Все потоки

Привет! Я Лев, системный администратор технической поддержки в Selectel.

Ранее я рассказывал о принципе работы фотопленки, а в этой статье перейдем к технической стороне вопроса и разберем устройство фотоаппарата.

Проследим, как развивалась технология фиксации изображения от первых опытов до классических пленочных камер, а затем детально рассмотрим некоторые советские экземпляры — их устройство, отличительные черты и, конечно, винтажную эстетику.

Привет, Хабр! Я Степан Аксенов, SRE-инженер в Т-Банке. Эта статья — часть проекта «20 в 20», приуроченного к 20-летию компании: в рамках проекта специалисты из разных городов рассказывают о своей работе, инженерной культуре и о том, как устроены распределенные команды внутри большого бигтеха.

Однажды мы отключили проблемные функции на Android с помощью конфигурационной заглушки. Через 15 минут система зафиксировала резкий рост крашей — но уже на iOS. Оказалось, что решение, безопасное для одной платформы, сломало приложение на другой. 

Этот случай еще раз подтвердил, что mobile SRE не классический SRE и в нем нельзя полагаться на привычные практики. Нет ни отката, ни новых логов задним числом, ни полного контроля над средой. В статье — как мы адаптируем SRE-подходы под мобильный банкинг, где фронт работает на миллионах устройств, которые мы не контролируем.

В декабре 1996 года Луис Бордерс зарегистрировал в Калифорнии компанию Intelligent Systems for Retail — будущий Webvan. Компания строила онлайн-супермаркет — со своими закупками, складами и ценами. Инновационным в ней было то, что покупатель заказывает продукты через сайт и выбирает получасовое окно, в которое курьер привезет заказ к двери.

Сервис заработал 2 июня 1999 года. Через пять месяцев компания вышла на IPO, а к концу первого дня торгов ее оценивали почти в $8 млрд. Меньше чем через два года она остановила операции, уволила две тысячи сотрудников и подала на банкротство.

Модель при этом оказалась рабочей — ее сегодня применяют Amazon Fresh, «Самокат» и «Яндекс Лавка». В статье разбираемся, что именно и как построила компания, сколько это стоило и почему не окупилось.

Что такое гиперскейлер и в чем его неотъемлемая связь с облачными вычислениями и советскими НИИ?

Сегодня мы попробуем ответить на этот вопрос, а также рассказать, как развитие технологий позволило AWS, Google Cloud, MS Azure и российским Yandex Cloud и Cloud.ru стать крупнейшими облачными провайдерами. 

Правило из CLAUDE.md агент забывает на длинной сессии - это текст, а не механизм. Я разобрал слои дисциплины Claude Code и прибил критичные правила хуками: три гейта, после которых коммит без свежего зеленого прогона тестов не проходит, правка теста поднимает флаг, а завершить работу с грязными тестами нельзя. Под катом механика хуков, код всех трех гейтов с живыми прогонами и эксперимент, где гейт пересилил прямую инструкцию пользователя.

На дворе начало 80-х. Параллельно и следом за LANPAR были разработаны по меньшей мере еще три варианта компьютерного бюджетирования, причем его результаты можно было вывести на экран монитора в виде бухгалтерской таблицы, полюбоваться ей и потом распечатывать на принтере. Только эти бухгалтерские таблицы не были интерактивными, любой их пересчет, даже из-за исправления одной цифры, исполнялся заново после каждого изменения ввода или формул, и — главное — между компьютером и бухгалтером по-прежнему была целая цепочка посредников из программистов и операторов компьютера. Что сводило на нет всю скорость компьютерных вычислений, и чего не было, когда бухгалтер наедине со старым добрым настольным калькулятором сам потихоньку сводил дебет с кредитом.  

Кардинально изменить ситуацию можно было лишь одним способом — поставить перед бухгалтером на стол персональный компьютер, запрограммированный на выведение на экран бухгалтерской графики в виде таблиц и моментальный их автоматический перерасчет по заданным алгоритмам при исправлении в них любых цифр. Потенциально способные на это ПК появились во второй половине 70-х годов. А первым, кто смог заставить их это делать, был 27-летний студент Гарвардской школы бизнеса Даниэль Бриклин.

Девять чисел из научной статьи 2009 года сегодня работают у меня в четырёх местах: на HTML-странице, в canvas, в двух плагинах Figma и в чужом расширении для Chrome. Разбираю, как одна и та же матрица цветовосприятия ведёт себя в четырёх средах, где каждая среда сопротивляется по-своему — и почему честные ограничения инструмента важнее его возможностей.

