Привет, Хаброжители! Вы когда-нибудь отлаживали такой компонент пользовательского интерфейса, где достаточно нажать в неверном порядке несколько кнопок – и приложение валится? А не доводилось ли вам ломать голову, пытаясь отследить, почему в некоторых случаях форма отправляется нормально, а в других — отказывает? Такие неприятные сценарии зачастую возникают по одной базовой причине: непредсказуемое управление состоянием. Мы привыкли полагаться на булевы флаги, рассеянные по коду инструкции if-else, тем временем надеясь, что наше приложение будет правильно работать, чего бы пользователь ни делал в интерфейсе.

Бухгалтерия: «3000 на балансе». ИТ: «1800 в сети». Безопасность: «2200 под защитой». И никто не врёт — каждый считает свой срез.

Корень проблемы — не сами расходы, а отсутствие единой экономической модели ИТ. CFO видит строку «50 млн руб./год» без детализации. CIO знает, что серверы на грани, но не может перевести это на язык финансов. Бизнес требует цифровизации, не понимая нагрузки на бюджет.

При этом контекст 2024–2026 усложнил всё кратно: параллельный импорт — плюс 20–40% к закупкам, импортозамещение — рост годового бюджета на 40–70% не за счёт расширения, а за счёт выкупа лицензий в альтернативных стеках. Компании тратят миллионы на ПО «про запас», которое не используют прямо сейчас.

Случайная продажа молодого продукта может выглядеть как подтверждение рынка. На практике она часто оказывается коммерческой аномалией: деньги пришли, но не по той логике, которую команда собиралась проверять. Такая выручка приятна, но опасна, если на её основании начинают менять стратегию, продукт и продажи.

Иногда щука действительно оказывается в лодке после удара веслом. Но это ещё не делает весло рыболовной снастью. В продажах молодого продукта случайная выручка работает похожим образом: событие было, а метода пока нет.

Как-то раз на одном из программистских форумов я наткнулся на интересную задачку. Интересна она была тем, что требовалось рекурсивное решение на Java. Мне захотелось разобраться…

Одновременно с запуском Claude Opus 4.8, Anthropic представила для Claude Code режим dynamic workflows: теперь модель сама пишет оркестрационный скрипт, который запускает в одной сессии от десятков до сотен параллельных субагентов и проверяет их работу до того, как результат дойдет до пользователя. По задумке компании, объемные задачи, которые раньше шли кварталами — миграция кода на сотни файлов или сквозной поиск багов по всему сервису, — теперь должны закрываться за дни. Dynamic workflows пока доступны в режиме research preview — в CLI, десктопе и расширении для VS Code на планах Max, Team и Enterprise (у последних по умолчанию выключены), а также через API.

«Напишем сами, там простая логика», — так говорит каждая вторая команда из тех, с кем мы работаем. Простая логика оказывается льготными периодами, пересчётами при смене тарифа и разработчиком, который единственный знает, почему вот этому клиенту выставляется именно такая сумма. Четыре грабли и список того, что стоит заложить до первого клиента.

Здесь мы ступаем даже не на хрупкий лёд, а по пояс проваливаемся в туман над болотом. У нас нет единого определения интеллекта, сознания, а нейробиология как наука находится в фазе стремительного роста, что, сугубо по мне, соответствует этапу развития подростка. Но никак не зрелой личности. Поэтому, руководствуясь тем, что можем наблюдать и краеугольным: «я так чувствую», лезем в дебри методологических анализов. И щупаем наличие сознания у машины, и не только у неё.

Ко мне на кафедре обратились двое старшекурсников. Они пишут программу для археологов: пользователь фотографирует, что нашел, программа лезет в модель (которая натренирована на исторические архивах) и возвращает карту вероятностей, где поблизости могут лежать неметаллические артефакты, которые металлоискатель не ловит. Дерево, керамика, кость, ткань и тд. Для обучения модели им нужен был большой датасет фотографий находок времен WW2 (значки, гильзы, медали, фрагменты обмундирования) под разными углами и наклонами.

Они прикинули два варианта: либо снимать каждый предмет вручную с разных ракурсов, перетаскивая штатив или поворачивая объект пальцами, либо сначала вылепить 3D-модель каждого артефакта вручную и потом программно крутить её в виртуальной сцене под разным светом, рендеря оттуда кадры для датасета. По обоим выходило пара месяцев работы.

Я предложил собрать автоматическую поворотку. Спроектировал, напечатал, написал прошивку и питоновский скрипт. Сразу не заработало, переделал пару дней. К ночи рабочей версии я сидел за столом и каждые 12 минут жал ресет на Arduino, меняя предмет на платформе. К утру датасет был готов.

Уже многие написали и рассказали о таком полезном инструменте для организации своих заметок как Obsidian.

