Моя лента

22-й выпуск IT-новостей от OpenIDE!

Линус Торвальдс заставил ИИ искать баг в Linux, хотя тот несколько раз предлагал сдаться. OpenAI заявила о решении задачи тысячелетия, а математики объяснили, почему правильного ответа им недостаточно.

В OpenIDE вышел большой релиз и появилась поддержка C/C++ от независимого разработчика. Ещё в выпуске: Jev для быстрых решений, призыв Дарио Амодеи притормозить развитие ИИ, свежый Opus 5.5 и ZCode, который без спроса упаковывал репозитории для отправки в облако.

Обычно между выпусками проходит неделя, в этот раз накопился целый месяц. Было из чего выбирать.

Ученики подарили мне ESP32. В коробке было всё, что обычно: датчик температуры, реле, горсть светодиодов, круглый дисплей и провода, которых, как выяснится позже, всегда не хватает ровно на один.

Нормальный человек собирает из этого термостат за вечер. Я собрал термостат, посмотрел на него и подумал: а неприятно же будет каждый раз лезть с кабелем, если я захочу поменять порог с 22 на 23 градуса.

Дальше мысль поехала не туда, и в итоге на плате оказался интерпретатор eBPF со своим верификатором байткода. Логика управления теперь заливается по Wi-Fi обычной программой на C, скомпилированной clang -target bpf. А потом я взял десять маленьких программ и прогнал каждую через свой верификатор и через верификатор ядра Linux, чтобы посмотреть, кто из нас двоих что думает.

Сошлись шесть из десяти. Про оставшиеся четыре и написана статья — они оказались интереснее, чем сам проект.

Google опробует в Discover новый способ наполнения ленты. Функция под названием «Dive deeper» (“Погрузитесь глубже”) предложит краткий обзор темы, сгенерированный искусственным интеллектом. 

За последние несколько лет обвязка вокруг LLM-модели выросла из чатика и файла с правилами в редакторе до самостоятельного технологического слоя — харнеса — со своими протоколами, стандартами и фундаментом, а привязка клиента у вендоров сместилась с уровня конкретной LLM-модели на уровень этого харнеса.

Определения:

1. Модель — LLM, нейросеть, генерирующая текст по запросу. Сама по себе stateless (не помнит предыдущие вызовы), не имеет доступа к внешнему миру и не способна к действию — только к порождению следующего токена или в итоге вероятного набора фраз по входному контексту.

2. Харнес — программно-инфраструктурная обвязка вокруг модели, превращающая её из генератора текста в систему, которая может производить "осмысленные" действия. Харнес обеспечивает модель функционалом: инструменты (доступ к внешнему миру), контекст-менеджмент (память, сессии, компактизация), правила/инструкции (поведение), разрешения и права (безопасность), опционально усиление — хуки, скилы, оркестрацию. Харнес — «тело», модель — «семантический мозг».

3. ИИ Агент — это модель, помещённая в харнес и потому способная действовать, то есть воспринимать состояние среды через инструменты, сохранять контекст между шагами, планировать и выполнять многошаговые задачи. Агент не компонент, а результат сочетания модели и харнеса.

Далее — как примерно происходило развитие идей и наполнение харнеса и к чему пришло.

Я всегда хотел иметь свою систему: свои приложения, в которых можно изменить что угодно, а не что-то чужое, что завтра могут поменять. Так появился Zeqou — три десктопных приложения для работы с языковыми моделями: чат ZeqouXChat на Tauri 2 и React 19, рабочее пространство для агентов Zeqou Harness со списком задач и памятью и студия дообучения моделей ZeqouXTraining с LoRA, QLoRA и режимом Thinking. Рассказываю, как всё устроено, с какими проблемами столкнулся (спойлер: установщики) и почему выбрал закрытую лицензию.

Полгода назад я в одиночку начал делать Nookly — локальное приложение для заметок на Flutter: страницы, блочный редактор, таблицы с канбан-видом, полнотекстовый поиск. Ключевое требование с самого начала: всё работает офлайн, данные не покидают устройство. В этом посте — не про сам продукт, а про два инженерных решения, которые могут быть полезны: как спроектировать схему БД так, чтобы синхронизация потом не потребовала переписывания половины кода, и как собрать лендинг вообще без шага сборки.

С 18 по 20 сентября в Сколково прошла Всероссийская выставка-фестиваль видеоигр «ИГРОПРОМ». Кружковое движение НТИ представило там свои разработки, а ключевыми событиями стали первый публичный анонс игры «Миссия Луна» и дискуссия «Космос начинается с игры».

