Kurgan-Telecom Ru | Информационные технологии

Глава Anthropic заявил, что ИИ заменит инженеров через 6–12 месяцев. Звучит страшно, пока не попросишь нейросеть поправить конфиг nginx в реальном проекте. В статье — мой «дневник косяков» AI, разбор отличий бенчмарков от продакшена и мысли о том, почему вайбкодинг не спасет от ответственности.

По оценкам iKS-Consulting, в 2018 году платформу VMware использовали 78,8% компаний, которые применяют виртуализацию. Весной 2025 года в аналогичном исследовании указано, что доля отечественных решений в ПО виртуализации достигла 60,2%, а доля VMware оценивается в ~39% (оценка по данным анализа 19 крупнейших российских облачных провайдеров). То есть VMware-решения все еще заметны, но уже не доминируют так, как несколькими годами ранее

За несколько лет VMware в России прошла путь от «платформы по умолчанию» среди тех, кто виртуализирует, до одной из заметных, но уже не ведущих опций. Рынок быстро перераспределяется в пользу отечественных платформ — ради доступности поддержки и обновлений, управляемости процессов и соответствия требованиям в российских контурах.

В этой статье разберемся, как выбрать платформу виртуализации. Для этого вспомним краткую историю VMware и сравним подходы и классы платформ (On-Prem и у провайдера) с точки зрения эксплуатации, безопасности и миграции. В конце вас ждет чек-лист требований (включая ИБ/комплаенс) и таблица выбора по сценариям, чтобы быстро отсеять неподходящие варианты и собрать план перехода без сюрпризов на согласованиях с ИБ.

Ваша команда полгода сравнивает таблицы, но не может выбрать софт? Это не поиск решения, это организационный кризис. История о том, как «табличный синдром» и внутреннее сопротивление тормозят внедрение любых технологий — от CRM до BIM. Основано на исследовании с цифрами.

Как мы уже обсудили в предыдущей части, роль фазы предпроектного исследования заключается в обосновании целесообразности создания целевой Информационной системы (ИС). Таким образом в результате стадии должно сложиться понимание о совокупности трех базовых составляющих производства ИТ-продукта:

1)  Потребность в его создании. Кому-то он действительно нужен, кто-то получит разумные выгоды от его использования.

2)  Возможность его создания. Кто-то может его реализовать, в обозримые сроки, используя определенные технологии.

3)  Возможность финансирования его создания. Кто-то сможет оплатить все стадии производства.

При этом проведение самой фазы Инициации и анализа чаще всего является инвестицией, которая окупится (иногда с лихвой) в случае не наступления высоковероятных рисков неблагоприятных исходов производства (организационных, технических, неактуальных требований, сроков, обеспечения качества и безопасности, финансовых и прочих). Другими словами, стадия направлена на снижение уровня неопределенности результата производства и избегания необходимости внесения изменений уже в ходе реализации и внедрения.

Распознавание речи решает многие проблемы. Например, улучшает обслуживание клиентов за счёт автоматизированного анализа работы службы поддержки, ускоряет приём пациентов за счет заполнения документов голосом, решает проблемы управления и контроля. В целом распознавание речи облегчает общение между человеком и компьютером.

Если вам нужно распознавать речь, записанную в звуковых файлах или поступающую в реальном времени с микрофона или радиоприёмника, для этого есть готовые коммерческие сервисы. Однако им можно доверить не всё, например, по соображениям конфиденциальности, из-за отсутствия нужных вам возможностей или по другим причинам, о которых я напишу ниже.

Из этой статьи вы узнаете, как самостоятельно сделать автоматические системы распознавания речи ASR (Automatic Speech Recognition) с применением современных нейросетей и программ на Python. Эти системы смогут выделять спикеров при обработке звуковых файлов, а также распознавать речь в потоке, поступающую, например, от микрофона или радиоприёмника.

И на какие вопросы должна отвечать концепция развития продукта (Strategy Product Vision), чтобы закрыть разрыв между корпоративной стратегией и операционным управлением.

Я переодически посещала психологов с 18 лет. Всегда рассматривала это как инструмент улучшения жизни. При этом никогда не копала глубоко в методы, которые психологи используют в работе, а при подборе психолога всегда смотрела, чтобы было высшее образование, постоянно повышение квалификации и опыт работы. К тому же самый распространенный совет на сайтах по подбору психолога - метод якобы не так важен, а важен контакт с психологом.

