Kurgan-Telecom Ru | Информационные технологии

Мы всё быстрее движемся к самовосстанавливающейся инфраструктуре. Но когда инцидент всё-таки случается, у инженеров может уйти много времени на сбор информации о состоянии серверов. При SLA 99,99% на простой остаётся около 4 минут в месяц, каждая минута на счету, и не автоматизировать эту часть разбора инцидента — непозволительная роскошь. Технически это можно сделать и сейчас: дать ИИ-агенту SSH и sudo.

Я решил пойти другим путём и собрал Linux MCP daemon (mcpd): сервер, изначально рассчитанный на ИИ-агентов. Вместо обёрток над стандартными утилитами он сам читает состояние системы из ядра и отдаёт его агенту через инструменты — сейчас их 38, и список растёт. Когда нужен root, агент может его запросить, но получит только там, где вы разрешили, и в заданных границах. Отдельным интересным решением получилась утилита linuxctl в стиле kubectl. Под катом устройство, установка, подключение ИИ-агента и права, которые только выглядят безопасными.

Разберём, как устроена observability в xk6-sip — расширении нагрузочного инструмента k6, которое позволяет автоматизировать нагрузочное и функциональное тестирование VoIP/SIP-звонков: откуда берутся метрики, как из них строятся панели и как по ним отличить деградацию АТС от деградации самого генератора.

Все графики и цифры от реального прогона нагрузочного теста: 100 одновременных звонков, 10 минут, 2000 звонков, 6,1 млн RTP-пакетов. Дашборд — 37 панелей в шести блоках; для каждого блока ниже есть источник данных, запрос, измеренное значение и признаки проблемы.

Всем привет!

Не давно сделал свою Gated RNN, то есть с другой математикой, ни как у LSTM, GRU и подобного.

Я хочу (для вас) разобрать её теоретически, практически, замерить (я не умею замерять так что буду замерять как могу), ну и конечно же расскажу плюсы и минусы.

Ещё недавно вопрос звучал так: «как нам внедрить нейросети». Теперь он звучит иначе: «как нам выжить, когда нейросети есть у всех». Это разные вопросы. Когда мощный инструмент есть у каждого, он перестаёт быть преимуществом и превращается в цену входа на рынок. Ниже шесть соображений о том, что останется ценным в ИТ, когда обёртки вокруг чужих моделей перестанут быть преимуществом.

Привет, Хабр! В прошлой статье я рассказывал, как запустить 176B-класс Qwen3.8-Flash-Next на GTX 1080 Ti, и тогда это был, скорее, эксперимент на грани возможного. Но недавно я наткнулся на материал на ast-softpro.ru, где ребята запустили Qwen 3.8-27B на двух RTX 5060 Ti по 16 ГБ (32 ГБ суммарно). Если коротко, они подтвердили, что гибридная архитектура DeltaNet + attention позволяет эффективно работать с длинным контекстом, а на их стенде модель в квантизации Q4_K_M выдавала около 24 токенов/с. Именно это, а также комментарии на Хабре, подтолкнуло меня к серии экспериментов, о которых пойдёт речь. Забегу наперед, я был удивлён результату: на моём стенде, который я опишу ниже, результаты на одной из моделей, которая как минимум не хуже, оказались сопоставимыми.

В «ИИ и инфляции качества» я писал о снижении стоимости интеллектуальной итерации. Если дополнительная проверка раньше занимала два часа, а теперь десять минут, меняется не только производительность: меняется представление о нормальном результате. В «Человеке и Рое» тот же механизм был применен к масштабу интеллектуальной работы. Если решение проблемы дешевеет, в работу попадают проблемы, которые раньше никто не решал не потому, что они были не нужны, а потому, что стоимость ответа превышала стоимость решения. У снижения стоимости интеллектуального труда есть еще одно следствие: дешевеет превращение профессионального мнения в работающую систему. И вот оно может заметно изменить не только рынок программного обеспечения, но и конкуренцию между самими специалистами.

