Все потоки

Когда я смотрю очередной ролик с удачной генерацией ИИ, не могу не заметить, чего в кадре нет: ни одного юриста, ни одного бизнес-процесса, ни одного клиента, который уйдет в результате ошибок генерации. Только модель и аплодисменты. 

За кадром остается то, что и определяет реальную цену: ИИ-генерация стоит копейки в сравнении с бюджетом традиционной разработки, но одна-единственная галлюцинация может подорвать доверие клиента и прибавить работы юристам; модель генерирует ответ очень быстро, а бизнес-процесс, который она «оптимизировала», придется восстанавливать, возможно, несколько дней. Что-то мне подсказывает, что если такую рекламную генерацию превратить в ТЗ, останется только подсчитывать, во сколько раз вырос бюджет проекта.

Представьте: вы настроили CronJob, протестировали локально и выкатили в продакшн. Всё работает как часы. А потом решили добавить отказоустойчивости и развернули приложение во втором дата‑центре. И внезапно ваша задача начала выполняться дважды. Это не баг Kubernetes, а фундаментальная проблема синхронизации.

Меня зовут Тимофей Салтымаков, я бэкенд‑разработчик в Точка Банк. В статье расскажу, как мы решили проблему дублирующихся CronJob'ов в распределённой системе. Прошли путь от advisory locks до собственной библиотеки, и в итоге поняли, что нужно перестать синхронизировать процессы и начать синхронизировать... время. Поехали!

Привет, Хабр! Продолжаю изучение испанских барахолок. В этот раз кроме кофеварок, проводов и старых ноутбуков встретилось несколько крайне интересных вещей, о которых спешу рассказать. Тут и компьютер Sony со встроенным кассетником, и трехдисковый музыкальный центр с прозрачной крышкой, и прибор для настройки телевизионных антенн. В общем, посмотреть было на что. Обо всем этом — в новой статье. Поехали!

28 августа Tech Times вынес в заголовок сразу две новости: бету gang scheduling в Kubernetes 1.37 и «экономию на простое GPU по умолчанию». За день этот заголовок разошёлся по лентам. Через одиннадцать дней авторы функции написали в блоге проекта: «Все перечисленные здесь бета- и альфа-функции по умолчанию выключены; их нужно включать вручную». 

В этом расхождении между заголовком и первоисточником — вся суть релиза. Группу подов впервые описали в 2018 году и тогда же решили реализовать вне ядра Kubernetes. Следующие восемь лет функцию развивали Volcano, YuniKorn, Kueue и отдельные плагины. В Kubernetes 1.37 групповое размещение стало бетой в kube-scheduler, но по умолчанию оно выключено.

Некоторые обзоры называют бету включённой. Из этого легко сделать вывод, что внешний планировщик больше не нужен. Но KEP передаёт ядру только размещение группы. Очереди и квоты по-прежнему остаются задачей Kueue и Volcano — это прямо указано в документе.

Инженерам здесь пригодится разбор работы кластера с GPU и внешним планировщиком. Администраторам платформы — список feature gates, которые нужно открыть пользователям. Руководителям — критерии, по которым можно решить, стоит ли после обновления отказываться от Volcano. В каждом разделе указано, для кого он предназначен.

Всем привет! Меня зовут Дмитрий Мазуров, я контрибьютор проекта Axelix. Это open-source продукт, который помогает находить типичные проблемы и неэффективности в Spring Boot приложениях.

В прошлой статье Михаил разбирал EnvironmentPostProcessor и мимоходом упомянул ConfigDataEnvironmentPostProcessor, который грузит application.yml, разбирается с профилями и обрабатывает spring.config.import. Сегодня заглянем внутрь него.

Поводом стала вполне практическая задача. Нам понадобилось подружить Axelix Master с Vault так, чтобы пользователь настраивал его через наши собственные свойства под axelix.master.*, а не через spring.cloud.vault.*. Чтобы сделать это аккуратно, пришлось разобраться, как вообще работают spring.config.import.

Большинство инструкций по локальному запуску LLM сводятся к одной-двум командам: вставьте их в терминал, дождитесь загрузки модели и готово. Такой подход работает ровно до первой ошибки. После этого становится непонятно, на каком из нескольких уровней возникла проблема: в Windows, WSL2, драйвере NVIDIA, Docker, CUDA или самом inference-сервере.

В этой статье развернем Qwen3-0.6B на обычной NVIDIA-видеокарте под Windows 11 с использованием WSL2, Docker, NVIDIA Container Toolkit и vLLM.

