Начал печатать комментарий, и в какой-то момент вдруг понял, что опять получилось намного больше, чем можно втиснуть в один комментарий, и опять про Германию, и снова про разрыв шаблонов… поэтому родилась эта статья...

Ответ, на статью: «Открытие компании в Германии: потрачено €ххх и ххх дня, а я всё ещё не могу...»

… поэтому родилась эта статья. Почему? Потому что это опять про то, где я долго живу, и где, как и у автора изначальной статьи было много «жизненных открытий», которые перевернули (изменили так уж точно, и местами как-то радикально) представление о стране и культуре, и тому как тут организован бизнес.

Все обзоры меряют одно — как быстро агент работает с кодом. Но на моём боевом Java-проекте на тысячи строк самый «быстрый» агент выдал решение за 12 секунд, а потом 40 минут гонял сборку в терминале, пытаясь заставить код компилироваться.

Кто быстрее работает с кодом — тот дольше его чинит, а типовые сравнения этап починки не считают вовсе.

Чтобы проверить это, я взяла одну и ту же задачу «добавь фичу и покрой её тестами» и дала её трём типам агентов: CLI в терминале (Claude Code, Codex, OpenCode), кросс-IDE плагинам (Cursor через ACP, Copilot, Cline, Kilo Code, Windsurf) и агенту, встроенному в JetBrains Platform (Veai). Меряла не секунды на генерацию, а число итераций до зелёной сборки и расход токенов. Ниже — шесть метрик, которые я добавила, и почему они переворачивают выводы типовых обзоров.

Вероятно, если сейчас поставить перед инженером задачу создать устройство, которое бы могло регистрировать продолжительность солнечного сияния, в заданной точке на поверхности Земли, то результатом работы инженера, вероятно, станет устройство в котором микроконтроллер опрашивает датчик освещенности, а затем полученные результаты сохраняются на электронный носитель информации вместе с данными о времени наблюдения. В принципе даже из таких скудных данных можно получить не мало информации [1]. Однако еще не так давно по историческим меркам, задачу по определению суммарной величины солнечной радиации решали вообще без использования электроники. Для этого использовался остроумный метеорологический прибора – гелиорегистратора (еще иногда называемый гелиографом).

Если вы продаёте на двух и более маркетплейсах, вы почти наверняка с этим сталкивались: товар продан на Ozon, но на Wildberries он ещё висит в наличии. Приходит заказ на то, чего на складе уже нет. Дальше по сценарию: отмена, штраф, падение рейтинга карточки, в худшем случае - блокировка.

В этой статье я разберу проблему по слоям: откуда физически берётся расхождение, какие есть уровни решений (от коробки до event-driven на Go), и почему модный ответ «поставьте Kafka» для одного селлера почти всегда оверкилл. Будет код и будут цифры.

Если совсем коротко: я написал свой VPN на Rust — побайтово-корректный TLS 1.3 с заёмом чужого сертификата, гибридное постквантовое рукопожатие, пять режимов маскировки и под 700 Мбит/с на скачивание. Ниже — как это устроено изнутри и десяток шишек, на которых я учился. Но начать хочется издалека.

Как парень, чей бизнес терпел одни сплошные неудачи, одежду которого считали позорной дешевкой для бедняков, и которого все считали сумасшедшим самовлюбленным безумцем, создал в итоге такую машину, которая теперь штампует миллиарды? Эта история о бренде Uniqlo и Тадаси Янаи, человеке, который не умел не ошибаться, но доказал всем, что как раз именно неудачи приводят к успеху!

Прекрасное далеко

Мир цифровых технологий постоянно удивляет. Сначала появились супер процессоры с тактовой частотой аж 8 мегагерц (КР1810ВМ86М — до 8 МГц), затем память (К565РУ7 — Клон Intel 41256), удивляющая своими гигантскими объемами в 256 килобай при наборе из 8 штук. Казалось, мир сошел сума и достиг поистине фантастических возможностей. Но это было в далекие 90-е.

