Когда я впервые начала использовать AI в работе, сценарий был довольно стандартным: открыть чат, вставить текст, сформулировать запрос, получить ответ — это удобно, но возможности довольно быстро упираются в потолок. Модель не знает контекст ваших проектов, не видит документацию и код, не понимает принятые в команде правила и каждый раз требует заново объяснять, что именно вы от нее хотите.

Следующим моим шагом стало собрать вокруг модели рабочую среду. В моем случае такой средой стал OpenCode. Хотя этот агент в первую очередь ассоциируется с разработкой, его можно использовать гораздо шире. По сути, это оболочка, в которой LLM получает доступ к файлам, инструкциям, локальным инструментам, API и MCP-серверам, а затем использует все это для решения задач конкретного пользователя.

Привет, Хабр! Я Арина, аналитик в Selectel. В этой статье я покажу не столько «как установить OpenCode», сколько как организовать вокруг него рабочее пространство, чтобы агент выдавал более стабильный результат и действительно снимал часть рутинной работы.

Привет, Хабр! На связи Алёна, аналитик по информационной безопасности в Selectel. В последние пять лет вышло множество нормативно‑правовых актов от ФСТЭК России, которые кардинально изменили как подход к защите государственных информационных систем (далее — ГИС), так и порядок их аттестации и последующей эксплуатации. 

Так как все эти регламенты выходили последовательно, и на данный момент уже началась корректировка ранее изданных положений пришло время поделиться нашим видением процесса аттестации системы по всем новым требованиям к ГИС.  

Мы уже прошли этот путь и готовы к размещению у нас клиентских ИС, к которым предъявляются требования по соответствию приказу ФСТЭК России № 117. 

Посмотрим, что изменилось в этой сфере и что необходимо учесть при организации работ. Рассмотрим основные этапы аттестации и их особенности, подчеркнем на что стоит обратить внимание.

Вы когда-нибудь задавались вопросом, почему устройство, которое три недели безупречно работало на этапе проектирования, порой умирает в первую же смену на производстве. Знакомый инженер рассказывал такую историю с интонацией человека, который увидел чудо. Микроконтроллерная плата отработала в тестах без единого сбоя, но стоило поставить ее в щиток и запустить линию, как контроллер сгорел через пять минут после пуска сварочного полуавтомата. Почему так произошло? Можно было бы подумать, что дело в плате, но нет.

Сейчас я расскажу, что происходит с вычислительной техникой на производстве, и что нужно знать, чтобы промышленный контроллер пережил его, а не сгорел в первую же смену. Мы разберем, почему между одним и тем же устройством, работающим дома и на заводе, бушует реальная электромагнитная буря, и кто чаще всего саботирует производства, вызывая крупномасштабные аварии и трагедии.

Привет, Хабр! Ну что, возобновляется серия постов про барахолки. Жутко жаркое лето в Испании подошло к концу, так что можно ходить по улице, не боясь сгореть на месте. Ну и первым делом в прошлое воскресенье я поехал на барахолку, чтобы посмотреть, что там интересного предлагают. Результаты поездки выкладываю здесь, на Хабре. К слову, возвращается и рубрика «что это за штука», поскольку несколько артефактов мне идентифицировать не удалось. Так что рассчитываю на вашу помощь в комментариях.

У нас есть курьер, у него есть 20 адресов и склад. Задача — объехать всех и вернуться, потратив как можно меньше времени. Количество вариантов объезда будет немногим больше 60 квадриллионов (а если точнее, то 60 822 550 204 416 000). Для сравнения: столько секунд прошло бы за два миллиарда лет. И это так называемая задача коммивояжера. Дальше расскажу про то, как ее пытались решать живыми бактериями, почему это красиво, и на каком месте все рухнуло. 

Когда в день вам присылают 400 резюме на одну вакансию, «посмотреть всех» физически не получится. Зато это выглядит прямо как задача под автоматизацию!

