Обновить

Моя лента

Тип публикации
Порог рейтинга
Уровень сложности
Предупреждение
Войдите или зарегистрируйтесь, чтобы настроить фильтры

Я попал к психиатру из‑за кодинга с AI

Со стороны программирование звучит как медитативное занятие. Сидишь себе за компом целый день, слушаешь музыку, пьешь вкусный кофе. У все меня примерно так и происходит. Сначала я не спеша пытаюсь выстроить в голове то, что требуется сделать. Именно «не спеша». И не потому что я такой опытный и мудрый, а потому что быстро я просто не умею.

У меня не получается сразу продумать все корнер кейсы, которые сильно могут повлиять на архитектуру. Я не могу быстро достать из памяти нужный паттерн, чтобы на лайвкодинге блеснуть своими знаниями. Поэтому сначала я медленно вчитываюсь в описание задачи, общаюсь с ПМом или коллегами, кто больше знает в этой доменной области, чтобы в обсуждении мой мозг начал работать в правильном направлении.

Все это звучит конечно логично, но явно 10x инженером так не стать. Да и будем честны, даже 2x тоже. В IT, где эффективность, это не один из критериев оценки сотрудника, а недостижимая цель, к которой стремятся все. Мой стиль работы — это проблема. Но благодаря появлению AI, эта проблема стала решена.

Я попал к психиатру из‑за кодинга с AI
Статья

Мы поставили сторожа на конвейер публикаций. Первую неделю он сторожил сам себя

Время на прочтение6 мин
Охват и читатели752

У нас несколько фоновых агентов публикуют контент на разных площадках по расписанию — Дзен, VC, TenChat, Хабр. Если основной движок не справился за 20 минут, включается запасной. Чтобы не сидеть в логах руками и не пропускать пустые слоты, поверх этого стоит раннер: он спрашивает у каждой площадки факт публикации, сверяет с базой и, если слот не закрылся, шлёт алерт с просьбой перезапустить вручную.

Читать далее

Новости

Пост

В начале года я опубликовал статью Прививаем машине музыкальный вкус: фильтруем плейлист на основе предпочтений

Результат был хорош, но далеко не идеален - обучение занимало много времени, качество незначительно росло, хотя размеченных данных стало заметно больше. Да и ощущение, что решение должно быть красивее, но я его не вижу в силу отсуствия экспертизы сохранялось

Поэтому спустя полгода после релиза первой версии я дал исходный контекст задачи кодагенту. Без ссылки на код проекта и без подсказок стека и каких бы то ни было подходов к реализации - только цель и ограничения, а именно:

  • использовать только аудиоданные

  • использовать только CPU

  • уверенно меньше 20% ложных не\срабатываний для обеих классификаций - exclude_disliked and include_liked

Над решением успели поработать opus 4.8 (основная архитектура решения), fable 5 (ревью архитектуры; да-да, надо было наоборот, но архитектура была собрана до выхода fable) glm-5.2 (прикладные планы реализации задач) и 5.3 (прикладные планы+доведение пайплайна до рабочего состояния)

По архитектуре железный друг: 

  • предложил тот же подход, что я использовал, но выкинул polars, вместо которого решил использовать duckdb. Когда он понял, что его не получится нормально развернуть на nfs, мы сошлись на хранении фич файлами parquet, а duckdb-базу билдить локально при запуске обучения - уж очень удобно ее использовать

  • отделил пайплайны извлечения фич от обучения. Изменение довольно капитанское, но так реально гораздо быстрее проводить эксперименты и улучшать модель. Появляются четкие артефакты с сырыми фичами, которые можно анализировать сами по себе

  • для процессинга агент сам предложил взять ту же essentia, но вместо навеса моделей на нее - предложил взять panns

  • примитивы обучения взял те же: mean k-NN distance+GMM log-likelihood+IsotonicRegression. Предложил обучать по одной single-class модели на include_liked и exclude_disliked, но делать это за один проход. На метрику какой из моделей смотреть - решаем на уровне подписки

Когда мы собрали решение - ничего не заработало. Качество детекции было едва выше случайного. И вот тут реально LLM оказались суперполезны, т.к. в анализе данных они понимают сильно больше меня и компенсировали пробелы в экспертизе:

