Kurgan-Telecom Ru | Информационные технологии

В классическом CI/CD пайплайн заканчивается деплоем, но дальше состояние Kubernetes‑кластера может незаметно разойтись с конфигурацией в Git. Разбираемся, как ArgoCD обнаруживает и исправляет такой дрейф, как настроить синхронизацию и где автоматизация GitOps требует особенно осторожного подхода.

Качественный продукт обретает реальную ценность только тогда, когда им начинают пользоваться люди. SaaS, браузерному инструменту или мобильному приложению нужны ясная страница, путь к целевому действию и способ привлекать людей. Для продукта, который рассчитывает на органический поиск, начинается отдельная работа, разобраться в запросах, изучить выдачу, подготовить содержание, внедрить его и посмотреть, что произошло после публикации. ИИ помогает на каждом из этих участков, но между ними остаётся разработчик, который переносит ответы, уточняет задания, сверяет предложенные пути с проектом, просит переписать текст и передаёт результат агенту, который меняет код.

В этом году я попробовал максимально автоматизировать эту работу. Получились три последовательных подхода, собственный YAML-оркестратор, внешний workflow на Dify с Tavily и офис AI-сотрудников с распределённой ответственностью. SEO оставалось задачей, для которой последовательно менялось устройство оркестрации.

Разработчик @unxed, неоднократно предпринимавший попытки запустить двухпанельный файловый менеджер DOS Navigator под Linux, добился, наконец, успеха. Для решения проблемы лицензионной чистоты встроенная модифицированная библиотека Turbo Vision для Паскаля, никогда не публиковавшаяся под открытой лицензией, была заменена на рерайт современного форка доступной легально C++-версии, с переходом на UTF-8 и современную классовую архитектуру взамен характерной для TV, но практически не применяющейся сегодня, объектной.

Заявлена работоспособность базовых функций, таких как навигация по панелям и копирование файлов.

( читать дальше... )

 dos navigator, file manager, pascal, turbo vision, от автора

В этом году мы провели уже седьмую конференцию OFFZONE. Кроме того что на площадке можно послушать крутые технические доклады, каждый год здесь проводится множество активностей, в которых посетители могут поучаствовать и выиграть внутреннюю валюту конференции — офкоины. Несколько задач лежат прямо в бейдже каждого участника и доступны в любой момент, достаточно подключить бейдж к ноутбуку по USB.

В этом году количество сданных флагов на самый сложный таск превысило наши самые смелые оценки. На это есть две причины: резкий скачок в развитии LLM и уязвимость в сторонней зависимости внутри нашей прошивки — она позволяла прочитать флаги ко всем заданиям без их решения.

В этой статье мы раскроем технические детали уязвимости и расскажем, как работал эксплоит участников, который позволил им в сумме получить 91 тысячу офкоинов.

Всем привет, меня зовут Александра, и в 2024 году я занималась темой валидации спутниковых данных на основе наземных измерений.

Статья посвящена главной теме — какому же источнику верить и как я вижу свою работу спустя 2 года работы DevOps.

Летом 2022 года на Алтае датчик, лежащий на земле, показал +48 °C. Спутник Aqua почти в то же время над той же точкой увидел около +33. Кто из них прав и насколько вообще можно доверять «космической» температуре, я разбиралась в дипломе в ВКИ НГУ.

Спутниковые карты температуры поверхности используют климатологи, агрономы, гидрологи и пожарные службы. Они удобны: одна картинка покрывает тысячи километров, а наземная станция видит только свою точку. Но спутник не меряет температуру напрямую. Он ловит инфракрасное излучение сквозь атмосферу с высоты 700 км, а потом алгоритм пересчитывает его в градусы. Поэтому любые такие данные нужно проверять землёй. Эта проверка называется валидацией.

В статье расскажу, как я сравнивала данные MODIS (спутники Terra и Aqua) и Landsat 8 с показаниями термодатчиков, какие получились расхождения и на какие грабли я наступила.

Пять человек, шесть спринтов и AI-ассистент для продавцов маркетплейса. Архитектура, интеграции, тестирование, автономные ответы — всё хочется уместить в квартал. Как понять, что план выполним, а не просто красиво выглядит на доске?

На учебном кейсе разбираю, как свести объём работ с возможностями команды, пересчитать доступное время по ролям после замены backend-разработчика на QA и связать этапы запуска с зависимостями, резервом и критериями успеха. Внутри — исходная доска, расчёты и вариант доработки квартального плана.

