Хочется сделать проект с ИИ, но нет ни бюджета, ни опыта в ML, ни мощного железа? В этой статье я расскажу, как, работая системным администратором и имея нулевые знания Python, собрал локального ИИ-бота для анализа резюме. Без облаков, платных API и «магии».
Речь пойдёт о реальном опыте: выборе модели, запуске LLM на слабой видеокарте, интеграции с Telegram и о том, какие задачи такой бот действительно может решать в работе HR и руководителей. А также — что это дало мне как специалисту и почему подобные эксперименты полезны, даже если ты пока «зелёный».
Новогодние каникулы завершилиcь. Многие из вас приступают к реализации своих проектов, зерна которых сформировались к концу прошлого года, были посажены в новогоднюю ночь под бой курантов, и вот они начинают пускать ростки.
Проект “Здоровье” наверняка у вас не на последнем месте и вы уже в поисках рекомендаций по грамотному началу тренировок в зале. Я это вижу по возросшему числу просмотров статей на своем сайте, да и тут на Хабре немного подскочили.
В прошлом году я получал одно частое обращение: “на просторах интернета нет ни одного нормального научно-обоснованного гайда по силовым тренировкам для таких чайников, которые даже приблизительно не знают, где какие мышцы на теле находятся и как называются упражнения”.
Может такие гайды и есть, но нам они не встречались. В любом случае, с удовольствием сделаю свой такой. Пускай и у меня, и у вас будет.
Это большой материал, разбитый на 9 блоков, путь по которому мы начнем с самого начала: от того, что такое силовые тренировки и зачем они нам нужны и закончим прямыми рекомендациями в формате “что и как нужно делать”, попутно развеивая некоторые мифы и переживания относительно тренировок с железом.
Пятничное, навеяно статьёй «Почему 2026-й станет годом десктопного Linux + интересные дистрибутивы внутри»
Вы знаете, мне некоторые программы изначально написанные для Linux иногда напоминают... Как бы это объяснить? Попробую на примере. И попробую с юмором.
Дисклеймер: Эта статья — не руководство по взлому (How-to) и не сборник эксплойтов. Это попытка системного анализа архитектурных ограничений LLM, которые делают промпт-инъекции фундаментальной проблемой на текущем этапе развития технологий. Мы рассмотрим уязвимости через призму механики Attention, токенизации и RLHF, чтобы понять, почему классические детерминированные методы защиты (Black Box) здесь перестают работать.
Вчера вышла статья, что потребитель пошел по магазинам, искать себе новый телефон для установки туда мессенджера Макс. На Хабре комментаторы в большинстве своем решили: это всё из-за недоверия народного! Допустим. А что, сразу телефон отдельный покупать надо?
В этой статье подробнее освещу подход с установкой недоверенного мессенджера Max в "рабочий профиль" на Android, который отгораживает приложения от основного профиля. Обойдемся сегодня без покупки нового гаджета.
Статья носит юмористический характер. Автор не пропагандирует азартные игры. Слово "казино" используется исключительно как метафора случайности процессов генерации.
На первый взгляд может показаться, что игрок у рулетки и хипстер с подпиской на Midjourney - это разные люди. Однако: оба они молятся Богу Рандома, оба тратят деньги и оба надеются, что в этот раз "выпадет красиво".
15 января 2026 г. — Let’s Encrypt официально объявил о широкой доступности короткоживущих (short-lived) сертификатов с временем жизни около 160 часов (чуть более шести дней) и сертификатов, работающих с IP-адресами вместо доменных имен.
Я цифровой художник. Я работаю в гибридном жанре между цифровой фотографией и цифровой живописью. С помощью различных фильтров и эффектов в растровом редакторе я отрисовываю сказочные сюжеты поверх собственных фото. Сейчас у меня есть собственный сайт на базе ArtStation, творческая страничка ВК и творческая страничка в одной из цукерберговских соцсетей.
Нейросети я обычно не использую – предпочитаю творить сам. Но недавно всё-таки у меня появилась задача, для которой мне потребовалась творческая коллаборация с каким-нибудь ИИ. И я решил испытать, какой лучше!
В этой статье я покажу, как пытался добиться хороших результатов и создать, что-то умное, поместив это в искусственную среду с такими же нейросетями, которые так же будут конкурировать, общаться, уничтожать и так далее.
Это полноценное двухгодичное исследование, подобных экспериментов направленных именно на развитие нейросетей не было, либо они остались неизвестны.
