Все потоки

Начнём с того, что по-настоящему «вайблю» я где-то с ноября 25 года. До этого моё общение с LLM строилось на копипасте в ChatGPT, DeepSeek, Gemini и обратно. Рука наловчилась, и я в целом не замечала, сколько времени это всё-таки сжирает. Казалось бы, лишнее действие.

Не сказать что я злоупотребляла общением, но когда ты начинаешь кодить, ты очень уверен в себе и думаешь, что всё делаешь правильно. А как только погружаешься в процесс, начинается это… синдром самозванца, выгорание и тревога. Не сочтите меня пессимистом, но всё так и было))

Пока я училась в университете, слава богу, ChatGPT был отсталой жабой, которая через раз выдавала код с ошибкой. Поэтому я морщила нос и старалась всё делать сама — и аминь, спасибо вселенной, что всё так и было. Иначе, мне кажется, сейчас я была бы не разработчиком, а унылым вайбером, который при слове «конструктор» или «указатели» просто представляет лего и какой-нибудь г. Санкт-Петербург.

А потом случилась революция. И моя компания решила не тормозить.

Сегодня на витрине Хабр Курсов более 10 000 курсов и сотни онлайн-школ. Но не любая школа может попасть на витрину — потому что это не так просто, как кажется. Мы не размещаем всё подряд: каждый курс и каждая школа проходят через несколько уровней проверки перед тем, как вы их увидите.

Рассказываем, как именно мы проверяем школы и курсы. 

Пока бизнес воспринимает ИИ как ещё один SaaS, политики уже начали думать о нём как о стратегическом ресурсе уровня энергии и продовольствия. Разбираю, почему арендовать западные SOTA-модели не получится, а использование открытых весов создаёт личные риски директоров; почему своей фронтир-модели у России в ближайшие годы не будет; как замещение труда за счёт ИИ переносит деньги от импортёра к владельцу модели; почему налог на ИИ придёт без всякого AGI; и как на это всё отреагирует законодатель в России.

Горит релиз. Жду ответа от соседней команды, но напрямую с ней общается коллега. Сроки поджимают, пишу ему: вернулись уже с фидбеком или нет? В ответ прилетает:

Операционный усилитель можно найти почти в любой аналоговой аппаратуре — в аудиоустройствах, таких как микрофоны, усилители, микшеры и эквалайзеры, в медицинском оборудовании, в измерительных приборах и космических зондах.

Разберёмся, как ОУ устроены и почему они стали универсальным строительным блоком аналоговой техники. Пройдём путь от ламповых конструкций до копеечных микросхем, соберём несколько схем на недорогом LM358 с однополярным питанием — и в финале сделаем своими руками простейший электрокардиограф и снимем настоящую кардиограмму.

Делюсь опытом: собрал прод-агента на Claude для небольшой студии дизайна интерьера. Чат отвечает на Haiku 4.5, генератор концепций — на Sonnet 4.6, фото из Pexels вместо DALL-E. Без LangChain, без векторной базы, без RAG-фреймворка. Один файл main.py на 712 строк, два промпта. В статье разбираю развилки: почему именно так, на каких граблях постоял (порог кэша 4096 у Haiku, парсинг JSON-обёртки от Sonnet), где этот подход начнёт ломаться. Не «гайд от эксперта» — скорее дневник развилок.

Фикстуры в Playwright дают много возможностей, но за это приходится платить пониманием их жизненного цикла. В статье показываю на простых графиках, как фикстуры создаются и очищаются, как работает auto-режим, зависимости и скоупы.

Всем привет! Это первая публикация из цикла статей про распределение сервисов в кластере виртуализации. В статье будет описан один из подходов к решению задачи от определения проблемы до результатов тестов с демонстрацией работы готового решения.

В июне 2026 года SpeShu.AI провела качественное исследование: 86 компаний малого и среднего бизнеса, глубинные интервью с собственниками и топ-менеджерами, 6 ключевых вопросов.

14 из 86 компаний дали открытые данные, которые можно цитировать. Выражаем благодарность за участие и публикуем названиях всех участников в конце статьи.

Результаты оказались неудобными для тех, кто продаёт ИИ как волшебную таблетку, а главным барьером оказались далеко не деньги.

Perplexity — не ещё один чат-бот, а answer engine: модель, построенная вокруг поиска и цитирования источников, а не вокруг свободной генерации текста. В 2026 году компания ушла далеко за пределы простого «поиска с ИИ» — добавила собственный браузер Comet с агентными функциями, режим сравнения нескольких моделей одновременно и инструменты для построения отчетов и презентаций прямо из результатов поиска.