  • модель подкинула критерий, который позволяет выделить фичи наиболее различные в датасетах. Не просто PCA, а выбрать те фичи, за счет которых мы различаем liked/disliked. 4k фич сжались до 64х - это значительно повысило точность ML-моделей за счет размерности

  • но даже после этого exclude_disliked продолжала сильно страдать false positive'ами - эксклюдила что нужно и что не нужно. И тут агент предложил балансировать вывод этой модели выводом include_liked классификатора. Т.е. если exclude_liked считает, что трек надо выкинуть, то прежде чем вернуть это решение мы смотрим на include_liked скор этого трека. Если он высокий - трек остается. С таким подходом качество модели стало выше, мой исходный подход показывал когда-либо

В итоге получилось решение, которое работает проще и быстрее, при этом качество его выше, чем было у меня в первой итерации. Время извлечения фич на датасете из 2k треков сократилось с нескольких дней до нескольких часов, а модель стала весить на порядки меньше

Единственной сохранившейся проблемой остается довольно высокое потребление памяти при процессинге - каждый воркер, извлекающий фичи из аудио, потребляет 1.5-2ГБ. Но размен памяти на процессинг на CPU - вполне приемлем при локальном использовании

Теги:
0
Комментарии0
Статья

Как объясняется поведение человека в любых ситуациях или уникальное исследование расследования авиакатастроф

Уровень сложностиПростой
Время на прочтение21 мин
Охват и читатели717

Необычная статья о том, как с научной и эзотерической точек зрения, без противоречий можно объяснить поведение человека.

Эти знания позволяет по‑новому взглянуть на работу человеческого мышления и объяснят поведение человека в любых!! жизненных ситуациях.

Из статьи читатель узнает о научном исследовании, а также найдёт подтверждение модели в реальных случаях авиационных катастроф и в обычной жизни. Представленная концепция позволяет лучше понять собственные поступки и действия окружающих людей.

На основе анализа большого экспертного материала, полученного в ходе расследования авиационных происшествий, разработана принципиально новая концепция психической деятельности человека и сформулированы законы психической деятельности, нашедшие широкое применение в практике расследования авиакатастроф.

Основа работы — анализ поведения лëтных экипажей в особых ситуациях полёта. Тот материал, который был исследован — уникален. Его нельзя получить ни в одном эксперименте. Это реальная жизненная ситуация, в которой человек действует на грани смертельной опасности.

До недавнего времени, до того времени, пока не обратились к новой концепции, не стали её использовать, в практике в большинстве случаев не удавалось объяснить поведение пилотов с позиции классической психологии.

Даже с позиции здравого смысла, они себя ведут крайне противоречиво. Так, например, часто наблюдали, что один и тот же человек — пилот, командир корабля — ведёт себя как два или три совершенно разных человека, управляющие самолётом. Один сразу сменяет другого. Очень странно, как будто совершенно разные люди.

Читать далее
Новость

Anthropic раскрыла сеть из дейтинговых приложений с ИИ‑персонажами, работающими на Claude

Время на прочтение3 мин
Охват и читатели688

Anthropic раскрыла детали масштабной мошеннической сети (проект получил кодовое имя GTG-15001) из дейтинг‑приложений, построенной на базе нескольких ИИ-систем. Студия из Китая развернула более 20 мобильных приложений для знакомств, где 75% всех «мэтчей» создавались не людьми, а ИИ‑персонажами, работающими на базе Claude.

Читать далее
Статья

Код как борьба. Кратчайшая история IT. 4. Кен Томпсон и Деннис Ритчи

Уровень сложностиПростой
Время на прочтение8 мин
Охват и читатели1.3K

Через несколько дней после смерти Стива Джобса, о которой говорил весь мир, тихо умер человек, чей код лежит в основе большей части устройств, на которых этот самый мир об этом читал.

Это пятая статья цикла “Код как борьба: Кратчайшая история IT”. И сегодня у нас сдвоенная история - два человека настолько тесно переплетены в одной истории, что разделять их было бы просто нечестно по отношению к тому, что они сделали вместе.

