Настольное приложение, которое превращает AI-агентов в сотрудников изометрического офиса. Один взгляд — и видно, кто работает, кто думает, а кто зашёл на кухню за кофе. Это пет-проект, сделанный для фана: эксперимент с визуализацией работы нескольких AI-агентов одновременно, без коммерческих амбиций и без планов превращать его в продукт.
Рассмотрен процесс моделирования, изготовления и тестирования многосекционного гибридного ответвителя мощности
В IT профессиональный рост редко упирается только в мотивацию: чаще мешают разрозненные знания, нехватка времени на системное изучение темы и ощущение, что технологии меняются быстрее, чем получается в них разобраться. В этом дайджесте собрали демо-уроки мая по ключевым направлениям — от разработки, архитектуры и инфраструктуры до ML, аналитики, тестирования, ИБ и управления.
Это возможность посмотреть, как практикующие эксперты разбирают актуальные темы вроде Go, Kubernetes, LLM, ClickHouse, DevSecMLOps и AI-агентов, задать вопросы и понять, какие навыки стоит подтянуть дальше.
Доброго времени суток, я разработчик и амбассадор AI. Мой стаж работы в коммерческой разработке — 15 лет. Я работала в проектах с GLSL шейдерами, С/С++, Lua Jit, устав от компилятора, ушла в Front End (Back End как хобби), Digital Agency, Typescript, и сейчас продолжаю работать на Typescript.
Я использую каждый день GPT, Devstral, Minimax 2.7, Kimi 2.6, opus MT для переводов, Yolo World, и другие разнообразные нишевые модели. Речь в статье пойдет о моем субъективном опыте, о том, какие подписки стоят своих денег, а какие нет, какие модели для чего больше подходят. Без нейрослопа, только опыт реальных сложных задач, таких как сборка PyTorch под Adreno 530 (Android 9, телефон 2016 года), переход большой кодовой базы с PHP 7.4 → 8.0, и многое другое.
Капитализм мёртв. Так считает Янис Варуфакис, бывший министр финансов Греции, а по совместительству — главный левый бунтарь Европы. В своей книге про технофеодализм он заявляет: мечта марксистов сбылась, но на смену пришло не светлое социалистическое будущее, а нечто гораздо более мрачное.
Как победить хаос изменений в 1C, SAP и микросервисах? Авторская модель управления изменениями через Задания на разработку (ЗНР) и Релизные контейнеры, которая синхронизирует бизнес-процессы и код, предотвращая сбои в сложном ИТ-ландшафте.
Представьте задачу: передать сообщение на противоположную сторону Земли с идеальным пингом напрямую сквозь ядро, не используя спутники или ретрансляторы. Радиоволны сквозь планету не пройдут. Нейтрино поймать — задача для циклопических подземных резервуаров. Выход один — гравитационные волны (ГВ). Для них Земля прозрачна, как стекло.
Современные детекторы ловят низкочастотные гравитационные волны от слияния черных дыр. Но мы не можем крутить черные дыры в лаборатории. Зато мы можем спроектировать сверхвысокочастотный (СВЧ) гравитационный приемопередатчик, который уместится в здании. Фундаментальная физика говорит, что это реально. Инженерия говорит, что придется попотеть. Давайте прикинем «цыферки».
Я руководитель проектов и у меня есть команда разработки продуктов. Аналитики исследуют и анализирует новые фичи, пишут спецификации. Есть разработчики и тестировщики. Есть DevOps, который чинит CI и выкатывает релизы. И даже есть технический писатель анализирует изменения и обновляет документацию.
Обычная продуктовая команда разработки.
Только людей в этой команде нет.
Все исполнители - AI-агенты…
Я формулирую проблему, описываю ожидаемый результат, задаю ограничения, выбираю приоритеты, принимаю или отклоняю результаты, разбираю спорные ситуации. А мои AI-агенты делают то, что обычно делают участники полноценной команды разработки.
Современные AI-агенты способны выполнять работу разных инженерных ролей, так почему бы не управлять ими как полноценной командой? А для управления использовать те же подходы, которыми мы давно управляем человеческими командами: Kanban, Scrum, Agile, Definition of Done, декомпозиция, pipeline, review, escalation.
Эта статья — про мой практический опыт такого подхода. Не про «AI заменит программистов». Не про «теперь можно не думать». И не про «вот магическая кнопка, которая делает продукт». Скорее наоборот: чем больше AI пишет кода, тем важнее становятся процесс, постановка задачи, спецификации, тесты, CI, документация и контроль состояния.
На днях слушала подкаст с участием Карла Фристона – нейробиолога и психиатра. Его принцип свободной энергии и учение о том, как работает мозг – это то, что взрывает тот самый мозг. Ниже я изложу содержание подкаста и свои соображения (увяжу с психоанализом, к которому я имею прямое отношение, как практикующий психоаналитический психотерапевт).