Итак, у меня есть вакансия и огромная пачка PDF-файлов с резюме. Надо понять, в каких из них действительно подтверждаются нужные компетенции, где информации не хватает и кого стоит посмотреть в первую очередь. Мы не будем автоматизировать сам найм или отправку отказов. В кейсе ниже LLM будет составлять техническую выжимку и помогать разобрать очередь. Финальное решение останется за человеком.

По идее можно было бы открыть любую ИИшницу, загрузить туда пачку резюме и собрать результаты. Но это не автоматизация, а ерунда. Поэтому мне нужен API, который можно подключить и встроить в собственный процесс проверки резюме. Для меня тут важен именно уровень абстракции. Я не хочу искать GPU, скачивать веса модели, подбирать версию CUDA, поднимать vLLM, рассчитывать, влезет ли модель в видеопамять, настраивать масштабирование, мониторить отдельный ML-зоопарк и выяснять, почему после обновления драйвера все снова упало.

В SOC значительная часть нагрузки L1-аналитика — разбор однотипных инцидентов, которые в итоге оказываются ложными срабатываниями. При этом каждый алерт нужно проверить, обогатить контекстом и задокументировать. Результат — много ручной работы, которая отнимает время от более сложных задач и повышает риск ошибки из-за усталости. 

Особенно остро эта проблема стоит в командах ИБ, которые одновременно занимаются инфраструктурой, клиентскими задачами и другими проектами. Можно ли автоматизировать первичный разбор, не отдавая данные во внешнюю LLM и не превращая внедрение в многомесячный проект по файнтюнингу?

Мы попробовали это сделать с помощью локальной LLM, RAG и второго прохода с валидатором. Привет! На связи Антон Дятлов, инженер по защите информации в Selectel. Под катом покажу, как устроен этот процесс, почему мы выбрали RAG вместо файнтюнинга и какие проблемы обнаружили уже после внедрения.

Чтобы «взломать» нейросеть, иногда хватит правильно составленного текста. Попросить модель сыграть персонажа без правил, вспомнить покойную бабушку с химзавода, разбить опасный вопрос на цепочку безобидных или просто закодировать его в Base64. Дальше модель обходит собственные ограничения сама, причем из лучших побуждений, так как искренне хочет помочь.

На связи Андрей Якунин, инженер по информационной безопасности в Selectel. В тексте разберу классику JailBreak-атак: DAN, «Бабушку», Crescendo, обход фильтров через кодирование и стеганографию. По пути поговорим, чем джейлбрейк отличается от промпт-инъекции и почему эти приемы вообще срабатывают. Будет полезно тем, кто строит продукты поверх LLM и хочет понимать, что однажды прилетит в их чат-бота, ИБ-специалистам, которым эти продукты защищать, и всем, кому просто интересно, как устроены атаки на ИИ.

Спойлер: ничего. Сертифицируют вообще не ЦОД. Привет! На связи Андрей, инженер в дата-центре Selectel. Работа на этой позиции подразумевает множество зон ответственности, одна из них — надежная эксплуатация инфраструктуры в рамках услуги А-ЦОД. В этой статье разберемся, что же это вообще такое и чем отличается от остальной части дата-центра. А начнем с основ.

Когда мы слышим «защищенный дата-центр», легко представить себе серверную с толстыми стенами, камерами, охраной и десятками стоек. Но дело в том, что все это есть и в нашем обычном сегменте ЦОД — те же системы охлаждения, резервные генераторы, СКУД. Защищенная часть может состоять всего из пары стоек, которые будут стоять среди сотен обычных и на первый взгляд практически не отличаться. Но отличия все же есть, и они очень существенны.

Чтобы разобраться в вопросе, копнем немного глубже. Что будет, если кто-то попытается получить доступ к информации, которую мы здесь храним? С этого вопроса и начинаются ФСТЭК, аттестация и все те документы, которые на первый взгляд выглядят как бесконечная бюрократия.

