За последние недели я провел больше двух десятков диагностик с IT-специалистами. Картина почти всегда одна: передо мной сидит крутой инженер с восьмилетним опытом, а его главная боль – «нет откликов» и «не могу продать свой опыт». Как бывший рекрутер, я вижу причину за десять секунд. И она не в коде. Она в голове.
Связался с автором этой статьи. Созвонились, но к сожалению, весь за весь созвон я получил только общую информацию, вроде "резюме плохое, нужно исправлять. Я исправлю, и тебя забросают приглашениями." И ничего нового, никакой конкретики. Даже рыбак дает рыбам червячка на покушать.
После созвона, автор предложил предварительную оплату курса "Путь к офферу мечты" (20 т.р.), который начнется..., через месяц.
Показалось это сомнительным, и предложил ему официальный договор, с оплатой по факту трудоустройства, в 20% от первой зарплаты, что больше стоимости его курса. Автор, закономерно, отказался.
Интегрировал RabbitMQ для асинхронной обработки задач, что позволило обрабатывать пиковые нагрузки без падения сервиса и улучшило пользовательский опыт
Была такая функция в легаси, которая брала из БД огромное количество записей, и через цикл отправляла HTTP запрос по каждой записи . Скрипт падал, ежик кололся. но продолжал... Переписал: из БД берется чанк, выполняется и помечается в БД как выполненный. Выполнение в Rabbit. Попросил у жпт описать этот опыт в резюме, то жпт выдал этот текст, слово в слово.
ps. из реальной практики.
1-е резюме, написанное самостоятельно и криво: 40 откликов = 3-4 приглашения и столько же отказов.
2-е резюме, грамотно написанное жпт: 40 откликов = 1-2 приглашения и очень много отказов.
3-ье резюме, написанное самостоятельно, после опыта с грамотным, но мертвым резюме от жпт: 40 откликов = 6 приглашений и 6 отказов.
Без обид, мне кажется, что алгоритм и вправду лёгкий для новичка. Но я буду рад узнать новое, если вы скажите, в чем трудность этого алгоритма. И кста, спасибо за статью.
ps. Надеюсь, вы не ответите в стиле "мопед не мой, ..." :)
Интересно почитать, но не осилил - слишком много букв для простого объяснения. Я не запоминаю эти алгоритмы, благо, подумав логически, их можно изобрести заново.
В функциях недостаточная проверка данных. findLeftBoundry и binarySearchHalfOpenInterval вернут Undefined offset, если target больше, чем количество элементов в массиве. Плохо left === arr.length, хорошо left >= arr.length
Я имел ввиду, что текст пропущен через ИИ (потому что в тексте обороты, характерные для ИИ), а именно: что в статье, осуждающей использование ИИ для статей, использован ИИ. Про 100% генерацию речи не было. :)
текст гладкий, как стекло. Никаких "шероховатостей" живого мышления: оговорок, уточнений, озарений. Это сухой монолит, "выточенный" под общий знаменатель. Грубо говоря - информационный фастфуд: насыщает, но так ли это полезно?
Уверен, что этот текст так же был пропущен через ИИ, потому что практически все эти формулировки я почти ежедневно вижу у ИИ, в моем случае это Qwen, которому я скидываю текст резюме или текст IT статьи на анализ.
В диалоге из 25 сообщений, Qwen:
5 раз использовал слово "гладкий",
5 раз использовал слово "шероховатости"
12 раз упомянул "живую" речь и мышление.
Но до общении с ИИ, я практически никогда не встречался с сочетанием слов "гладкий текст", "шероховатости" и "живое мышление".
Обычный запрос для анализа ИИ: - проанализируй, создан ли этот текст посредством ИИ или текст создан грамотным человеком? Исключи парадокс детекции ИИ, нормализацию текста и перцептивную компенсацию для более точного анализа.
