения нейросетей, чтобы вы могли лучше понять, как адаптировать эти подходы под свои задачи.

Приятного чтения!

1. Составление программы тренировок.

Промт: «Составь персонализированную тренировочную программу на 12 недель в табличной форме, с распределением по дням, циклам и с прогрессией нагрузок для занятий в тренажерном зале. С учетом следующих параметров и целей: Пол – ; Возраст - ; Рост - ; Вес - ; Тренировочный стаж: - ; Уровень подготовки - ; Травмы и ограничения: - ; Доступное оборудование - ; Цель тренировок - ; Периодичность тренировок: - . При подготовке ответа, для составления эффективной тренировочной программы опирайся на последние научные данные, открытия, статьи, опубликованные в достоверных (надежных) источниках, с учетом того, что данные должны быть получены на основании исследований, проведенных в отношении атлетов применяющих натуральный тренинг без использования анаболических стероидов».

16 августа 2025 года под звуки гармони, мелодичный перестук деревянных ложек и под пристальным взором остающихся на празднике мы выехали из деревни Верхние Кумашки:

Привет, Хабр! Мне посчастливилось приобрести весьма приятный экземпляр гитары Ibanez GRX70DX BKN 2009 года выпуска, который пришлось немного отреставрировать и привести в рабочее состояние.

Старые инструменты часто воспринимаются как нечто большее, чем новодельные, и сегодняшний случай — не исключение. Под катом вы сможете увидеть и услышать все подробности.

Команда Go for Devs подготовила перевод статьи о том, как оптимизировать использование памяти в Go-приложениях. Автор делится двадцатью приёмами — от выбора ресивера метода и правильной инициализации slice до кастомного управления памятью и профилирования с pprof. TL;DR: мелкие улучшения складываются в заметный прирост производительности и стабильности.

Переустановить Windows с нуля — популярный совет, которому следуют новички в попытках решить проблемы с быстродействием ноутбука. На первый взгляд все логично: снеси систему, прибей весь софтовый хлам и начни жизнь заново. Но чаще всего даже относительно не старые модели с SSD и 8 ГБ оперативки не разгоняются от переустановки ни на йоту. Система быстро обрастает процессами, а кратковременное улучшение сменяется фризами вне зависимости от выполняемой задачи. Интересно, почему?

Астрономы обнаружили невероятно редкую систему, в которой сливаются по меньшей мере пять галактик ранней Вселенной — всего через 800 миллионов лет после Большого взрыва. Это замечательное открытие было сделано с помощью данных космического телескопа «Уэбб» и космического телескопа «Хаббл».

Слияния галактик играют ключевую роль в формировании галактик в ранней Вселенной. Хотя это явление не часто встречается, слияния систем всё же происходят, и как правило, идут с участием двух галактик. Однако недавно обнаруженное слияние, получившее название «квинтет „Уэбба“», содержит по меньшей мере пять галактик и 17 галактических зародышей (скоплений пыли и газа, из которых формируются галактики).

Всем привет! Меня зовут Артём Корсаков, я руковожу группой разработчиков на Scala в компании «Криптонит». Хочу рассказать про мой проект, которым я занимаюсь уже 4 года — Scalabook.

За последние 20 лет язык Scala завоевал прочные позиции в backend-разработке, машинном обучении, обработке данных, создании распределённых систем и во многих других областях. Есть тысячи ресурсов по Scala: книги, статьи, курсы, подкасты, проекты с открытым исходным кодом, хакатоны и специализированные мероприятия, вроде Advent of Code. Однако часто возникают вопросы: с чего начать изучение Scala, или как систематизировать уже имеющийся опыт?

Вот так у меня и появилась идея создать русскоязычную базу знаний по Scala — Scalabook. Это уникальный проект, в котором представлены материалы о функциональном программировании, алгоритмах и структурах данных, классах типов, переводы статей, а также ресурсы различного уровня сложности для изучения Scala. Это собрание материалов по разным темам в русскоязычном пространстве. 

Также уделено внимание практическим аспектам функционального программирования: создан тренажёр с набором задач возрастающей сложности, которые позволяют освоить ключевые концепции функционального программирования на Scala.

На сайте можно оставлять комментарии, получать обратную связь по решениям задач или предлагать дополнения для расширения базы знаний. Scalabook регулярно обновляется: добавляются новые упражнения, пояснения и материалы. Пользователи также могут внести свой вклад в этот процесс. Таким образом, изучение Scala становится более систематизированным, а не просто набором разрозненных ресурсов, в которых легко запутаться. Scalabook способствует обмену знаниями в сообществе Scala.

1999-й год, время – около двух часов ночи. В комнате выключен свет, а на выпуклом телевизоре вы идете по школьной раздевалке. Графика далека от идеала, хотя для первой PlayStation – вполне. Скрип от шагов, плач, непонятные шорохи, звуки капающей воды. Вы открываете шкафчик – и из него выпрыгивает… кошка. Кошмары обеспечены на следующие несколько лет. 

Сердце бешено колотится, ладони потеют. Ваш страх реален – и он рожден не картинкой, а звуком.

Так сложилось, что мы немного разбираемся в продвижении тактичек и рогаликов - за 2,5 года разработки Dead Weight кто-угодно разобрался бы.

А если рогалик еще и карточный - это любовь с первого взгляда :)

Такие игры приятно продвигать - яркая визуальная стилистика упрощает продвижение. Да и вообще декбилдеры, по статистике Криса Жуковски, хорошо продаются.

Проект просили не раскрывать, поэтому без названий и креативов, но интересные выводы оттуда всё равно удастся вытащить.