Структура в роли ключа Dictionary — частый случай. Забыл IEquatable — и каждый TryGetValue в 4,4–5,7 раза медленнее, плюс 96 байт в куче на каждый поиск.

Проверил на четырёх машинах и трёх рантаймах, снял дизасм FindValue и разобрал, откуда берутся ровно три упаковки, почему override Equals не спасает и при чём тут хэш record struct. Сам рантайм этот разрыв не закроет — и это не баг.

О событии

Некоторое время назад появилась новость, что Сэм Альтман и Джонни Айв начали совместный проект. Тогда практически ничего не сообщалось о том, что именно они собираются делать. Говорилось лишь о том, что речь идет не о программном обеспечении, а о каком-то новом устройстве.

И вот недавно появились подробности, что этим устройством станет нечто вроде умной колонки. Честно говоря, сначала это разочаровало. Рынок умных колонок уже давно существует. Есть Amazon Echo, Apple HomePod, Яндекс Алиса и др. Казалось бы, зачем делать еще одну? В этом инсайде есть и еще одна деталь, а именно: устройство будет ориентировано прежде всего на голосовое взаимодействие. Но здесь снова возникает вопрос - а в чем собственно новизна? Ведь все умные колонки и так управляются голосом.

Но тут же, параллельно, OpenAI выпускает Voice Mode в ChatGPT. Причем, это уже не просто диктовка текста. Разница между обычной диктовкой и Voice Mode очень даже существенная. При диктовке ты говоришь, заканчиваешь фразу, ждешь распознавания, исправляешь ошибки, отправляешь сообщение. Voice Mode работает гораздо круче. Голосовой ассистент слушает постоянно, реагирует практически мгновенно, без пауз, поддерживая таким образом естественный темп разговора. Может даже говорить одновременно с пользователем. Через пару-тройку фраз перестаешь воспринимать происходящее как работу с программой. Возникает ощущение разговора с человеком.

Устал переплачивать за одну и ту же память, которуе гоняю по кругу, и решил разобраться, как у кого на самом деле устроен кэш, а не просто верить строчке "у нас есть кэширование" и "так дешевле" в доке.

Начал с клода, как с самой популярной тулы. Кэш там не работает сам по себе, нужно руками вешать cache_control: ephemeral на кусок промпта (тулы, системный промпт, длинный документ, что угодно стабильное). Ничего не закэшируется, если явно не попросишь. При этом ценой все прозрачно: запись на 5 минут стоит 1.25 от обычной цены, запись на час — уже 2x, а вот чтение из кэша дешевле раз в 10. Если один и тот же кусок дергается хотя бы пару раз за окно, уже в плюсе.

Но! Где-то в марте anthropic тихо поменял дефолтный TTL с часа на пять минут, без нормального анонса, просто взяли и поменяли поведение по умолчанию для тех, кто не указал TTL явно. У меня был пайплайн, заточенный под часовое окно, и я не сразу понял, почему счет подрос процентов на 15, пока не полез в changelog. Так что если у вас что-то крутится на клоде на автомате уже давно, стоит перепроверить, какой TTL у вас реально стоит сейчас, а не какой вы когда-то настраивали.

С openai все проще, и в хорошем смысле. Там кэш вообще не настраивается руками, он просто есть у любого промпта от 1024 токенов: система сама ищет совпадающий префикс с шагом в 128 токенов, и если находит, режет цену пополам. Ничего в коде трогать не надо. Из минусов, контроля тоже никакого, попал в кэш или нет, узнаешь только постфактум по usage в ответе. И живет это недолго: 5-10 минут простоя, максимум час, потом стирается железно.

Привет Хабр. Мы хотим вам немного рассказать про один интересный недавний ремонт, а так-же свой опыт и инструкцию скачивания прошивки с ПЛИС ALTERA MAX.

Началось все с прибора Fluorophos FLM200 – прибор для проверки качества пастеризации молока.

TL;DR: после каждого проекта на диске остаётся 2–40 ГБ мусора, который никто никогда не убирает. Я раскопал свой Mac (460 ГБ, из них свободно было 14), нашёл около 150 ГБ хлама чисто девелоперского происхождения, по дороге упёрся в неожиданно интересную задачу — как отличить папку build со сборкой от папки build с чем угодно ещё — и в итоге написал себе инструмент. Ниже — вся археология с цифрами и командами, можно повторить руками, ничего не покупая и не скачивая.