Главный китайский регулятор интернет‑пространства — Управление по вопросам киберпространства КНР — проводит проверку компаний DeepSeek и Moonshot AI. Их обвиняют в том, что они перенаправляют запросы пользователей и данные в модель Claude от компании Anthropic.

Каждый разработчик в России рано или поздно проходит через то, что к нему приходит менеджер и говорит, что нужно что-то как-то подписывать через КриптоПро. Разработчик начинает искать информацию в интернете и получает в выдаче кучу терминов вроде СКЗИ, ГОСТ Р 34.10, Стрибог, Кузнечик, PKCS#7, PKCS#11, CAdES-BES, X.509, отсоединенная подпись и др. Попытки во всём этом разобраться приводят его либо на строгие академические статьи с тоннами высшей математики, либо на форумы КриптоПро, где суровые системные администраторы общаются на своём эльфийском.

Дальше будет попытка разобраться во всём этом на человеческом языке.

Ребёнок ошибся — взрослый тут же исправил. Что-то не получилось — сделал за него, сравнил с другими и объяснил, как должно быть. Всё это обычно происходит из желания помочь: мы торопимся, переживаем и хотим уберечь ребёнка от неудачи. Но в итоге мешаем ему учиться самому.

Ошибки — важная часть обучения. Ребёнок пробует, видит, что не сработало, ищет другой способ и постепенно учится справляться сам. Если каждый раз вмешиваться, этот процесс не запускается.

В статье разберёмся, как ребёнок учится на ошибках, какие реакции взрослых этому мешают и как выбирать занятия, где детям не страшно ошибаться и пробовать самим разбираться с трудностями.

В Discord начали постепенно запускать обновлённую систему проверки возраста. В течение недели она будет автоматически распределять пользователей по возрастным группам. 

Релиз Marvel's Wolverine, на который возлагали большие надежды, спровоцировал настоящую бурю в геймерском комьюнити. Традиционно, народ разделился на 2 лагеря. Первые назвали игру драйвовым и развлекательным приключением по всем лекалам дорогих «киношных» блокбастеров от Sony. А вторые жестко критикуют игру за чрезмерное оказуаливание геймплея, технические проблемы и банальную скуку. Как недавно выяснилось, создатель франшиз God of War и Twisted Metal Дэвид Яффе четко встал на сторону второго лагеря.

Журналы событий Windows в формате EVTX являются одним из ключевых источников телеметрии при реагировании на инциденты. Они содержат свидетельства действий злоумышленника на хосте и нередко оказываются единственным подтверждением произошедшего. Например, при компрометации учетной записи, горизонтальном перемещении или закреплении.

Поэтому атакующие часто стремятся уничтожить их: очищают через wevtutil cl, шифруют или вайпят диски. Современные вымогатели все чаще шифруют целые образы виртуальных машин (VDI, VMDK, VHDX). В таких случаях файловая система тома может быть полностью недоступна или повреждена настолько, что штатные средства не могут ее смонтировать: например, если разрушена MFT или потеряна таблица разделов.

В подобной ситуации можно попытаться реконструировать файловую систему вручную: выполнить поиск потерянных разделов и восстановить удаленные файлы. Однако часть записей событий при этом может быть потеряна, и сам EVTX-файл нередко оказывается сильно поврежденным, а на такую работу уходит много времени. Здесь и вступает в дело карвинг — побайтовый поиск сигнатур формата EVTX непосредственно в сыром образе (диска, тома, дампа памяти, файла подкачки, снимка VSS) с восстановлением того, что физически сохранилось, в обход файловой системы.

Мы, команда реагирования на киберинциденты (PT ESC IR), уделяем приоритетное внимание автоматизации разбора артефактов для последующего обнаружения вредоносной активности — это ускоряет восстановление картины инцидента. Наш пайплайн преимущественно реализован на Go. Среди открытых решений нет качественной библиотеки, которая сочетала бы парсинг EVTX-файлов и карвинг в одном инструменте. Существующие парсеры либо регулярно падают, либо потребляют слишком много памяти. Это препятствует автоматизации, поэтому мы разработали собственную библиотеку. Она позволяет разбирать готовые EVTX-файлы, восстанавливая данные даже при несовпадении контрольных сумм или повреждении файла, а также выполнять карвинг событий из побитовых копий, дампов оперативной памяти и образов виртуальных дисков.

Однако, чтобы понимать, что вообще поддается восстановлению с помощью карвинга и почему одни подходы дают полную структуру записи, а другие — лишь отдельные значения полей, необходимо сначала разобраться во внутреннем устройстве EVTX-файлов.

