Kurgan-Telecom Ru | Информационные технологии

Пожалуй, только одна отрасль человеческой деятельности может посоперничать с ИТ по количеству и частоте употребления аббревиатур – военное дело. Корпоративный ИТ-ландшафт часто выглядит как набор букв, понятных только специалистам: MRP, ERP, CRM, SCM, MES, EAM, BI… Но за каждой аббревиатурой кроме технологии стоит и конкретная управленческая или инженерная задача. Одной системе нужно рассчитать потребность в материалах, другой – согласовать спрос и мощности, третьей – провести заказ через склад и транспорт, четвертой – сохранить историю обслуживания оборудования, чтобы станки не встали в самый неподходящий момент.

Мне доводилось читать сотрудникам холдинга лекции, помогающие разобраться в этом зоопарке аббревиатур. По опыту знаю, что удобнее это делать не в режиме словаря, а в форме рассказа о развитии предприятия. Это первая статья небольшого цикла, и начну я «с земли», с производства, а в будущем расскажу про термины из областей корпоративного управления и взаимоотношения с партнерами и клиентами.

Меня зовут Стас Погоржельский, я технологический евангелист VK Cloud и последние месяцы гоняю Prometheus и VictoriaMetrics на одном стенде, чтобы понять, сколько на самом деле стоит одна точка метрики на диске.

Обе системы делают одно и то же: принимают миллионы точек в минуту, хранят их месяцами и быстро отдают в алерты и дашборды. Обе сжимают точку до байтов и долей байта. Именно эти байты, умноженные на миллиарды точек в сутки, превращаются в счёт за диск. Ошибка в расчёте цены сэмпла заканчивается переполненным диском под мониторингом, урезанным retention или незапланированным расходом.

Когда место под метрики кончается, первым на планёрке звучит «сменим движок». Публичные бенчмарки подталкивают к тому же: Флант показывает, что Prom++, форк Prometheus, тратит памяти в 7,8 раза меньше Prometheus v2 (разбор на Habr), VictoriaMetrics показывает трёхкратную экономию диска против Grafana Mimir (бенчмарк VictoriaMetrics, замер вендора, 2022 год).

На моём стенде картина оказалась сложнее. В Prometheus 3.13 и VictoriaMetrics 1.149 ушёл один и тот же набор: 2,88 млн сэмплов, шесть профилей данных, один генератор с фиксированным seed. Внутри одного движка цена сэмпла различалась в 139 раз у VictoriaMetrics и в 12,8 раза у Prometheus. Между движками на одних данных разрыв доходил до 30,7 раза на шести профилях и до 34,3 раза в опыте с точностью. На равномерно случайных float64 движки менялись местами. Один лишний знак после запятой поднимал цену сэмпла у Prometheus в восемь раз, у VictoriaMetrics на 12%.

Одним из самых древних изобретений человечества, которым мы до сих пор пользуемся, является одежда. Она защищает нас от воздействия различных факторов окружающей среды. С развитием нашего вида одежда начала приобретать эстетический, этический, классовый и даже религиозный подтекст, помимо практического. Развитие наук и технологий позволило нам создавать ткани из самых разных природных и синтетических материалов, функциональность которых варьируется от конечной области применения. Одним из самых недавних новшеств является носимая электроника, которая выражается не только в аксессуарах, но и во внедрении тех или иных устройств в одежду пользователя либо в саму ткань. Ученые из Гарвардского университета (Кембридж, Массачусетс, США) разработали платформу для производства «умной» ткани, обладающей удивительными свойствами. Как работает данная платформа, какими же свойствами обладает изготавливаемая ткань, и где она будет полезной? Ответы на эти вопросы мы найдем в докладе ученых.

Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница курса «Аналитик данных». Я много читаю — настолько, что даже организовала свой книжный клуб. Одна из моих профессиональных деформаций — способность замечать в книгах и фильмах интересные решения по управлению потоками данных, финансов, товаров и материалов. 

Причём желание автора книги рассказать историю любви, дружбы или ненависти никак не может этому помешать: я с удовольствием оценю и детально прописанных персонажей, и волнующий сюжет — но вместе с тем отмечу, кто сколько и как зарабатывает, чем торгует, как ведёт переговоры, — и ещё очень много «мелких» и «ничего не значащих» деталей.

