Kurgan-Telecom Ru | Информационные технологии

Прощаемся с «Телегой» и думаем, как быть дальше

Замедление и возможная блокировка мессенджера в России огорчает многих. Понятно, что у аудитории Хабра больше навыков и компетенций, чтобы придумать умные прокси, бесперебойные виртуальные частные сети — VPN и другие хитрые штуки. Но если говорить не об ИT-специалистах, а об обычных людях, для которых «Телега» важна и на работе, и в быту, то всё выглядит печальнее. Да и по многим профессиональным сообществам ограничения мессенджера сильно ударили.

Как раз о том, как мы сделали штуку, которая сможет заменить боты в Телеграме для организаторов мероприятий, расскажем в этом материале.

Forbes опубликовал очередной рейтинг самых дорогих компаний российского сегмента интернета за 2026 год. Совокупная стоимость первой десятки достигла $69,6 млрд. Этот список — отличный маркер того, куда движется ИТ-рынок страны, какие бизнес-модели оказываются наиболее живучими в условиях изоляции и какие технологические стеки генерируют максимальную капитализацию.

Драмы в этом году предостаточно: от окончательных итогов раздела «Яндекса» до затяжного пике VK и попыток маркетплейсов превратиться в глобальных логистических и финтех-гигантов. Разберем структуру рейтинга по секторам.

Децентрализации не существует. Есть централизация с красивым интерфейсом. Пока одни пишут смарт-контракты, другие судятся за контроль над treasury. Пока одни запускают DAO, другие становятся в них де-факто диктаторами. Это не баги реализации — это фича операционной системы под названием «Ум». И единственный протокол, который всерьёз работал с этой уязвимостью, написан без единой строки кода — работает в production уже 2500 лет и до сих пор не был скомпрометирован. Стоит разобраться, почему.

Делюсь еще одной полезной штукой из личных разработок, на этот раз на тему мониторинга температуры в компьютере.

~120 строк на Python.

qtile — тайловый оконный менеджер для Linux, целиком написанный на Python. Конфиг — тоже Python, с asyncio, доступом к procfs и вообще ко всему, что есть в системе. Я сижу на qtile уже почти 15 лет с одним и тем же конфигом, который потихоньку допиливаю, и что мне в нём нравится: панель оконного менеджера — удобное место для визуализации метрик, собранных из произвольных Python-скриптов.

Привет, Хабр! Меня зовут Vlad, я начинающий Python‑разработчик и энтузиаст изучения языков.

Недавно я столкнулся с классической проблемой полиглота‑самоучки: учебники дают теорию, аудиокурсы — пассивное восприятие, но нет главного — обратной связи по произношению. Репетиторы дороги, а разговорные клубы требуют уровня, которого у меня еще не было.

Я решил закрыть эту боль кодом. Моя цель была амбициозной: создать Telegram‑бота, который:

1. Слушает голосовые сообщения и распознает речь без дорогих облачных API.
2. Оценивает точность произношения в процентах, сравнивая с эталоном.
3. Поддерживает живой диалог через LLM, исправляя ошибки на лету.
4. Работает быстро и экономно на слабом VPS.

В этой статье я подробно разберу архитектуру проекта, покажу, как интегрировать бинарный whisper.cpp в асинхронный aiogram 3.x, реализую алгоритм оценки речи и расскажу про управление состояниями (FSM). Под капотом — Python, нейросети и немного магии.

...Чем больше я погружался что в физику, что в программирование, тем больше замечал сколько в них скопилось абсурдных догм, не просто бесполезных, но даже вредных, антинаучных по своей сути.

Предлагаю обсудить эту проблему для того, чтобы в дальнейшем стало проще отделять вредных мух от полезных котлет.

Некоторые мыслители описываю эру повсеместного внедрения роботов-андроидов как новый золотой век человечества. Никто не знает, конечно, будет ли оно повсеместным и к чему оно приведёт. Давайте попытаемся немного, одним глазком заглянуть за горизонт событий и увидеть, как изменится мир.

