Всем привет!
В этой статье я расскажу, почему у нас действительно получится заменить Wine, и что мы для этого делаем.
Всё, что ниже — из живого пет-проекта: бот начисляет участникам голосовых каналов баллы лояльности (LP), а на эти баллы люди устраивают пари в стиле Twitch Predictions.
Замена разработчика редко сводится к поиску нового человека. Вместе с сотрудником уходят контекст, история решений, доступы и связи внутри команды. Разбираю, как посчитать полную цену ухода, отличить проблему человека от проблемы в организации работы и почему удержание сильного специалиста часто выгоднее срочной замены.
AI-ассистенты и вайбкодинг уже позволяют junior-разработчику за несколько часов получить код, на который раньше потребовались бы дни. Но способность быстро сгенерировать работающую функцию еще не означает, что человек научился проектировать, проверять и сопровождать программные системы.
Если начинающие программисты передают AI написание кода, поиск ошибок и принятие технических решений, возникает неудобный вопрос: откуда через пять лет возьмутся senior-разработчики, способные проверять AI-generated code и отвечать за него в production?
Разговор с Claude Code остаётся на той машине, где начат. Разбираю, почему облачная папка эту задачу не решает, и шесть граблей, на которые я наступил, пока делал перенос сессий, памяти и инструментов между Linux, Windows и macOS.
Компания выбирает не только преимущества решения. Она одновременно выбирает его цену, ограничения и будущие проблемы.
Поэтому хорошее решение – не то, у которого нет недостатков, а то, чьи последствия увидели, обсудили и сознательно приняли те, у кого есть полномочия за них отвечать.
Эксперт должен рекомендовать. Компания – выбирать. А матрица вариантов нужна не для того, чтобы назвать победителя, а чтобы цена этого выбора не обнаружилась уже после старта реализации.
redb.Identity получил WS-Trust фасад: Issue, Validate, Cancel, Renew на тех же маршрутах ядра. Тот же JWT, тот же реестр клиентов, WSDL для генератора.
Когда мы делали gRPC-фасад, тезис был такой: логика redb.Identity живёт в ядре за адресами direct-vm://identity-*, а транспорт это тонкий переводчик поверх них. Второй фасад тезис подтвердил. Но два транспорта, оба современные, оба построенные примерно на одних представлениях о мире, проверяют утверждение мягко. По-настоящему проверяет третий, устроенный принципиально иначе.
Теперь он есть. Рядом с HTTP и gRPC встал WS-Trust: Issue, Validate, Cancel, Renew по SOAP, на те же маршруты ядра, с тем же издателем и тем же хранилищем токенов. Токен, выданный по SOAP, принимается по HTTP и получает там тот же вердикт.
С появлением Flutter GPU у Dart-разработчиков впервые появился прямой доступ к Metal и Vulkan без единой строчки нативного кода. Чтобы понять, готов ли новый API к настоящим 3D-играм, я написал над ним движок на чистом Dart: сцена, PBR-освещение, каскадные и кубические карты теней, HDR-конвейер и три взаимозаменяемых графических бэкенда (Flutter GPU, WebGL2 и программный растеризатор), плюс три законченные игры, играбельные прямо в браузере. В статье разбираем границы Flutter GPU, устройство движка и самые дорогие грабли, собранные по дороге.
DuckDB — популярная база данных, которая примечательна тем, что имеет расширение для PostgreSQL, позволяющее выгружать данные из PostgreSQL в DuckDB. Синтаксис SQL, используемый DuckDB, близок к синтаксису PostgreSQL, что делает DuckDB популярной аналитической базой в дополнение к PostgreSQL. Компания MotherDuck писала о DuckDB как о прекрасном дополнении PostgreSQL. Однако, в конце августа появилась новость о том, что Amazon приобретает создателя DuckDB, компанию Duck Labs. Генеральный директор компании MotherDuck написал статью в корпоративном блоге MotherDuck об этом. Статья интересна для понимания того, как он оценивает перспективы развития DuckDB. При приобретении Greeenplum компанией Broadcom предвестники были, приобретение Duck Labs стало неожиданностью.