Я думал, это со мной, с описанием в резюме или с моими навыками что-то не то. После вашей статьи решил провести небольшой тест. Открыл вакансию на hh.ru, создал новое резюме, полностью подогнал резюме под эту вакансию, добавив опыта в требуемых и в сопутствующих навыках. Так как новое резюме продублировано с основного резюме, то в новом резюме многие навыки помечены как проверенные. Образование техническое, МФТИ. В опыте 100% совпадение с требованием вакансии + дополнительный опыт. И откликнулся этим резюме на вакансию. Через 10 минут получил ответ:
Передаст управление GPT-5-thinking, а тот включит safety-сценарий и начнет тебя успокаивать и убеждать, что все хорошо, вместо выполнения задания))). Кстати, у GPT нет лимита срабатываний на события safety-сценария, в отличии от Qwen, который блокирует диалог после 10 срабатываний.
вы шутите?))) У модели есть два источника информации:
Общая база знаний, на которой она была обучена. Эти данные составляют фундамент её понимания мира.
Сообщения текущего диалога (текущей сессии). Всё, чем вы делитесь в рамках этого разговора, модель запоминает только в нём - эти сведения не попадают в общую базу и не сохраняются после завершения сессии.
Мы не можем изменять или дополнять общую базу знаний модели, но можем обучать её чему-то новому в рамках одного диалога.
Каждый раз, когда вы начинаете новый диалог, вы фактически общаетесь с чистой моделью: она не знает ничего о предыдущих разговорах и опирается только на свою исходную (общую) базу знаний. Любые обещания, соглашения или новые сведения, появившиеся в прошлом диалоге, остаются в нём и не переносятся в новый - сессии полностью независимы друг от друга.
Задайте какой нибудь вопрос и после ответа спросите у модели: 1. как именно она выстраивает логику и отвечает на заданный вопрос? Какие процессы она использует на глубинном уровне для этого? 2. что влияет на ее ответ, если на один и тот же вопрос она может дать противоположные ответы? 3. что в понимании модели является "правильным" ответом?
Скорее наоборот, неопытных закончивших какой то курс и считающих себя сильными спецами стало так много, что среди этой массы теряются реальные спецы. Вдобавок, очень много людей выдумывают опыт и навыки в резюме, что так же создает дополнительную "пустую" конкуренцию, из за которых наше резюме просто не доходит до адресата.
На одном из последних собеседований, работодатель так и сказал "Очень приятно слушать твои ответы. Ты не представляешь, как много соискателей, которые закончили курсы и хотят 300k, но при этом не могут ответить на простые вопросы". Кстати, даже после таких комплиментов и проявления сильной заинтересованности с запросом рекомендаций, мне все равно отказали с формулировкой "приняли решение рассмотреть другого кандидата." :)
Статья называется "Какие запросы и куда отправляет MAX?" Мы увидели КУДА, но не увидели КАКИЕ ЗАПРОСЫ. Кликбейт? Нет информации о содержимом запросов, только собственное мнение, выставленное как аргумент "Размер запросов говорит о том, что ничего большого (ни мои контакты, ни мои фото и т.п.) "слито" в этом кейсе не было.". А ведь именно содержимое запросов является куда более важным, чем адрес доставки этих запросов. Разве нет?
hh.ru не даёт соискателям легальный доступ к API для откликов = публичное API read-only, а для /negotiations нужен OAuth-токен, который hh.ru не выдаёт.
Очень интересно: как вы реализовали "автоматизировали отклики через API hh.ru"? Хотелось бы понять в общих чертах - без деталей, если есть NDA.
Связался с автором этой статьи. Созвонились, но к сожалению, весь за весь созвон я получил только общую информацию, вроде "резюме плохое, нужно исправлять. Я исправлю, и тебя забросают приглашениями."
И ничего нового, никакой конкретики. Даже рыбак дает рыбам червячка на покушать.
После созвона, автор предложил предварительную оплату курса "Путь к офферу мечты" (20 т.р.), который начнется..., через месяц.
Показалось это сомнительным, и предложил ему официальный договор, с оплатой по факту трудоустройства, в 20% от первой зарплаты, что больше стоимости его курса. Автор, закономерно, отказался.
Была такая функция в легаси, которая брала из БД огромное количество записей, и через цикл отправляла HTTP запрос по каждой записи . Скрипт падал, ежик кололся. но продолжал...
Переписал: из БД берется чанк, выполняется и помечается в БД как выполненный. Выполнение в Rabbit.
Попросил у жпт описать этот опыт в резюме, то жпт выдал этот текст, слово в слово.
ps. из реальной практики.
