Kurgan-Telecom Ru | Информационные технологии

Я не знаю, как у нормальных людей начинаются отношения с искусственным интеллектом. Наверное, они заходят на сайт, нажимают кнопку, вводят карту, получают подписку и идут жить свою счастливую технологичную жизнь.

У меня всё было иначе.

Мои отношения с ChatGPT начались как хороший роман с плохим концом: сначала восторг, далее зависимость, потом внезапное исчезновение денег и фраза "знаешь милый, любовь прошла, завяли помидоры, а твоя страна больше не поддерживается. Гудбай, май лав"!

Расставание (два, точнее) обошлись мне в $220. Как это было, сейчас расскажу.

Я преподаю на кафедре информационных технологий и больше двадцати лет пишу код. Однажды эти две роли сошлись в проекте, который я затеял для себя: надоело каждый раз лезть на сайт вуза за собственным расписанием — и я сделал бота в MAX, который отвечает расписанием на «что у меня сегодня?».

Бот прижился, оброс командой из трёх человек и дорос до вопросов, которых в расписании нет вовсе: как перевестись, восстановиться, что со стипендией и общежитием. То есть до вопросов к регламенту вуза — документу на сотни страниц. Так начался умный поиск по документам, он же RAG.

10 новых российских продуктов для перевода речи в звонках в реальном времени; мониторинга, защиты и тестирования ИИ-систем от атак и других угроз; создания ИИ-агента с памятью в Telegram; дейтинга по книгам и фильмам и многого другого. Битва за «Продукт недели» началась!

Product Radar — здесь каждую неделю публикуются лучшие онлайн-сервисы и железки от русскоязычных команд.

Давайте честно — и да, и нет.
Этот вопрос возникает у каждого Go‑разработчика, который начинает использовать sqlc. Генератор кода создаёт отличные типизированные запросы, но как правильно интегрировать их в архитектуру приложения?

Стоит ли оборачивать сгенерированный Querier в ручной слой репозиториев, чтобы соблюсти «букву» чистой архитектуры, или использовать его напрямую в сервисах (use cases), следуя принципу KISS?

Мы разберём эту дилемму через призму пяти ключевых перспектив: SOLID (все 5 принципов), идиомы Go, DDD, тестирование и скорость разработки.

Мы создаем софт для горно-геологических служб калийных рудников, и после первой статьи про [кригинг на чистом NumPy](https://habr.com/ru/articles/1055612/) самый частый вопрос звучал одинаково: «Хорошо, а какой именно кригинг брать?» Вопрос правильный: под словом «кригинг» живёт целое семейство методов, и выбор между ними влияет на результат сильнее, чем тонкая настройка вариограммы. В плагине Isoliner их пять - простой, ординарный, с полиномиальным трендом, блочный и индикаторный, - и каждый существует не для галочки, а под конкретный класс геологических задач.

Под катом - разбор всех пяти на живых примерах калийного месторождения: когда какой, какие параметры за что отвечают, как это выглядит в коде и на каких ошибках спотыкаются чаще всего.

<cut/>

## Общая механика: что меняется, а что нет

Напомню каркас из первой статьи: оценка в точке - взвешенная сумма соседних скважин, веса - решение системы уравнений с ковариациями из вариограммы:

```python

s = np.linalg.solve(A, r)   # A - ковариации соседей между собой,

w = s[:na]                  # r - ковариации соседей с точкой оценки

est = float(np.dot(w, vra))

```

Все пять видов кригинга решают эту систему. Различаются они тем, что считается неизвестным про среднее поле и что именно оценивается - точка, блок или вероятность. Это и есть ключ к выбору.