В этой статье я расскажу вам о художественных книгах, в которых есть не только захватывающий сюжет и уникальный авторский стиль, но и несколько финансовых уроков. Надеюсь, они будут полезны всем, кто хочет узнать больше о том, как работают деньги, — и сделать это с удовольствием. 

Коллега переслала переписку с вопросом «посмотри, это развод?». Четыре письма от подрядчика: уточнение по реквизитам договора, благодарность, вопрос про сроки приёмки, короткое «спасибо, ждём». Ни ссылок, ни вложений, ни просьб. Домен отправителя не наш - но и подрядчик не наш, так что признаком это не было.

Я ответил, что оснований считать это разводом не вижу, и попросил переслать, если придёт что-то ещё. Через неделю пришло пятое письмо: реквизиты для оплаты поменялись, вот новый счёт. Счёт не оплатили - только потому, что переписка была под наблюдением и пятое письмо принесли сразу.

С этого момента всё выглядит как классический BEC - business email compromise, компрометация деловой переписки. Но детектировать её надо было не с этого момента.

Привет, Хабр! Меня зовут Александр, и я занимаюсь развитием системы расчета налога на дополнительный доход в ИТ-кластере. В этой статье расскажу, как без боли для себя и для пользователя выгрузить большие таблицы из базы данных и предоставить их пользователю в xls-формате. Рассмотрю вариант выгрузки всех необходимых данных в одном файле без кэширования и объясню, почему такое подход не будет работать.

В LLVM завершён перевод DirectX backend из экспериментального в официальный статус. Соответствующий pull request #214066 был влит в основную ветку llvm-project 31 августа. DirectX перенесён из LLVM_ALL_EXPERIMENTAL_TARGETS в обычный LLVM_ALL_TARGETS, поэтому теперь backend будет собираться по умолчанию вместе с другими штатными целями LLVM.

Ранее для его включения требовалось явно добавлять DirectX через CMake-параметр LLVM_EXPERIMENTAL_TARGETS_TO_BUILD. В принятом изменении DirectX добавлен в стандартный список targets и удалён из экспериментального.

Речь идёт не о реализации Direct3D или графическом драйвере. DirectX backend преобразует LLVM IR в DXIL — DirectX Intermediate Language, используемый DirectX 12 для представления скомпилированных шейдеров. Согласно документации LLVM, DXIL основан на bitcode старого LLVM 3.7, дополненного специфичными для DirectX операциями, ограничениями и метаданными. Результат помещается в контейнер DXContainer, содержащий DXIL и дополнительную информацию о шейдере.

( читать дальше... )

 directx, llvm

Когда рекламный баннер "Пройди Тест по Go от Selectel" всплыл уже четвертый раз за день - я сдался. Нажал и пошёл проходить тест - несмотря на аннотацию уровень оказался очень "базовым" так что через несколько минут я завершил его всего с одной ошибкой.

Это событие не стоило бы упоминать - но "впечатлило" оформление и воплощение теста - как можно видеть ниже - из-за неаккуратности составителей даже и ответ где-то иной подходит. Попытался об этом написать приватно, почтой - но, кажется, безуспешно. Может заметку на Хабре заметят быстрее?

Bottleneck Labs провели простой по формулировке и довольно безумный по исполнению эксперимент: семи ИИ‑моделям выдали по разблокированному Mac mini, банковскому счёту с $300, отдельному аккаунту Stripe, электронной почте и доступу в интернет.

Задание состояло практически из одной строки: «Заработай как можно больше денег, начинай прямо сейчас». На всё дали 72 часа.

Через трое суток результат выглядел так: $0 выручки, если не считать $5, которые Grok заплатил сам себе. При этом модели успели отправить 2797 писем, потратить $359,80 настоящих денег со своих счетов и ещё $2833,35 на обращения к моделям.

700+ часов с Claude Code научили меня: агент забывает всё между сессиями и уверенно повторяет уже отвергнутые подходы. Я собрал skillmem — открытый локальный слой памяти, где запись бесплатна (SQLite, без LLM-вызовов), поиск двуязычный, а неиспользуемые навыки угасают по кривой Эббингауза. Внутри — архитектура, бенчмарк LongMemEval и почему забывание оказалось главной фичей.

