Разработка

Привет, Хабр!

Так уж сложилось, что 99% устройств моего «умного дома» были спроектированы и собраны самостоятельно — что тут поделать, каждый развлекается как может. Об одном из таких устройств я писал ранее, а именно — о модуле управления освещением с радарным датчиком HLK-LD2402. И в соответствии с жизненным циклом отладки, а также процессом эксплуатации устройства назрела необходимость в программных улучшениях, о которых я постараюсь коротко рассказать в этой статье.

Недавно команда специалистов по ИИ провела эксперимент: нескольким ИИ-сервисам для программирования предложили с нуля создать веб-версию классической игры «Сапер». Помимо базовой логики, в задании были дополнительные требования — звуковые эффекты, поддержка сенсорных экранов и нестандартные игровые элементы. На практике такой формат быстро выявил различия в возможностях сервисов: одни справились с задачей уверенно, другие неожиданно споткнулись на, казалось бы, простых вещах. В этом материале разберем, как OpenAI Codex, Anthropic Claude Code, Mistral Vibe и Google Gemini CLI подошли к заданию и что их результаты говорят о текущем уровне ИИ в разработке.

Начало тут

По своей сути, каждая новая экселька это отдельный мирок. Я бы даже выразился "некая от отдельная приложуха"! И чтобы она была живой, понятной не только тебе и действительно стала полезным инструментом ты должен понять, а на какой вопрос она отвечает?

Это не совсем ТЗ. Тех.задание (пусть и самому себе) ты будешь продумывать в голове на следующем шаге. А это чуть более глубокий вопрос: какую именно потребность ты закроешь в самом конце, проделав кучу работы, всё собрав, подсчитав и отформатировав?

ИИ-агенты ворвались в чарты и обсуждения по всему миру, к ним прикован интерес, в них вливают миллиарды и интегрируют в продукты и платформы. Но долго ли это продлится?

На связи команда Research & Insights Центра стратегии цифровых продуктов МТС. Мы подготовили исследование мирового и российского рынка ИИ-агентов. Это третий материал на его основе: в первом рассказали об инсайдах исследования, во втором — о видах агентов. А в этом покажем, какие три сценария развития ИИ выделяют инвесторы, в какой верят больше всего и как в эту картину вписывается тренд на ИИ-агенты. 

Новый инсталлятор и повышение удобства работы с системой.

В предыдущих частях было рассказано о революции в расследованиях и усилении защитного периметра. Но не менее важна и «кухня» — то, как система устанавливается и насколько легко работать с ней.

В завершающей части обзора, посвященной нововведениям, касающимся платформы и юзабилити, Яна Менжевицкая, аналитик отдела бизнес-аналитики систем предотвращения утечек информации ГК «Солар», поведает, как Solar Dozor восьмой серии стал проще в развертывании, легче в интеграции и гибче в управлении.

Интерфейс для решения технических задач: графический инсталлятор и редактор схем преобразования данных.

В Solar Dozor версии 8.1 появились:

• Графический инсталлятор, который делает процесс установки и обновления системы более простым и удобным. Поддерживается установка в одиночной или многонодовой конфигурации, а также добавление новых узлов в кластер. В начале установки проверяется соответствие аппаратного и программного обеспечения требованиям системы, что предотвращает возможные ошибки.

• Редактор схем преобразования данных из внешних источников. Cхемы преобразования данных используются для интеграции Solar Dozor с другими системами (по ICAP/HTTP). Принимая сообщения от этих систем, DLP-система «Солара» получает из них необходимую информацию в соответствии с определенной схемой. В предыдущих версиях Solar Dozor такие схемы можно было создавать и редактировать только путем изменений в специальных файлах. Теперь работать со схемами преобразования данных можно прямо в интерфейсе системы. При необходимости можно отключать/включать использование конкретной схемы, а также копировать или удалять их.

Появилась необходимость перенести уже установленный ghost cms на другой vps, на котором уже установлена FASTPANEL. Вдохновившись статьей "Установка Ghost на сервер под управлением ispmanager", я подумал, что это будет просто. На деле же оказалось несколько сложнее.

Конечно можно установить в docker контейнер и не париться с панелью. Но я решил остановиться на варианте без контейнеризации. В этой статье у меня был 1 чистый сервер на котором был установлен ghost cms без докера. Второй сервер уже в работе с установленной FASTPANEL.

Начнем пожалуй с бэкапов.