Если кто еще не знает, Obsidian - это бесплатное Electron-приложение, доступное на всех основных платформах, созданное Эрикой Сю и Шидом Ли уже в далёком 2020 году. В этой программе итересным UI-решением, позволившим привлечь внимание аудитории, стало визуализация графа заметок, как некой общей карты,мозга, базы знаний, состоящией из md-документов. Для меня на приктике эта фича оказалась самой бесполезной по сравнению с другими возможностями платформы. Встроенные плагины для ежедневных заметок, тэги, мощный поиск, шаблоны, работа с изображениями и многое другое + больше колличество стороннних плагинов на любой вкус и возможность при необходимости написать их самому. Вот, что мне пригодилось на самом деле. Я действительно за короткое время перенес все свои заметки из разрозненных источников в одно место и программа стала моим ежедненвным инструментом. Поэтому я стал ее использовать на нескольких устройствах.

Когда встал вопрос синхронизации я сразу нашел такой функционал внутри самого Obsidian. Но он платный. Данные для синхронизации ходят через сервера разработчика приложения. Меня не очень устроил этот вариант. Вариант с тем, чтобы бегать между компьютерами с флешкой тоже сразу отпал. Во-первых - это бред. Во-вторых - это бред. В-третьих - это неудобно и данные ломаются при ручном слиянии.

В качестве решения я нашел opensource-программу syncthing. Она простая, быстро устанавливается, имеет довольно простой интерфейс. На своих устройствах я использую Ubuntu, поэтому данное ПО также отлично подходит.

Всем привет! Меня зовут Александр, я техлид в продуктовой компании.

Недавно один хороший знакомый набирал команду в стартап. Он приверженец подхода AI first и попросил меня помочь с наймом.

У меня за плечами большой опыт разработки. Настолько большой, что я помню, как разработчики ругали компиляторы C для микропроцессоров за неоптимизированный код и говорили, что никогда не перейдут с ассемблера. Также я помню, как программисты ругали высокоуровневые абстракции за бойлерплейт и обещали никогда не бросить C.

Сейчас мы переходим к новому уровню абстракции, и требования к сотрудникам меняются соответственно. В своей работе и pet-проектах я активно использую Cursor. За последние полгода у меня появилось понимание, как правильно использовать этот инструмент. Делюсь инсайтами.

Как оптимизировать бюджет Service Desk на 2,9–10 млн. руб. в год и повысить опыт пользователей

Мне захотелось узнать, как игра Cities: Skylines обеспечивает постоянное движение, которое мы видим в растущем городе — жители ищут работу, туристы посещают достопримечательности, мусоровозы ездят по своим маршрутам, люди находят себе пары, но не смог найти почти никакой информации. Поэтому я декомпилировал игру и решил разобраться сам. Выяснилось, что почти все взаимодействия в игре выполняются через простую, изящную систему: торги, напоминающие фондовый рынок.

Зачем корпоративному ИИ семантическое ядро: разбор стратегий SAP, Oracle и Palantir

SAP, Oracle, Palantir и другие корпоративные гиганты строят вокруг ИИ семантические слои: knowledge graph, ontology, process intelligence. Разбираемся, почему языковой модели недостаточно просто читать документы и таблицы.

Языковая модель умеет читать документы, таблицы, обращаться к API. Казалось бы, достаточно для корпоративного ИИ. Но SAP, Oracle, Palantir, Celonis, Alibaba и Yonyou активно строят семантические слои поверх данных: графы знаний, онтологии, process intelligence, платформы агентов.

Причина простая: корпоративному ИИ нужен не просто доступ к данным. Ему нужен смысловой слой предприятия — термины, объекты, экземпляры, статусы, источники, связи и правила качества. Без этого система остаётся набором отдельных функций, а не инструментом для комплексных управленческих решений.

Что такое семантическое ядро и зачем оно

Семантическое ядро — это структурированное описание бизнес-логики компании. Не просто схема базы данных, а модель того, как устроены процессы, как связаны объекты, какие правила определяют качество данных и переходы состояний.

Примеры таких слоёв, как сообщают SAP и Oracle:

Дисклеймер: во второй половине статьи речь идёт о продукте OneMix Business от ООО ПАКС ЛАЙВ — я партнёр компании и заинтересованная сторона. Если такое триггерит — закройте сейчас, не обижусь. Если интересно разобрать математику зоопарка корпоративного софта и посмотреть как одна и та же задача решается в России в 2026 году — поехали.

Эта статья выросла из одной простой задачи. Год назад я сел и посчитал во сколько обходится «нормальный набор» корпоративного софта для команды из 50 человек. Когда вышло число, подумал что в формуле ошибка. Пересчитал. Цифра не сдвинулась.

Дальше пошёл по знакомым руководителям. Один партнёр юрфирмы из Питера, один зам технического директора подмосковного завода на пятьсот сотрудников, один владелец сети из четырёх стоматологий. У всех картина одна: платят за разное, в сумме примерно столько же, никто этого нигде не считает.

Ниже разбираю эту математику. Цифры все по прайсам апреля-мая 2026 года, я их проверял.

Cursor выпустил Developer Habits Report — первый публичный срез того, как их пользователи работают с AI-инструментами. Данные собраны с января 2025 по май 2026 года на основе сессий, токенов и активности в репозиториях.