Когда я смотрю очередной ролик с удачной генерацией ИИ, не могу не заметить, чего в кадре нет: ни одного юриста, ни одного бизнес-процесса, ни одного клиента, который уйдет в результате ошибок генерации. Только модель и аплодисменты. 

За кадром остается то, что и определяет реальную цену: ИИ-генерация стоит копейки в сравнении с бюджетом традиционной разработки, но одна-единственная галлюцинация может подорвать доверие клиента и прибавить работы юристам; модель генерирует ответ очень быстро, а бизнес-процесс, который она «оптимизировала», придется восстанавливать, возможно, несколько дней. Что-то мне подсказывает, что если такую рекламную генерацию превратить в ТЗ, останется только подсчитывать, во сколько раз вырос бюджет проекта.

Представьте: вы настроили CronJob, протестировали локально и выкатили в продакшн. Всё работает как часы. А потом решили добавить отказоустойчивости и развернули приложение во втором дата‑центре. И внезапно ваша задача начала выполняться дважды. Это не баг Kubernetes, а фундаментальная проблема синхронизации.

Меня зовут Тимофей Салтымаков, я бэкенд‑разработчик в Точка Банк. В статье расскажу, как мы решили проблему дублирующихся CronJob'ов в распределённой системе. Прошли путь от advisory locks до собственной библиотеки, и в итоге поняли, что нужно перестать синхронизировать процессы и начать синхронизировать... время. Поехали!

Привет, Хабр! Продолжаю изучение испанских барахолок. В этот раз кроме кофеварок, проводов и старых ноутбуков встретилось несколько крайне интересных вещей, о которых спешу рассказать. Тут и компьютер Sony со встроенным кассетником, и трехдисковый музыкальный центр с прозрачной крышкой, и прибор для настройки телевизионных антенн. В общем, посмотреть было на что. Обо всем этом — в новой статье. Поехали!

За мной пришли. Ещё совсем недавно, где-то год назад, компания, в которой я работаю, начала "мотивировать" всех разработчиков использовать AI, буквально в любом виде. Затем оказалось, что просто использовать AI уже недостаточно, и всех начали "агитировать" использовать coding агентов. Но и на этом дело не закончилось: теперь меня "призывают" стать адептом SDD и начать активно использовать OpenSpec.

При этом я бы не сказал, что отношу себя к консерваторам или луддитам (так называют противников внедрения новых технологий). Я начал использовать AI ещё на этапе выхода GPT-3 (задолго до того, как его стали активно внедрять у нас). Одним из первых перешёл на программирование с помощью агентов, настраивал собственный harness и, кажется, вполне успешно справлялся с задачами.

Но если сверху решили, то сопротивляться бессмысленно. Поэтому в статье разбираемся как встроить OpenSpec в свой любовно настроенный harness и не сломать то, что уже неплохо работало.

28 августа Tech Times вынес в заголовок сразу две новости: бету gang scheduling в Kubernetes 1.37 и «экономию на простое GPU по умолчанию». За день этот заголовок разошёлся по лентам. Через одиннадцать дней авторы функции написали в блоге проекта: «Все перечисленные здесь бета- и альфа-функции по умолчанию выключены; их нужно включать вручную». 

В этом расхождении между заголовком и первоисточником — вся суть релиза. Группу подов впервые описали в 2018 году и тогда же решили реализовать вне ядра Kubernetes. Следующие восемь лет функцию развивали Volcano, YuniKorn, Kueue и отдельные плагины. В Kubernetes 1.37 групповое размещение стало бетой в kube-scheduler, но по умолчанию оно выключено.

Некоторые обзоры называют бету включённой. Из этого легко сделать вывод, что внешний планировщик больше не нужен. Но KEP передаёт ядру только размещение группы. Очереди и квоты по-прежнему остаются задачей Kueue и Volcano — это прямо указано в документе.

Инженерам здесь пригодится разбор работы кластера с GPU и внешним планировщиком. Администраторам платформы — список feature gates, которые нужно открыть пользователям. Руководителям — критерии, по которым можно решить, стоит ли после обновления отказываться от Volcano. В каждом разделе указано, для кого он предназначен.

28 августа Tech Times вынес в заголовок сразу две новости: бету gang scheduling в Kubernetes 1.37 и «экономию на простое GPU по умолчанию». За день этот заголовок разошёлся по лентам. Через одиннадцать дней авторы функции написали в блоге проекта: «Все перечисленные здесь бета- и альфа-функции по умолчанию выключены; их нужно включать вручную». 