## Простой кригинг (SK): среднее известно

Простой кригинг предполагает, что среднее значение поля вам известно заранее и постоянно по площади. Тогда система решается без дополнительных условий, а недобор веса соседей компенсируется этим средним:

Пару недель назад я рассказывал здесь, как три ночи чинил рендер, который не был сломан. С тех пор в главном ничего не изменилось: я по-прежнему энтузиаст, а не разработчик; код печатает машина, а что и зачем печатать, решаю я. Правда, машин в этот раз было две: код писала Claude Opus 4.8 в режиме ultracode с рассуждением, выкрученным на максимум (xhigh), а вторая — Fable 5 — атаковала приложение. Об этом ближе к концу. Изменилось всё остальное. Typhoonminigen — бесплатное open-source (MIT) нативное macOS-приложение для локальной генерации FLUX.2 Klein на Apple Silicon, без Python, без ComfyUI, без облака — доросло до версии 2.0: 57 новых функций, 150+ исправлений. Про них и статья. Но начать придётся не с функций, а с признания: самый живучий баг приложения сидел не в коде. Он сидел во мне.

Pinterest давно стал одним из самых популярных сервисов для поиска фотографий, иллюстраций, дизайнов, мемов и видеороликов. Именно поэтому у предпринимателей, блогеров и экспертов регулярно возникает вопрос: можно ли скачать понравившееся изображение или видео и использовать его в своем Telegram-канале, социальных сетях, на сайте или в рекламе?

Однозначно ответить на этот вопрос нельзя. Само по себе размещение изображения или видеоролика в Pinterest не означает, что такой контент можно свободно использовать. Вместе с тем существуют ситуации, когда использование допустимо, а также случаи, когда риск нарушения авторских прав существенно возрастает.

Привет, Хабр!

Меня зовут Алексей Постригайло, я старший партнер ИТ-интегратора «Энсайн». Больше 20 лет я занимаюсь системной интеграцией, разработкой и управлением цифровыми проектами — от архитектуры и внедрения до поддержки и развития уже работающих систем.

В этой статье хочу поговорить о вещи, которую часто недооценивают на старте проектов — юзабилити-аудите сайта. Но не в классическом понимании «проверили интерфейс и нашли неудобные кнопки», а глубже: когда мы смотрим на сайт как на часть системы, где интерфейс — это только верхний слой.

На практике часто выглядит так: дизайн согласован, формы отправляются, интерфейс аккуратный. Но дальше начинаются проблемы — заявки не доходят, данные теряются, поддержка перегружена, а бизнес говорит «сайт не работает», хотя снаружи всё выглядит нормально.

Разберем, где в таких случаях заканчивается UX и начинается архитектура, интеграции и данные. И почему юзабилити-аудит без технического слоя сегодня почти всегда дает искаженный результат.

За свой трудовой путь я несколько раз говорил бизнесу «нет». Каждый раз это было неприятно, потому что бизнес приходит к ИТ не за отказами, а за решениями. Но был один случай, когда именно отказ оказался самым выгодным решением для компании. И о нем я сейчас хочу рассказать.

Жизненный кейс

Близился конец проекта, мы уже практически завершили внедрение нового биллинга. Бюджет был распределен, а команды готовились к запуску. Казалось, самое сложное позади. И в этот момент бизнес пришел с новым требованием: «Давайте еще перенесем архивные продукты и исторические данные по ним». Архивные продукты использовались редко, но время от времени сотрудники обращались к ним для разбора спорных ситуаций с клиентами. Поэтому пожелание бизнеса выглядело логичным. При этом было изначально принято решение, что компания не избавляется полностью от legacy биллинга, а использует его для чтения ретроданных.

Мы вместе с архитекторами и аналитиками оценили объем работ. Оказалось, что типового механизма нет, нужно менять архитектуру. Разрабатывать новые сценарии миграции, тестировать, поддерживать. Когда сложили оценки, получилось около 10 миллионов рублей. После пересчета финансовой модели стало понятно, что дополнительные инвестиции сильно увеличивают срок окупаемости проекта (+1 год). Проще говоря, компания вкладывала деньги в функциональность, которая не приносила измеримой бизнес-ценности. Мои мысли в тот момент: «Если мы согласимся на это сейчас, проект никогда не закончится».