Погнали
Статья

Agent-Ops 0.4.0: ИИ предлагает, человек решает, программа исполняет

Уровень сложностиСредний
Время на прочтение9 мин
Охват и читатели1.2K

Привет! Я Сергей Житинский, основатель Git in Sky. Мы занимаемся эксплуатацией и технической поддержкой ИТ-инфраструктуры. Agent-Ops — проект открытой отраслевой методологии совместной работы инженеров и ИИ-агентов. Мы начали разрабатывать его весной этого года и сейчас выложили первый кандидат версии 0.4.0 на GitHub и GitVerse. Одновременно, на конференции IT Elements 2026 мы договорились о совместной работе с инженерами из 2х других компаний, они стали у нас maintainers. Поэтому сегодня Agent-Ops - это не инициатива только одной компании, а совместной работа нескольких. Надеюсь, количество единомышленников будет увеличиваться. Приглашаем контрибуторов развивать этот проект вместе с нами.

Я ожидаю масштабных изменений в ИТ-отрасли, поэтому решил лично заняться этой работой внутри Git in Sky, а наши подходы и предложения вынести на обсуждение профессионального сообщества. Меняется сама организация работы: кто исследует проблему, на каком основании предлагает решение, кто разрешает изменение и кто отвечает, если оно привело к аварии.

Ниже расскажу, как мы предлагаем устроить этот процесс и что вошло в редакцию 0.4.0. Её текущий статус — публичный нормативный кандидат: проект правил для обсуждения и дальнейшего развития.

Я ожидаю масштабных изменений в ИТ-отрасли, поэтому решил лично заняться этой работой внутри Git in Sky, а наши подходы и предложения вынести на обсуждение профессионального сообщества. Меняется сама организация работы: кто исследует проблему, на каком основании предлагает решение, кто разрешает изменение и кто отвечает, если оно привело к аварии.

Ниже расскажу, как мы предлагаем устроить этот процесс и что вошло в редакцию 0.4.0. Её текущий статус — публичный нормативный кандидат: проект правил для обсуждения и дальнейшего развития.

Читать далее
Новость

В Москве появился памятник кнопке «Пауза», пропавшей с ноутбуков

Время на прочтение2 мин
Охват и читатели1.6K

Ко Дню программиста наша ИТ-команда 2ГИС в коллаборации с уличным художником Иваном Серым и Музеем криптографии установили в Москве интерактивный арт-объект в виде клавиши Pause/Break. Найти объект можно на территории музея с 11 сентября.

Этот проект мы посвятили вкладу в реальный мир всех причастных к IT. Разработчики пишут код в цифровой среде, но результат вашей работы проявляется физически: в технологиях и сервисах, которые работают каждый день. Поэтому и объект — физический. А сама клавиша Pause/Break — единственная, которая буквально предлагает остановиться: нажать на кнопку — значит на минуту выйти из рабочего контекста и переключиться. Это и есть поздравление с наступающим профессиональным праздником!

Читать далее
Пост

Летний ТехФест 2026: главные итоги

Мы объехали офисы партнёров, встретились с коллегами и обсудили самое актуальное: AI в разработке, продуктовые циклы, управление изменениями и не только. На практических сессиях разбирали реальные кейсы, а на дискуссиях искали ответы на сложные вопросы.

Собрали цифры нашего фестиваля, чтобы показать масштаб:

  • 5 площадок

  • 5 компаний организаторов

  • Более 600 участников

  • 10 докладов от экспертов отрасли

  • 3 активности — мастермайнд, круглый стол и практикум с живыми кейсами

  • 12 экспертов и спикеров

  • 5 кейсов решено на практикуме по инженерной оптимизации.

Отдельное спасибо организаторам — вы сделали эту неделю незабываемой. Увидимся в следующем году!

Финальный день: как это было.

Ещё больше о мероприятиях — в нашем TG-канале.

Теги:
0
Комментарии0
Статья

AI меняет центр тяжести разработки

Уровень сложностиПростой
Время на прочтение3 мин
Охват и читатели2.1K

В эпоху AI код становится дешевле, а качественное инженерное решение — ценнее.

Поэтому важнее не просто уметь быстро писать код, а уметь спроектировать систему так, чтобы человек и агент одинаково понимали: что нужно изменить, зачем, где проходят границы и каким должен быть результат.

