Kurgan-Telecom Ru | Информационные технологии

Реальный продакшен-инцидент: пул соединений забит, активных запросов дюжина, рестарт помогает. Claude нашёл причину за двадцать минут. Нормальный человек на этом обновил бы библиотеку и пошёл дальше, но у меня две RTX 5090 стояли без дела, и зудел вопрос: а локальная 27B-модель смогла бы? Тот же промпт, тот же код, та же песочница, семь локальных моделей, около 40 прогонов. В промпте, кстати, осталась одна правдоподобная, но ложная гипотеза инженера. Я не планировал делать из неё ловушку. Она стала главным фильтром всего эксперимента.

LLM может быть уверена в своём ответе, но это ещё не означает, что системе разрешено выполнять действие. В AI Career Inbox Assistant разделены понимание сообщения, принятие решения и фактическое выполнение действия. Модель извлекает намерение и факты, профиль кандидата остаётся источником истины, а отдельный policy/decision layer определяет, что можно сделать: подготовить draft, попросить пользователя принять решение, ничего не делать или отправить безопасный автоответ при заранее заданных условиях.

На практике это особенно важно для Telegram‑ассистента, который может отвечать от имени пользователя. Ошибка в тексте и ошибочное действие — не одно и то же: второе уже становится архитектурной проблемой. Поэтому в статье разбирается, почему UNKNOWN должен оставаться неизвестным, почему уверенность LLM не должна расширять права системы и почему даже правильное решение требует отдельной защиты на уровне исполнения, например от повторной отправки сообщения.

Главный принцип: уверенность модели — это сигнал для принятия решения, но не разрешение на действие.

Я уже рассказывал на Хабре, как наша команда из “ЛАНИТ-Интеграции” автоматизировала процесс управления доступами для крупного заказчика, который имеет несколько десятков офисов по всей стране.

В этой статье я чуть подробнее опишу, как из прототипа мы стали развивать полноценную IdM-систему.

CTF в КубГТУ существовал и до нас. Кафедра КТиИБ проводила KubanCTF ещё в 2017 году, на старших курсах были ребята, которые играли в своих составах. Но комьюнити как такового не было — людей мало, команды закрытые, набирали по знакомству, а новичку войти в эту тему было негде. Через два года после того, как мы сами начали играть, мы провели свой CTF, на который зарегистрировались 1280 команд из 51 страны. Эта статья — про то, как формировалось комьюнити вокруг CTF в вузе, где потенциал был, но никто его не собирал воедино.

Массажистка нажала на точку за ухом, и голова перестала дрожать.

У меня тремор головы. Несколько лет, с неврологом. Муж однажды подарил тайский массаж, и девушка, помимо массажа, прошлась по точкам тела: спина, шея, лицо. На одной из них я заметила, что тремор стих. Она тоже заметила. Сказала, что её отец занимается точками и научил её. Я не поверила, но запомнила.

С тех пор я покупала книги по рефлексотерапии. Китайские, советские, современные. В каждой было одно и то же: красивая схема, список «от чего помогает» и ноль про то, что под точкой. Ни мышцы, ни нерва, ни ссылки на исследование. Я врач по образованию, восемь лет работала в лаборатории, и мне было видно, что это вода. В какой-то момент я всерьёз собиралась ехать в Китай учиться.

Мы прогнали шесть шлюзов маскирования ПДн через живого агента с инструментами, чтобы измерить то, чего не мерят существующие бенчмарки: возвращается ли настоящее значение в аргумент вызова. Шесть строк, четыре находки и открытый корпус.

Привет! Меня зовут Артур, и это мой персональный сайт. Идея создать такой сайт возникла у меня очень давно, практически одновременно с появлением Интернета. В 2000 году я разместил его на бесплатном хостинге https://splushka.narod.ru/

В первую очередь здесь я делюсь информацией о наиболее интересных для меня явлениях культуры: литературы, музыки, кино, изобразительного и компьютерного искусства и компьютерных игр. Можно сказать, это мой рекомендательный список.

А ещё здесь есть несколько моих работ в области компьютерной графики и программирования. Программы для Windows я пишу на C++. Мне 60 лет уже.

