Kurgan-Telecom Ru | Информационные технологии

Как переехать с FatFS на LittleFS: опыт “КЕДР Солюшенс”
Честный разбор миграции на LittleFS и интеграции протокола MTP для работы с файловой системой микроконтроллера. Кейс от компании “КЕДР Солюшенс”.

Дисклеймер: я не нефтехимик и не эксперт по моторам. Я embedded-разработчик, который в будни отлаживает встраиваемые системы, а по выходным развлекается с собственной машиной. Всё, что ниже, является компиляцией учебников по теории ДВС, технических регламентов и личного накопленного опыта - вдохновлением послужила актуальная статья ресурса про устройство ДВС. Напугала обложка? Она напугала и меня, но именно с друзьями-роботами хотелось создать нечто для привлечения внимания к действительно важной проблеме.

Привет, Хабр! Меня зовут Оля Борисова, я фронтенд-разработчик в ПСБ. Работала как в продуктовых, так и в платформенной команде. Сегодня хочу поделиться нашим опытом разработки внутренних пакетов, их релизным процессом, расскажу какие проблемы у нас были, а также постараюсь дать советы тем, кто еще в начале пути.

На момент написания статьи у нас около 300 репозиториев, большинство из которых представляет собой внутренние библиотеки, утилиты, конфиги и микрофронты. 

Так было не всегда, когда-то у нас был один проект и все что с ним связано (компоненты, хелперы, конфиги и прочее) хранилось внутри него. Это работало пока не появилась надобность переиспользования наработок и лучших практик в других приложениях и направлениях. Так мы пришли к тому, что нам необходимы внутренние пакеты и механизмы их организации и менеджмента.

Привет Хабр! Меня зовут Владимир, и недавно я решил изучить новую (для себя) технологию - LlamaIndex. А тут и задачка подвернулась - надоело копаться в Положении о закупках, поэтому понадобился RAG для ответов по ФЗ-44, ФЗ-223, ну и локальному положению.

В этой статье разберу, как создать простенький RAG, не выходящий из локального контура, на базе LlamaIndex + Qdrant, напишем к нему API и UI на Gradio. Поехали.

Эта статья — формализованный анализ изменения структуры, целей и последствий кибератак, наблюдавшихся на территории Российской Федерации в период с 2020 по 2025 год. Границей между периодами выступают события наступления геополитического международного кризиса, повлёкшие за собой изменение внешнеполитической обстановки и структуры киберугроз. Здесь рассматриваются две основные временные когорты: 2020–2023 годы (включая период до начала изменения геополитического ландшафта состояния мировой ИБ и первый год острой фазы международного кризиса) и 2023–2025 годы (консолидация новых трендов). Мы провели анализ, чтобы выявить смену доминирующих типов киберугроз, факторов, которые её обусловили, а также эволюции подходов к обеспечению информационной безопасности в государственном и корпоративном секторах.

Привет, Хабр. 6 июля 2026 года Anthropic опубликовала исследование Verbalizable Representations Form a Global Workspace in Language Models. Разбираю технические детали и практические следствия.

Пока вы читаете это предложение, ваш мозг делает десятки вещей, которых вы не замечаете: держит осанку, регулирует дыхание, превращает линии на экране в слова. Но часть работы мозга вам всё-таки доступна - всплывший образ, обдуманное решение, куда направить внимание. Нейробиологи называют такую активность сознательно доступной и отличают её от всей остальной, идущей без нашего ведома. У неё особые свойства: её можно описать словами, ею можно управлять и рассуждать -> в отличие от автоматических процессов, которые текут сами собой.

В новой работе Anthropic показывает, что похожее разделение появилось и в языковых моделях вроде Claude. У модели обнаружился небольшой набор внутренних нейронных паттернов, которые - на фоне всей остальной обработки играют особую роль.

В прошлой статье мы устроили большое сравнение Opus 4.8, GPT 5.5 и Gemini 3.1 Pro и оговорились: GPT 5.5 Pro в том матче не участвовала, потому что ее корректнее сравнивать с недоступной на тот момент Fable. Что ж, обещания надо выполнять. Anthropic внезапно вернула Claude Fable 5 в общий доступ. Напомню, это первая модель нового класса Mythos, которая в иерархии компании стоит выше Opus. Значит, пришло время дуэли тяжеловесов: Claude Fable 5 против GPT 5.5 Pro.

Методика не меняется. Никаких бенчмарков и маркетинговых обещаний — только реальные будничные задачи. Тестируем через агрегатор нейросетей BotHub: он работает по API, а этот метод избавлен от подпорок и костылей, которые неявно помогают моделям в их веб-интерфейсах. Заодно сразу видим, во сколько каждое решение обходится по деньгам.

Затраты по-прежнему измеряем в CAPS — внутренней валюте BotHub, привязанной к числу затрачиваемых токенов. Напомним, за рубль можно купить от 4000 до 6500 CAPS в зависимости от объема покупки. В этот раз считаем по курсу примерно 1 рубль = 6370 CAPS, т.к. у меня сменился тариф. И сразу приготовьтесь: обе модели — премиальный сегмент, так что ценники будут заметно выше, чем в прошлый раз.

Победителя, как и раньше, чаще всего будем определять субъективно, уж простите нам эту вольность. Все материалы прикладываем, так что вы можете не согласиться с нашим мнением и выбрать своего фаворита.

Некоторое время назад я столкнулся с задачей сортировки зашифрованных строковых значений в базе данных. Сначала я предполагал, что существует какой-то общепринятый криптографический подход. Но чем больше разбирался, тем яснее становилось, что простого решения тут нет. В итоге оказалось, что искать нужно было совсем не там.

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.