Три минуты на презентацию проекта, десятки слайдов, полчаса вопросов от экспертов и сверхзадача убедить жюри в том, что ты не фантазер, а у идеи есть коммерческие перспективы. Это набор задач стартапера, который идет классическим путем — от идеи к развитию через питчи и поиски инвесторов.

Как подготовить такое выступление, на чем сделать акцент и как справиться с волнением, как не запутаться и не забыть сказать про главное, и что оно такое, это магическое главное? Об этом беседуем с нашей коллегой Елизаветой Кузьминой, руководителем направления технической аналитики АНО «Платформа НТИ» и основательницей стартапа Hypothesis Lab, платформы для тестирования рекламных кампаний и проверки гипотез с использованием синтетических персон для генерации креативов, а также подготовки рекомендаций по масштабированию и сбора аналитики.

Елизавета представила свою платформу на финале акселератора «Физтех. Идея», весенней волне 2026 года. Это был самый первый питч проекта, и сразу успешный. В финальном питче ее команда вошла в топ-6 проектов и получила полмиллиона рублей на развитие.

Поздравив с почином, поговорили с Елизаветой о ее стартапе, а также о том, как устроен акселератор и как подготовить суперлаконичную презентацию на три минуты. А также какие вопросы задают эксперты и что помогает убедить жюри в перспективности проекта. В общем, вот лайфхаки для всех, кто идет или готовится пройти по этому пути.

Claymation - пластилиновая stop-motion анимация - выглядит как ручная работа на недели, но с нейросетями занимает около 20 минут. В статье - полный конвейер производства рекламного креатива: сценарий на 30 секунд с четырьмя актами, единый стайлгайд с палитрой и параметрами камеры, закадровый голос, генерация видео по сценам и финальный монтаж. Все промпты даны целиком и в том виде, в котором их можно копировать, а рядом - примеры реальной выдачи от Claude, чтобы было видно, что именно придёт в ответ. Отдельный разбор: какие модели под какие задачи брать - Claude для структуры, ChatGPT для креативных идей, ElevenLabs для озвучки, Kling и Veo для видео. Почему формат работает: у аудитории ещё нет фильтра на пластилиновую рекламу, поэтому Claymation-креативы показывают результаты в 3 раза лучше привычного UGC.

За последние несколько лет кадровый электронный документооборот перестал быть инструментом для отдельных новаторов.

На этапе знакомства с продуктом многие оценивают прежде всего удобство кадровых процессов: оформление документов, маршруты согласования, подписание, интеграции и пользовательский опыт. При этом значительно реже задумываются о том, что кадровые документы необходимо правильно сохранить.

В этой статье посмотрим на 6 популярных решений для КЭДО и оценим, насколько оперативно они хранят документы и есть ли у вендоров решения для архивного хранения.

Это важно, потому что большинство документов, связанных с работой, имеют длительные сроки хранения и служат гарантией безопасности организации при проверках и судебных разбирательствах.

Многие из вас уже слышали историю о том, как ИИ создал страницу в интернете, после чего в своих ответах начал ссылаться на нее, как на авторитетный источник. О подобных проблемах можно прочитать, например, в этой статье. Не говоря уже про многочисленные видео в социальных сетях по этой теме. Однако, естественно, это ни в коем случае не является проблемой ИИ. Это является проблемой социологии, а также в первую очередь человека. Ведь именно люди придумали социально-поведенческую формулу: информация + ссылка на авторитетный источник = правда. Именно эта формула была заложена в основу, к примеру, Википедии. Именно эта формула заложена в основу мировоззрения миллиардов людей по всему миру. И именно этой формулой люди сами стали пользоваться, чтобы обманывать друг друга. Ведь самое слабое место в ней - авторитетный источник. До появления социальных сетей авторитетным источником были СМИ. Однако, с разивитием интернета благодаря социальным сетям актуальная информация стала распространяться быстрее, чем ее публиковали СМИ. И далее повторилась уже знакомая многим история семьи Ротшильдов и телеграфа. Напомню, по легенде Ротшильды получали первыми новости о мировых событиях (особенно военных действиях) и могли раньше других предпринять действия для личной выгоды. Но одной лишь реакцией на происходящее дело не обошлось. Вскоре люди научились не просто быстро передавать данные, но и контролировать, какие именно данные должны быть распространены. Это называется пропаганда.