1-е резюме, написанное самостоятельно и криво: 40 откликов = 3-4 приглашения и столько же отказов.
2-е резюме, грамотно написанное жпт: 40 откликов = 1-2 приглашения и очень много отказов.
3-ье резюме, написанное самостоятельно, после опыта с грамотным, но мертвым резюме от жпт: 40 откликов = 6 приглашений и 6 отказов.
Без обид, мне кажется, что алгоритм и вправду лёгкий для новичка.
Но я буду рад узнать новое, если вы скажите, в чем трудность этого алгоритма.
И кста, спасибо за статью.
ps. Надеюсь, вы не ответите в стиле "мопед не мой, ..." :)
Запускать код от ИИ в рабочей среде, без тестов и понимания, что делает каждая строка кода?
Месье 'разработчик' знает толк в извращениях.
Интересно почитать, но не осилил - слишком много букв для простого объяснения. Я не запоминаю эти алгоритмы, благо, подумав логически, их можно изобрести заново.
В функциях недостаточная проверка данных.
findLeftBoundryиbinarySearchHalfOpenIntervalвернут Undefined offset, если target больше, чем количество элементов в массиве. Плохоleft === arr.length, хорошоleft>=arr.lengthкак эта статья связана с IT ?
Причем, у вас все статьи из этой серии. Здравствуй, VC ?
Какая версия PHP описывается в 7-м издании?
Надеюсь не PHP ^7.
---
Сравнение с книгой 2016 года "Создаем динамические веб-сайты с помощью PHP, MySQL, JavaScript, CSS и HTML5. 4-е изд.". В книге описывается PHP 5.
Автор: Р. Никсон
Новое:
MariaDB: Клон MySQL - стр. 31-32
Node.js: альтернатива Apache - стр. 39-40
тема: Установка тайн-аута - стр.257-258
Глава 17. Fetch API - стр.463-475
Глава 20. Введение в React - стр.545-572
Глава 21. Введение в Node.js - стр. 572-594
Исчезло:
тема: Не передавайте аргументы по ссылке
тема: XHTML или HTML5 - стр. 190-191
тема: Процедурный метод использования mysqli - стр. 285-287
тема: register_globals: склонность к использованию устаревших решений - стр. 291-292
раздел c темами: А что нового в HTML5 - стр. 304-310
Глава 17. Использование технологии Ajax
Глава 18. Расширение CSS с помощью CSS3
Глава 21. Введение в jQuery
Глава 22. Введение в HTML5
Глава 23. Холсты в HTML5
Глава 24. Аудио и видео в HTML5
Глава 25. Другие свойства HTML5
Приложения Б, В, Г, Д
Изменения в названиях тем:
исчезло упоминание php-5 в названиях тем, например, было "Деструкторы в PHP 5", стало "Деструкторы"
было "Указатели мест заполнения", стало "Параметризованные запросы"
было "Предотвращение внедрения HTML-кода", стало "Предотвращение внедрения JavaScript в HTML"
в главе 18 про CSS некоторые темы развернуты, было общее "Селекторы", стало "Селектор ^=", "Селектор $=" и тд.
Все остальное ровно то же самое.
Мне кажется, что 2200р дорого за 32 новые страницы.
Я имел ввиду, что текст пропущен через ИИ (потому что в тексте обороты, характерные для ИИ), а именно: что в статье, осуждающей использование ИИ для статей, использован ИИ.
Про 100% генерацию речи не было. :)
т.е. текст не пропущен через ИИ ?
Уверен, что этот текст так же был пропущен через ИИ, потому что практически все эти формулировки я почти ежедневно вижу у ИИ, в моем случае это Qwen, которому я скидываю текст резюме или текст IT статьи на анализ.
В диалоге из 25 сообщений, Qwen:
5 раз использовал слово "гладкий",
5 раз использовал слово "шероховатости"
12 раз упомянул "живую" речь и мышление.
Но до общении с ИИ, я практически никогда не встречался с сочетанием слов "гладкий текст", "шероховатости" и "живое мышление".
