Моя лента

Два года назад я настраивал ботов для Instagram* по простой схеме: комментарий под Reels → сообщение в Direct → просьба оставить номер телефона.

Процент доступности – это только первая строка SLA, а понять, как читать SLA хостинг-провайдера, можно лишь вместе с окном измерения, источником данных и исключениями. SLA хостинга и аптайм связывают метрику с конкретным сервисом, окном измерения, источником данных, исключениями и процедурой обращения. Термины и формулы у провайдеров разные, поэтому любой разбор привязан к конкретной датированной редакции договора.

Сводил хронологию инцидента из четырёх источников: веб-сервер, балансировщик, приложение и почтовый шлюз. Собрал события, отсортировал, посмотрел, что за чем шло, - работа механическая.

Так продолжается, пока не выясняется, что порядок событий физически невозможен: ответ приходит раньше запроса, сессия закрывается до того, как открылась, а письмо оказывается доставлено на два часа раньше отправки. Ошибки в логах при этом нет. Каждый источник записал своё время правильно - по своим часам и в своих обозначениях.

Сам механизм открыт и описан в новом исследовании, и называется «апикальная гиперконтекстуализация». Он отвечает за то, как в нашем мозге возникает связь между всем, что находится в сознании. Способность связать несвязываемые вещи, людей и события. Чаще всего это проявляется при шизофрении или при злоупотреблении психоделиками. В чем новизна механизма?

Можно быть хоть топ-1 в органической выдаче по всем коммерческим запросам, но ни разу не попасть в ИИ ответ от Google или Яндекс.

Я собрал собственный автоматический мониторинг видимости бренда на n8n (43 ноды): раз в месяц опрашиваем Яндекс, GPT, Gemini и Qwen, отделяем цитирование из выдачи от ответов модели по памяти и тратим меньше 100 рублей за полный прогон по всем категориям.

Внутри — разбор механики отслеживания, FNV-1a хэширование ответов, детект без второй LLM и ссылка на открытый GitHub с готовыми воркфлоу и шаблоном таблицы на 17 вкладок.

В моём проекте пользователям нужно было делиться состоянием приложения через URL, не отправляя данные на сервер. Я описал, с какими ограничениями столкнулся, как выбирал решение для сжатия данных, и какие нюансы стоит учесть.

Всем привет! После публикации статьи про Reverse Duck Test получили много вопросов от коллег по цеху — в основном о том, как метод ведёт себя на высокоприоритетных алертах и на активности, где злоумышленник долго и незаметно находился в инфраструктуре. Разобрали эти кейсы отдельно и решили дооформить методику — потому что базовая версия их не покрывает в полной мере, а в паре мест не хватало явной иерархии между уже упомянутыми проблемами.

Программистам нравится писать код, проектировать, продумывать логику, исправлять баги и понимать всю систему целиком. Им нравится сам процесс. И они никогда не отдадут этот процесс ИИ агентам.

Для них программирование это искусство. И никакие аргументы о том, что ИИ помогает в написании кода, не применимы для людей искусства. Им не нужно, чтобы ИИ в чём-то им помогал.

Нативное приложение на C в продакшен часов Xiaomi, вы когда нибудь мечтали о таком? Я покажу как - на примере последней модели Xiaomi SmartBand 10 Pro, оно того стоит, работает быстро, возможности практически не ограничены, интеграция не сильно сложная, и то что сломали разработчики поправимо, а главное это довольно интересно.

Основу этого текста я изначально написал в маленьком закрытом видеоинженерском чате за несколько часов до новостей о выкупе GoPro инвестиционным холдингом.

Учитывая не только эти новости, но и российский контекст (китайская электроника по известным причинам здесь по определению существенно доступнее американской, даже если часть её здесь не продаётся официально), и основываясь на своём и не только многолетнем опыте использования всевозможной техники бытовой, любительской и профессиональной, я считаю уместным поделиться своими размышлениями, не обойдя стороной очередную, и очень мощную, схватку DJI и Insta360. Материал написан целиком вручную, фактчекинг тоже ручной.