Viaduct помогает превратить архитектурное проектирование в структурированный, проверяемый и доступный AI-агентам контекст — от модели системы до Change Set, по которому можно безопасно реализовать изменение.

Читать далее
Статья

Медиапланирование: как руководителю маркетинга быть уверенным в том, что согласовываешь

Время на прочтение8 мин
Охват и читатели1.8K

Медиаплан обычно собирает внутренняя команда или подрядчик, а отвечает за него руководитель маркетинга. И тут есть риск: на согласование приходит красивая таблица с площадками, бюджетами, показами, кликами и конверсиями, а в результате прогноз может не совпасть с результатом.

Например, охват и частота по средним значениям площадки, CTR и конверсии на основе прошлых размещений. Поэтому задача маркетолога — разобраться, откуда взялась каждая цифра, насколько ей можно доверять и что команда будет делать, если план не совпадает с реальностью. Иначе план может сильно разойтись с фактом, и тогда отвечать за потраченный бюджет придётся маркетологу.

В статье вместе с Ксенией Гавриленко, Performance marketing Lead Яндекс Рекламы и приглашённым преподавателем ВШЭ, рассказали, какие показатели в медиаплане стоит поставить под сомнение, что проверить до запуска и какие вопросы задать команде, чтобы результат приятно удивлял.

Читать далее
Статья

Физика — это красиво: что общего у цветов, бабочек и квантовой модели атома

Время на прочтение7 мин
Охват и читатели1.8K

Почему изображения атомных орбиталей напоминают цветы, бабочек и причудливые узоры — и что на самом деле стоит за этой красотой? Разбираемся, почему привычная планетарная модель атома не описывает современное представление об электроне, как волновая функция и уравнение Шрёдингера привели к понятию атомной орбитали и откуда берутся её характерные формы.

Читать далее
Новость

Unity выпустила официальный плагин для Claude Code, Codex и Grok

Время на прочтение1 мин
Охват и читатели1.9K

Unity выпустила официальный плагин для сторонних AI‑агентов, с помощью которого Codex. Claude и Grok могут работать с проектами на Unity. Плагин работает с Unity 6 и подключается непосредственно к AI‑агенту.

Читать далее
Новость

Кашель, вакуум, два ствола — Роджер Кларк рассказал об озвучке Артура Моргана

Время на прочтение1 мин
Охват и читатели1.6K

В документальном мини-фильме актер озвучки рассказал о своей работе над озвучкой главного героя Red Dead Redemption 2 Артура Моргана.

Читать полную новость

Ближайшие события

Статья

Что значит развернуть LLM локально: два дня с vLLM, DGX Spark и настоящими ограничениями

Уровень сложностиСложный
Время на прочтение11 мин
Охват и читатели2K

Когда меня однажды спросили, что такое инференс и как выглядит локальное развёртывание модели, я ответил правильно, но слишком общо. Через несколько дней пришлось пройти этот путь целиком: поднять две LLM на NVIDIA DGX Spark, отдельную ASR-модель на AMD GPU и подключить всё к мультиагентной платформе. В статье — инженерный разбор того, почему файлы модели ещё не сервис, как длинный контекст конкурирует с KV-кэшем и параллелизмом, почему tokens/sec не описывают пользовательскую задержку и зачем иногда откатывать более быструю модель из-за качества.

Читать далее
Статья

Спиральный фрактал разработки ПО

Уровень сложностиСредний
Время на прочтение9 мин
Охват и читатели2.1K

В гибких методологиях вроде Scrum и инженерных практиках DevOps / DevSecOps часто используют итеративно-инкрементальную модель SDLC в сочетании с непрерывным тестированием. Применяется концепция вложенных Agile циклов — это архитектурный паттерн, описывающий разработку как систему из множества взаимосвязанных петель обратной связи (feedback loops), которые вложены друг в друга.  Для упорядочения разработки и удобства используют CI/CD конвейеры (pipelines). Для автоматизации рутины всё больше используют ИИ-агентов, работающих в Agile петлях разных уровней. Попробуем описать модель жизненного цикла ПО, включающую эти прогрессивные практики.