В этом расхождении между заголовком и первоисточником — вся суть релиза. Группу подов впервые описали в 2018 году и тогда же решили реализовать вне ядра Kubernetes. Следующие восемь лет функцию развивали Volcano, YuniKorn, Kueue и отдельные плагины. В Kubernetes 1.37 групповое размещение стало бетой в kube-scheduler, но по умолчанию оно выключено.

Некоторые обзоры называют бету включённой. Из этого легко сделать вывод, что внешний планировщик больше не нужен. Но KEP передаёт ядру только размещение группы. Очереди и квоты по-прежнему остаются задачей Kueue и Volcano — это прямо указано в документе.

Инженерам здесь пригодится разбор работы кластера с GPU и внешним планировщиком. Администраторам платформы — список feature gates, которые нужно открыть пользователям. Руководителям — критерии, по которым можно решить, стоит ли после обновления отказываться от Volcano. В каждом разделе указано, для кого он предназначен.

Всем привет! Меня зовут Дмитрий Мазуров, я контрибьютор проекта Axelix. Это open-source продукт, который помогает находить типичные проблемы и неэффективности в Spring Boot приложениях.

В прошлой статье Михаил разбирал EnvironmentPostProcessor и мимоходом упомянул ConfigDataEnvironmentPostProcessor, который грузит application.yml, разбирается с профилями и обрабатывает spring.config.import. Сегодня заглянем внутрь него.

Поводом стала вполне практическая задача. Нам понадобилось подружить Axelix Master с Vault так, чтобы пользователь настраивал его через наши собственные свойства под axelix.master.*, а не через spring.cloud.vault.*. Чтобы сделать это аккуратно, пришлось разобраться, как вообще работают spring.config.import.

Большинство инструкций по локальному запуску LLM сводятся к одной-двум командам: вставьте их в терминал, дождитесь загрузки модели и готово. Такой подход работает ровно до первой ошибки. После этого становится непонятно, на каком из нескольких уровней возникла проблема: в Windows, WSL2, драйвере NVIDIA, Docker, CUDA или самом inference-сервере.

В этой статье развернем Qwen3-0.6B на обычной NVIDIA-видеокарте под Windows 11 с использованием WSL2, Docker, NVIDIA Container Toolkit и vLLM.

Три минуты на презентацию проекта, десятки слайдов, полчаса вопросов от экспертов и сверхзадача убедить жюри в том, что ты не фантазер, а у идеи есть коммерческие перспективы. Это набор задач стартапера, который идет классическим путем — от идеи к развитию через питчи и поиски инвесторов.

Как подготовить такое выступление, на чем сделать акцент и как справиться с волнением, как не запутаться и не забыть сказать про главное, и что оно такое, это магическое главное? Об этом беседуем с нашей коллегой Елизаветой Кузьминой, руководителем направления технической аналитики АНО «Платформа НТИ» и основательницей стартапа Hypothesis Lab, платформы для тестирования рекламных кампаний и проверки гипотез с использованием синтетических персон для генерации креативов, а также подготовки рекомендаций по масштабированию и сбора аналитики.

Елизавета представила свою платформу на финале акселератора «Физтех. Идея», весенней волне 2026 года. Это был самый первый питч проекта, и сразу успешный. В финальном питче ее команда вошла в топ-6 проектов и получила полмиллиона рублей на развитие.

Поздравив с почином, поговорили с Елизаветой о ее стартапе, а также о том, как устроен акселератор и как подготовить суперлаконичную презентацию на три минуты. А также какие вопросы задают эксперты и что помогает убедить жюри в перспективности проекта. В общем, вот лайфхаки для всех, кто идет или готовится пройти по этому пути.

Claymation - пластилиновая stop-motion анимация - выглядит как ручная работа на недели, но с нейросетями занимает около 20 минут. В статье - полный конвейер производства рекламного креатива: сценарий на 30 секунд с четырьмя актами, единый стайлгайд с палитрой и параметрами камеры, закадровый голос, генерация видео по сценам и финальный монтаж. Все промпты даны целиком и в том виде, в котором их можно копировать, а рядом - примеры реальной выдачи от Claude, чтобы было видно, что именно придёт в ответ. Отдельный разбор: какие модели под какие задачи брать - Claude для структуры, ChatGPT для креативных идей, ElevenLabs для озвучки, Kling и Veo для видео. Почему формат работает: у аудитории ещё нет фильтра на пластилиновую рекламу, поэтому Claymation-креативы показывают результаты в 3 раза лучше привычного UGC.