Роскомнадзор наделен полномочиями по проведению контрольного (надзорного) мероприятия по контролю без взаимодействия с контролируемым лицом. Это означает, что Роскомнадзор на основании полученных заданий делает выборку нескольких сайтов и осуществляет в отношении них проверку. При этом владельцев сайтов (операторов персональных данных) никак не уведомляет. Если на сайте нет нарушений в области персональных данных, то вы и не узнаете, что сайт проверялся. А если нарушения будут найдены, то получите от Роскомнадзора письмо «требования об исполнении законодательства о персональных данных». В соответствии с законодательством у владельца сайта есть 10 рабочих дней с момента получения требования, чтобы устранить нарушения и уведомить о принятых мерах Роскомнадзор.
Роскомнадзор достаточно лоялен к бизнесу. Выявив нарушения, он не сразу составляет протокол об административном правонарушении, а дает время адаптироваться (10 дней на исправление). Только в том случае, если требования органа не будут выполнены, то бизнес будет привлечен к административной ответственности. Поэтому главное правило – если получили такое письмо от Роскомнадзора, то ни в коем случае не игнорируем.
Далее я покажу и расскажу, как на практике выглядят требования Роскомнадзора. А также по моим рекомендациям сможете сделать аудит своего сайта на проверку соблюдения закона о персональных данных.
_________________________________
Очень важно всегда иметь доступ к официальной электронной почте, которую вы указываете для коммуникации с надзорами органами. Именно туда может прийти вот такое письмо, в котором будут перечислены все нарушения на сайте.
Искусственный интеллект уже умеет за считанные минуты собирать дашборды, которые выглядят вполне профессионально. Проблема в том, что убедительный интерфейс легко маскирует слабую постановку задачи и сомнительные выводы. В этой статье — эксперимент с тремя промптами для Claude Design и разбор того, где заканчиваются возможности модели и начинается работа аналитика.
В феврале у меня уже был материал про серебряные кадры – сотрудников старше 50 лет, которых компании всё активнее начинают рассматривать как один из ответов на демографическую проблему российского рынка труда.
И тогда моя основная мысль была такой: людей в ключевых возрастах становится меньше, при этом сохраняется дефицит кадров и бизнес постепенно начинает активнее работать с сотрудниками 50+. Я тогда писал, что у Магнита росла доля сотрудников 50+, у Ашана к началу 2026 года она достигала 37%, также у Сибура были проекты и у Т2.
Теперь, смотрим что изменилось спустя полгода.
Личная история о том, как двадцатилетняя мечта о математически доказуемом коде неожиданно стала ответом на главный вызов эпохи ИИ-агентов.
Год назад я написал статью «Переводим fb2 книжки, с нейронками, для себя» — про то, как собрал на паре Tesla P40 в гараже программу Sunny Narrator («Солнечный сказочник»), которая переводит художественные книги через локальные и облачные LLM. Тогда это был скорее прототип «доказать себе, что так можно»: черновики читались с головной болью, книга в тысячу страниц переводилась два дня, а электричество, отключённое посреди процесса, стоило ещё двух.
За год программа доехала до версии 2.1, я перевёл достаточно книг, чтобы набить руку, и понял главное: это уже инструмент не только для меня, но и для переводчиков — и для всех любопытных. Рассказываю, что изменилось, сколько это стоит в токенах и почему без человека ничего не работает.
Мне хотелось разобраться с языком C по-человечески: не «сто задач на указатели», а так, чтобы каждая написанная программа была зачем-то нужна. Готового такого курса я не нашёл, и по своей же идее собрал себе сам.
Получилось следующее: 80 серий в десяти сезонах, 74 часа задач, семь сквозных проектов, всё собирается без единой внешней библиотеки и прогоняется в CI на Linux и macOS. Курс бесплатный, лежит на GitHub, и я решил им поделиться — вдруг будет интересно или пригодится ещё кому-то.