Я принял решение отказать бизнесу в новых требованиях и предложил альтернативный вариант – не мигрировать запрошенные данные, а оставить их в legacy биллинге доступными для чтения.

Считается, что связка из изолированной виртуальной машины, тотального запрета UDP на хосте и принудительного заворачивания TCP-процессов через Proxifier в локальный SOCKS5-порт — это своего рода “непробиваемый бункер” для обеспечения хотя бы условной сетевой анонимности. Ведь в такой схеме гостевая OS физически “слепа”, так как она не знает реального IP хоста и не имеет каналов для прямой утечки пакетов?

Но "бункер" может и пасть. И причины будут неприятными.

Я совершенно случайно обратил внимание, что внутри одной из моих совершенно изолированных виртуальных машин, мессенджер Element и популярный чекер 2ip.ru (через браузеры) продолжали с легкостью определять реальный IP-адрес хостовой OS! При этом классические тесты на утечки через WebRTC или DNS в браузерах показывали идеальную чистоту, а в логах Proxifier не было ни одного прямого (Direct) соединения.

В этой статье я хотел бы рассказать, как именно происходила деанонимизация, и почему корень проблемы лежал за пределами моего “железа” или софта?

Постановка задачи и конфигурация «стенда».

Для тестирования использовалась жесткая схема изоляции, исключающая традиционные стандартные бреши:

Мне посчастливилось начать проект с чистого листа: амбициозная задача, никакого легаси и свобода выбрать любой подход. Я решил довериться AI по-максимуму и код больше не трогал.

Сначала я не верил, что это выдержит реальный масштаб. Опыт подсказывал: чем больше проект, тем быстрее AI путается в контексте и упирается в лимиты. Но через 2,5 месяца мы вдвоём запустили гео-аналитическую платформу, которую в до-AI эпоху строили бы годами. Это поменяло моё представление о разработке.

Как это устроено и что нужно, чтобы повторить, — под катом.

Всем привет, меня зовут Роман и я энтузиаст. Не так чтобы конкретно в чем‑то, а так, вообще. По долгу службы я тесно связан с GNU/Linux отчего часто и подолгу смотрю в черный экран с буквами. И вот, в один из таких эпизодов я подумал:

 - А зачем мне мышь, если я постоянно пишу в консоль? Двигать окна? А зачем их двигать, если они все одинаковые?..

Очевидно, в этом порыве я не пионер. Мои эксперименты с оконными менеджерами привели меня к динамическому тайлингу и настал черед устройств ввода.

Опубликован проект f15se2-ex 0.1.0 — порт авиасимулятора MicroProse F-15 Strike Eagle II на современные системы. Проект основан на реконструированных исходных кодах версии F-15 Strike Eagle II v451.03 с дополнением Desert Storm Expansion Disk 1991 года.

Цель проекта — перенести игру на современные архитектуры, сохранив дух оригинала и улучшив техническую часть. В качестве графического и оконного слоя используется SDL3, для вывода 3D-графики — OpenGL, звук работает через эмуляцию AdLib на базе Nuked-OPL3.

На текущий момент игра полностью проходима. Реализованы перенос рендеринга и ввода на SDL3, работающий звук, поддержка джойстика и вывод графики через OpenGL.

( читать дальше... )

>>> Репозиторий

>>> Журнал разработки

>>> Канал разработчиков в Discord

 gl-117, авиасимулятор, игра, портирование игр

У статьи есть 1 часть: Стягивай куда нужно: Activation Steering Tutorial

Привет, друзья! В первой части мы разобрали базовую идею steering-а и реализовали её тремя способами: через сырые PyTorch hooks, через nnsight и через pyvene. Сработала ли наша база? Да — мы это видели. Нормально ли? Нет — и это мы тоже видели: вектор оказался инвертирован, эффект был умеренным, а на некоторых промптах не было его и вовсе. Что с этим делать и как это сделать на питоне — и есть тема второй части.