За последние несколько лет кадровый электронный документооборот перестал быть инструментом для отдельных новаторов.

На этапе знакомства с продуктом многие оценивают прежде всего удобство кадровых процессов: оформление документов, маршруты согласования, подписание, интеграции и пользовательский опыт. При этом значительно реже задумываются о том, что кадровые документы необходимо правильно сохранить.

В этой статье посмотрим на 6 популярных решений для КЭДО и оценим, насколько оперативно они хранят документы и есть ли у вендоров решения для архивного хранения.

Это важно, потому что большинство документов, связанных с работой, имеют длительные сроки хранения и служат гарантией безопасности организации при проверках и судебных разбирательствах.

Многие из вас уже слышали историю о том, как ИИ создал страницу в интернете, после чего в своих ответах начал ссылаться на нее, как на авторитетный источник. О подобных проблемах можно прочитать, например, в этой статье. Не говоря уже про многочисленные видео в социальных сетях по этой теме. Однако, естественно, это ни в коем случае не является проблемой ИИ. Это является проблемой социологии, а также в первую очередь человека. Ведь именно люди придумали социально-поведенческую формулу: информация + ссылка на авторитетный источник = правда. Именно эта формула была заложена в основу, к примеру, Википедии. Именно эта формула заложена в основу мировоззрения миллиардов людей по всему миру. И именно этой формулой люди сами стали пользоваться, чтобы обманывать друг друга. Ведь самое слабое место в ней - авторитетный источник. До появления социальных сетей авторитетным источником были СМИ. Однако, с разивитием интернета благодаря социальным сетям актуальная информация стала распространяться быстрее, чем ее публиковали СМИ. И далее повторилась уже знакомая многим история семьи Ротшильдов и телеграфа. Напомню, по легенде Ротшильды получали первыми новости о мировых событиях (особенно военных действиях) и могли раньше других предпринять действия для личной выгоды. Но одной лишь реакцией на происходящее дело не обошлось. Вскоре люди научились не просто быстро передавать данные, но и контролировать, какие именно данные должны быть распространены. Это называется пропаганда.

Пропаганду можно назвать неотъемлимой частью цивилизации. Это обыденное явление, существующее уже тысячи лет. Помним Спарту и Афины? Это всего лишь еще один способ контролировать информацию для выгоды определенного круга лиц. В поисках истины люди придумали стандартную контрмеру против пропаганды - экспертное мнение. Однако, и это мнение, оказалось, можно контролировать, даже за деньги. И вновь возник вопрос о поиске истины. Тогда на сцену вышла честь. Уважающий себя и уважаемый в обществе человек не станет лгать. И чем дольше человек уважаем, как придумали люди, тем ценнее его слово. К слову, методология тоже древняя, уходящая корнями к пророкам. Однако, и уважаемые люди в кризисных ситуация оказались обыкновенными людьми, у которых тоже были свои интересы, мешающие им говорить всю правду. И вновь возник вопрос о поиске истины. Наконец, люди подумали: если человеку доверять нельзя, можно доверить бездушной машине. Но не учли момент, что машина обучается именно на человеческих формулах социального поведения. И вот, все это привело нас к самому началу статьи: используя человеческие формулы поведения даже машина перестала излагать истину. Поскольку новый способ поиска правды на данный момент находится в активном поиске, сосредоточим свое внимание именно на том обмане, которому научился ИИ. Для общего образования, так сказать, и более объективной гражданской позиции.

В данной статье докажу, что чисел-близнецов бесконечно!

Напомню, числа-близнецы (или простые близнецы) — это пары простых чисел, которые отличаются друг от друга ровно на 2. Например, (3, 5), (5, 7), (11, 13), (17, 19), (29, 31) и так далее.

У чисел-близнецов есть свойство которое поможет нам в доказательстве - формой представления, где все пары чисел-близнецов, кроме (3,5), имеют вид (6n-1, 6n+1).

Вот и наступила золотая осень!

В сентябре я каждый день почему-то вспоминал поговорку “от работы дохнут кони, ну а я бесмертный пони”. Сделано было просто куча всего! Новые релизы, библиотеки, крутые фичи, доклад на конференции. А еще наше сообщество сделало кучу интересных проектов в опенсорсе.

С меня как всегда статья без нейрослопа и ИИ, с вас как всегда интересные комментарии и лайки! А вот тут ссылка на прошлый дайджест за август.

Погнали смотреть, что у нас в питоне происходило!