
В этой статье я поделюсь тем, как можно быстро переключаться и эффективно работать, когда у вас есть много задач с разными контекстами, и все они требуют глубокого погружения.
User
В этой статье я поделюсь тем, как можно быстро переключаться и эффективно работать, когда у вас есть много задач с разными контекстами, и все они требуют глубокого погружения.
Недавно работал в команде, занимавшейся разработкой встроенного ПО. Это ПО в значительной степени основывалось на конечных автоматах, которые десятками были разбросаны по множеству функций. И хотя такая архитектура весьма распространена в разработке встраиваемых систем, в особенности систем без ОС, я задался вопросом: неужели нет способа выразить поток управления более чисто?
Конечные автоматы в нашем коде работают прекрасно, но их понимание и обслуживание зачастую вызывало головную боль. В их работе отсутствовал линейный поток, плюс они требовали мысленного жонглирования флагами, состояниями и переходами, происходящими в функциях опроса.
Меня не покидала мысль: «А не будет ли проще написать логику в виде последовательной программы, ожидающей события и возобновляющей выполнение с места остановки?»
Естественно, в проекте не допускалось использование RTOS, посему традиционный подход применения потоков или систем блокирования для управления конкурентностью не рассматривался. Но я знал, что должна быть некая золотая середина.
Привет, Хабр!
Это четвертая статья из цикла по ESP-IDF. Как и обещал, сегодня мы рассмотрим мьютексы и семафоры на простых (и не очень) примерах.
ИИ-инструменты вроде ChatGPT всё прочнее входят в повседневную работу специалистов самых разных профессий. Будь то аналитик, копирайтер или инженер, сегодня любой может повысить продуктивность, если знает, как правильно взаимодействовать с языковой моделью. Однако эффективное использование ИИ требует не только понимания его возможностей, но и знания правильных методов коммуникации с ним. В этой статье - полный и лаконичный гайд: техники, шаблоны, инструменты и лучшие практики, проверенные сообществом и на практике.
Если вас уже утомили статьи об “успешных успехах” и “еще 3 совета, как пройти собеседование в зарубежную компанию и не **** (зачеркнуть) сесть в лужу”, знайте - меня тоже. Поэтому вот она - финальная, честная и практичная статья о том:
- что действительно стоит (и не стоит) писать в резюме;
- как собирать метрики и объяснять их на интервью;
- как говорить о себе без паники;
- и что делать с неудобными вопросами на английском.
DevOps уже давно не просто тренд, а часть ДНК успешных команд и проектов — вот такое сообщение мы как команда сейчас транслируем во внешний мир. DevOps — это не столько настройка серверов или автоматизация деплоя, а скорее навыки делать систему гибкой, безопасной и готовой к изменениям.
Подготовил для вас roadmap, что важно в 2025 году знать успешному DevOps-инженеру. Пригодится как джуну, так и спецу с опытом, чтобы валидировать свои навыки.
Всем привет! Это Леша Жиряков. На прошлой неделе мы начали разбирать, почему Python стал настолько востребован для создания корпоративных программных решений. Сегодня продолжим тему — поговорим об управлении зависимостями, асинхронном программировании в корпоративной среде, тестировании, корпоративной безопасности и других ключевых моментах. Заодно обсудим перспективы Python в enterprise-разработке. Приступим!
Model Context Protocol (MCP) - это просто API, разработанный для LLM. Конечно, LLM могут использовать традиционные API, но это как просить повара готовить в кладовке.
Когда они заменили художников, я молчал, ведь я не умею рисовать. Когда они пришли за разработчиками, я молчал, ведь я не умею писать код. Но теперь они взялись за эксель.
Вы наверняка замечали, что в начале общения ИИ кажется очень толковым и понятнливым, правда почему спустя 10-20 сообщений начинает путаться, повторно совершить те же ошибки которые уже совершал или выдавать рассчеты с ошибками. Это не случайность, а следствие мироустройства. Давай разберемся почему это происходит и как именно ИИ все “помнит” и почему его память устроена иначе чем у человека.
На днях мне попался заказ на автоматизацию. Нужно было парсить письма из email и сравнивать тему и содержание письма с эксель файлом. В файле 3 листа и в зависимости от того, что было в сравнении с темой письма в первом листе — разный алгоритм дальнейшего сравнения.
В общем, сделать я решила автоматизацию на n8n, так как она должна была работать исключительно локально на компьютере у заказчика. И я подумала, что так будет проще разобраться. Один раз настроить в терминале логин и всё.