Иногда в кладовке, где-то между банкой Nescafe с гвоздями и коробкой с инструментами из Ikea, можно обнаружить настоящий клад — вроде планшета с проектором, старых телефонов или вовсе трансформера Lenovo ThinkPad X220 Tablet. 

Очень скоро этот ноутбук сможет сам покупать себе алкоголь. Но до сих пор он выглядит не как нечто старое, а, напротив, как гаджет из будущего. Минутка ретрофутуризма на Хабре: предлагаю посмотреть на один из самых интересных ноутбуков 2010 годов. 

Покажу, с какой скоростью я смог на нем печатать и как намеренно залил его водой. 

21 марта для нас не просто дата в календаре, а день рождения нашей компании PVS-Studio. Но этот год особенный, так как наш единорог стал совсем взрослым и отмечает совершеннолетие!

ИИ пишет тексты, анализирует данные, проводит первичные собеседования. Два самых актуальных тренда менеджмента — кого заменят и как трансформируются роли?

Кому можно быть спокойным? Тому, кто осознает: ИИ останется инструментом ровно настолько, насколько мы умеем быть людьми.

Привет! Я Александра Невзорова, QA в команде оформлений. Моя команда занимается процессингом оформления кандидатов во всю группу компаний. Поделюсь докладом моей коллеги — Марии Палагиной из команды разработки веб-платформ об автоматических релизах. 

Автоматические релизы — не просто модное словосочетание. Это мощный инструмент, который может кардинально изменить подход команды к выпуску новых версий продукта. 

В статье разберемся, что такое автоматические релизы, какие подходы к ним существуют и как правильно внедрить их в процесс, чтобы получить максимум пользы и минимум стресса.

Видеонаблюдение умеет быть очень вежливым. Сначала оно тихо просит подключить еще пару камер. Потом добавить удаленный доступ. Потом аналитику. Потом второе рабочее место. Потом архив подольше. Потом мобильный просмотр. Потом облачное дублирование. А потом внезапно выясняется, что система, которую считали как “небольшую на 15 камер”, ведет себя как полноценная инфраструктура с десятками параллельных видеопотоков, конкуренцией за сеть, сервер, хранилище и внимание администратора.

Устаревшая документация хуже, чем её отсутствие — она отравляет контекст LLM. Агент доверяет тому, что видит. Garbage in — garbage out, только garbage выглядит как аккуратный markdown.

Это вторая часть серии. Первая часть — «Слепое пятно LLM-разработки: контекст за пределами кода».

Вы наверняка знакомы с публичным DNS, если хоть раз задумывались, почему на запрос пушистые-котики.рф компьютер открывает сайт котиков, а не чертежи крыла самолета. В глобальной сети все прозрачно: есть многомиллиардный рынок доменов, есть огромная иерархия серверов, чья задача максимально быстро доставить вас на сайт котиков, банка или онлайн-кинотеатра.

Но есть и другая сторона — когда доменные имена живут только внутри вашей приватной сети. Это и есть приватный DNS. Он не показывает адрес сервера для внешних запросов на резолв имени db.internal, да и вообще не отвечает на запросы извне.

Он нужен, чтобы не запоминать, на каком IP локальный GitLab или тестовый стенд, и не гадать: «так, .105 — это балансировщик или база данных?». Ну и чтобы не бегать по всем серверам, заменяя один IP-адрес на другой для той самой базы, переехавшей на более мощное железо руками, — это долго, и легко ошибиться.

В этой статье разберем, зачем вообще нужна своя система имен в закрытом контуре и как она устроена технически.

Меня зовут Дмитрий Синявский, я SRE в Ви.Tech, IT дочке «ВсеИнструменты.ру». В какой то момент я поймал себя на мысли, что вокруг DevOps снова спорят как в начале десятых: одни уверяют, что он умер, другие переименовывают все в platform engineering, третьи ждут, что ИИ наконец сделает всю грязную работу за инженеров. Мы с Владимиром Утратенко, который прошел путь от техподдержки до техдиректора и сейчас развивает платформу «Штурвал», спокойно разложили это по полочкам.