Согласно Фристону, мозг — это маленький учёный, который не пассивно воспринимает мир, а постоянно строит гипотезы о нём и проверяет их. Он генерирует предсказания («что я сейчас увижу/услышу/почувствую?»), а затем сверяет их с реальными ощущениями. Разница между предсказанием и реальностью — это ошибка предсказания. Минимизация этой ошибки и есть то, что Фристон называет принципом свободной энергии. Наш мозг неустанно работает на то, чтобы расхождение внутренней модели мира и самой реальности было максимально небольшим.
Мозг может минимизировать ошибку предсказания двумя способами:
Grok 4.3 от xAI вышел в апреле 2026 года и пока остаётся в стадии бета-версии — протестировать его могут только подписчики SuperGrok Heavy за 300 долларов в месяц.
В чём Grok 4.3 опережает ChatGPT-5.5 и Claude Opus 4.7? Как использовать Grok 4.3 без подписки? И как получить дешёвые токены по API из России, без VPN и сложных настроек? Разберёмся.
Для ясности: я бывший инженер и учёный НАСА с докторской степенью в области космической электроники. Я также проработал в Google 10 лет в различных подразделениях компании, включая YouTube и тот отдел облачных технологий, который отвечал за развёртывание ИИ-ресурсов, поэтому я вполне компетентен высказать своё мнение по этому вопросу.
Краткая версия статьи: это абсолютно ужасная идея, которая действительно не имеет никакого смысла. Для этого есть множество причин, но все они сводятся к тому, что электроника, необходимая для работы центра обработки данных, особенно развёртывающего ИИ-ресурсы на основе графических процессоров (GPU) и тензорных процессоров (TPU), является полной противоположностью тому, что работает в космосе. Если вы раньше не работали конкретно в этой области, я бы предостёрег вас от поспешных выводов, потому что реальность обеспечения функционирования космического оборудования в космосе не всегда интуитивно очевидна.
Моя рабочая практика сложилась таким образом, что почти всю жизнь я проработал в стартапах самых разных отраслей, и моей задачей было вывести компанию на приемлемый зрелый уровень. Здесь следует сразу обозначить, что именно я подразумеваю под стартапом, поскольку различных определений много. Итак, стартап - это организация, которая не понимает, что именно она делает, на чём она зарабатывает. Стартап - не обязательно молодой бизнес. Бывают компании, которые не выходят из состояния стартапа и 5 лет, и 10 лет.
Эта статья - обобщение моих наблюдений о том, как развивается организация, через какие стадии проходит и с какими кризисами сталкивается. Очень люблю всё систематизировать, поэтому давайте начнём с таблицы.
Таблица 1. Стадии развития организации
28 апреля вышло второе дополнение к Diablo 4, которое получило название Lord of Hatred.
И пользуясь случаем, мы бы хотели поговорить с вами о серии игр в целом, ее вкладе в развитие игровой индустрии, проанализировать мнения критиков и геймеров о свежем аддоне, а также честно и без прикрас разобраться — стоит ли играть в четвертую часть франшизы вообще и в ее дополнение в частности. Не будем затягивать вступление и начинаем!
Для меня Git относится к тем технологиям про которые все слышали, многие пользуются, но про которые всегда узнаёшь что-то новое. Git - система контроля версий, которую используют все IT-специалисты. Конечно, кто-то использует и другие, но я таких не встречал. Данный туториал рассматривает Git со стороны локального пользователя и не затрагивает темы разворачивания своего удалённого репозитория или его администрирования.
Официальное предупреждение (дисклеймер)
Настоящая статья подготовлена с использованием технологий искусственного интеллекта.
В частности:
— экспериментальные данные обработаны и проанализированы нейросетью;
— иллюстративный материал, сопутствующие слоганы, а также предисловие и послесловие сгенерированы нейросетью;
— макет статьи редактировался и корректировался нейросетью.
Лицам, придерживающимся позиции «ИИ‑веганства» (испытывающим устойчивый страх, неприязнь или психологический дискомфорт по отношению к нейросетевым системам), настоятельно не рекомендуется ознакомление с содержанием данной публикации, равно как и участие в её обсуждении, во избежание возможного нанесения вреда психологическому благополучию.
Вайбкод это круто, пока не открываешь первый отчёт сканера безопасности и не видишь 234 проблемы. В статье разберём, как выстроить пайплайн вокруг LLM-проекта: подключить SAST-инструменты, настроить Quality Gate как блокировщик деплоя и использовать модель для исправлений — не вместо инструментов, а поверх них. Покажу на реальном проекте с реальными цифрами. Будет полезно тем, кто активно использует LLM для написания кода, и специалистам в области appsec/devsecops.
Часть 1 — контекст, данные из отчёта DryRun Security и немного теории про DevSecOps.
Часть 2 — подключаем SonarCloud, настраиваем Quality Gate, интегрируем в CI/CD.
Часть 3 — первый скан реального проекта: 234 проблемы, как их разбирать и исправлять через Claude 4.6.
