Kurgan-Telecom Ru | Информационные технологии

Несколько месяцев назад я выложил расширение AI‑Less Habr, скрывающее на Хабре нескончаемые статьи про ИИ бенчмарки и тому подобное (см. пост: Расширение AI-Less Habr — Чистим Хабр от ИИ). Оно достаточно хорошо работало, но был существенный недостаток: оно полагалось на добросовестность авторов и модераторов (простите). В реальности скрыть хаб «Искусственный интеллект» недостаточно, так как очень часто он не указывается там, где должен. А дополнительный фильтр по словам довольно несовершенен. С другой стороны, ложноположительные срабатывания были довольно частым явлением, а обижать такие статьи тоже очень не хотелось.

Уже тогда была идея отдать определение тематики ИИ на откуп какой‑то модельке. И вот дошли руки это сделать, и оно даже работает и доступно всем желающим: Chrome Web Store, GitHub.

В этой статье расскажу о нюансах реализации, а ваша задача меня поругать, так как это мой первый опыт с ML, а значит явно многое можно сделать лучше.

Забавно, что те счастливчики‑хабровчане, которые уже пользуются расширением, скорее всего не увидят эту статью в ленте, так как расширение ее скроет.

Упавший скрипт меня не пугает. Он падает, крон пишет в лог, в телеграм прилетает ошибка, я иду чинить. Неприятно, но честно.

Пугает другое. Скрипт, который каждое утро бодро отчитывается «статей к проверке: 30», месяцами работает и месяцами обрабатывает не те данные.

У меня на маленьком VPS живёт хозяйство небольшого медиапроекта: в кроне 31 задача. Дозоры за комментариями и статьями на чужих площадках, за спросом в Вордстате, за новыми законами, бэкапы, напоминалки. Пишет и правит всё это в основном ИИ‑агент, я ставлю задачи и проверяю. И за полгода я собрал коллекцию поломок, у которых одна общая черта: ни одна ничего не уронила. Лог выглядел здоровым, отчёты выходили по расписанию, а внутри был мусор или пустота.

Ниже пять приёмов, которыми я эти поломки ловлю. Каждый выучен на конкретном случае.

В SEO-среде жив стереотип: LLM — это текстовый генератор, а технический аудит делается только классическим софтом. Аргумент звучит весомо: у языковой модели нет сетевого движка, она не умеет обходить дерево сайта и работать с протоколами в реальном времени. Замечание корректное, но вывод из него устарел. Проблема в том, что его авторы путают два уровня: LLM не должна собирать данные — она должна их оркестрировать. Современная агентская архитектура выносит сбор данных на внешние инструменты (tool calling), а модели оставляет планирование маршрута обхода, принятие решений на развилках и интерпретацию результатов. В таком виде связка закрывает значительную часть рутинных SEO-задач — от технического аудита до кластеризации семантики. Ниже — разбор архитектуры, актуального стека 2026 года, рабочий код для каждого слоя и честный список того, что замена не закрывает.

Перегрузка в TypeScript кажется сложнее, чем есть на самом деле. Разберёмся, какие задачи она решает, чем может быть полезна в повседневной разработке и как начать применять её в своём проекте.

На практике шаг за шагом пройдём все этапы создания перегрузок: от проектирования до реализации. Без погружения в дебри документации, с понятными примерами и полезными инструментами.

Однажды мидл начинает замечать, что технических задач уже недостаточно и становится интересно понять, зачем эта фича, почему её делают именно так и как вся команда движется к результату. Это первый признак того, что пора думать о переходе в сторону управления.

Тимлид — это не старший разработчик, а другая роль. В статье разберём, чем занимаются тимлиды, какие навыки требуются на этой роли. А ещё — сколько за это платят и как выстроить управленческий путь.

DVT — open-source платформа визуального ETL: пайплайн собирается из нод (чтение → преобразования → запись) и выполняется на воркерах поверх Dask. Я разрабатываю бэкенд DVT, в статье — устройство одного из его компонентов.

Нода чтения из БД должна одинаково работать на таблице в 10 тыс. и в 100 млн строк, на шести СУБД (PostgreSQL, MySQL/MariaDB, MS SQL, Oracle, SQLite, ClickHouse), в воркере с ограниченной памятью и без избыточной нагрузки на источник.

Ниже — устройство планировщика чтения core/db/read_v3: оценка размера строки, расчёт числа партиций, построение границ range и hash, стоимость разметки для источника и интеграция с Dask.

Просто поменять версию в pom.xml может быть недостаточно.

На JDK 25 могут перестать запускаться процессоры аннотаций, сломаться старые параметры JVM и измениться разбор дат. Иногда приложение упадёт сразу. Иногда проблема всплывёт позже, что даже веселее.

В новом переводе от команды Spring АйО собрали реальные несовместимости и проверки, которые стоит выполнить до переезда.

Если вы работаете с данными или просто любите графики и карты, то наверняка знаете то самое чувство. Увидели классную визуализацию, захотели сохранить, кинули в закладки или переслали себе в чат. А через пару недель она либо потерялась, либо вы уже не помните, зачем вообще её сохраняли.

У меня было ровно так же. Моя личная коллекция датавиза выглядела как хаос из закладок в браузере, сохранённых постов в LinkedIn и случайных ссылок в Notion Obsidian. Найти что-то конкретное спустя время было почти невозможно.

Поэтому в какой-то момент из всего этого хаоса появился DataDrops, мой небольшой пет-проект, который представляет собой галерею визуализаций данных. Это рассказ о его создании, а ещё о том, как я полтора года делал платформу, а потом за месяц почти полностью пересобрал её.