Привет, Хабр! Несколько лет назад я уже рассказывал об анализе и восстановлении аккумуляторов для ноутбуков. Тогда я сподобился купить девайс под названием Professional Laptop Battery Analyzer NLBA1 (самое интересное — девайс румынский), который за прошедшие годы смог много чего восстановить. Какие-то АКБ удалось вернуть в строй, другие после проверки отправились на разборку без лишних сожалений. Так получилось, что на время я отложил прибор на полку, но на днях появился повод снова ввести его в строй.

Дело в том, что мне попался небольшой ASUS X200CA с типичной для «старичков» историей: пару лет пролежал без дела в разряженном состоянии. Я включил, все работает, но вот беда — девайс не заряжается. Покупать новую батарею для такой машины особого желания не было, поэтому я решил попробовать починить старую. Заодно появился хороший повод вернуться к теме NLBA1 и показать весь процесс на конкретном примере. Что ж, поехали!

Часто ли вы сталкиваетесь с проблемой потери данных, неконсистентными состояниями или ошибками в Sentry о внезапно закрытых соединениях при рестарте сервисов? Если вы когда-нибудь пытались это исправить, то наверняка слышали про Graceful Shutdown.

Привет! Меня зовут Антон, я бэкенд-разработчик Python в Selectel. В этой статье поделюсь опытом внедрения Graceful Shutdown в наши сервисы и расскажу, с какими сложностями мы столкнулись.

Август 2026 года выдался насыщенным с точки зрения новинок. Hot Chips 2026 и Flash Memory Summit принесли целую волну анонсов железа: от рекордных SSD до процессоров с гигабайтами кэша, а еще все, что раньше считалось памятью, теперь становится хранилищем, и наоборот. Собрали самое интересное из того, что появилось на рынке в августе, в традиционном дайджесте Selectel.

TL;DR: После миграции отказоустойчивого DHCP-сервера из «брони» QinQ-туннеля в «плоский» VLAN ответы от бэкап-ноды начали бесследно исчезать. Пакет физически покидал хост, но до адресата не доходил, при этом коммутаторы клялись, что их счетчики дропов равны нулю. 

Вооружившись tcpdump, тотальным port mirroring и дзен-терпением, мы раскрыли заговор: dhcp snooping молча уничтожал пакеты на уровне аппаратного ASIC. Самое пикантное: стек M-LAG с идентичной прошивкой вел себя радикально иначе, чем одиночный коммутатор в той же сети.

Добро пожаловать в мир сетевой магии, где порт 67 (six-seven) — это не просто абсурдный вирусный мем, а реальная причина, по которой инфраструктура вдруг решила сыграть в прятки.

Привет! Меня зовут Иванов Владимир, я системный администратор отдела выделенных серверов в Selectel. Статья будет полезна тем, кто сталкивался с ситуацией, когда пакет «в провод уходит, но не приходит», а сетевое оборудование клянется, что ничего не дропает.

4 сентября 2026 года Генеральная Ассамблея ООН приняла резолюцию «Correct the Map». 164 страны проголосовали за отказ от привычной проекции Меркатора в пользу Equal Earth — проекции, которая точнее передает реальное соотношение площадей континентов. Против выступили только США, еще шесть стран воздержались. Инициативу почти два года продвигал Африканский союз — на картах Меркатора Африка визуально выглядит примерно как Гренландия, хотя на самом деле она больше ее примерно в 14 раз.

Equal Earth — хороший повод, чтобы собрать в одном месте сервисы, где можно самому покрутить разные карты — географические, исторические, статистические — и сравнить их между собой для более полной картины мира.

Привет! Я Денис, старший бэкенд-разработчик в Selectel. В предыдущих частях мы познакомились с архитектурой Apache Iceberg, а также развернули и настроили каталог метаданных.

Итак, у нас есть данные в S3‑хранилище, аккуратно организованные средствами Iceberg, и каталог, который знает расположение актуальной версии каждой таблицы. Казалось бы, все готово. 