Разбираем архитектуру Perplexity, реальные возможности с честными ограничениями и то, как получить доступ из России обычным пользователям.

Привет, Хабр! На связи Игорь Шишкин, я руковожу отделом разработки облачной платформы Рег.облака. Когда инженеру нужно где-то сложить данные, первая мысль — взять диск побольше. Но внутри нашей инфраструктуры почти всё, что растет и читается параллельно, давно переехало в S3: логи, метрики, бэкапы баз, образы контейнеров, артефакты сборок. Диск остался только там, где он по-настоящему незаменим. В этой статье я расскажу, где именно мы используем объектное хранилище и почему в каждом из этих мест выбрали именно его, а не диск.

Всем привет!

Одна из самых распространённых операций в сфере пространственной обработки и аналитики данных — это геокодирование. Если кратко, это когда вам необходимо по адресу объекта (например: Москва, Красная площадь, 1) или его названию (Государственный исторический музей) получить географические координаты, то есть понять, где находится это место, или же наоборот — получить адрес по координатам.

В интернете можно найти не одну и даже не один десяток статей, посвящённых сравнению этих сервисов между собой. Но обширных исследований, посвящённых точности возвращаемых результатов, мне найти не удалось. Зачастую проверка делается на небольшом количестве адресов 10–20. Понятно, что при такой выборке полученные результаты не могут претендовать на универсальность во всех случаях.

А даже если мы и определим сервис геокодирования, который в проведённом сравнении даст хороший процент корректных ответов, условно 90%, как при запуске на новых адресах понять, какие объекты были определены корректно, а какие нет? И какая доля корректных относительно всех переданных для геокодирования объектов?

И, честно сказать, это положение вещей меня угнетает…

В данной статье я постараюсь выяснить, какой из сервисов даёт наиболее точный результат в рамках Москвы на примере 2 000 адресов, а также предложу способ проверки полученных результатов.

Всем привет! Я Никита, тимлид команды Android в Банки.ру. 

Недавно, внедряя в приложение фичу авторизации без SMS-кода (seamless), мы столкнулись с тем, что она в упор отказывалась работать – но только на Android. Мы дебажили ее полторы недели, перепробовали все возможные варианты и закошмарили всех доступных операторов связи, прежде чем узнали, что все дело было… в энергосбережении.

В статье рассказал про наш путь борьбы с энергосбережением и, возможно, это сэкономит вам десятки часов дебага.

Привет, Хабр! На связи команда Data Sapience. С последней публикации результатов тестирования MPP-движков прошло уже несколько месяцев. За этот период произошел ряд изменений в базовых версиях open source движков и фреймворков, а также наша команда разработки внесла ряд улучшений и доработок. Все это может повлиять расстановку сил в рейтинге.

В сегодняшней публикации мы представим максимальное число претендентов, среди которых: Spark 3.5.*, Spark 3.5.* + DataFusion Comet, Spark 4.0.1, Spark 4.0.1 + DataFusion Comet, StarRocks (core based 3.5+, 4.0+), Impala (core based 4.5), Trino (459, 476, 479) и новичок нашего рейтинга — Apache Doris.

Статья поможет вам ответить на вопросы: стоит ли переходить на Spark 4 в поисках производительности; Как нативные вычисления влияют на результаты Spark; Как улучшилась производительность Trino за последние полгода; нужно ли присмотреться к Apache Doris, если вы ищете альтернативу Impala и StarRocks, и как эти проекты связаны между собой; какие оптимизационные улучшения были добавлены нами в StarRocks и Impala за последнее время.

И на десерт мы покажем вам сравнение Greenplum, Cloudberry и StarRocks в режиме Shared-Nothing MPP.

Наверное, многие из вас хоть раз в жизни пытались выработать у себя какую-нибудь полезную привычку с помощью трекера привычек (я имею в виду и приложения в телефоне, и просто записи в обычном бумажном блокноте). Я не раз начинал это дело с большим энтузиазмом, а потом что-то шло не так, и через месяц его уже и открывать стыдно. 

Конечно, сначала все отлично. Новенькое приложение, красивый ежедневник или просто табличка на холодильнике. И вот первые недели две, наверное, я исправно там отмечался и радовался, какой же я молодец. Потом появлялся первый пропуск. Потом второй. Еще пара. Ну и все, собственно. Сценарий один и тот же раз за разом. Сначала дофамин, потом раздражение (даже от самой необходимости отмечаться), а в конце вообще чувство вины и желание не видеть этот интерфейс вообще никогда. Что именно в этой схеме ломается, если идея отслеживать привычки сама по себе звучит вполне разумно? 