Возможно, Вы вспомнили об экспериментах на просторах интернета с тем, когда давали список генов существам и также симулировали эволюцию, это были очень полезные исследования, но это не то - они симулировали начальную стадию эволюции. Существа не имели "разума", как такого, это был больше алгоритм на if-ах с настройкой голода, скорости... Подобие первых РНК и ДНК. Но мы - это в первую очередь наш мозг, а это полноценная нейросеть, которая намного более сложная и куда ближе к Deep Learning, чем к обычным алгоритмам из классического IT. Наиболее близкий по идее проект - Bibites. Это реально интересно, однако там не было реализовано цельного механизма памяти и обучения - то, что и является основополагающим фактором развития.
Проект родился из-за желания изучить на что способны эволюционные алгоритмы развития нейросетей в замкнутой системе - удастся ли повторить процесс развития врановых, касаток и людей?
по сути же получается нужно меньше разработчиков сейчас? Интересно как это выглядит с точки зрения владельца бизнеса
Регулярно стал видеть подобные вопросы. Если растет производительность, то логично, что надо сокращаться? Если речь идет про избыточную разработку и цель оставаться на том же уровне производительности, то да, избыточность можно уменьшить. Но реальность и капитализм работают чуть сложнее.
Регулярно стал видеть подобные вопросы. Если растет производительность, то логично, что надо сокращаться? Если речь идет про избыточную разработку и цель оставаться на том же уровне производительности, то да, избыточность можно уменьшить. Но реальность и капитализм работают чуть сложнее.
Начнем с избыточности. Одно дело когда у вас команда из 50 человек, где есть и фронты и бекендеры и девопсы и бог знает кто еще. Другое, когда вся команда это три человека с очень разными компетенциями. Если в команде один бекендер, то его никем не заменить. Тоже самое касается и большинства остальных ролей. Всегда нужен человек, который отвечает за свой блок и разбирается в нем лучше всех (или в принципе только он и разбирается). Такому человеку ИИ конечно помогает, но убрать его с помощью ИИ невозможно, как бы красиво это не звучало и не выглядело (посмотрите как я сгенерил лендинг с помощью ии!).
Но даже одного человека мало, потому что на больших объемах один человек всегда будет занят большую часть времени текучкой. Тут надо обсудить, там что-то сломалось надо починить, тут разобраться. В общем в живых проектах с пользователями и инфраструктурой, даже увеличение производительности не даст возможность освободить одного настолько сильно, что он сможет легко фигачить новый функционал. У нас вон вчера зависла транзакция в базе на проде (это вообще похоже на баг в постгре). Пол дня потеряно на выяснение, восстановление, эксперименты и переконфигурацию.
И самое важное, в случае с ИИ это преимущество почти всегда временное. Мы не единственные, кто повышает производительность: инструменты доступны всем, и эффект быстро размазывается по рынку. Как только ситуация выравнивается, конкуренция начинает давить на цены или, наоборот, заставляет больше тратить: на зарплаты, инфраструктуру, вычисления, закупки. В итоге повышенная производительность перестает быть конкурентным преимуществом и становится новой нормой. А чтобы вырваться вперед, снова нужно делать больше: выходить в рост, расширяться, брать на себя больший масштаб при том, что производительность у всех выросла примерно одинаково.
Что не отменяет большого числа новых возможностей. Сейчас самое благодатное время для старта новых проектов и заработка. Новым предпринимателям сложнее понять что не делать, чем что делать.
OpenAI объявила о запуске рекламы в ChatGPT — тестирование начнется в ближайшие недели для пользователей бесплатной версии и тарифа ChatGPT Go ($8 в месяц) в США. Подписчики Plus, Pro, Business и Enterprise рекламу не увидят. Одновременно компания расширила доступность ChatGPT Go на все страны, где работает чат-бот.
16 января 2026 года Роскомнадзор опроверг блокировку Telegram в России. «По отношению к Telegram в настоящее время новых мер ограничений не применяется», – сообщили в ведомстве.
В статье рассмотрим SDD фреймворки (Spek-Kit, OpenSpec, Kiro, BMAD) и решения не являющиеся полностью SDD, но решающие вопросы упорядочивания разработки с ИИ (Cursor Memory Bank, TaskMaster, Tessl, Supercode, Claude-flow).
Слово "вайбкодинг" в современном мире прижилось плотно, но у большинства разработчиков с опытом вызывает безусловный рвотный рефлекс. С одной стороны ИИ пишет код очень хорошо. Современные модели в алгоритмике уже почти всегда лучше разработчиков.