Вспоминаю как спустя пару лет впервые запустил установку своей Windows 95 ставя будильник на два часа позже, чтобы не пропустить фееричный запуск окончания установки на моем первом DX386 с 40 мегагерцами в турборежиме. Чуть позже написал своё первое приложение на Turbo Basic, размер которого составлял всего пару десятков килобайт. Славные были времена, ведь мне тогда было около 20-ти лет.

На PreparedStatement обычно заканчивается вводный курс по JDBC / PostgreSQL. Все довольно просто, пока не задумываешься: а работает ли оно как надо в моем крутом инновационном приложении?

Дальше интереснее: как PostgreSQL выбирает custom или generic plan? кто именно кэширует statements? как с этим дружат ORM и внешние пулы?

По закону подлости все выясняется на собеседовании, в контексте “начальных банальных вопросов по БД”. Разберемся в подробностях и закроем эту тему

В первой статье синус оказался не просто функцией из учебника, а тенью крутящейся стрелки. Там я показал три главные двери: заморозить стрелку — проекция, пустить во времени — колебание, сложить несколько — волны. Здесь дверей будет больше — к трём главным добавятся поворот и кривизна, плюс бонус.

Эта статья — каталог. Сорок два примера по пяти дверям и бонусу, и каждый со своим живым графиком: ниже не одна обложка на дверь, а отдельная карточка на каждый случай. Три из них — Доплер, ряд Фурье и гласные — со звуком: жми «слушать» и услышишь синус ушами.

Читать подряд не обязательно — это карта, а не маршрут. Электрик, скорее всего, осядет во второй двери, фронтендер — в четвёртой, штурман — в пятой. Идите туда, где ваше; остальное подождёт в закладках.

Сразу честная оговорка: 42 — это не «столько синусов в мире», а столько, сколько набралось у нас, с понятным перекосом в физику и инженерию. Синус не «применяется в N законах», как гвоздь в N досках — он следствие одной структуры: всё, что вращается, колеблется или имеет волновую симметрию, автоматически его порождает. А таких систем не конечное число, их класс. Так что ниже — не перепись, а полевой определитель: яркие представители бесконечного семейства. В конце я отдельно перечислю, чего тут нет.

Искусственный интеллект уже несколько лет подряд меняет не только алгоритмы и приложения, но и всю инфраструктуру, которая его поддерживает. Обучение LLM и особенно массовый запуск сервисов на их основе требуют все больше серверов с высокопроизводительными ускорителями. Эти машины выделяют столько тепла, что привычные способы охлаждения и подключения к электросетям на суше начинают упираться в потолок возможностей.

Конечно, компании ищут способы решения проблемы. Один из вариантов, который сейчас активно прорабатывают крупные игроки судостроения и вычислительной техники, — размещение серверов на плавучих платформах. Морская вода здесь выступает как неисчерпаемый «резервуар холода». Разберем, что стоит за этим направлением и насколько оно способно изменить картину.

Финал цикла про облачную LLM на 16 ГБ VRAM.

За две предыдущие статьи мы подняли собственную локальную модель на облачном сервере с GPU на 16 ГБ VRAM, разобрались с vLLM и tool calling, собрали агентный бэкенд на LangGraph с MCP-серверами, получили вокруг него полноценный REST API из коробки и обернули все это в FastAPI-сервис через LangGraph SDK.

В этой части закрываем полный стек: к готовому агентному бэкенду на LangGraph подключаем официальный ChatGPT-подобный фронтенд от LangChain — agent-chat-ui. Переводим на русский, добавляем переключатель между тремя агентами разной архитектуры и удаление чатов. Закрываем API Bearer-авторизацией с разбором нюансов, которых нет в документации. Деплоим всё на VPS с доменом и SSL — LangGraph внутри контура, наружу смотрит только фронт.