Нет, трекер действительно помогает, но только поначалу. Он заставляет наконец-то посмотреть на свои действия, на конкретные сделал/не сделал и делает результат более наглядным. Ты видишь красивый столбик из галочек, например. А еще он дает, скажем так, маленькую награду за каждый шаг. Поставить очередную галочку за что-то полезное - довольно приятное ощущение. И на старте этого достаточно, чтобы сдвинуться с мертвой точки. 

Проблемы начинаются потом. Когда первый азарт проходит, а привычка еще не успела стать частью жизни. Мозг быстро привыкает к тому, что отметка и есть завершение действия. И поначалу все как будто бы честно. Сделал - отметил - порадовался. А через какое‑то время границы размываются. Бывает день, когда руки не дошли, но портить красивый ряд отметок пропуском не хочется. И вот ты отмечаешь уже авансом - попозже сделаю, а сейчас отмечу, чтоб не забыть. Формально как бы ничего страшного. Но фактически ты получаешь свою маленькую награду в виде дофамина не за действие, а за факт отметки. А разницы по ощущениям не так много. 

Привет, Хабр!

Пожалуй, многие из вас, как и я, неравнодушны к музыке, особенно когда она звучит по-настоящему качественно. В прошлых своих статьях я уже делился опытом реализации портативной беспроводной акустики, где в качестве транспорта аудиопотока используется Wi‑Fi вместо «классического» Bluetooth. Но год эксплуатации и накопленный пользовательский опыт подтолкнули меня к созданию улучшенной версии. А что из этого вышло – читайте далее.

Хочу анонсировать свой фреймворк Point0. Это первый Bun FullStack фреймворк сопоставимый по функционалу с Next.js и TanStack Start. Однако, имеет кардинально другой DX, ради которого и был создан.

Мне всегда не нравились существующие фреймворки, особенно Next.js и Remix (React Router). Но я думал, что, видимо, по-другому фреймворки просто не получаются, поэтому и не делают. А громоздкость, чужие строгие соглашения, неповоротливость архитектуры, это просто необходимое зло, с которым я должен смириться.

В какой-то момент во мне накопилось критическое ощущение, что всё же должно быть совершенно по-другому. И я подумал, а напишу-ка я псевдокод на воображаемом фреймворке, который бы меня устраивал, вообще не взирая на возможность реализации. Просто буду писать проект, будто бы идеальный фреймворк существует.

И получилось так здорово, что я просто забыл обо всём на свете и 10 месяцев пилил реализацию этого фреймворка, а 3 месяца назад даже уволился с работы, чтобы уже скорее его добить. И вот добил, и хочу поделиться с вами.

Выбор языка программирования (ЯП) отражает стиль мышления разработчика. Однако если какой-то язык называют «популярным», это вовсе не значит, что он самый перспективный и единственно достойный глубокого изучения. Просто в данный момент он чаще на слуху по разным причинам. Это может быть следствием лёгкости освоения, востребованности в какой-то быстро растущей и специфической отрасли, ошибкой интерпретации статистических данных или просто хайпом. В этой статье вместе с разработчиками и исследователями компании «Криптонит» мы проследим динамику рейтингов ЯП, разберёмся, что скрывается за всплесками интереса к разным языкам, какие из них действительно востребованы и почему.

Для понимания общей картины рассмотрим подробнее, что говорят о популярности ЯП в источниках с разной методологией и оценим динамику.

В проекте пользователям регулярно нужно скачивать наборы документов в виде архива. Изначально архивы формировались только из файлов внутри системы, но задача усложнилась, когда потребовалось добавлять внешние источники. В статье я разбираю решение на базе nginx mod_zip и потоковой генерации архива, позволяющее собирать ZIP «на лету» с минимальной нагрузкой на сервер. Также я подготовил простое демо, где можно всё попробовать самостоятельно.

Любое современное приложение работает с конфиденциальной информацией. Персональные данные пользователей, финансовые данные, внутренние документы компаний — все это хранится, передается и обрабатывается в облачной инфраструктуре. И чем больше критически важных данных оказывается в облаке, тем острее встает вопрос их защиты.

Привет, Хабр! Меня зовут Никита Трунов, я — разработчик команды инфраструктурных сервисов K2 Cloud. Сегодня расскажу вам о нашем новом облачном сервисе управления ключами KMS и как он помогает с шифрованием данных в облаке. В этом материале мы разберемся, какие данные приходится защищать, какие существуют модели доверия к облачному провайдеру и как устроена архитектура современного сервиса управления ключами.