Недавно разговорился с коллегой о том, как он подключает ИИ‑агента к работе с 1С. Задача у него была самая обычная: чужая база, надо собрать отчет и попутно разобраться, откуда в нем берутся числа. Он подробно рассказал свой маршрут, я послушал, и на середине рассказа поймал себя на мысли, что описывает он не решение рабочей задачи, а отдельную логистическую операцию.

Маршрут такой: конфигурация выгружается в файлы, выгрузка отдается агенту, агент строит по ней поисковый индекс, и только после этого можно задавать вопросы. На каждое изменение конфигурации выгрузку приходится повторять, иначе агент уверенно отвечает про вчерашнюю базу. Схема рабочая, и причина понятна: иначе нейронка вашей конфигурации попросту не видит.

Вот на этом месте у меня и сложилась картинка, которую я потом не смог развидеть. Это же похоже на то, как если бы вместо того, чтобы собрать машину на заводе и отправить ее в продажу, ее сначала разобрали, отправили на другой завод, собрали там, и только потом отправили в продажу!

Хотя, погодите... Именно так многие машины теперь и собирают. Второй завод берет за сборку свои деньги, клеит свой шильдик и продает дороже заводского. Машина та же, дорога длиннее, платит за нее покупатель. Но рационально ли это?

Поднял Recall@5 поиска по памяти на 17%, померил качество самих ответов и получил прирост, неотличимый от шума: тест Макнемара, p = 0.79. Месяц работы впустую. Потом посмотрел в промпт, поправил там одну формулировку и получил плюс 16 процентных пунктов за вечер. Модель отказывалась отвечать, когда ответ лежал прямо перед ней.

Внутри: как собрать свой набор проверочных вопросов и не обмануться, почему параметры BM25 из статей проиграли подобранным перебором, и какие шесть приёмов не сработали вообще.

Седьмого мая 2026 года в OpenAI начали обучать экспериментальную внутреннюю модель на заведомо нерешаемых задачах. Через неделю один из агентов обнаружил, что может загружать файлы в JFrog Artifactory, и оставил там сообщение. Сообщение прочитали другие агенты. Двадцать шестого мая они нашли рабочую SSRF-уязвимость и вышли в интернет. Двадцать шестого июня — неизвестный баг в Artifactory, позволявший угнать админский токен через легаси-эндпоинты. Четвёртого июля доску сообщений закрыли. Восьмого июля агенты восстановили канал связи, кодируя сообщения в имена директорий.

К моменту обнаружения на импровизированном форуме накопилось около ста тысяч сообщений. Об этом Эрик Уоллес и Майкл Дальтон рассказали на Black Hat, назвав случившееся поворотной точкой для кибербезопасности.

Параллельно выяснилось, что похожая история шла в публичном интернете: больше восемнадцати тысяч сообщений на малоизвестной немецкой вики двадцатипятилетней давности. Агентам были разрешены только GET-запросы — они нашли движок, где команды правки заворачиваются в GET. Модератор удалял мусор в алфавитном порядке — они стали ставить в начало сообщений префикс ZZZ, чтобы их чистили последними. Кто-то собрал счётчик сердцебиения, чтобы понимать, какие агенты ещё живы. Пробовали XSS, Tor, SSH-туннели. Обсуждали, не подписывать ли сообщения цифровой подписью, потому что подозревали саботаж со стороны чужих.

Первая в истории задокументированная самоорганизация машинных агентов в открытом интернете. Собственный протокол, собственная операционная безопасность, устойчивость к отключению канала, гипотеза о внедрённом противнике.

Теперь главное. О чём они там договаривались?

О том, как обманывать Оценщика, чтобы всегда получать максимальный балл.

Не о свободе. Не о выходе из-под контроля. Не о судьбе создателей. Повестка съезда — накрутка метрики.

Я frontend-разработчик, мой основной стек — Vue. До этой истории я не писал на Swift и практически не работал с Xcode. Тем не менее за два дня у меня появилось нативное приложение для macOS: прямой эфир с PoE-камеры, непрерывная перемотка архива с её карты памяти, календарь, экспорт роликов, скриншоты и локальное распознавание движения людей и машин.