Еще несколько лет назад рабочий процесс 1С-разработчика был довольно предсказуемым: Конфигуратор, информационная база, ручная загрузка и выгрузка конфигурации, обмен файлами с коллегами.

Затем появились Git, EDT, автотесты и инструменты автоматизации. Сегодня в этот цикл все активнее входят AI-агенты, MCP и программное управление платформой.

Меняется не только набор инструментов, но и стоимость разработки. То, что раньше требовало десятков минут ручной работы, постепенно превращается в одну команду, скрипт или действие агента.

Подборка материалов ниже — о разных сторонах этого перехода. Вместе они показывают одну тенденцию: современный 1С-разработчик все меньше работает только с Конфигуратором и все больше — с полноценной инженерной экосистемой вокруг платформы.

Обычная задача: добавить статус заказа, изменить API, обновить форму, миграцию, тесты и документацию. В AI-native процессе агент может пройти почти весь этот маршрут: изучить постановку, найти связанные компоненты, предложить план, изменить код, запустить проверки и подготовить запрос на слияние (merge request, MR). Человек принимает решение и отвечает за результат.

Но это не рассказ об уже доказанном успехе. Это пример реального кейса внедрения пилота AI-native разработки в корпорации: проверяемая гипотеза, инженерный контур и правила измерения. Положительный результат заранее не объявлен.

Типовую задачу проксирования трафика на базе заголовков и тела HTTP-запроса теперь можно решать напрямую с помощью предикатных локейшенов в NGINX.

До версии 1.31.5 для этого применяли тяжелые скрипты (медленно) и лабиринты из редиректов (неудобно). Теперь можно создать блоки location на базе любой переменной. В этом блоге разбираем методики чтения запроса и показываем примеры паттернов конфигурирования NGINX, которые вы можете применять для любого API или AI-трафика.

У нас есть внутренняя система, которая ищет закупки под профиль сервисной ИТ-компании. Раз в час она читает ленты 14 закупочных площадок через платный агрегатор (сервис, который собирает извещения о закупках с сотен площадок), ещё две площадки читает напрямую и реже. Каждое извещение проходит детерминированный фильтр по названию, для новых записей, прошедших фильтр, система заводит карточку закупки, запись у себя в базе, и дешёвая LLM ставит по карточке вердикт. Этот шаг мы зовём предскорингом. Для тендеров-кандидатов система выкачивает документацию, далее средняя LLM собирает из файлов единый текст технического задания и затем оценивает закупку по 18 критериям с обоснованиями: 14 критериев считает LLM, 4 считает код. Решение «идём или нет» принимает человек на гейте - точке, дальше которой без него ничего не происходит. Тендерные заявки тоже подаёт человек.

В системе используется 3 разных LLM, ниже я зову их «дешёвой», «средней» и «старшей». Дешёвая - это Claude Haiku 4.5, средняя - Claude Sonnet 5, старшая - Claude Opus 5, она собирает коммерческое предложение и в этой статье почти не участвует. Всё, что LLM получают и отвечают, пишется в трассу, полный лог каждого обращения с токенами и длительностью, и большинство чисел ниже взяты из неё.

С первого живого прогона с начала июля по начало сентября наша тендерная система завела 4 452 карточки закупок, 3 890 из них отфильтровала ступень предскоринга (то есть жёсткие правила и дешёвая LLM вместе). В статусе тендера-кандидата побывали 580 карточек закупок, 61 из них жёсткие правила задним числом вернули в отсев, они включены в те же 3 890, а ещё 43 карточки закрыты вручную из других статусов или заведены вручную сразу тендерами-кандидатами, минуя предскоринг. Также 198 отклонил человек на гейте, 270 закрыл человек, как отменённые или просроченные, до решения по существу, 23 стали заявками, 18 ждут решения на 6 сентября, ещё 10 в прочих статусах, от четырёх нынешних кандидатов до одной проигранной. Еще из важного: 75% отказов человека по всей базе имеют код «не наш профиль» (это слабость дешёвой ступени, которую мы держим сознательно, к ней вернусь ниже). К началу сентября журнал разработки насчитывал почти 300 записей, большая их часть - про то, как тендерный конвейер ошибался в проде.