Вместо предисловия: от термодинамики потоков — к топологии наблюдателя

Недавно в статье Ажар Доненбаевой «Трудная проблема сознания: почему и как мозг рождает сознание?» прозвучал тезис, который бьёт в самый корень проблемы: «Сознание — это свойство организации потоков, а не продукт органа».

Это сильная материалистическая оптика, снимающая наивное представление о мозге как о «фабрике по выработке мыслей». Однако даже безупречно прослеженная цепочка от молекул РНК и таксиса к эмоциям и гейн‑контролю упирается в фундаментальный порог: каким именно образом организация потоков зажигает феноменального Наблюдателя от первого лица? Почему объективный процесс циркуляции информации вдруг начинает переживаться субъективно — как «квалиа»? И почему мы по умолчанию считаем, что эта топология ограничена исключительно биологической тканью?

Ниже — попытка ответить на эти вопросы не через метафизику или мистические оговорки, а через строгую архитектуру информационных сетей, рекуррентные петли и субстратную инвариантность.

Классическое SEO учит: собери семантическое ядро из Вордстата, кластеризуй и пиши строго под ключи. Мы попробовали пойти по этой методичке в блоге IT-компании - и быстро упёрлись в стену. Реальные инженерные боли разработчиков просто не влезали в шаблонные фразы.

В итоге мы полностью перевернули подход: выкинули готовые списки ключей, посадили редакторов часами общаться с нашими программистами и тимлидами и сделали ставку на «фантомные» низкочастотные запросы.

В этой статье делимся боевым опытом:

• Как с нуля за 5 месяцев выпустить 246 практических материалов и получить 92,4% органического трафика из поиска;
• Почему 80% успеха принесли запросы, которых даже не было в нашей аналитике;
• Как подружить копирайтеров с техлидами без бесконечных правок;
• С какими скрытыми граблями и техническими багами мы столкнулись, запуская блог на Webflow.

Честный кейс с цифрами из Метрики, ошибками и выводами.

Привет, Хабр! Вновь на связи команда техподдержки РТК-Сервис, и сегодня мы завершаем цикл статей про рамановские усилители. Финальным аккордом станет DWDM Surpass hiT 7300 Coriant. А в конце вас ждет сюрприз от наших инженеров.

Поехали!

Операционная рентабельность выше 50% и запуск в срок — это не удача и не «хороший заказчик», а следствие нескольких простых закономерностей. Индустрия внедрения 1 С:ERP выработала их через годы удачных и провальных проектов, хотя редко проговаривает вслух. Ниже — семь опор, на которых держится рентабельный проект, и то, что они дают на практике.

Я руковожу отделом разработки в видеосервисе. Расскажу про инцидент, который мы пытались разобрать как ошибку конкретного человека, а в итоге нашли дыру в процессе. История банальная ровно настолько, чтобы случиться у многих.

Что произошло

Задача: изменить стоимость тарифа подписки.

Тестировщик проверил основные сценарии: активация подписки, автопродление, отключение, обработка платежей. Все прошло, задача уехала в прод. Через несколько недель начали приходить жалобы. Выяснилось: у пользователей, у которых есть история платежей, но подписка на текущий момент не активна, при обращении к разделу подписки падает фатальная ошибка.

Сценарий звучит экзотично ровно до момента, когда понимаешь, сколько у сервиса таких пользователей. Любой, кто когда-то оформлял подписку и потом отписался, попадает в эту категорию.

Вся безопасность вашей LLM-системы проходит через один кусок кода: сборщик промта. Если он пропускает чужую роль, невидимые символы или поддельную историю, никакой «строгий системный промт» не спасёт. После работы над своим проектом решил написать шпаргалку из 20 пунктов, что проверить и почему, плюс что добавить в 2026.

За два месяца моя система AI-агентов принесла компании около 350 тысяч рублей дополнительного дохода, и он только растет. Она самостоятельно выполняет задачи в реальных коммерческих проектах, работает с существующими репозиториями и позволяет закрывать часть задач практически без участия разработчиков. С точки зрения бизнеса эксперимент оказался успешным, а с инженерной точки зрения у меня накопилось достаточно претензий к собственной архитектуре, чтобы начать разработку новой системы.

Обычно истории об AI-агентах строятся вокруг их возможностей: какую модель использовали, сколько агентов запустили и какие задачи удалось автоматизировать. Но в коммерческой разработке рано или поздно возникает более приземленный вопрос: какую пользу все это приносит компании? Мне удалось получить на него вполне конкретный ответ, а заодно выяснить, что работающий продукт и надежный продукт далеко не всегда одно и то же.

Привет, Хаброжители! Во вторник разработчик переименовал столбец в рабочей базе. В четверг ключевой дашборд показал падение метрики, и никто не связал одно с другим. В понедельник руководство одобрило маркетинговую кампанию, чтобы вернуть ушедших пользователей. Через несколько недель выяснилось, что пользователи никуда не уходили, падение было следствием того самого переименования, а бюджет уже потрачен. Знакомая ситуация?

Привет, Хабр! На связи Владимир Михайлов, Marketing Analyst в Garage Eight. Сегодня хочу поговорить с вами о сервисах конкурентной аналитики. Почти каждая маркетинговая команда пользуется Sensor Tower, AppMagic, Similarweb и не только. Я не исключение. На одном из проектов я как раз работал с таким сервисом и спустя несколько месяцев понял простую вещь: использование аналитической платформы вовсе не означает наличие удобной аналитики.

В статье хочу обсудить, почему так происходит, и поделиться историей о том, как родился проект, в котором я превратил Sensor Tower из инструмента аналитики в источник данных.