После 1,5 года посещения сеансов с психоаналитиком и изучения дополнительной информации по этому вопросу, я пришла к мнению:

Психоанализ не только может потратить ваше время и деньги неэффективно, но и навредить вам.

Почему? Рассказываю в этой статье.

Термином soulslike называют игры, похожие на творения знаменитой японской студии FromSoftware. Жанр уже практически добил классические слэшеры, а его элементы проникли во многие современные action-RPG и даже jRPG вроде нашумевшей в прошлом году Expedition 33.

Проблема в том, что большинство популярных «сосаликов» слишком уж похожи друг на друга не только формулой с «кострами», возрождающимися врагами и фармом мистической валюты, но часто и визуальной эстетикой, и даже нарративом. Очередной обреченный герой снова ищет свое место в дистопичном мире, попутно уничтожая нечисть и споря с высшими силами…

Специально для этой подборки мы подобрали 7 актуальных игр жанра, которые воспринимаются довольно свежо.

Количество участников в команде влияет на статистику, но не определяет эффективность процесса. Ключевой фактор успеха — не численность, а чёткое распределение зон ответственности и поддержка траектории профессионального роста каждого коллеги.

Моя основная профессиональная деятельность — машиностроение и она, как и люди в ней работающие, как правило, очень далеки от мира IT. Поэтому когда кто‑то, в моей отросли, говорит про программирование, а особенно, что «занимает программированием», то часто можно услышать это...

Странный вопрос, не правда ли? У AI-агентов, конечно, есть разные проблемы, но вряд ли их можно обвинить в медлительности. Спросите, как говорится, любого, какие у него ощущения от AI, и первое, что вы услышите, будет что-то вроде: «AI за 3 часа сгенерировал мне 100 тысяч строк кода». Разве это можно назвать медлительностью?

На этом месте можно было бы и разойтись: 100 тысяч за 3 часа. Покажите мне человека, который способен хотя бы в половину этого, — и «я съем свою шляпу». Но я по‑прежнему утверждаю, что AI-агенты слишком медленные. Не верите? Добро пожаловать под кат…

Первое упоминание компьютерной программе было сделано практически век назад и датировано еще далеким 1833 годом. С тем пор были изобретены множество языков программирования, начиная от машинных и до современных C++, Java, Python. Постепенно понимание и сложность компьютерных программ менялось: если ранее максимальное внимание уделялось алгоритму, то сейчас в комплексных программных приложениях, акцент смещается в сторону данных. Изобретены множество прикладных методов внедрения информационных систем, которые по существу являются производными от трех классических моделей имплементации. Однако, неоспоримым является тот факт, что любая программа в первую очередь должна покрывать исходные потребности пользователей. Данная истина зачастую теряется рутинных активностях разработки приложений и их внедрения.

Множество литературных источников описывают подходы и методы анализа бизнес-требований [1-3], забывая то, что они не могут «жить» независимо. Требования являются важным элементом жизненного цикла программного обеспечения, именно с их формулирования начинается проработка концепции будущего программного продукта. Механизмы теории дизайн-мышления помогают сформулировать требования, если изначально пользователи не могут их озвучить. Получается, что требования – отправная точка разработки любого софтверного продукта, чем качественнее ведется их обработка, тем более управляемым становится проект реализации приложения.

Цель данной работы состоит в анализе жизненного цикла требований к программным продуктам для обеспечения эффективного внедрения коробочных ERP-решений в приемлемые сроки, с заданным уровнем качества и фиксированными затратами. Достижение указанной цели потребует реализации следующих задач:

Формальные обязанности тимлида описаны в бесчисленных гайдах: расстановка приоритетов, планирование, технический надзор, развитие команды. Однако за этим фасадом скрывается пласт невидимой, но крайне энергозатратной работы – управление эмоциональным климатом. Эта нагрузка редко становится темой для обсуждения, но именно она часто определяет, останется ли команда эффективной или начнет распадаться. (Когда-то на TeaamLead Conf я даже сравнивала работу тимлида с работой психолога).

Невидимая работа: менеджмент ожиданий и смысла

Помимо управления задачами, тимлид управляет контекстом. Это постоянная работа на двух уровнях:

/tl;dr

Бизнесу нужны рубли и проценты, а не слова про «выявление требований». Аналитик не кодит и не продаёт — как доказать, что он вообще что-то даёт? Цифрами.

Минимум метрик: трудозатраты на требования, доработки после релиза, конверсия, средний чек, время отклика бизнеса, ROI аналитики. Начните с двух–трёх — трудозатраты, баги, конверсия. Остальное добавите позже.