Но если дело касается большого проекта и Production, всплывают многочисленные проблемы:
Топ-5 инсайтов из отчета Microsoft о том, как ИИ реально используется в мире
Microsoft попытались впервые измерить, сколько людей по всему миру используют ИИ. Их отчет AI Diffusion Report 2025 основан на обезличенных данных о реальном использовании ИИ-сервисов.
Выяснилось, что 16,3% людей в мире уже используют ИИ. При этом интернетом пользуются около 74%, а значит, примерно 22% всех интернет-пользователей применяют ИИ в работе, учебе или повседневных задачах. Это означает, что ИИ уже на пути к массовой адаптации, но неравномерно распределен.
В 7 из 30 стран мирового топ-30 почти каждый второй использует ИИ: Норвегия — 46,4%, Ирландия — 44,6%, Франция — 44,0%. В этих странах ИИ ускоряет обучение граждан, растет производительность труда, ИИ интегрируется в школы, бизнес и государственные институты. Более того, 18 из 30 стран топ-30 уже перешли порог 30%, что говорит о формировании новой нормы использования ИИ.
Но разрыв между странами продолжает расти. В среднем топ-30 стран живут в совершенно другой реальности: 35,6% пользователей против 16,3% в мире, то есть более чем в 2,2 раза выше. За вторую половину 2025 года «глобальный Север» вырос с 22,9% до 24,7%, тогда как «глобальный Юг» — с 13,1% до 14,1%. Разрыв увеличился с 9,8% до 10,6%. Это показывает, что мир адаптируется к ИИ с разной скоростью. Если темпы сохранятся, разрыв будет увеличиваться примерно на 0,8% каждые полгода.
Особенно показателен пример США. Несмотря на лидерство в ИИ-технологиях, доля пользователей там составляет лишь 28,3%, и страна опустилась с 23-го на 24-е место в мировом рейтинге. Это означает, что технологическое лидерство не гарантирует массовую адаптацию технологии. Для этого нужна отдельная стратегия внедрения ИИ. Кто выстроит ее лучше, обгонит даже США.
Абсолютным лидером остаются ОАЭ. На конец 2025 года 64% трудоспособных граждан уже используют ИИ — почти в четыре раза выше мирового уровня. Это результат многолетней стратегии: ранние государственные внедрения, обучение, понятное регулирование и высокий уровень доверия людей. Сингапур следует за ними с 60,9%. Так что лучший путь к массовой адаптации — сделать ИИ частью государственных сервисов.
Согласно отчету Microsoft, в России ИИ используют около 8% людей, что примерно вдвое ниже среднемирового уровня в 16,3%. При этом в отчете отдельно отмечается популярность DeepSeek, так что можно предположить, что реальный процент использования частично обходится официальной статистикой Microsoft из-за open-source решений.
В Африке использование DeepSeek оценивается в 2–4 раза выше, чем в других регионах. Это показывает, насколько важен open source, чтобы разрыв в адаптации не увеличивался и технологии распределялись более равномерно. Поэтому децентрализованное обучение, синтетические данные и новые подходы к обучению — вот рецепт для стран «глобального Юга».
В новой экономике выигрывают не те страны, у кого самые мощные модели, а те, кто научился быстро и массово учить людей работать с ИИ и снижать барьеры входа. Именно такие страны будут расти быстрее — независимо от того, где они находятся на карте.
***
Если вам интересна тема ИИ, подписывайтесь на мой Telegram-канал — там я регулярно делюсь инсайтами по внедрению ИИ в бизнес, запуску ИИ-стартапов и объясняю, как работают все эти ИИ-чудеса.
Вы когда-нибудь копировали код кастомного контрола из статьи, чтобы избавиться от мерцания, а потом обнаруживали, что он ломает совместимость, требует специфичных обработчиков и не работает в условной компиляции? Я — да. И, как оказалось, проблема не в Windows API или GDI, а в фундаментальной ошибке проектирования: попытке «улучшить» стандартный интерфейс VCL, изменив сигнатуру OnPaint.
В этой статье я объясню, почему передача Canvas и Rect в обработчик — плохая идея, как правильно расширять TWinControl, и почему лучший компонент — тот, который пользователь даже не замечает.
Адаптировать методологию корпоративного управления под личные задачи и личную стратегию — это радикально. 256 страниц полной Ж, то есть Жизни и практических инструментов для ее трансформации в управляемый бизнес-проект.
Что ж, попробуем в этом разобраться.
Меня зовут Костя Дубровин. Я веду канал про книги.