Этот сайт создан без помощи какого-либо конструктора сайтов. Весь код я написал вручную в текстовом редакторе, используя только HTML и CSS.

Во второй части я расскажу, как шумная толпа может оказаться идеальным местом для размышлений, почему без паяльника и синей изоленты все еще можно быть инженером и для чего надежный технологический стек должен быть немного скучным.

Меня зовут Элина Чусова, я работаю аналитиком данных в крупном банке. Я окончила курс «Аналитик данных» и осталась амбассадором в Яндекс Практикуме — провожу встречи выпускников и слежу за их карьерой.

Сразу после обучения я уволилась в никуда, чтобы начать карьеру с нуля. С тех пор прошло чуть больше года: я успела поработать аналитиком в сфере добычи полезных ископаемых и спортивном ритейле, понять, что мне действительно нравится в работе и как строить карьеру осознанно. Поделюсь своим опытом и находками в этом тексте.

Если вы когда‑либо строили пайплайны для обработки потоков данных в реальном времени со строгими требованиями, то наверняка знаете, сколько инфраструктурных заморочек в этом деле. Например, обеспечивать относительно низкие end‑to‑end‑задержки в штатном режиме относительно несложно. Но что, если они нужны и в высоких перцентилях, в том числе при сбоях или плановом обслуживании одного из используемых дата‑центров целиком? Как правильно партиционировать поток данных, обрабатывающие его процессы и их долгосрочное состояние, если нагрузка постоянно меняется? Как гарантировать exactly‑once, то есть отсутствие потерь и дублей даже при сбоях оборудования и в краевых случаях? Как понять, обработали ли мы все данные на тот или иной момент? 

С такими вопросами мы столкнулись при разработке высоконагруженных рекомендательных систем. Для этих задач мы создали YTsaurus Flow — фреймворк потоковой обработки данных с сохранением состояния между событиями и гарантиями exactly‑once по умолчанию. Это совместный проект команд Yandex Infrastructure и Яндекс Рекламы для обработки потоков данных в реальном времени. И сегодня мы открываем его исходный код под лицензией Apache® 2.0.

Flow — часть YTsaurus, платформы хранения и обработки данных, которую мы выложили на GitHub в марте 2023 года. Flow использует хранилище, очереди и общий механизм транзакций платформы, чтобы брать на себя управление состоянием и восстановление обработки после сбоев. Разработчик пайплайна при этом сосредоточивается на прикладной логике.

В статье разберём, зачем мы разработали собственный движок, как устроены его пайплайны и за счёт чего обеспечивается exactly‑once. А на примере реального сервиса покажем, как переход на Flow помог сократить задержку поставки данных для дообучения моделей с десятка‑другого часов примерно до двух.

«Вайбкодинг» двигается по планете буквально семимильными шагами — разработка через диалог с ИИ-агентами вроде Claude Code подается чуть ли не как новый стандарт отрасли. Набрав промпт в чате, можно без преувеличения за пару часов поднять MVP или пет-проект. Порог входа в индустрию снизился до умения более-менее внятно излагать свои мысли ИИ-агентам. 

Возможно, мы окончательно избавились от рутины, сложностей и нудной отладки? Или сами создали себе новую проблему — разрушение механизма роста инженеров? Ведь когда рабочий код создается генератором по нажатию одной кнопки, джуны перестают проходить через обязательные этапы профессионального становления. Вайбкодинг напрочь вырезает из процесса разработки то, на чем всегда строилось понимание процесса —  поиск утечек памяти, попытки уложить хотелки бизнеса в жесткие архитектурные рамки и многое-многое другое. Верно ли, что, исключив этап набивания шишек на старте карьеры, мы рискуем получить целое поколение специалистов, которые умеют ловко раздавать указания нейросетям, но понятия не имеют, как вся эта конструкция работает внутри? Заваривайте чаек-кофеек покрепче, будем разбираться.

На Хабре уже достаточно статей формата «топ-20 моделей» и «обзор сервиса». Они собирают просмотры, но в комментариях быстро появляется главный вопрос: «Зачем мне это, если есть ChatGPT, Qwen, OpenRouter и так далее?»