Сравнивать только «было» и «стало»: один и тот же функционал до и после переделки с аналитиком (например, при смене API). Иначе «задачи разные», «сезон другой» — и ваши цифры списывают на совпадение.

Зафиксируйте базовый период, нормализуйте цифры (на релизы, команду, сложность), постройте тренд и переведите эффект в рубли. Один график «до/после» сильнее десяти слайдов про «мы поработали хорошо».

ИИ и инструменты тоже измеримы: путь от требований до ТЗ сократился вдвое — считайте экономию в часах и рублях на фичу. Подставьте свои цифры — получите конкретный финансовый эффект.

Метрики — не способ оправдаться, а способ показать вклад аналитика и улучшать процессы. Сначала измеряй, потом убеждай.

Когда запускаешь pytest --cov код выполняется как обычно, но в конце появляется отчёт о покрытии. Как pytest узнаёт, какие строки выполнились? Ответ в sys.settrace, это низкоуровневый хук, который позволяет перехватывать каждый шаг интерпретатора.

На этом механизме построены coverage.py, pdb, PyCharm debugger, hunters, и десятки других инструментов. Разберём, как это работает изнутри и почему трассировка устроена именно так.

В мире Linux существует негласное соревнование: чей neofetch (земля ему пухом) или fastfetch запустится быстрее и покажет заветное лого дистрибутива. Разработчики бьются за миллисекунды, оптимизируют конфиги, переписывают всё на C... Я же решил построить своего рода Машину Голдберга.

Мой путь — это путь slowfetch. Я взял инструмент, который гордится своей скоростью (0.013с), и «оптимизировал» его до 0.77с. Зачем? Чтобы превратить терминал в панель управления космическим кораблём (или алтарь, об этом позже).

Это история о том, как простое желание «пофлексить» конфигом превратилось в полгода разработки на Bash и создание собственного инсталлера.

Что делать, если сервис, который вырос из транзакции в монолите, за несколько лет стал входной точкой во все размещения на Авито? Когда через PostgreSQL проходят миллионы объявлений в день, привычные приёмы вроде «подождём, пока освободится блокировка» перестают помогать справляться с нагрузкой. А DELETE FROM больше не удерживает рост таблицы на диске.

Эта статья — ретроспектива развития продукта Listing Fee. В ней Евгений Константинов, backend-инженер Авито, рассказывает, как вместе с командой справлялся с ростом нагрузки и объёма данных без шардирования, а ещё про инциденты, дедлоки и «аварии первого числа», из-за которых критичные бизнес-сценарии оказывались недоступны. Материал подготовлен по мотивам выступления на Saint HighLoad++ 2025 — с разбором проектных ошибок, технических решений и приёмов, которые иногда спасали буквально одним запросом.

Автор блога XacPC Dev Labs Павел Осадчук вспоминает, как Microsoft неоднократно пыталась решить одну и ту же проблему пользовательского интерфейса с 1997 года, связанную с виджетами. Он насчитал шесть попыток реализаций такого интерфейса за 30 лет. 

Мозг человека постоянно сравнивают с компьютером, который передает сигналы, анализирует информацию и хранит данные. Продолжая эту аналогию, можно сравнить нервные окончания с проводами, которые передают сигналы от мозга к определенному органу или части тела и обратно. А центральным хабом для этих проводов является спинной мозг, повреждение которого часто приводят к потере двигательных функций. Пусть данное сравнение хоть и не очень точное и элегантное, тем не менее оно показывает, что прерывание канала передачи сигналов не эквивалентно полному его исчезновению. Остается лишь найти этот сигнал, декодировать его и перенаправить по альтернативному пути. Ученые из Американского института физики (Колледж-Парк, Мэриленд, США) провели исследование, в котором попытались обнаружить сигналы «намерения» движения конечностями у пациентов с повреждением спинного мозга с помощью данных ЭЭГ. Какие именно сигналы искали ученые, что им удалось найти, и как это поможет в протезировании будущего? Ответы на эти вопросы мы найдем в докладе ученых.

Статья описывает практический переход от физической к логической сегментации сети на примере сети небольшого предприятия с тремя зданиями.

Решаем задачу организации гостевого доступа в новом месте без изменения физической инфраструктуры. Для решения используется технология VLAN, что позволяет гибко перераспределять сетевые сегменты независимо от физического расположения оборудования.