Ничего не предвещало, но вот я вновь сажусь за клавиатуру. После цикла апокалиптических прогнозов я неосторожно дал волю природному оптимизму и написал статью «Другая сторона медали». Там я нашёл посреди общей катастрофы локальный позитив: нейросети проверяют архитектуру лучше многих «квази-сеньоров», значит, некомпетентность руководителей станет видна, и рано или поздно начнётся очищение.

Но, как оказалось, история В и Л не закончилась. И вот у меня для вас новая байка.

Как телеграм бот для парсинга постов превратился в ИС для новостной редакции, пережил Google Sheets, SQLite и рождение собственного сайта. История о том, как костыли становились архитектурой.

НАСА планирует в наилучшем случае запустить миссию «Артемида-3» летом 2027 года и сохранить до двух возможностей высадки на Луну в 2028 году, рассказал администратор американского космического агентства Джаред Айзекман. Он не исключил, что в 2028 году ведомство запустит «Артемиду-3», а только затем «Артемиду-4», если это предоставит лучшие шансы на успех. Айзекман признался, что НАСА отстаёт от графика «Артемиды-3» примерно на 90 дней. Агентству предстоит решить множество проблем и найти возможности для восстановления графика.

Третья статья из цикла ретроспектив об использовании в нашем проекте разных облачных технологий о том как планировали переходить с docker-compose на Docker Swarm написано в первой статье, о том как перешли на Swarm во второй, а в этой статье хочу поделиться опытом и впечатлениями после переноса нашего сервиса на Kubernetes. Сразу скажу, что этот перенос оказался непростым, так как, всё таки, в этих технологиях существенно отличается дизайн управления, а во вторых при переносе открывались новые возможности которые хотелось использовать сразу.

Для сравнения, полный переход с docker-compose на Swarm занял не больше месяца, а при переносе инфраструктуры на k8s прошло уже больше половины года, но ещё нельзя сказать что всё перенесено на все сто процентов.

Эта статья будет особенно полезна тем кто только присматривается к Kubernetes, однако и тот кто работает с ним какое-то время точно найдет здесь что-то новое, потому что в нашем кейсе мы используем Kubernetes не только для запуска своих сервисов, но и как платформу, на которой работает система, которая позволяет клиентам запускать свои сервисы на наших серверах, соответственно, при таком использовании, требуется более глубокое погружение в технологию. Да и тот кто давно работает с Kubernetes скорей всего тоже найдет для себя полезные мысли.

У iPhone 18 Pro Max появилась довольно странная функция, которую большинство владельцев, скорее всего, никогда не запустят: в iOS 27 имеется режим Prepare to Ship — «Подготовить к отправке». Он разряжает аккумулятор и временно ограничивает его, чтобы телефон можно было отправить почтой или курьерской службой.

Казалось бы, мелочь, которая, как и примерно 90% других настроек, нам с вами не пригодится, скорее всего, никогда. Но тут начинаются те самые «подробности мелким шрифтом», из‑за которых история стала заметнее обычной новой галочки в настройках:

Apple впервые перешагнула важный для логистики порог: батарея iPhone 18 Pro Max имеет ёмкость больше 20 Вт·ч.

А 20 Вт·ч — это не только круглая цифра из презентации Apple, но и граница в правилах перевозки литиевых аккумуляторов.

Практический разбор решения на примере реального корпоративного FAQ-бота

Начальник смены на складе открывает корпоративного ИИ-ассистента и пишет в чате: «Что делать, если водитель не успел с доставкой?» Через несколько секунд появляется ответ — чёткий, правильный, со ссылкой на источник: регламент логистических операций. Его можно скачать.

Теперь представим, что тот же сотрудник задаёт другой вопрос: «Сколько мы платим перевозчикам за километр?» Ввести такой вопрос ему ничто не мешает. Важно лишь то, что произойдёт дальше. Если файл с тарифной сетке лежит в той же базе данных, что и регламент, ассистент ответит вежливо, точно и приложит ссылку на скачивание.

В этом-то и проблема. Семантический поиск мы решили и добились хороших ответов. Но следующая сложная задача — сделать так, чтобы ассистент отвечал только на основе того, что конкретному человеку разрешено знать.

После прошлой статьи про Huge Pages мы получили несколько вопросов, в которых особо пытливые читатели возмущались отсутствием в статье реальных замеров «С HP» и «Без HP» и сравнением результатов. Материалов по этой теме в интернете крайне мало, а подобных замеров и подавно. Те же, что есть, все какие-то синтетические (в основном переводы зарубежных источников), оторванные от реальности, от работы информационных систем и, тем более, от 1С систем. Поэтому мы, как дотошные исследователи, решили закрыть этот гештальт и проверить всё самим.