Читать статью
Статья

Шаблон игры «Автомойка» на Unity: Полное руководство по созданию детской игры по мытью автомобилей

Уровень сложностиПростой
Время на прочтение7 мин
Охват и читатели1.8K

Игры-симуляторы, построенные на простых, повторяющихся и визуально привлекательных задачах, стали одним из самых надежных жанров в мобильных играх. Среди них особое место занимают симуляторы автомойки и ухода за автомобилем. Они красочные, не требуют больших усилий и приносят бесконечное удовлетворение — именно поэтому они так популярны среди юных игроков. Если вы разработчик Unity, изучающий эту нишу, шаблон игры Car Wash Salon Unity Game Template стоит изучить подробно, как в качестве готового продукта, так и в качестве примера того, как создаются игры-симуляторы, ориентированные на детей.

Читать далее
Статья

Как мы засунули геометрию квартиры в обычный PNG

Время на прочтение22 мин
Охват и читатели2.3K

Туры Getfloorplan рендерятся в Unreal Engine с трассировкой пути, и в браузер уходит готовая панорама — по сути скриншот из игры. Грузится быстро и выглядит как фотография, но геометрии у картинки нет: курсору не во что попасть. А линейку в проптехе рано или поздно просят все — измерить комнату, проверить, пройдёт ли шкаф в проём.

В статье — как мы получили и картинку, и линейку. Рядом с панорамой рендерим карту глубины, по экранным координатам курсора восстанавливаем точку в мире и нормаль к поверхности. Расстояния упаковываем в обычный PNG: EXR, в котором карта рождается, браузер нативно не читает. Разбираем, чем за это платим: точностью, размером файла и парой грабель с CORS и цветовыми профилями.

Читать далее
Статья

Как мы разрешили чтение с реплик PostgreSQL — и почему шесть лет говорили «нет»

Уровень сложностиПростой
Время на прочтение11 мин
Охват и читатели2.2K

Меня зовут Кирилл Манин, я почти шесть лет работаю в команде SQL DBA и занимаюсь развитием платформы баз данных Авито.

Почти всё это время к нам регулярно обращались разработчики микросервисов: «Можно нам читать с реплик?» и «Как подключиться к реплике для чтения?». Мы всегда отвечали одинаково: платформа не поддерживает чтение с реплик, и добавлять такую возможность мы пока не планируем.

Недавно мы пересмотрели это решение. Чтобы понять, почему на это ушло столько времени, сначала нужно разобраться, какую роль реплики играли в нашей платформе и какие гарантии меняются, когда на них появляется пользовательская нагрузка.

Читать далее
Пост

История про косяки и разработку агентов для контента, написанная во время перелёта в Москву без доступа к ИИ

То, о чём я сейчас буду рассказывать, наверняка очень хорошо известно любому разработчику. И даже может вызвать у них улыбку. Итак, первую половину года я постоянно писал агенты для контента. Проектировал, вайбкодил, дописывал руками, что не нравилось, снова вайбкодил. Постоянно хотелось что-то улучшить, ускорить, оптимизировать, а затем опять усложнить. На каком то этапе там появился пайтон, экшены в гитхабе, синхронизация с другими репозиториями. И в какой-то момент для меня самого стало казаться, что этот процесс бесконечный.

Почему я вспомнил разработку в начале. Довольно часто знакомые программисты рассказывали, что долго не решались показать какой-то новый продукт, потому что опасались критики и провала. Процесс доработки становился бесконечным, а пока они стремились к идеалу, конкуренты выпускали сырую версию и уже начинали на ней зарабатывать.

Я свой mvp, конечно, раскатал на коллег практически в первые месяцы, но ситуация похожая. От той первой версии, которую забрали коллеги, до следующей анонсированной прошло три-четыре месяца. По своей внутренней нумерации я скакнул от v.1 до 4.55. Это приблизительно, в самолёте не посмотришь ченжлог, да и смысла в этом нет. То есть после первой раскатки я просто ушёл в лютые доработки и не смотрел по сторонам.

К чему это привело лично для меня:

Сложность и монструозность системы. Для всех кроме меня

Я то знаю, почему и зачем все эти проверки и экшены. И даже документацию написал, но кто её читает. Система, которую нельзя объяснить за десять минут, принадлежит одному человеку, даже если лежит в общем репозитории.