Залетайте читать!

Последние два года индустрия разработки меняется быстрее, чем за предыдущие двадцать лет. Почти каждую неделю появляются новые ИИ-модели, ИИ IDE и кодинг-агенты. Одни говорят, что это очередной пузырь. Другие уверены, что профессия программиста исчезнет уже через несколько лет.

За последние полгода мне довелось использовать AI практически во всех своих проектах. В какой-то момент я поймал себя на мысли, что почти перестал писать код руками. Именно тогда я задумался: действительно ли ИИ заменит программистов или мы просто неправильно понимаем, что именно сейчас происходит с нашей профессией?

Я скорее всего буду не первым кто тут размышляет на эту тему, но все же мне кажется что у меня есть что сказать и я бы хотел обсудить публично.

Все мы наблюдаем как меняется индустрия и что уже много вакансий в IT становятся не актуальными. Да многие говорят что это ИИ пузырь и он скоро лопнет, и мы придем и все исправим что написал ИИ. НО мне кажется это не так. Обратной дороги нет, мы вступаем на новую дорогу. Компании максимально ужимают бюджеты, наем junior программистов потерял совсем смысл. Череда сокращений уже прошла, и сейчас компании после первого бума ИИ пытаются понять как теперь строить команды и оптимизировать бюджеты. Но как мне кажется есть важная деталь, которую все упускают. И эта деталь звучит примерно так: ИИ это эффективный инструмент в руках квалифицированного программиста. И здесь речь идет не только о программировании, так же и дизайн и доставка кода, организация всех процессов.

Цивилизация... Какие у вас ассоциации с этим словом? А если написать его по-другому, например, на английском. Вот так - Civilization... Ядерный Ганди? Отче наш на Суахили? Сражения лучников против танков?

Лично у меня возникла несколько другая ассоциация - удобный интерфейс технологий... Вот это вот самое дерево технологий, когда ты чётко понимаешь, что и за чем тебе нужно изучить, чтобы прийти к конечной цели. Какие навыки идут за какими, что можно пока проигнорировать... Согласитесь - было бы удобно, если бы так же было бы и... например, с изучением кибербеза?

Так вот, я решил заморочиться и собрать свой роадмап. Да, я знаю, что существует много разных вариантов (привет и респект, Диме). Но у меня было своё видение)

И вот, на днях я закончил основной этап - его отрисовку! 2300 терминов из разных доменов ИБ, 11 готовых треков (пока сыроваты, но об этом ниже) и возможность создавать свои. Возможность сравнить свои навыки с "базовым минимумом" разных направлений и разные направления друг с другом... Короче, я попытался объять необъятное. Насколько получилось - судить вам)

Открыть код — не значит запустить open source. В статье разберём пять ошибок, из‑за которых корпоративные open‑source‑проекты быстро теряют контрибьюторов, комьюнити и DevRel‑эффект.

Сначала задача звучала просто: складывать PDF, CVE и статьи по кибербезопасности в одну базу, затем давать LLM-агенту подходящие фрагменты через HTTP API. На доске это помещалось в одну цепочку: загрузка, извлечение текста, разбиение на части, построение векторов, поиск.

Рабочий прототип появился быстро. Настоящая работа началась потом.

После защиты диплома я доработала систему проверки библиографических источников: добавила OCR, кэширование, offline-режим, классификацию ошибок, внешние проверки и ML-модули. В статье разбираю, как устроен пайплайн, почему одного DOI недостаточно, какие метрики удалось получить и почему проверка списка литературы оказалась не формальностью, а отдельной инженерной задачей.

LLM может влезать в контекст и генерировать 200 tok/s, но если она не может найти нужный факт в тексте, толку от этого мало. Поэтому мы захостили 8 локальных LLM и прогнали через NIAH-тесты: тройной хоп, пять дистракторов и контексты до 256K.