Часть 4 — добавляем Semgrep, смотрим, где инструменты расходятся и где ломается подход.
В моей коллекции лежат фильмы в формате Top-Bottom стереопары. Без 3D-телевизора или VR-очков смотреть их без потерь нельзя. Поляризованные очки и активные затворы на десктопе работают плохо или дорого. Анаглифные красно-синие очки убивают цвет.
Хотелось третьего варианта — смотреть на обычном мониторе, без очков, с минимальным железом. Идея, на которую опирался: head-coupled perspective, известный с 2008 года по знаменитому Wii-демо Johnny Chung Lee. В октябре 2025 бывший инженер Meta Daniel Habib опубликовал True3D — head-tracked Window Mode, где экран ведёт себя как окно в 3D-сцену. У них под капотом MediaPipe FaceLandmarker + iris tracking + off-axis projection matrix + volumetric scene на Gaussian splats. Я попробовал перенести подход на готовую Top-Bottom стереопару из коммерческих фильмов. И тут начались интересные компромиссы.
В статье — технический разбор моей реализации: пайплайн сглаживания трекинга в четыре ступени (EMA + velocity buffer + jump threshold + adaptive scaling), predictive tracker на double exponential smoothing (метод Холта) для компенсации end-to-end лага в 65 ms, фрагментный шейдер на GLSL с view switching и blend zone через smoothstep, попытка извлечения disparity через OpenCV StereoSGBM. Подробное сравнение моего подхода и True3D с таблицей: где в их волюметрической архитектуре получается то, что у меня в принципе невыводимо из двух фиксированных 2D-видов.
Финал — пять документированных проблем (jitter на резких движениях, ghosting в blend zone, потеря половины разрешения, латентность, UV-параллакс vs настоящий off-axis) и шесть открытых вопросов к читателю: про DepthAnything в WebGPU+ONNX, про RIFE/DAIN как view-интерполяторы, про DIBR на compute shader, про принципиальную возможность восстановить volumetric scene из стереопары в реальном времени.
7 метрик, которых не хватало моему AI‑хуманизатору. Спасибо Хабровской модерации
Я делаю open-source хуманизатор для русского AI-текста. 27 апреля Хабр забанил мою же статью про этот хуманизатор как AI-генерацию.
Хронология. Я отправил материал про русские AI-паттерны на Хабр. Перед отправкой прогнал черновик через собственный скилл-хуманизатор, нашёл у себя слово «являются» в разделе про слово «являются», переписал, упомянул это в постскриптуме. Через несколько дней пришёл ответ от автомодератора:
К сожалению, данная публикация не сможет пройти модерацию, поскольку большая часть текста с высокой вероятностью создана с помощью генеративной модели ИИ.
Перечитал три раза. Статья про маркеры AI заблокирована как AI. Хуманизатор, через который я её только что прогнал, не сработал. Это не баг. Это его слепое пятно, о котором я узнал только в момент бана.
Возникает разумный вопрос, что вообще делает мой скилл, если не вытягивает текст, который сам про чистку от AI-маркеров. Полез разбираться. Из этого вылезло несколько вещей, которые до бана были мне самому непонятны, и я думаю, что они могут быть полезны любому, кто работает с русским контентом и думает про автоматическую детекцию.
Приветствую всех!
Когда-то давно, когда стационарный телефон имелся практически в каждой квартире в крупном городе, стали набирать популярность аппараты с определителем номера. Были они очень у многих, с ними связано много воспоминаний, про них спустя годы было написано немало статей, ну а для кого-то бизнес на их сборке вообще стал возможностью пережить тяжёлые девяностые.
В двухтысячные годы такие девайсы начали потихоньку уходить в историю, заменяясь импортными моделями с Caller ID. Один из последних таких аппаратов мы сейчас и рассмотрим.
Сегодня мы посмотрим, что умеет и как устроен самый топовый городской телефон той эпохи. Заодно узнаем, зачем подключать телефонный аппарат к компьютеру и можно ли использовать его в современных сетях. Как водится, будет много интересного.
Не так давно мне попался ноутбук Acer TravelMate B1 TMB118 с 4 ГБ DDR4. Благодаря размеру и маленькому потреблению он идеально подошел под эксплуатацию в виде печатной машинки и простенького редактора кода.
Но именно этот малыш заставил меня задуматься: на какие уступки можно пойти по памяти, чтобы комфортно выполнять свою работу. В эпоху, когда комплект из 32 ГБ RAM DDR5 стоит в среднем 40 000 рублей, что сопоставимо с ценой бюджетного ноутбука, интересно, насколько можно опустить планку и существовать на современной системе.
Привет, Хабр! Меня зовут Данил, я системный инженер в Selectel и у меня дома скопилось немало «железа» разных поколений, в том числе любезно одолженного моими друзьями. Я решил не ограничиваться одним ноутбуком и превратил эту больную идею в полноценный стресс-тест для разных платформ.