Скорость написания кода выросла примерно вдвое за год: с 3,6 тыс. строк в неделю до 8,6 тыс. PR стали крупнее в 2,5 раза, а доля пул-реквестов с тысячей и более изменённых строк выросла с 8% до 14%.

Каждый, кто программирует с агентами (Claude Code, Codex и т.д.), знает: перед тем как приступить к задаче, агент исследует проект. Это кажется логичным, естественным и закономерным, ведь люди делают так же. Обычно говорят: «агент наполняет контекст».

Для агента такой контекст должен содержать не только полезные сведения, но и не включать лишних, которые могут оказать влияние на конечный результат. Но добиться этого не так-то просто, поскольку:

- задача определена в общем виде (кто знает, что имел в виду автор)
- пути исследования не детерминированы (в общем виде не используется специфика фреймворка)
- используются базовые инструменты (read, grep, cat, find)

В итоге при первичном исследовании легко столкнуться с ситуацией, когда основной контекст заполнен сведениями, слабо относящимися к исходной задаче.

В Anthropic быстро осознали эту проблему и вынесли всю описанную работу в Explore sub-agent. В результате основной agent ставит задачу промптом, Explore выбирает путь исследования, а результат формирует в виде отчета. Проблему чистоты основного контекста они, конечно, решили. Но что с качеством такого анализа?

Наблюдая за работой Explore и видя, как агент, используя «примитивные» инструменты, в агонии пытаясь отыскать недостающее или, наоборот, пропускает важные сведения о проекте, невольно ловишь себя на мысли: «Как так вышло, что последние 10 лет развития индустрии инструментов прошли мимо agent?» А может, это человечество свернуло не туда?

Странные образования на поверхности Венеры — так называемые короны — вероятно, являются ключом к пониманию до сих пор непостижимого внутреннего строения нашей планеты-близнеца. Используя данные космического аппарата НАСА «Магеллан», полученные несколько десятилетий назад, Анна Гульчер, учёный-геофизик из Фрайбургского университета в Германии, создала инновационные новые 3D-модели крупнейших корон, чтобы лучше понять загадочную геодинамику Венеры.

Команда использовала данные с радиолокационных датчиков космического аппарата «Магеллан», который официально прекратил функционировать в 1994 году, чтобы более внимательно изучить окружающую топографию корон и их гравитационные сигнатуры.

Короны демонстрируют необычайное разнообразие по размеру, морфологии, топографии, гравитационным характеристикам и тектоническим условиям, что указывает на то, что они не являются результатом единого механизма формирования, а отражают спектр динамических процессов, пишут Гульчер и её коллеги в статье, представленной на Генеральной ассамблее Европейского союза геонаук 2026 года (EGU26) в Вене.

В обновлённой базе данных насчитывается 741 корона, расположенных по всей поверхности Венеры.

Новое исследование показывает, что растения способны определять темпы роста соседей с помощью ароматических сигналов, называемых летучими органическими соединениями (ЛОС), и впоследствии корректировать количество энергии, вкладываемое в собственный рост или защитные механизмы — всё это посредством адаптивной экспрессии генов.

ЛОС — это углеродсодержащие химические вещества, которые легко испаряются и вырабатываются растениями для коммуникации с травоядными животными, опылителями и даже другими растениями. Они также ответственны за широкое разнообразие ароматов, которые генерируют растения, и часто используются в производстве парфюмерии, косметики, продуктов питания и чистящих средств.

В прошлом году одна из наиболее оживлённых дискуссий в моём блоге (116 комментариев) развернулась под статьёй о ложном вакууме, опубликованной в конце августа. В начале этой статьи я упоминал, что уровень энергии вакуума и, следовательно, масса рождающихся элементарных частиц, а также масса протона, напрямую зависят от свойств скалярного поля Хиггса. Бозон Хиггса, открытый в 2012 году на Большом Адронном Коллайдере, является квантом этого поля. Там же я вскользь упоминал, что бозон Хиггса может быть не единственным, а представлять собой лишь одну из группы подобных частиц. Если бы в пространстве доминировало поле Хиггса, заключающее иную энергию, нежели наблюдаемое нами, то настройки Вселенной и нуклеосинтеза в частности могли бы слететь непредсказуемым и, скорее всего, катастрофическим образом. Поэтому важно понимать, существуют ли альтернативные поля, подобные полю Хиггса, и можно ли экспериментально получить другие частицы, функционально похожие на бозон Хиггса. Одно из первых сообщений о том, что на Большом Адронном Коллайдере обнаружен новый бозон Хиггса, поступило в 2015 году от знаменитого физика Марио Ливио. С тех пор ведутся исследования и делаются прогнозы о том, как искать такие альтернативные бозоны, и сколько их может быть в соответствии с какими теориями (спойлер: до пяти). Об этих поисках коротко расскажу под катом.

После апрельского обновления Patch Tuesday для Windows пользователи столкнулись с проблемами, связанными с Windows Server 2016. Microsoft подтвердила, что поиск контроллера домена может завершиться с ошибкой в ​​некоторых случаях для этой конкретной версии.