Все потоки

Работа с текстом — это, пожалуй, одна из главных областей применения больших языковых моделей (LLM). Существует много способов редактирования текста. Аналитики, например, часто работают с разметкой markdown — такой текст почти ничего не весит, с ним легко работать в любом текстовом редакторе и его легко можно сгенерировать при помощи скриптов. Но не секрет, что для подавляющего большинства пользователей редактор Word по‑прежнему остается основным инструментом. Мой личный опыт работы с текстом таков — свои тексты и научные отчеты я готовлю в редакторской системе Quarto, иногда в чистом markdown. Готовый текст рендерю в .docx и уже затем выполняю чистовую доработку в MS Word. И вот здесь могут возникать трудности — если с чистым markdown можно без проблем работать при помощи встроенных в текстовый редактор (я использую Visual studio code) инструментов LLM, то в Word их нет. Вернее, есть, но использовать их в России по целому ряду причин невозможно.

Я давно хотел решить эту проблему и сделать так, чтобы LLM был всегда под рукой, прямо в редакторе Word. В итоге родился небольшой пет‑проект — набор VBA‑макросов для MS Word, который добавляет функционал работы с любыми LLM через OpenAI‑совместимый API.

Пока компании выстраивают орбитальные группировки и формируется индустрия космических сот — связанной инфраструктуры спутников, наземных станций и высотных платформ, — одна технология все чаще оказывается в центре внимания. Это лазерная передача энергии. Она развивается прежде всего как инструмент для самой космической инфраструктуры: подпитки спутников, орбитальных узлов, беспилотников. И у нее есть принципиальное преимущество перед другими подходами: лазеры уже вовсю используются для межспутниковой связи, а значит, технология развивается не с нуля. 

В этой статье разберемся, что за этим стоит, насколько технология близка к практике, и где именно она может выстрелить раньше всего.

Хабр, привет!

На связи команда инженеров-аналитиков R-Vision. В июне 2026 года мы выделили 19 трендовых уязвимостей, и включили в дайджест те, что представляют наибольший практический интерес по уровню риска, подтверждённой эксплуатации и актуальности для специалистов по информационной безопасности.

В этом материале мы разобрали условия эксплуатации каждой уязвимости, возможные последствия их успешной эксплуатации и рекомендации по защите. Обзор поможет ИБ-командам расставить приоритеты при обновлении систем и быстрее закрыть наиболее критичные риски.

Всем привет, это моя первая статья на Хабре, и я решил посвятить ее своему недавнему мини‑проекту, сутью которого является обучение небольшого перцептрона 2-5-1 с помощью Python без сторонних библиотек (типа NumPy), и его последующий инференс на непрограммируемом инженерном калькуляторе Casio‑Fx-82-Es Plus (2^nd edition).

В качестве задачи для перцептрона я выбрал определение того, находится ли точка в пределах графика следующей лемнискаты Бернулли: (x² + y²)² — 2a²(x² — y²) = 0 (с a = sqrt(0.5), то есть вообще без коэффициента 2a²), с минимально приемлемой вероятностью (70–85%)

Поиск работы в 2026 году — это инженерная задача, которую все решают вручную. hh.ru перемешивает релевантные роли с шумом: на запрос «Senior PHP» прилетают джуны, фронтендеры и «PHP со знанием 1С». Одна и та же вакансия репостится под разными URL — и отследить, что ты уже откликался на неё месяц назад, практически невозможно. Зарплатные вилки скрыты или указаны в разных форматах. Значительная часть рынка вообще живёт вне hh — в ATS западных компаний (Greenhouse, Ashby, Lever, Workday), на Habr Career, в GetMatch и GeekJob, и у каждого источника свой API и своя схема данных. А поверх всего этого — ИИ по обе стороны воронки: резюме первым читает ATS-скринер, а не человек, рынок захлёстывают массовые AI-отклики, и рекрутёры в ответ закручивают фильтры.

Если декомпозировать задачу честно, получается типовой ETL-конвейер: агрегация из неоднородных источников, нормализация и дедупликация в единую модель, скоринг против резюме, трекинг откликов во времени. Ровно то, что бэкендеры строят на работе, — только над данными о собственном трудоустройстве. Я так и поступил: написал локальный клиент, который агрегирует 41 источник, оценивает каждую вакансию под резюме, ловит репосты, ведёт воронку откликов и разворачивается одной командой. Сервер слушает только loopback — резюме и история откликов не покидают машину.

В статье — разбор архитектуры и решений: фронтенд без сборки и без virtual DOM, два реестра адаптеров с тестами на согласованность, SSRF-защита на DNS-pinning, двухфазный SSE с детерминированным завершением, 13 локалей с RTL, тестовая пирамида из 1543 кейсов и Spec-Driven Development как замена командного ревью для solo-проекта.

В данной статье рассматривается процесс установки Navidrome Music Server на Windows для стриминга музыки со своего ПК на одно или несколько своих устройств с минимальными заморочками. Я намерено использую установку без развертывания в контейнере или на выделенном сервере дабы уменьшить порог входа в «self‑hosted музыкальный стриминг», принимая тот факт, что у кого‑то может отсутствовать желание (или возможность) разбираться с Linux и контейнерами.