Однако при ручном просмотре S3-бакета ничего похожего на таблицу не обнаружится — видны лишь вложенные папки с Parquet-файлами и JSON-метаданными. Да, Iceberg и каталог решили задачу хранения и версионирования, но не ответили на вопрос, как читать эти данные с помощью SQL.

И вот возникает практическая задача: как аналитику или инженеру обратиться к Iceberg-таблице посредством SQL, не поднимая Spark-кластер и не перенося данные в отдельную СУБД?

Проводя за компьютером больше восьми часов в день, я начал понимать, что мой уютный рабочий уголок дома не такой уж и уютный. Обычно ближе к вечеру шея и спина в районе лопаток начинали ощутимо ныть, глаза слезились и фокусировались хуже, а перепутанные провода с каждой минутой нервировали все с большей силой.

Люди очень любят хвастаться сложными, дорогими и крутыми сетапами домашнего рабочего места ценой в почку. Покупают мониторы шириной со взлетную полосу, кастомные механические клавиатуры, «геймерские» кресла и тому подобное. Про то, как девайсы влияют на организм, обычно никто не задумывается.

Я перестал видеть в рабочем пространстве лишь стол и стул. Теперь мой сетап — это настроенное под мое тело и задачи рабочее место. Комфорт не всегда зависит от количества вложенных денег, его можно достичь и без огромных вложений. Об этом и пойдет речь дальше.

«Закину промпт в ИИ, а через секунду получу готовый интерфейс, свой сайт или дашборд» — такая идея наверняка приходила каждому, кто не связан с дизайном или разработкой. ИИ-инструменты для этих сфер активно распространяются и обещают такие фантастические результаты, что закрадывается мысль: а что, если скоро дизайнеры будут не нужны?

Все же между картинкой и рабочим прототипом большая пропасть. Иерархия элементов на экране, адаптивность, доступность, логика сценариев и продуктовые метрики — это лишь ограниченный список пунктов, которые очень сложно уложить в один промпт. 

Забыла представиться: меня зовут Камила, я проектировщик интерфейсов в Selectel. Вместе с бумом ИИ коллеги чаще начали ко мне приходить с вопросами такого рода: «Мне ИИшка макет сделала, сделай ревью, пожалуйста». Так что я решила разобраться со своей дизайн-колокольни — где ИИ может помочь, а где создает привлекательную, но не самую работающую концепцию. 

Разбирал старые методички по линейной алгебре (да, у меня правда есть такая привычка, не спрашивайте) и наткнулся на отрывок про химию. Автор пишет: «Молекула воды — это вектор (2, 0, 1). Молекула метана — вектор (4, 1, 0)». И дальше без смущения переходит к линейной зависимости векторов, как будто написанное выше — самая естественная вещь на свете.

Сначала я подумал, что это методическая вольность ради упражнения. Потом посидел с этим с полчаса и понял, что автор-то прав, а заодно и случайно объяснил, почему вообще из любой предметной области можно слепить нейросеть. Просто в 1990-х это называлось линейной алгеброй, а не representation learning.

Выкатили новую фичу, а потом бэкендер со своим Firefox пишет, что у него что-то не работает? Или пользователь с Safari жалуется на неудобства? Ничего страшного: поищу причину в интернете, починю баг и продолжу использовать для разработки Chrome </sarcasm>.

В этой статье рассмотрим, почему проблемы кроссбраузерности никуда не пропали в 2026 году, и попробуем понять, как заранее определять появление ошибок.

Не открою секрет, если скажу, что обычный поиск по ключевым словам уже не особо помогает. Чтобы нейросети могли отвечать точно, опираясь на ваши корпоративные базы знаний, им нужно «понимать» смысл текста. А это уже сложнее, чем просто искать точные совпадения букв. 

В этой статье мы разберем, как устроены векторные базы данных, почему без них не работает современный RAG, чем они отличаются от привычных реляционных БД и как выбрать подходящий инструмент для своего проекта.