Полгода назад я работал над внедрением RAG-системы в крупной финансовой компании. Задача была типичная: построить корпоративного чат-бота, который мог бы отвечать на вопросы сотрудников по внутренним документам. Казалось бы, что может пойти не так? Берем готовую LLM, подключаем к базе знаний, добавляем немного магии с векторным поиском — и готово.
Но когда я начал тестировать систему перед продакшеном, обнаружил, что наш "умный" ассистент превращается в болтливого предателя при правильно сформулированных вопросах.
Когда в начале 2020-х мы привычно называли любую большую нейросеть «LLM», это звучало почти романтично. Сегодня, летом 2025-го, термин задышал новой плотью: модели выросли из «крупных языковых» в универсальные reasoning-машины, умеющие одновременно читать PDF-ы, смотреть на рентген и считать в памяти как инженер-вундеркинд. В этой заметке прогуляемся по всей эко-системе — от архитектурных деталей до рынка — рассказывая так, будто мы с вами пьём утренний flat white и спорим о будущем ИИ.
Разработчики фокусируются на промпт-инжиниринге, но настоящий прорыв — в контекст-инжиниринге. Это системный подход к подготовке данных для LLM.
AI-хайп накидывает новых терминов, в статье объясняем о чем тут речь.
Разработчики всё чаще полагаются на ИИ-помощников, чтобы ускорить повседневную работу с кодом. Эти инструменты умеют автозаполнять функции, предлагать исправления ошибок и даже генерировать целые модули или MVP. Тем не менее, как многие из нас убедились, качество вывода ИИ во многом зависит от качества предоставленного запроса. Плохо сформулированный промпт может привести к нерелевантным или общим ответам, в то время как хорошо составленный — дать продуманные, точные и даже креативные решения для кода.
Под катом Эдди Османи, ведущий инженер Google, выделяет ключевые шаблоны запросов, повторяемые фреймворки и запоминающиеся примеры, которые нашли отклик у разработчиков.
Автор приводит параллельные сравнения хороших и плохих промптов, фактические ответы ИИ, а также комментарии: чтобы понять, почему один запрос успешен, а другой терпит неудачу.
Расскажем о практическом кейсе внедрения системы автоматизации на металлургическом предприятии. Покажем техническую реализацию архитектурных решений, разберем особенности интеграции промышленного оборудования и поделимся подходами к организации обмена данными в реальном времени. Особое внимание уделим реализации видеоаналитики производственных процессов и созданию замкнутого контура управления на базе микросервисной архитектуры.
Английский язык всегда был для меня неприступной крепостью. И в школе и в институте я исправно ходил на занятия, выполнял домашние задания. Даже во время студенчества, перед написанием диплома ходил на курсы английского. Потом была покупка учебников Н.А. Бонк, словарей N нужных слов иностранного языка, перевод технической документации. Все это почему-то не приближало меня к уровню свободного владения. Это была загадка, terra incognita. Но пришло время (2009 год), и я решил все-таки разобраться с этим вопросом. На форумах часто встречал упоминания про книгу Н.Ф. Замяткина, прочитав которую, я нашел все ответы на интересующие меня вопросы по этой теме.
Привет! Меня зовут Аня, я методист и преподаватель курсов английского в Практикуме. Многие во взрослом возрасте даже не пробуют учить иностранный язык, потому что считают, что время уже упущено и вообще надо было раньше думать. Причём люди эти совершенно разных возрастов — и все одинаково в этом уверены.
В этой статье хочу порассуждать о том, почему так происходит и действительно ли взрослые необучаемые и безнадёжно отставшие. Думаю, вы и сами понимаете, что всё не так пессимистично и учиться новому во взрослом возрасте так же реально, как и в детстве.
Вы «должны» проводить 1-on-1.
А зачем?
Знаете, зачем они нужны — по-настоящему?
Или пробовали, но всё свелось к «ну, как дела?»
Может быть, встречи идут — но ничего не меняется?
Что ж, давайте разбираться:
Ваш проект взлетел. Первые пользователи превратились в тысячи. Тысячи стали десятками тысяч. Метрики в дашбордах рисуют красивую кривую, устремленную вверх. Но есть и другие кривые, которые ползут вверх с не меньшей скоростью. Время ответа сервера. Количество ошибок 502 и 504.
То, что летало на ста запросах в секунду, начинает задыхаться на десяти тысячах. Это не ошибка, это физика. Архитектура для этих двух миров — это как велосипед и грузовой поезд. Они оба едут, но задачи у них разные. Так что давайте забудем про теорию и посмотрим, где обычно рвется и как это чинить, чтобы не переписывать все с нуля каждый раз, когда у вас прибавляется нолик в статистике пользователей.