В этой статье я собрал самое полезное из нашего разговора: что стало с DevOps после хайпа, как автоматизация одновременно помогает и ослабляет, и какое место ИИ реально занимает в инженерке.

Поклонники вайбкодинга и агентных инструментов говорят, что стали продуктивнее в 2, в 10, а то и в 100 раз. Кто-то собрал целый браузер с нуля. Впечатляет!

Тогда скептики резонно спрашивают: где все приложения? Если разработчики стали (возьмём консервативную оценку) хотя бы вдвое продуктивнее, где искать вдвое больше произведённого ПО? Такие вопросы исходят из допущения, что мир хочет больше программ, а значит, если их дешевле делать, их будут делать больше. Если вы с этим согласны — где тогда этот избыток, который можно назвать «AI-эффектом»?

Посмотрим на PyPI — центральный репозиторий Python-пакетов. Он большой, публичный и стабильно измеримый, так что AI-эффект должен быть хорошо заметен.

Красивый средний MAPE не спасает, если однажды модель крупно промахнулась именно в тот момент, когда по прогнозу принимают решения. После этого бизнес перестаёт верить цифрам и начинает либо “на всякий случай” жечь миллиарды на промо, либо, наоборот, игнорирует сигнал и до последнего верит, что план выполнится сам.

В этой статье – сразу два пути: от простой Excel-сезонки, которая неожиданно обыграла Prophet и классику на длинном горизонте, к ансамблю на базе TSMixer и от наивной веры в средний MAPE – к нормальной системе оценки качества с rolling backtest, bias, EOM и деградацией по горизонту.

Это не лонгрид про ML ради ML, а история о том, как сделать прогноз рабочим инструментом бизнеса.

В 1998 году два исследователя факультета психиатрии Питтсбургского университета и факультета психологии Университета Карнеги-Меллон – Мэтью Ботвинник и Джонатан Коэн провели эксперимент, теперь известный как «Резиновая рука».

Участник эксперимента – назовём его для краткости условным именем Ян – садился за стол, исследователи огораживали одну из его рук щитом, за которым Ян её не видел. Исследователи выкладывали перед ним достоверно выполненный муляж руки – параллельно настоящей – загороженной - руке Яна.

Привет, Хабр!

Примерно год назад наша команда загорелась идеей создать продукт, который позволил бы «поговорить с кодом». Мы, как и многие, находились под впечатлением от возможностей LLM. Казалось, что ещё немного – и нейросеть возьмёт на себя всю рутину по анализу легаси, аудиту систем и онбордингу новых разработчиков.

Мы представляли себе идеальную картинку: загружаем исходники, документацию, ТЗ в модель, нажимаем кнопку и на выходе получаем JSON с описанием архитектуры, связей, интеграций и методов. Вишенкой на торте должен был стать умный чат, в котором можно спросить что-то вроде «как у нас реализованы выплаты по убыткам?» и почти мгновенно получить ответ.

В начале пути всё это выглядело довольно прямолинейно. LLM же обучены на массе источников в интернете, умеют читать код, у нас есть фреймворки для аудита. Казалось, напишем крутой промпт, загрузим его в модель и будем пожинать плоды.

Но не тут-то было. Идея разбилась о суровую реальность enterprise-разработки. За несколько месяцев мы собрали коллекцию из 12 ошибок, которые едва не похоронили наш проект Code Scope (именно так мы назвали решение). Сегодня расскажу о пяти, на мой взгляд, самых показательных. Спойлер: в итоге наш код на 99% состоит из «инженерии», и только 1% – это тексты промптов.

Ошибка 1: Один запрос обо всём

Мы начали красиво. Взяли внутреннюю систему, написали «классный» промпт и попросили LLM вернуть все возможные факты о коде в виде структурированного JSON-объекта: описание методов, интеграции, точки входа, расчёт метрик и так далее.