Регулярно в процессе разработки электроники возникают вопросы: "А как правильно? А так можно? Будет ли это работать?". В связи с этим предлагаю посмотреть: а как же проектируют свои устройства передовые технологические компании? Где они ошибаются, а что делают превосходно.

Продолжаем разбор схемы Macbook Pro 15'' на Intel i7. С первой частью можно ознакомиться тут. Сегодня коснемся архитектуры, цифровой части и системы отладки.

История о том, как одна критическая уязвимость (CVE-2025-55182) в серверных компонентах React привела к полному захвату нашего тестового сервера. Майнер, убитые системные процессы, сломанный GRUB и 10 часов борьбы за контроль. Разбираем хронологию взлома, наши ошибки и жесткие выводы о безопасности современной Full-Stack разработки.

В статье приведен результат опроса сообщества 1С разработчиков на предмет применения ИИ в своей текущей деятельности.

На конец 2025 года был проведен опрос сообщества на предмет использования ИИ. Цель — понять какие технологии\модели\подходы\практики обрели популярность.

Какие технологии «прижились» среди 1С разработчиков, а какие пока воспринимаются с опаской. Так получилось, что моя деятельность во многом связана с продвижением ИИ в среде 1С. Так вот, главный интерес заключается в том что получилось а что нет. А может некоторые практики и технологии упущены.

Также достаточно интересно с какой стороны и кто занимается внедрением практик работы с ИИ в компаниях. «Снизу» или «сверху».

Поэтому аудиторию, пожалуй, нельзя считать среднестатистической, хоть попытки и были.

Обязательным условием всех способов повышения помехоустойчивости при передаче информации по зашумленным каналам связи является введение информационной избыточности. Вид избыточности и ее размер определяется используемым способом помехоустойчивого кодирования. Выбор способа кодирования происходит с учетом параметров сигнала и характеристик канала связи: для цифрового канала – интенсивности ошибок, для аналогового канала – уровня шума и помех. Большое значение имеет степень сложности кодирования/декодирования и, соответственно, требуемая вычислительная мощность. Практически во всех корректирующих кодах, обеспечивающих автоматическое исправление ошибок, степень вводимой избыточности определяется способом кодирования и жестко связана с размером кодируемого информационного блока. Поэтому представляет интерес возможность использования избыточности, размер которой регулируется в соответствии с уровнем шума в канале связи.

Тривиальный способ введения избыточности – увеличение длительности сигнала добавлением фрагмента любой длительности и любого содержания, например, нулевого. Это способ фиксирует параметры шума в канале, но не позволяет уменьшить уровень искажений сигнала. Но если избыточность вводить не в сигнал, а в спектр сигнала, результат оказывается другим. При цифровой обработке сигналов широко используется операция интерполяции (передискретизации) – повышение частоты дискретизации. При этом к высокочастотному концу цифрового спектра добавляется нулевой фрагмент требуемой длительности. В результате обратного преобразования Фурье (ОПФ) формируется сигнал, содержащий большее количество отсчетов, то есть, имеющий ту же форму, но более высокую частоту дискретизации. При передаче этого сигнала по каналу связи происходит наложение аддитивного случайного шума. В приемнике в процессе устранения введенной избыточности есть возможность провести усреднение случайного шума и снизить уровень искажений. Проведено моделирование в среде MATLAB этого способа передачи.

На днях вышла новая статья "Beyond Context: Large Language Models Failure to Grasp Users Intent", которая задаёт новые тренды академического кликбейт названия публикаций. По сути авторы заявляют, что модели не понимают глобального интента пользователя.

Они делают глубокое исследование, которое это подтверждает на примерах обеспечения личной безопасности пользователя и получения легальной, но потенциально вредоносной информации.

Но на практике оказывается иначе: модели распознают намерение пользователя, но не используют его при принятии решений. Почему так происходит и как с этим работать в реальных системах?

Декабрь — это когда:

- задачи вроде бы закрыты, но TODO всё ещё смотрит укоризненно

х- очется «ещё один маленький рефакторинг» перед Новым годом

- и, конечно, появляется ощущение, что со следующего года всё точно будет ещё лучше ✨

Недавно на работе мне пришлось столкнуться с одной задачей. Нужно было срочно озвучить текст для ролика, но рядом ни диктора, ни коллег, которые могли бы помочь.

И тогда я задумался: а что если доверить это алгоритмам? Можно ли с помощью нейросети получить живой, выразительный голос, который будет звучать как настоящий диктор?