Вкратце, Navidrome Music Server — это музыкальный Open‑Source медиасервер, в котором весь аудио‑контент контролируется только Вами (или другими пользователями, которых вы добавите). Это особенно актуально в текущее время, когда отдельные треки, или даже альбомы могут быть изменены или удалены с глобальных музыкальных стримингов в любое время по запросу от лейблов или регуляторов, или даже в соответствии с поправками в законе.

Сервер Navidrome разворачивается локально на ПК с Windows, а для удаленного подключения к серверу мы используем связку устройств в защищенную частную сеть через Tailscale.

«Нам нужно сделать регрессионное, функциональное и интеграционное тестирование» — а ты автоматизатор и уже задумываешься о том, что попал куда‑то не туда. Или новичок решает пойти в тестировщики, смотрит вакансии и видит, что этих видов тестирования чуть ли не сотня. Как же понять, что от тебя требуют и куда идти? Попробуем разобраться.

В прошлом году я наблюдал одно и то же внедрение AI в четырёх разных компаниях. Разные индустрии, разные бюджеты, один сценарий, вплоть до реплик.

Сценарий такой. Сверху приходит: «нам нужен AI, все уже внедрили». Спешно выкатывают корпоративного ассистента — чат поверх LLM, обёрнутый в фирменные цвета. Через месяц готов слайд: «AI-ассистентом воспользовались 10 000 раз». Совет доволен. В письме инвесторам — строчка про «AI-трансформацию». Продукту — премия.

А теперь то, чего на слайде нет. Я в таких случаях прошу показать не «количество запросов», а три других числа. Сколько людей пришло во второй раз. Сколько пользуется раз в неделю спустя месяц. И что эти люди перестали делать по-старому.

В одной из тех четырёх компаний картина была такая: из десяти тысяч запросов девять тысяч — люди, которые задали один вопрос, получили ерунду и не вернулись. Никогда. Из оставшихся — половина это сотрудники, которых попросили «потестить», и демо для руководства. Недельная активная аудитория «внедрённого» AI спустя квартал — четырнадцать человек. Из четырёх тысяч сотрудников.

В отчёте осталось «10 000». Слайд ещё дважды показывали на советах.

Тратите драгоценное время на бесконечный скроллинг стоковых платформ в поисках подходящего ракурса? Или регулярно переплачиваете иллюстраторам за простейшие концептуальные наброски? В 2026 году моментальная генерация фото по описанию полностью закрывает производственные потребности. Мы провели тест сотен текстовых запросов через популярные и узконишевые генераторы изображений. Весь морально устаревший или заброшенный софт был безжалостно отсеян — в этом материале собрано только то, что действительно демонстрирует пиковую эффективность на рынке.

Ниже представлен развернутый аналитический обзор рынка: вы узнаете, какая именно нейросеть генерирует реалистичные фото коммерческого уровня, а какой инструмент ориентирован исключительно на создание концептуальных цифровых артов. Мы разберем, где доступна абсолютно бесплатная нейрофотосессия с гарантированным сохранением уникальных черт лица, а где лучше заказывать стилизованные портреты.

Б/у-видеокарты снова в цене, а вместе с ними вернулся и страх купить карту, убитую майнингом. Разбираем, что на самом деле изнашивает GPU и как это проверить за полчаса

Всем привет!

Вероятно, часть людей уже меня знает, но всё же представлюсь. Меня зовут Михаил Поливаха, я являюсь техническим лидером проекта Axelix.

Я уже какое-то время назад выпускал статью, которая поясняла, что такое Copyright, что такое лицензия в общем её смысле, какие типы лицензий бывают и т.д. Рассматривайте данную статью как некое продолжение этой прошлой статьи.

Сегодня я хочу осветить такой момент, как CLA и почему в том или ином виде он есть у любого крупного Open Source-а. Мы также рассмотрим, как AI влияет на CLA и на принятие контрибьюшенов со стороны. Есть ещё DCO. Его, например, уже давно использует Linux, и Spring Framework в своё время перешёл на него с CLA. Но DCO, я думаю, стоит обсудить отдельно. Если интересно будет - пишите, я потрачу время, расскажу.

В общем, без долгих прелюдий, начнём.

Безопасность публичных репозиториев и собственных хранилищ артефактов не теряет своей актуальности с возросшим количеством атак на цепочку поставки. Оценивать важно, оценивать нужно.

В феврале 2024 года в сообществе Open Source Security Foundation (OSSF) были опубликованы Принципы безопасности пакетных репозиториев, которые не потеряли своей актуальности и сегодня.

Команда CodeScoring подготовила перевод и делится с сообществом.

Авторы оригинала: Jack Cable (CISA), Zach Steindler. Предложить улучшения можно в репозитории рабочей группы.