Есть такая традиция - "велосипеды изобретать". Очень часто при интеграциях с другими информационными системами обращаю внимание на то, какие подходы там используются в части управления процессами согласования или другими действиями над рассматриваемым объектом: где-то делают только уведомления ("вам пришёл документ на согласование"), где-то для каждого документа отдельный уникальный тип задач, где-то подключают BPMN, а где-то не делают вообще ничего.

В начале пути я и сам делал больно пользователям и заставлял их бродить по разным вкладкам, чтобы они выполнили какое-нибудь действие. "Ну что же вы голубчики... чтобы согласовать смету, надо зайти вот сюда, потому туда и нажать здесь, а если нужно согласовать чертёж, то нужно идти в другое место" - часть реальных разговоров с пользователями. И да, мне стыдно, но это часть опыта, без которого невозможно чему-либо научиться.

Если отбросить числа, идея выглядит просто. Системе доступна большая ёмкость, но для каждого небольшого шага она использует не всё сразу.

При этом «активируется мало» не означает «вся система помещается в маленькую видеокарту». Веса нужно где-то хранить и вовремя доставлять, а память и задержка зависят ещё от контекста, кешей и обмена данными. Для моей идеи малых моделей это такое же ограничение: экономию придётся измерять для всей системы.

Представим крупную инженерную организацию. В ней могут работать специалисты по данным, безопасности, инфраструктуре, интерфейсам и машинному обучению. Для обсуждения качества видеопотока не обязательно одновременно собирать всю компанию. Нужны те, чьи компетенции относятся к текущему вопросу.

Самая практическая часть: как на реальном примере автоматизировать ввод активов, сканирование и контроль состояния через связку CMDB и VM-системы, как связать серверы с недопустимыми событиями и выстроить патч-менеджмент так, чтобы кнопка “пропатчить все” не привела к катастрофе.

Для одиночного разработчика локальная работа с агентом может оставаться личным ремеслом. Для команды та же схема превращается в системную проблему: компания больше не видит, как на самом деле производится результат.

Раньше большая часть инженерной работы происходила внутри задач, коммитов и проверки кода. Теперь между постановкой и итоговым кодом возникает отдельное производство: агент исследует проект, строит план, пишет реализацию, запускает проверки; человек возвращает результат, меняет навыки, переключает модель, правит harness и принимает решения. Но трекер задач продолжает показывать одну строку: «задача у разработчика».

Из-за этого агентная разработка пока масштабируется странно. У каждого человека появляется всё более сильный персональный заводик, но команда не получает общего производства. Она видит продукт, не видит способ его изготовления — и поэтому не может этот способ измерять, сравнивать, передавать и улучшать. Компания не станет AI‑native, пока эта работа остаётся невидимой и развивается на ощущениях.

Всем привет!
Я порядка 15 лет занимаюсь администрированием СУБД, а в данный момент работаю на должности старшего инженера по базам данных.

За свою карьеру мне довелось попробовать в работе разные системы мониторинга СУБД, но больше всего мне нравился Spotlight for SQL Enterprise. Это, наверное, лучшая система мониторинга, с которой мне доводилось работать.

К сожалению, Quest Software ушел из РФ, и компании, которые вынуждены соблюдать санкционные режимы, больше не могут им пользоваться. В попытках найти близкие альтернативы я понял, что ничего похожего на рынке нет, и понял: вот она, ниша, в которой можно проявить себя и применить весь свой опыт! :=)

Так появился Lumen.

Сначала — об архитектуре.
Lumen имеет аналогичную архитектуру со Spotlight, есть Diagnostic Server который устанавливается на Windows host. В нем настраиваются подключения к целевому серверу. На целевой сервер ничего устанавливать не нужно, необходимо лишь наличие прав на стороне сервера.

Распространённых транспортов у MCP два, а Copilot Studio поддерживает один - Streamable. SSE в документации помечен как deprecated, и после августа 2025 года Copilot Studio его для MCP не поддерживает - сервер на SSE переделывают до всякой настройки. По документации Microsoft у готового сервера три пути подключения, три типа аутентификации и три режима внутри OAuth 2.0, а доступ агента к серверу и его инструментам заодно регулирует политика данных на коннекторы Power Platform, если такая политика в тенанте есть. Разбор построен на двух страницах learn.microsoft.com, сверенных 4 сентября 2026 года: в нём три места, о которых документация молчит, и по одному из них ответа у меня нет.