Сэм Альтман запустил стартап Merge Labs, который разрабатывает интерфейс «мозг–компьютер» нового поколения. Проект уже получил мощную поддержку: OpenAI инвестировала в него 250 миллионов долларов при оценке компании в 850 миллионов. Размер всего посевного раунда не раскрывается, но ясно, что речь идет о ставке стратегического масштаба.
Давайте для начала разберём, что такое наёмный труд и чем он отличается от предпринимательства. Фактически это две абсолютно разные концепции, две разные роли или даже касты. Они требуют принципиально разных навыков, стратегий и психотипов.
Наёмный труд предполагает прежде всего массовую профессию, вид деятельности. То, что всегда есть на рынке для среднего соискателя. Наёмный работник в первую очередь должен обладать дисциплиной, малыми амбициями и, как следствие, уметь подчиняться, полностью сосредотачиваться на работе.
Практически любая массовая работа в любой стране и в любую эпоху подразумевает оплату, которая лишь слегка покрывает базовые потребности человека. Понятно, что покупательная способность в разных странах разная. Самое важное здесь то, что в любой социальной системе человек не может не работать. Не получится годик поработать, сделать накопления, а потом пять лет заниматься саморазвитием и другими делами.
Всё устроено так, что вы должны работать, не поднимая головы, а зарплата должна уходить на еду, жильё, транспорт, налоги, ипотеку и т.д. У вас должно оставаться буквально чуть-чуть, потому что по факту без крайней нужды многие не согласятся терпеть тяготы и унижение наёмного труда.
Но взамен этого социальная система предполагала стабильность. Да, вы отдаёте свою жизнь работе без остатка, но вы не думаете ни о чём остальном. Ваша единственная стратегия выживания — просто работать на работе. В этом и заключается психотип многих работников: зарплату многие получают, а не зарабатывают. Это не недостаток, а особенность системы.
В чём особенности предпринимательской деятельности? Предприниматель практически всегда работает на ограниченном, неочевидном или труднодоступном рынке. У предпринимателей появляется конкуренция и риски. Он может работать, не имея гарантированного дохода, или вовсе его бизнес может рухнуть либо не взлететь на старте.
Но есть и плюсы — доходы не ограничены сверху настолько, что в случае успеха можно позволить себе и наёмный труд, и излишки для развития бизнеса, и даже вывод средств для покупки предметов роскоши, недоступных среднему наёмному работнику.
Что же происходит в IT?
Если десятилетиями, а то и веками, наёмный труд подразумевал непритязательность и стабильность — люди работали на одной работе зачастую всю жизнь, занимаясь одним и тем же. Переход на другую работу обычно сопровождался лишь просмотром трудовой книжки и проверкой того, что трудовой опыт вообще есть.
Во многих профессиях это и сейчас так. Например, у водителя автобуса никто не требует значка ГТО, ему не надо пересдавать экзамен на права и рассказывать у доски устройство карбюратора.
В IT же предприниматели перекладывают на разработчиков свои предпринимательские риски. Уже недостаточно диплома об образовании и 5–10–20 лет опыта в крупных или мелких IT-компаниях. Нужны прежде всего уникальные, а не массовые навыки, компетенции и способности.
За 8 лет аудита 300+ сайтов на WordPress я видел одну закономерность: 80% владельцев устанавливают CMS, активируют Yoast SEO и считают работу законченной. Через полгода они приходят с вопросом: "Почему мы не в топе Google, если зелёные галочки везде стоят?"
Реальность жёстче. WordPress генерирует дубли страниц (archives, tags, feeds), загружает 15+ скриптов на пустой странице, игнорирует Core Web Vitals и отдаёт HTML без структурированных данных. Поисковики это видят и ранжируют соответственно.
Этот гайд — технический чеклист для разработчиков и SEO-специалистов, кто хочет выжать из WordPress максимум для продвижения сайта. Код, конфигурации, измерения — без воды.
В конце прошлого года Сбер выложил GigaChat 3 в open source под MIT. Две модели: Ultra Preview на 702 миллиарда параметров и Lightning на 10 миллиардов. Взял Lightning, развернул на бесплатном Colab, погонял тесты. Плюс разобрался в документации.
В статье разберём архитектуру, сравним бенчмарки с Qwen и покажем, как запустить модель без затрат на железо. Спойлер: для задач на русском языке и работы с длинными контекстами Lightning — одна из лучших открытых моделей в своём классе. При этом порог входа минимальный, base-версия запускается на бесплатном Colab с 4-bit квантизацией, а MIT-лицензия позволяет использовать модель в коммерческих проектах без ограничений.