В этой статье я хочу рассказать, как после обучения Cisco CCNA дальше углубить свои знания и развиваться в направлении компьютерные сети. Я сам проходил профессиональную переподготовку на курсе инфокоммуникационные сети, что в дальнейшем оказалось учебными материалами, очень напоминающими материалы CCNAv6 Routing and Switching Essentials.
После чего задумался, как применять свои навыки и развиваться как сетевой инженер.

Реклама премиальных продуктов часто требует более точной настройки рекламных кампаний, чем работа с массовым сегментом. Если для товаров повседневного спроса ключевой задачей может быть максимизация охвата, то в премиальных категориях на первый план нередко выходят качество аудитории, точность попадания в потребность и эффективность каждого привлеченного лида.

Привет! Это команда Авито Рекламы. В нашем блоге мы рассказываем о рекламных технологиях и разбираем кейсы из разных индустрий. В этот раз вместе с агентством IKS by Okkam делимся опытом продвижения премиального автомобильного бренда EXEED EXLANTIX и рассказываем, какие гипотезы были протестированы в ходе кампании по привлечению заявок на тест-драйвы и бронирование автомобилей.

Нейросеть для работы с документами

Работа с документами остается одной из самых трудоемких задач практически в любой компании. Независимо от того, работаете ли вы маркетологом, менеджером проектов, бухгалтером, HR-специалистом или руководителем отдела, ежедневно приходится готовить отчеты, писать деловые письма, оформлять инструкции, создавать презентации и анализировать большие объемы информации.

Еще несколько лет назад подобная работа занимала часы. Нужно было самостоятельно составить структуру документа, подобрать формулировки, проверить текст на ошибки и привести его к единому стилю. Сегодня значительную часть этих задач можно автоматизировать благодаря современным нейросетям.

Искусственный интеллект умеет анализировать документы, структурировать информацию, писать тексты, создавать презентации, оформлять отчеты и даже помогать с подготовкой коммерческих предложений. Благодаря этому сотрудники могут уделять больше времени решению действительно важных задач, а не рутинной работе с документами.

В этой статье рассмотрим лучшие нейросети для работы с документами в 2026 году, сравним их возможности и расскажем, какой сервис лучше подойдет для разных рабочих сценариев.

Большинство AI‑приложений — это просто «запрос → LLM → ответ». PAD+ AI исследует, что должно происходить между этими шагами. Мы построили открытую когнитивную архитектуру с 22 фазами обработки, 6 типами памяти, эмоциональной моделью и полной трассировкой «мыслей» системы через X‑Ray. Это не чат‑бот, а инженерная платформа для наблюдения за процессом принятия решений ИИ.

Еще несколько лет назад подготовка рабочего отчета занимала несколько часов, а иногда и целый день. Нужно было собрать информацию из разных источников, проанализировать показатели, оформить документ, проверить текст и привести его к единому стилю. Если отчет сопровождался презентацией, времени уходило еще больше.

В 2026 году ситуация изменилась. Благодаря развитию искусственного интеллекта большую часть рутинной работы можно автоматизировать. Современные нейросети помогают структурировать информацию, писать тексты, анализировать документы, оформлять отчеты и создавать презентации буквально за несколько минут.

Поэтому неудивительно, что все больше пользователей ищут запросы:

Аудит интеллектуальной собственности – это комплексная проверка всех нематериальных активов проекта: патентов и средств индивидуализации (товарных знаков, логотипов, коммерческих обозначений), авторских прав (ПО, дизайн, контент) и ноу-хау.

Главная задача аудита – понять, какие активы есть, кому они принадлежат, насколько корректно оформлены права и нет ли риска использования чужой интеллектуальной собственности.

По итогам аудита складывается полная картина – можно ли безопасно использовать эти активы в бизнес-модели, лицензировать, продавать или включать в оценку компании.

При привлечении инвестиций инвесторы всегда проверяют наличие прав на интеллектуальную собственность, чтобы убедиться в целесообразности будущих вложений.

Инвестор смотрит не только на цифры. Его интересует, действительно ли вы контролируете то, на чем строится ценность проекта. Если права оформлены слабо (например, права на ключевой код остались у разработчика, а не перешли к вам, или товарный знак зарегистрирован на старое юрлицо или основателя), то это серьезный красный флаг. Такие пробелы могут:

После этой статьи вы сможете найти самые частые причины лагов в Compose-экранах и быстро убрать их без больших переписываний.

Разберем, почему большие экраны начинают дергаться, как lazy-списки ломаются из-за плохих ключей, где тяжелая работа незаметно попадает в UI-поток и какие правки обычно дают самый быстрый эффект.

Это начало цикла статей о создании компактной кросс‑платформенной библиотеки для разработки приложений с графическим интерфейсом на языке C++ — Frenchie. Я расскажу про то, как пришел к созданию этой библиотеки, а также постараюсь максимально понятно и просто описать общие принципы её работы и архитектуру.

Цель всего цикла материалов — дать представление о том, как устроены подобные проекты, начиная от открытия контекстного окна и управления его состоянием, заканчивая рисованием графических примитивов. Надеюсь, что весь цикл материалов окажется полезным как для тех, кто начинает свой путь в разработке приложений с графическим интерфейсом, так и для опытных разработчиков.