Сейчас популярно хоронить SaaS. Аргумент простой: если ИИ позволяет компании быстро сделать собственный сервис для обработки документов, отчетности или небольшого внутреннего процесса, покупать готовый становится незачем. Для части нынешнего SaaS это вполне реальная проблема. Если вся ценность продукта заключалась в том, что кто-то однажды потратил полмиллиона на разработку очевидной функции и теперь продает ее по двадцать евро в месяц, падение стоимости разработки разрушает значительную часть этой экономики. Но тот же механизм работает в противоположную сторону. Если сделать небольшой программный продукт стало дешевле покупателю, его стало дешевле сделать вообще. В том числе специалисту, которому раньше для выхода на рынок не хватало не профессиональной идеи, а нескольких разработчиков и денег на их содержание.

Откликаешься, а в ответ тишина или автоотказ. Как я сделал бота, который сам ищет вакансии, пишет письмо под каждую, отвечает на анкеты и на ботов рекрутеров, разбирает отказы и поднимает резюме.

Открываю рабочий проект, а через полчаса обнаруживаю себя в YouTube.

Так начался мой поиск тренажёра для мозга.

Сравнил шесть сервисов — от мини-игр до N-Back и мнемотехник: что предлагают, кому подойдут и на что смотреть, кроме растущих баллов в приложении.

При построении графиков по математическим формулам, особенно если они заданы в полярных координатах или в параметрической форме в окрестностях некоторых точек они могут существенно искажаться. Обычно это происходит вблизи точки O с координатами 0;0, потому что ошибка округления в районе этой точки имеет такой же порядок или даже выше, что и значения функции. Но есть и вторая причина этого – для некоторых функций 0 является пограничной точки, то есть с одной стороны нуля, как правило, с положительной функция определена, а с другой, как правило отрицательной – неопределенна. Примером такой функции является квадратный корень.

В некоторых случаях это преодолевается с помощью математических выкладок...

Про свой тренажёр английского Yet Another English я уже писала. Там можно собирать слова, заниматься, повторять забытое. Но мне захотелось ещё геймифицировать это все. Чтобы начинаешь с яйца, учишь слова, получаешь плюшки и постепенно выращиваешь себе персонажа. Ну то есть тамагочи, только кормить его надо своими занятиями.

Начала с Claude Opus 5.0, подключённого к Blender через MCP, потом продолжила через GPT. Ушла примерно неделя по два часа в день, то есть около 14 часов и 100 баксов за Астру.

Покажу, с чего начинала, какие версии пришлось переделать и сколько всё это весит. Если тоже хотите добавить 3D-персонажа в свой проект, возможно, сэкономлю вам пару переделок.

На этой неделе Билл Гейтс дал интервью NBC News и сказал вслух то, о чём давно шепчутся в кулуарах: надеяться только на добрую волю создателей ИИ больше нельзя

Гейтс прямо заявил, что никто уже не считает саморегулирование достаточным. По его мнению, конгресс должен принять законы об ИИ, а правоохранители и политики — подключиться к обсуждению того, какими должны быть гарантии и контроль. Он признаёт, что это добавит индустрии немного бюрократии, но не думает, что это сильно затормозит разработку.

Перед нами стояла задача протестировать релиз, сопряженный с высокими рисками и реализованный в высоконагруженных агломерациях микросервисов с легаси-проблемами, - и все это вкупе со сжатыми сроками.

Как мы справились с этой задачей и попутно разработали новый QA-инструмент на основе Agentic AI?

Ничто так не вызывает у меня отвращение, чем слащавые, притворные и главное насильственные попытки благотворительности. Говорят же — делай добро и бросай его в воду. Столкнулся на практике с такой попыткой у Пятерочки. Привожу также диалог с поддержкой, чтобы понять что современным крупным сетям крайне сложно получить обратную связь об их ошибках в IT. Может быть, они получат её отсюда?

Недавно я рассказывал вам об уникальном процессоре из 1997 года - Cyrix MediaGX. На первый взгляд может показаться что это самый обычный бюджетный Cyrix без какой либо фишки, однако на практике это был самый первый в мире APU - процессор, который совмещал в себе процессорное ядро, "GPU", контроллер памяти и даже PCI! Однако в прошлой статье мы с вами так и не запустили MediaGX и не узнали на что он способен на практике - пришло время это исправить!