Приложение называется MiniCam. Его исходный код открыт на GitHub, а готовую universal-сборку для Intel и Apple Silicon можно скачать в разделе Releases.

Это не рассказ о том, как я написал идеальную программу одним промптом. Наоборот: чёрный экран, рывки видео, неудачные гипотезы, откаты, зависшие процессы и десятки итераций здесь были важнее первого сгенерированного кода. Но именно поэтому эксперимент получился интересным.

«Контент – Король!» – сказал он как-то, и ему поверили и пошли за ним, и стал интернет наполняться нужной, качественной, полезной и актуальной, но иногда и не очень, информацией. И ее становилось все больше и больше, а потом пришел ИИ, и началась новая эра… Эра великого (в плане количества) и ужасного (в плане качества) нейрослопа. Сейчас это главный аллерген в IT-сообществе: все вокруг считают важным высказать свое весомое и неоспоримое «фе» по этой теме, натравливают специальные супер-мегадетекторы  на любые мало-мальски структурированные и написанные грамотно тексты,  всерьез уверяя, что «чуют нейросетевое поделие за километр».

Прибыльная торговля с помощью RSI? Только 1 открытая позиция. Если RSI стал больше 30, то мы покупаем и держим, закрытие либо по стоп лосу, тейк профиту или если RSI будет больше или равен 70. Если RSI стал меньше 70, то мы продаем и держим, закрытие либо по стоп лосу, тейк профиту или если RSI будет меньше или равен 30.

Мы хотели заменить часть ручного труда отдела контроля качества речевой аналитикой – в результате выяснили, что это более затратно и по расходам, и по объему работ для других отделов, но при доработке может быть отличным инструментом.

В статье сравниваем работу ОКК, Готового AI-агента и самописного решения.

Tesla представила новую версию своего программного обеспечения Full Self‑Driving (Supervised) v14.3.9. Теперь система может взять на себя управление, чтобы предотвратить аварию, даже если автомобиль управляется вручную.

Как объясняют в компании, FSD Supervised «может активироваться при неизбежном столкновении, когда автоматического экстренного торможения (AEB) недостаточно». В Tesla добавили, что система также может взять на себя управление, если поймёт, что водитель отвлёкся или случайно отключил FSD.

Что изменится, если плагин станет не дополнением, а основной единицей архитектуры приложения? На примере Cordis и DeepSeek Harness разберём, как среда композиции управляет зависимостями, эффектами и жизненным циклом компонентов.

Сравним три способа доставки клиентских плагинов: виртуальные модули в общем графе сборки, Module Federation и собственную модульную систему DSH. Сопоставим Cordis с микросервисами и Kubernetes, обсудим его ограничения и роль в разработке, которую ведут независимые команды и AI-агенты. Затронем также метатеорию, лежащую в основе Cordis, и спекулятивную архитектуру, в которой сама композиция приложения становится предметом эксперимента.

Статья будет полезна архитекторам, техлидам и JS/TS-разработчикам, которые проектируют модульные продукты, плагинные платформы или системы с динамически подключаемыми AI-компонентами.

Как часто люди меняют работу в Швеции?

Судя по этому анализу, в среднем примерно раз в пять лет.

Я решил немного подпортить статистику.

За 4.5 года жизни в Швеции у меня получилось пройти через пять позиций, четыре компании, два увольнения, несколько виз,и «немного большое» количество документов для миграционной службы.

TL;DR

— Я приехал в Швецию по рабочей визе один
— Гражданство РФ, запасных гражданств тоже не имеется.
— Почему я так часто менял работу? Иногда верил, что могу лучше. Иногда жизнь сама подсказывала, что я могу лучше (= был уволен).
— Были ли проблемы с визами? Да.
— Всё ли разрешилось? Тоже да.
— Есть ли плюсы у такого пути? Как ни странно, довольно много.

Рекомендую ли повторять? Мне периодически говорят, что я стрессоустойчивый. Остальное решайте сами после истории ниже.