На этот раз у нас известный язык программирования Python, c двумя стилизованными змеями на логотипе, интересные и необычные развлечения с которым были собраны в этой замечательной статье.

Арбитраж — это заработок на временных расхождениях цен связанных активов. Разберём стратегию Pairs Trading на фьючерсах природного газа: найдем пару, проведем бэктест и запустим живого торгового бота — без глубоких знаний программирования, с помощью ИИ-агентов Cursor, OpenClaw и Claude Code. Пошаговый гайд с промптами и результатами.

Представьте, что вы перенеслись в 7 августа 1996 года. Закройте глаза и вообразите мир, где напряжённость в отношениях с Россией, Китаем и Ближним Востоком высока, люди обеспокоены технологическим пузырём, а брюки-клёш снова в моде. Трудно представить, я знаю.

Вайб-кодер в чистой форме — человек, который вообще не имеет отношения к разработке — физически не способен оценить код. Для него работает = работает. А я утверждаю: код, сгенерированный нейронкой, всё равно будет более плоским, более ущербным и менее оптимальным, чем код живого разработчика. Проблема в том, как это доказать человеку, который код читать не умеет. Поэтому зайдём через аналогию, которую может проверить КАЖДЫЙ — через тексты.

У меня был старый тариф Мегафон: 50 ГБ, 300 минут - 1130 рублей в месяц. Вроде и недорого, а вроде и не очень-то дешево. Есть у них сейчас там тарифы поинтереснее, но у всех одна проблема: Telegram активно блокируется, пляски с VPN - то работает, то нет, MtProto по сто раз в день, и так далее, и тому подобное - все как мы любим.

И мне это надоело. Ну вот совсем надоело, вкрай задолбали. Надо было что-то делать. И я сделал, о чем сейчас вам поведую.

«Мы принадлежим крестоформу?»

Проблема коллапса моделей, или model collapse, сегодня хорошо известна. Если следующую генеративную модель обучать на текстах, созданных предыдущей, распределение обучающих данных начинает сужаться от поколения к поколению. Сначала исчезают редкие случаи: необычные обороты, маловероятные сочетания, локальные знания, отклонения от нормы. Затем беднее становится и сама норма.

Каждая отдельная генерация при этом может выглядеть убедительно: грамматически правильной, логичной и узнаваемой. Ошибка проявляется не как немедленный бред, а как постепенное сокращение пространства возможного.

Это похоже на последовательность копий: первая почти неотличима, десятая всё ещё узнаваема, сотая сохраняет общий контур, но теряет детали, которые никто не считал важными, пока они не исчезли.

Здесь необходима оговорка. Коллапс моделей не считается неизбежным: эксперименты показывают, что сохранение исходного человеческого корпуса данных и контролируемое добавление синтетических данных могут стабилизировать обучение. Но пока это больше похоже на способ сдерживать деградацию, чем на окончательное решение. Система по-прежнему требует постоянного внешнего якоря, а редкие части распределения могут исчезать первыми.

Для AI-компаний это хотя бы инженерная задача: корпус можно очистить, пересобрать, заново взвесить и повторить обучение.

У людей такой возможности нет.

В этой статье разбираются способы реализации анимации, используя Direct2D, а также дальнейшие идеи для статей.

Retroid Flip 2 - игровая приставка на базе arm64, которая поддерживает работу в Android и различных Linux-системах.

В данной статье я хочу проверить, возможно ли применить такую приставку в качестве рабочего мини-ноута: я протестирую, какие системы и как на ней работают и как обстоят дела с запуском различных программ.

Хочу поделиться своим опытом по итогам первого года обучения китайскому языку во взрослом возрасте.

На эту тему пишут разные люди, но у них разные цели и разные обстоятельства. Я в данный момент ставлю своей первичной целью научиться разбираться в китайских технических текстах и в китайской культурной среде, и я считаю, что мне повезло попасть на хорошо соответствующую этой цели траекторию обучения.