Я оптимизировал то, что видел сам

Да, видел много, но только по своим направлениям. Четыре месяца я честно доводил систему до идеала на выборке, которую сам же и составил. В ML для этого есть точное определение: переучился на тестовом наборе. Загуглите сами, что это.

Коллеги остались с v.1

Вот, кстати, это больнее всего. Пока я разгонялся, у них работала первая версия и они к ней приспособились. Придумали обходные пути, завели свои агенты и скиллы, привыкли к её странностям. Моя новая версия для них стала не улучшение, а ломкой того, что уже как-то жило. Чем дольше пауза, тем дороже обходится каждое обновление.

Точка остановки не наступила сама.

Я почему-то ждал, что в какой-то момент станет «готово» и я сам это почувствую. Не чувствуется. Список идей не заканчивается никогда, каждая следующая выглядит как последняя недостающая. Остановиться можно только решением, а не ощущением.

Следующие пару месяцев я не трогал ничего. Просто работал с системой как обычный пользователь, слушал коллег и смотрел по сторонам.

Первое, что выяснилось: половина того, что я написал, используется только мной. Не потому что плохо сделано, потому что не нужно. Я решал задачи, которые люди предпочитают решать другими способами. А то, что реально болит, казалось мне скучным, и я это четыре месяца обходил стороной. Теперь нагоняю.

Второе: пока не трогаешь, наконец видишь, что ломается. Когда каждую неделю выкатываешь новую версию, любой сбой списывается на свежие правки. Когда система стоит неподвижно, становится ясно, что она разваливается стабильно и в одном и том же месте.

Третье, и самое неприятное. За эти два месяца вышло столько всего нового, что какие-то мои проверки и промпты просто перестали иметь смысл. Я месяцами обходил ограничения, которое теперь снято на уровне инструмента. Смотреть по сторонам тоже работа, и я её не делал, потому что был занят.

Так что пауза оказалась не простоем. Она оказалась единственным способом узнать, что строить дальше. Разработка ослепляет: пока пишешь, видишь только следующий шаг.

Теперь стараюсь держать ритм: месяц строю, месяц живу с тем, что построил. Второй месяц даёт больше, чем первый, хотя это до сих пор кажется мне контринтуитивным.

P.S.: А ещё в канале выложил два скилла в опенсорс для поиска ИИ-паттернов в тексте и оптимизации текстов под ИИ-выдачу. Забирайте.

Теги:
0
Комментарии0
Статья

МФО выдали заем мошеннику: кто должен отвечать за последствия

Уровень сложностиПростой
Время на прочтение6 мин
Охват и читатели2.7K

Недавно россиянка стала жертвой мошенничества: на ее имя оформили около 60 микрозаймов на сумму более 2,5 млн рублей. Для этого злоумышленникам оказалось достаточно фотографии ее паспорта. Девушка больше года сталкивается со звонками и угрозами коллекторов, а более двадцати МФО продолжают пытаться взыскать с нее деньги. 

Инцидент чрезвычайно показателен: он еще раз напоминает, насколько серьезной остается угроза мошенничества и как дорого она может обойтись обычному человеку. Масштаб риска растет вместе с числом утечек: по отраслевым данным, за 2025 год и первую половину 2026 года в открытый доступ попали 326 баз данных клиентов российских компаний, содержащих около 1,175 млрд строк с информацией о пользователях. Это вдвое больше совокупного числа публичных утечек в Латинской Америке, на Ближнем Востоке, в Африке, Азиатско-Тихоокеанском регионе и других странах СНГ. В таких условиях исходить из того, что паспортные и другие персональные данные остаются известны только их владельцу, уже нельзя: оказавшись в открытом доступе, они с высокой вероятностью могут стать инструментом мошенников. Поэтому вопрос зачастую заключается в том, насколько быстро злоумышленники попытаются оформить с их помощью кредит или заем.

В этом контексте следует задать другой, не менее важный вопрос: кто должен нести ответственность за последствия такого мошенничества?  Разберемся,  какую роль в предотвращении подобных схем играют банки и МФО и почему надежная проверка личности заемщика должна быть обязательной частью процесса выдачи кредита.

Читать далее
1
23 ...