Пять пробелов, которые не видны на архитектурных блок-схемах.

Пользователь нажимает «Place Order» (Сделать заказ).

API возвращает 200 OK. Заказ появляется в базе данных. На странице оформления заказа выводится сообщение «success» (успех). Извне всё выглядит нормально.

А потом в службу поддержки прилетает тикет.

Локально тесты проходят стабильно, а в CI начинают падать в случайных местах — знакомая картина даже для проектов на Playwright.

В статье разберём, где заканчивается встроенное автоожидание, какие привычные конструкции возвращают гонки и как выстроить тесты так, чтобы результат меньше зависел от скорости окружения и состояния данных.

Представьте, что любой человек, выйдя на улицу или посмотрев в окно, может стать частью распределенной системы раннего обнаружения воздушных угроз. Не как оператор или специалист, а как источник дополнительного сенсорного наблюдения.

Современный смартфон представляет собой доступную COTS‑платформу с набором встроенных датчиков: камерой, GNSS‑приемником, 6-DoF IMU, барометром и микрофонами. По отдельности эти сенсоры ограничены, однако их совместное использование в распределенной сети потенциально позволяет создавать новые подходы к обнаружению низколетящих БПЛА.

Это не задача создания «смартфонного радара», а инженерная задача на стыке краудсорсинга, Edge Computing, машинного обучения и обработки сигналов.

Как превратить множество пользовательских устройств в единую распределенную апертуру? Попробуем рассмотреть возможную архитектуру такой системы.

Компания Anthropic представила Claude Opus 5: свой новый ИИ уровня Claude Mythos 5/Fable 5, но в два раза дешевле. По традиции самое интересное прячется в системной карте, где разработчики рассказали о том, как проходило тестирование модели и какие инциденты случались.

Вопреки распространённому мнению, прямой вопрос о суицидальных мыслях или намерениях не увеличивает риск, а, скорее наоборот, помогает человеку не оставаться один на один с кризисом.

В январе 2026 года в Journal of the American Academy of Child & Adolescent Psychiatry вышла работа Лоры Хеннефилд и её коллег. Сто девяносто четыре ребёнка от восьми до двенадцати лет наблюдались в течение года. Повторные вопросы о суицидальных мыслях не увеличивали их частоту.

Со взрослыми картина та же. Систематический обзор Даззи и соавторов ещё в 2014 году не нашёл признаков того, что расспрос о суицидальных мыслях создаёт или усиливает их. Скорее наоборот: возможность впервые назвать мысль вслух, не встретив испуганного лица напротив, уменьшает изоляцию. Отказ спрашивать из страха «подать идею» не убирает уже существующую мысль.

Надеюсь, что этот текст никогда не пригодится вам в жизни. Но если рядом окажется человек о состоянии которого вы боитесь спросить прямо, полезно заранее знать, что молчание защищает хуже вопроса. А само желание спросить часто может быть диагностическим признаком. Прямой вопрос действительно может помочь.

«Не хочу просыпаться». «Совершенно всё надоело». «Ничего больше не хочу». «Лучше бы меня вообще не было». Это ещё не сообщение о намерении умереть. Но, возможно, первые признаки.

Я работал на телефоне доверия с 2014 по 2016 год. Пришёл учиться туда ближе к завершению собственной подготовки как психотерапевта. Мне казалось, что такая работа для терапевта примерно то же самое, что практика на скорой для врача. Нет кабинета, нет телесных реакций и мимики человека перед глазами, нет нескольких встреч, чтобы во всём разобраться.

Агент проходит все проверки и сносит то, что трогать было нельзя. Промпт это не лечит — лечит среда вокруг модели. В ноябре я начал собирать такую среду и называл её просто фабрикой разработки. Меньше чем за год из неё выросло почти десять конвейеров, а у занятия, оказывается, есть название: harness engineering. Рассказываю, как оно росло, и показываю схему и скелет в github.

Маленький рекламный тест легко закончить, так ничего и не проверив. Пять текстов получают по несколько кликов, бюджет расходится между ними, а итоговый вывод звучит примерно так: «нужно больше данных».

У нас было 20 TON и пять объявлений для канала по женской психологии.

Два варианта получили основную часть бюджета, три пришлось отключить. Рассказываю, по каким признакам принимали решения и где проходит граница между наблюдением и бесполезным расходом.