Год назад я уже писал о нём здесь, но с тех пор от того курса, не осталось почти ни одного эмодзи, а уроков стало в два-три раза больше.
30 августа в 22:01 МСК один из наших диалоговых воркфлоу упал на ноде Chat Logic. В журнале исполнения 928811 осталось короткое сообщение:
Идея этой статьи пришла мне в голову, когда алгоритмы Ютуба подкинули мне видео со схожим названием, где автор рассказывал о своём 2-летнем пути в геймдев после 40 лет. Меня просто поразило – насколько у нас оказались схожие стартовые точки. Но вот двухлетний итог работы у меня и автора этого видео оказался почти диаметрально разным. Вот об этом, а также подвести итог моих двух лет разработки игры с полного нуля в 42 года я и хочу рассказать в своей новой статье.
Вот видеоверсия данной статья на YouTube, RuTube, VK Видео, т.к. полотно текста получилось довольно большое (отчетная статья, всё же), а многим будет более комфортно не читать, а смотреть.
После того как мой пет-проект случайно «выстрелил» на Reddit, я решил, что пора поделиться так же и своей кроссплатформенной библиотекой на C++20 для мониторинга железа, с нативной поддержкой Python.
Рассказываю историю создания hardware_monitor_cpp: как избавиться от лишних зависимостей, получить адекватную статистику swap-файла под Windows и macOS, упаковать все в удобное C++ API, а заодно получить готовую консольную утилиту с визуализацией графиков прямо в терминале.
Пять раундов дообучения детектора промпт-инъекций, четыре неудачи и только один успешный релиз. Разбираем, как собирать и размечать корпус на реальном корпоративном трафике, почему рост точности может обернуться потерей атак и какие гейты помогают не выкатить регресс в прод. Внутри — реальные метрики, причины откатов и практический процесс релиза модели.
← До этого: Прибытие IBM PC, часть 1
Появление IBM PC стало самым важным событием в истории персональных компьютеров со времён Altair. Его влияние распространялось не сразу, а постепенно, словно медленно накатывающая волна. Первым она захлестнула корпоративный рынок, где имя IBM значило особенно много.
Некоторые компании сумели оседлать эту волну, и она вынесла их на невиданную прежде высоту. Так, Tecmar, производившая платы расширения для научных компьютеров, выросла до 400 сотрудников и достигла выручки в $100 миллионов благодаря тому, что её основатель Мартин Альперт одним из первых сделал ставку на IBM PC.
Других эта волна заставила изменить курс, подчинив силе, которой невозможно было сопротивляться. Eagle Computer, уже состоявшийся производитель компьютеров из Кремниевой долины, быстро понял, куда движется рынок, и одним из первых начал выпускать полностью IBM‑совместимый компьютер, Eagle PC. А некоторые компании, как мы увидим далее, эта волна просто смела.[1]
Проследить её путь до самого конца, когда она окончательно сошла на нет уже в 1990-е годы, означало бы далеко выйти за рамки этой истории. Поэтому здесь мы ограничимся первыми несколькими годами и посмотрим, как примерно до 1983 года IBM PC менял мир персональных компьютеров. Тему IBM‑совместимых клонов мы также намеренно оставим в стороне: их история относится уже к следующей главе.
Самая мощная ИИ модель для текста
Если нужно быстро подготовить доклад, реферат или презентацию к занятию, необязательно начинать работу с чистого листа. Нейросети могут помочь составить структуру, подобрать основные тезисы и подготовить черновой вариант учебного материала.
У Автор24 есть собственные ИИ-сервисы для студентов и школьников. Они позволяют генерировать материалы по заданной теме, а результат можно дополнительно уточнять прямо в процессе работы. На сайте доступны отдельные инструменты для докладов и презентаций.
В этой статье разберём, как пользоваться Автор24 ИИ для учёбы, как сгенерировать доклад или презентацию и что написать в запросе, чтобы получить нормальный результат, а не набор общих фраз.