Сегодня мы как раз рассмотрим 6 нейросетей, которые могут прийти на помощь в такой ситуации.

Приятного просмотра. Мы начинаем!

Этот проект я изначально писал для себя и под свои рабочие привычки: хотелось иметь быстрый «пульт» к компьютеру/серверу из Telegram, где всё управляется кнопками, без постоянного ввода команд.

Потом стало понятно, что штука может пригодиться и другим людям, поэтому я решил выложить её в открытый доступ.

Репозиторий на GitHub

Последняя версия на GitHub на момент публикации: v1.1.7.

Если интересно, как всё начиналось и к чему я пришёл по ходу разработки, у меня уже выходили две статьи на Хабре:

В прошлых статьях я разбирал основы апскейлинга дома и сходил с ума, вырезая закадровый смех из «Скуби-Ду». Тот опыт привёл меня к выводу: существующие инструменты, будь то плагины вроде NeatVideo или комбайны типа Topaz Video AI — это «чёрные ящики». У них ограниченный набор настроек, и они часто пасуют перед специфическими задачами старой анимации.

В этот раз я пошёл от обратного. Сразу снижу градус ожиданий: это любительский эксперимент. Мы сильно ограничены в мощности GPU (в наличии только RTX 4060 Ti), из-за чего натренировать реально точную, тяжелую нейросеть-универсала возможности нет.

Поэтому вместо гонки за идеальными метриками я сосредоточился на «неудобных» проблемах. Я написал симулятор уничтожения плёнки, чтобы научить легкую модель понимать физику конкретных дефектов: от сдвига эмульсии до химических ожогов.

Спойлер: на это ушло 2 месяца и 2 миллиона итераций. Получилась не «волшебная кнопка», а набор узкоспециализированных инструментов.

Интересно получается: с одной стороны, растёт волна хайпа вокруг пользы AI-агентов, и в то же время ниспадающая волна не меньшего хайпа говорит о том, что агенты не работают. Это всё дорогая игрушка — поиграли, забыли, выбросили.

На примере разработки AI-консультанта для своего агентства расскажу о системном подходе к проектированию архитектуры production-ready AI-агентов, который мы применяем при создании агентских систем для бизнеса. Чтобы они не были дорогой игрушкой, а приносили эффект и оправдывали своё назначение.

Поехали...

Хорошие книги подобны жемчугу.

Когда разработчик сталкивается с проблемой (непонятной ошибкой, архитектурным тупиком, неудобным инструментом) — это становится своего рода «песчинкой». Она мешает, раздражает, не дает покоя. Включается защитная реакция (поиск лучших решений, эксперименты, переосмысление). Вокруг проблемы постепенно нарастают слои знаний. И если разработчик решается поделиться ими в книге — появляется та самая жемчужина.

Разбираем мощь match/case в Python: от базового синтаксиса до распаковки JSON и эмуляции в старых версиях.

Привет, Хабр!

Сегодня я расскажу, как можно улучшить проекты с помощью Git‑хуков в среде 1C:EDT. Если вы разрабатываете на «1С:Предприятии» и используете Git, но еще не подружились с хуками, самое время это сделать.

В экосистеме 1С исторически существовало собственное хранилище кода, и Git долгое время казался чужаком. Но прогресс не стоит на месте, сейчас 1C:Enterprise Development Tools умеет работать с Git по дефолту, поддерживает групповую разработку и Git‑хуки. Хуки — это скрипты, которые автоматом выполняются при наступлении определенных событий в репозитории: коммит, пуш, слияние и так далее.

Начнем с резкого заявления: Математическая теория не подводила ИИ. Это ИИ не смог понять математическую теорию - а именно те разделы математики, которые напрямую влияют на интеллектуальные системы: теорию категорий, топологию, дифференциальную геометрию и структуры, связывающие их воедино.

Это различие крайне важно, потому что прямо сейчас «категориальный ИИ» становится модным способом рисовать стрелочки, чтобы звучать глубокомысленно и при этом тихо игнорировать те самые вещи, которые делают интеллект по-настоящему сложным: время, память, историю и пути.

Если вы когда-нибудь задавались вопросом, почему ваш ИИ ведет себя во вторник иначе, чем в понедельник, хотя «ничего не менялось», - читайте дальше, здесь мы объясним почему. И это не баг. Это фундаментальная архитектурная слепота, которая уходит глубже, чем кто-либо готов признать.

Пристегнитесь. Мы начинаем!