AI Studio — среда, где можно попробовать технологии GigaPlatform в своей задаче: до прототипа — понять, подходит ли модель или сервис; в работе — получить конкретный результат (отчёт, промпт, транскрипт, отработанные ответы на Q&A).

Хороший дизайн системы это не про идеальную архитектуру. Это про подходящие именно к твоей ситуации компромиссы и решения. Про путь, который ты должен пройти. Автоматизация процесса печати PDF-файлов в конструкторском бюро, выпускающем сотни комплектов разнокалиберных чертежей, решает множество неочевидных задач. А еще при разработке решения может оказаться что в действительности всё не так, как на самом деле.

Architecture Baseline определяет границы системы и ключевые архитектурные решения. Но настоящая проверка начинается тогда, когда эта архитектура превращается в работающий код.

В этой статье про переход к первой Full Stack вертикали Enterprise GenAI Platform: React, ASP.NET Core, EF Core и PostgreSQL, модуль Chats, границы frontend и backend, observability, автоматические проверки и End-to-End acceptance.

Главный вопрос “как перейти от архитектурной модели к реализации, не разрушив её преждевременным усложнением”.

YOLO обрабатывает кадр дольше, чем камера формирует следующий. Если построить видеосервер как последовательность read → motion → YOLO → encode, тяжёлая модель остановит чтение RTSP, очередь начнёт расти, а пользователь увидит прошлое вместо прямого эфира.

В статье разбираю real‑time‑конвейер своего C++20-сервера: постоянные workers, слоты последнего значения, std::jthread, stop_token, защита от устаревших результатов и итоги 16-часового теста на реальной RTSP‑камере.

На Mac с диском 256–512 ГБ место заканчивается регулярно. Обычный путь известен: найти самое большое, перетащить на внешний SSD и удалить оригинал. Если разобраться, что при этом ломается, окажется, что ломается много чего, и чаще всего тихо.

Разбираю грабли: почему сверка копии сразу после записи ничего не доказывает, что exFAT теряет при переносе, какие папки переносить нельзя вовсе, как Docker съедает диск во время архивации томов и как правильно работать с шифрованным образом hdiutil.

Заявка находит нужного исполнителя не с первого раза, а с третьего — а SLA тем временем тикает так, будто работа над ней началась в первую минуту. Заявка находит нужного исполнителя не с первого раза, а с третьего — а SLA тем временем тикает так, будто работа над ней началась в первую минуту. К моменту, когда обращение доходит до нужного человека, срок уже нарушен: это красный показатель в отчёте перед руководством, штраф по контракту, если поддержка отдана на аутсорс, и сотрудник, который во второй раз убеждается, что до его проблемы никому нет дела.

Заявка находит нужного исполнителя не с первого раза, а с третьего — а SLA тем временем тикает так, будто работа над ней началась в первую минуту. Заявка находит нужного исполнителя не с первого раза, а с третьего — а SLA тем временем тикает так, будто работа над ней началась в первую минуту. К моменту, когда обращение доходит до нужного человека, срок уже нарушен: это красный показатель в отчёте перед руководством, штраф по контракту, если поддержка отдана на аутсорс, и сотрудник, который во второй раз убеждается, что до его проблемы никому нет дела.

В ряде задач производительность упирается не в скорость вычислений, а в обмен данными с памятью. Решить эту проблему можно, если выполнять часть операций прямо там, где хранятся данные. Например, в своей LPDDR5X-PIM Samsung разместила вычислительные блоки внутри банков DRAM. Разберем, как это работает, какие операции можно перенести в память и что технология показала в Llama 3.1 8B.

В прошлой статье мой генератор отчетов вставлял код в Word картинками, и первый же комментарий был: «Код рисунками – брр». Справедливо: такой код не скопировать, не найти поиском, а при печати он мылится.

Разобрался, как сделать правильно: листинги текстом с подсветкой синтаксиса, рамкой, заливкой и автонумерацией «Листинг N» через поля Word. Все на python-docx и Pygments, около ста строк. По пути – пара ловушек, о которых почти нигде не пишут: почему Word может не открыть документ из-за порядка XML-тегов и зачем задавать шрифт четыре раза.

Бонус – замеры: 30 листингов текстом собираются за 0,6 с против 4,1 с картинками, а файл получается в три раза легче.