Пропаганду можно назвать неотъемлимой частью цивилизации. Это обыденное явление, существующее уже тысячи лет. Помним Спарту и Афины? Это всего лишь еще один способ контролировать информацию для выгоды определенного круга лиц. В поисках истины люди придумали стандартную контрмеру против пропаганды - экспертное мнение. Однако, и это мнение, оказалось, можно контролировать, даже за деньги. И вновь возник вопрос о поиске истины. Тогда на сцену вышла честь. Уважающий себя и уважаемый в обществе человек не станет лгать. И чем дольше человек уважаем, как придумали люди, тем ценнее его слово. К слову, методология тоже древняя, уходящая корнями к пророкам. Однако, и уважаемые люди в кризисных ситуация оказались обыкновенными людьми, у которых тоже были свои интересы, мешающие им говорить всю правду. И вновь возник вопрос о поиске истины. Наконец, люди подумали: если человеку доверять нельзя, можно доверить бездушной машине. Но не учли момент, что машина обучается именно на человеческих формулах социального поведения. И вот, все это привело нас к самому началу статьи: используя человеческие формулы поведения даже машина перестала излагать истину. Поскольку новый способ поиска правды на данный момент находится в активном поиске, сосредоточим свое внимание именно на том обмане, которому научился ИИ. Для общего образования, так сказать, и более объективной гражданской позиции.

В данной статье докажу, что чисел-близнецов бесконечно!

Напомню, числа-близнецы (или простые близнецы) — это пары простых чисел, которые отличаются друг от друга ровно на 2. Например, (3, 5), (5, 7), (11, 13), (17, 19), (29, 31) и так далее.

У чисел-близнецов есть свойство которое поможет нам в доказательстве - формой представления, где все пары чисел-близнецов, кроме (3,5), имеют вид (6n-1, 6n+1).

Вот и наступила золотая осень!

В сентябре я каждый день почему-то вспоминал поговорку “от работы дохнут кони, ну а я бесмертный пони”. Сделано было просто куча всего! Новые релизы, библиотеки, крутые фичи, доклад на конференции. А еще наше сообщество сделало кучу интересных проектов в опенсорсе.

С меня как всегда статья без нейрослопа и ИИ, с вас как всегда интересные комментарии и лайки! А вот тут ссылка на прошлый дайджест за август.

Погнали смотреть, что у нас в питоне происходило!

«Мясная педаль: как я превратил большой палец в псевдо‑Force Touch на iPhone»

Мы привыкли воспринимать сенсорный экран довольно просто: палец находится в какой‑то точке, система знает его координаты (x, y), а дальше практически вся привычная механика мобильного управления строится вокруг изменения этих координат. Нажал на кнопку, сделал свайп, потянул виртуальный стик, передвинул слайдер — в каждом случае мы так или иначе говорим телефону, где находится палец или куда он переместился.

В какой‑то момент я поймал себя на довольно странной мысли: у нас в руках огромная интерактивная поверхность, способная одновременно показывать изображение, отслеживать несколько касаний и давать тактильную обратную связь, но как только игре требуется аналоговый ввод, мы почти всегда сначала рисуем на этой поверхности копию какого‑нибудь физического контроллера — педаль, рычаг, стик или ползунок, — а затем просим человека двигать эту нарисованную штуку пальцем.

Я большой фанат автосимов, и именно в них особенно хорошо почувствовал ограничение такого подхода. С кнопками и слайдерами всё прекрасно работает визуально: передвинул ползунок — увидел новое положение, нажал кнопку — увидел реакцию интерфейса. Но мне не хватало самого ощущения контроля, потому что в автомобиле работа с педалью — это не только её положение, а постоянное дозирование воздействия и обратная связь. Мне хотелось не просто видеть на экране условные 30 или 60 процентов сцепления, а чувствовать изменение прямо под пальцем, точно удерживать промежуточное значение и физически понимать, когда я приближаюсь, например, к точке схватывания.

После того, как в открытый доступ выложили отсканированный мозг мухи дрозофилы, начали появляться видео о том, как муха играет в DOOM, водит машину, играет в азартные игры и ещё много чего. Но за красивыми демонстрациями часто остаётся простой вопрос: насколько хорошо такой мозг вообще способен учиться чему‑то новому?

Мне стало интересно проверить это на практике. Я взял открытую реализацию обучаемой части коннектома дрозофилы и начал последовательно давать ей задачи разной сложности: от многорукого бандита и сравнения чисел до лабиринтов, крестиков‑ноликов, распознавания изображений и даже простейшей арифметики.

Результаты оказались намного интереснее, чем я ожидал. В одних задачах коннектом почти не уступал классическим алгоритмам обучения с подкреплением, а в других неожиданно упирался в фундаментальные ограничения. В статье я покажу не только успешные результаты, но и провалы, а также попробую разобраться, почему они возникали.