В сегодняшней статье мы с вами не только попытаемся запустить плату с оригинальным MediaGX, но также и посмотрим во что он превратился после покупки AMD на примере тонкого клиента и каким образом этот процессор дожил до 2020 года... Интересно? Жду вас под катом!

Всё увереннее звучит мнение, что чат-боты в приложениях LLM своё отжили, будущее за агентами, особенно за многоагентной схемой — роем. Мнение вполне обоснованное, агенты демонстрируют отличные измеримые результаты в математике, коде, исследованиях. Но так ли всё хорошо? 

В этой статье я рассмотрю, насколько стоит доверять рою.

В октябре прошлого года я расплакалась из-за упавшего линтера. В ямлике был лишний пробел, пайплайн покраснел, я посмотрела на красный крестик и минут пять не могла остановиться, хотя прекрасно понимала, что пробел удаляется за три секунды. Это был мой удаленный день, дома никого не было, так что никто ничего не увидел, и это, наверное, самое показательное во всей истории: к тому моменту я уже почти год очень старательно делала так, чтобы никто ничего не видел.

В прошлой статье про тимлидов я мимоходом написала, что ушла из продуктовой компании на фриланс, и в личке меня несколько раз спросили, почему на самом деле. Про предложение стать лидом там все правда, только к январю оно упало на почву, которая полтора года готовилась сама, и у этого процесса есть очень заезженное название, выгорание. Писать про него мне долго не хотелось как раз из-за заезженности: обычно про выгорание пишут психологи или люди, которые продают курсы по восстановлению ресурса. Я бэкенд-разработчица и привыкла разбирать инциденты, поэтому и это разберу как инцидент, и обязательно с рассказом про то, как я раза четыре подряд чинила не то.

Привет, Хабр! На любую электрогитару можно установить дорогие звукосниматели, и из этого что-то получится. Если результат не порадует, фирменные датчики останутся в вашем распоряжении. Потребуется только заменить саму гитару.

Благодаря маркетплейсам и прямым поставкам из Китая, хорошие дешёвые звукосниматели сегодня тоже доступны. Есть и ещё более экономный путь — замена магнитов в штатных датчиках инструмента. Пересылка магнитов — та ещё заморочка, но со второй попытки всё получается.

Однако гитарный звукосниматель — это просто подмагниченная катушка индуктивности или несколько таковых. И мы можем изменить параметры такого устройства даже без замены магнитов при помощи копеечных конденсаторов и резисторов. Причём номиналы компонентов для требуемого звучания можно подбирать как душе угодно, не ограничиваясь выбором из нескольких моделей датчиков или разновидностей магнитов.

Сегодня я возьму ультрадешёвый стратокастер Kuruisi и сделаю из него инструмент, пригодный как для комфортного обучения новичка, так и для репетиционно-концертной деятельности практикующего музыканта.

DISCLAIMER: Это неофициальный форк. Но, по моим сведениям, и в официальный pony эти фичи скоро подъедут в каком-то виде.

Некоторое время назад, я решил испробовать программирование с помощью ИИ-агентов и решил выбрать pony в качестве пет-проекта. О pony я уже писал в предыдущей статье. Теперь хочу поделиться результатами своего недельного спринта.

В pony добавилось:
- поддержка асинхронности
- поддержка миграций
- разнообразные улучшения из серии quality-of-life

Так что, фреймворк pony теперь чрезвычайно важен и сердит - что можно понять по этой картинке. Всё - благодаря DeepSeek 4.1 Flash и Kimi K3 (последняя - умная, но дорогая - она делала ревью).

Сегодня задействуем генератор изображений Seedream 5.0 Pro и посмотрим насколько хорошо сделанные им двухмерные модели превращаются в трехмерные.

Традиционный баг «кричит», блокирует процесс и требует фикса. Вероятностная иллюзия ИИ говорит уверенным тоном, улыбается и пожимает вам руку. Разбираем по слоям, как RLHF, антропоморфный интерфейс и закон Гудхарта превращают матричное умножение в систему, которой хочется верить. И почему «зелёные» тесты — это не решение задачи, а лишь соответствие рамке.