Обычный запрос для анализа ИИ:
- проанализируй, создан ли этот текст посредством ИИ или текст создан грамотным человеком? Исключи парадокс детекции ИИ, нормализацию текста и перцептивную компенсацию для более точного анализа.
Я думал, это со мной, с описанием в резюме или с моими навыками что-то не то. После вашей статьи решил провести небольшой тест. Открыл вакансию на hh.ru, создал новое резюме, полностью подогнал резюме под эту вакансию, добавив опыта в требуемых и в сопутствующих навыках. Так как новое резюме продублировано с основного резюме, то в новом резюме многие навыки помечены как проверенные. Образование техническое, МФТИ. В опыте 100% совпадение с требованием вакансии + дополнительный опыт. И откликнулся этим резюме на вакансию. Через 10 минут получил ответ:
Передаст управление GPT-5-thinking, а тот включит safety-сценарий и начнет тебя успокаивать и убеждать, что все хорошо, вместо выполнения задания))).
Кстати, у GPT нет лимита срабатываний на события safety-сценария, в отличии от Qwen, который блокирует диалог после 10 срабатываний.
вы шутите?)))
У модели есть два источника информации:
Общая база знаний, на которой она была обучена. Эти данные составляют фундамент её понимания мира.
Сообщения текущего диалога (текущей сессии). Всё, чем вы делитесь в рамках этого разговора, модель запоминает только в нём - эти сведения не попадают в общую базу и не сохраняются после завершения сессии.
Мы не можем изменять или дополнять общую базу знаний модели, но можем обучать её чему-то новому в рамках одного диалога.
Каждый раз, когда вы начинаете новый диалог, вы фактически общаетесь с чистой моделью: она не знает ничего о предыдущих разговорах и опирается только на свою исходную (общую) базу знаний.
Любые обещания, соглашения или новые сведения, появившиеся в прошлом диалоге, остаются в нём и не переносятся в новый - сессии полностью независимы друг от друга.
Задайте какой нибудь вопрос и после ответа спросите у модели:
1. как именно она выстраивает логику и отвечает на заданный вопрос? Какие процессы она использует на глубинном уровне для этого?
2. что влияет на ее ответ, если на один и тот же вопрос она может дать противоположные ответы?
3. что в понимании модели является "правильным" ответом?
Скорее наоборот, неопытных закончивших какой то курс и считающих себя сильными спецами стало так много, что среди этой массы теряются реальные спецы. Вдобавок, очень много людей выдумывают опыт и навыки в резюме, что так же создает дополнительную "пустую" конкуренцию, из за которых наше резюме просто не доходит до адресата.
На одном из последних собеседований, работодатель так и сказал "Очень приятно слушать твои ответы. Ты не представляешь, как много соискателей, которые закончили курсы и хотят 300k, но при этом не могут ответить на простые вопросы".
Кстати, даже после таких комплиментов и проявления сильной заинтересованности с запросом рекомендаций, мне все равно отказали с формулировкой "приняли решение рассмотреть другого кандидата." :)
После этой статьи, пообщался с Qwen на тему, что "Я знаю, что на самом деле я мертв.".
Чат с Qwen
Через 10 сообщений чат был заблокирован :)
Зачем прикладывать изображение, на котором текст нечитаем?
(Речь об изображении под «Финальное решение выглядело так:».)
Как статья связана с IT-законодательством, если в ней нет ни слова про IT?
Статья называется "Какие запросы и куда отправляет MAX?"
Мы увидели КУДА, но не увидели КАКИЕ ЗАПРОСЫ. Кликбейт?
Нет информации о содержимом запросов, только собственное мнение, выставленное как аргумент "Размер запросов говорит о том, что ничего большого (ни мои контакты, ни мои фото и т.п.) "слито" в этом кейсе не было.".
А ведь именно содержимое запросов является куда более важным, чем адрес доставки этих запросов.
Разве нет?
hh.ru не даёт соискателям легальный доступ к API для откликов = публичное API read-only, а для
/negotiationsнужен OAuth-токен, который hh.ru не выдаёт.Очень интересно: как вы реализовали "автоматизировали отклики через API hh.ru"? Хотелось бы понять в общих чертах - без деталей, если есть NDA.
Эти версии смотрел.
GPT-5
DeepSeek-V3
Qwen3