В 2019 году я решил написать экономическую игру. План казался скромным: взять идею любимого «Коммерсанта» времён MS‑DOS, добавить несколько банков, новости и чуть более осмысленное поведение цен.

Через три дня я уже плохо понимал, как работает мой собственный код. Изменение одной механики ломало другую, а исправления постепенно превращались в попытки удержать всё это от окончательного развала.

Проект отправился в папку со старыми поделками.

В 2026 году я нашёл его снова. За это время успел пройти путь от начинающего разработчика до ведущего инженера‑программиста. Посмотрел на старый код, вспомнил, что хотел сделать, и решил вернуться к идее. Но теперь — не ради улучшенной копии игры из детства, а ради собственной экономической стратегии.

Это первая статья о проекте: откуда он появился, какую игру я хочу получить, что в ней уже работает и куда я собираюсь двигаться дальше.

ВОЛКОВ ЮРИЙ ВАСИЛЬЕВИЧ

Описан проведенный автором эксперимент по проверке вывода СТО о материальности (инертности) энергии. В качестве носителя энергии в эксперименте использовались звуковые волны. Наличие массы у звуковых волн предполагалось выявить по возникновению их взаимодействия с гравитационным полем Земли.

Рассматривалось два вида этого взаимодействия: падение звуковых волн, как тел имеющих массу, в поле тяжести Земли, и возникновение гравитационного красного смещения их частоты. В эксперименте был использован второй вид взаимодействия.

Приведены: расчеты и техника проведения эксперимента, анализ полученных результатов и выводы из них следующие.

Введение.

Считается, что вывод специальной теории относительности (СТО) Альберта Эйнштейна о том, что энергия имеет массу, подтвержден во множестве экспериментов, в которых наблюдается эффект не сохранение отношения заряд/масса электрически заряженных частиц в процессе их движения и/или участия в ядерных реакциях (дефект масс). В рамках СТО этот эффект объясняется тем, что масса частицы состоит из двух компонент – массы покоя и массы ее потенциальной/кинетической энергии. Вторая компонента является переменной, что при постоянном электрическом заряде дает переменное значение отношения заряд/масса.

Аргументом в пользу такого объяснения считается также и то, что тезис материальности энергии лежит сейчас в основе огромной пирамиды теоретических конструкций, выводы которых подтверждены в многочисленных опытах. Однако эффект не сохранение отношения заряд/масса не является прямым доказательством материальности энергии поскольку его можно симметрично объяснить связью с энергией не массы частиц, а их заряда. Такое предположение является более сильным, поскольку позволяет описать не только явления, которые относятся к прерогативе СТО и ОТО, но и включить в это описание ряд новых эффектов [1]. Наличие же такой альтернативы делает необходимость прямой поверки тезиса материальности энергии вполне актуальной.

Описан проведенный автором эксперимент по проверке вывода СТО о материальности (инертности) энергии. В качестве носителя энергии в эксперименте использовались звуковые волны. Наличие массы у звуковых волн предполагалось выявить по возникновению их взаимодействия с гравитационным полем Земли.

Codex CLI, Claude Code и Cursor Agent умеют самостоятельно читать код, изменять файлы и запускать тесты. Но стоит отойти от компьютера — и проверить состояние задачи или ответить на запрос разрешения становится неудобно.

Я сделал AI Control — локальный Telegram‑пульт для этих трёх агентов. С телефона можно запустить или продолжить задачу, следить за её состоянием, получить результат и подтвердить отдельное действие.

Бот работает на компьютере с проектами и подключается к Telegram через long polling. Открывать входящие порты или поднимать дополнительный сервер не требуется.

Всех приветствую. Это моя первая статья на всеми нами любимом Хабре, поэтому буду благодарен вам если вы поддержите меня. Эту статью я решил написать потому, что сам в какой то момент своего становления как ИИ‑инжинера задавался вопросами по поводу того, как правильно делать автоматизации, как строить архитектуру для своих проектов и тд. И вот я решил поделиться с вам теми знаниями и опытом как сделать ваши автоматизации и внедрение ИИ качественным и надежным.

Домашний роутер за 3 тысячи рублей: российские сайты открываются напрямую, остальное идёт через VLESS + Reality, а когда провайдер VPN среди ночи меняет адреса серверов, роутер сам находит новые и чинится — без моего участия. Рассказываю, как это устроено на OpenWrt и sing-box: раздельный DNS, сторож, безопасные перезапуски и грабли, на которые я наступил. В конце — репозиторий и инструкция, проверенная сборкой с нуля.