Все потоки

На сегодняшний день для проведения исследований и выполнения некоторых других аналогичных работ необходимо изучение литературы соответствующего направления. Как известно, сейчас наблюдается взрывной рост количества научной и технической информации. Поэтому использование различного рода инструментов для работы с литературой может существенно облегчить жизнь.

Столкнувшись с необходимостью работы с литературой для решения одной личной задачи, автор пришел к неожиданным для себя, но не полностью законченным результатам. Казалось бы, современные специальные средства работы с литературой — точно самые подходящие. Но особенности случая заронили некоторые сомнения в этом. Вы не найдете в статье окончательное решение, скорее, найдете полезную информацию, относящуюся к конкретной ситуации.

Хотя текст статьи тяготеет по стилю к техническому документу, некоторые утверждения в ней носят неполный и нестрогий характер, информация для статьи отбиралась из разнообразных открытых источников, поэтому ее содержание служит лишь предпосылкой к дальнейшим размышлениям. Текст представляет из себя своего рода большое эссе.

Есть как минимум один сценарий, который знаком каждому, кто хоть раз занимался ремонтом своего и особенно чужого компьютера. Я про тот случай, когда Windows не грузится, а средства восстановления не помогают. И тут начинается квест с поисками второго рабочего компьютера, скачиванием образа, подготовкой загрузочной флешки и колдовством с BIOS. Но времена меняются, и Microsoft решила, что надо максимально упростить эту цепочку. Собственно, добавление функции Cloud rebuild сократило эту цепочку до одного шага. Это полная переустановка системы прямо из среды восстановления с загрузкой через интернет. В бета-канале программы Insider она доступна с 8 сентября. Вот только флешку выбрасывать все равно рано.

В диспетчере задач напротив Archicad 26 стояло «Не отвечает». Процесс держал около 13% процессора и почти 4 ГБ памяти, каталог покрытий стен больше шести минут показывал «2D | Обработка элементов». Обычно в этот момент задачу снимают. Мы не стали: на 389-й секунде обработка ещё шла, к 452-й таблица была готова. Программа не зависла, она считала.

Это ноутбук дизайнера интерьеров, нашей клиентки. Она попросила помочь удалённо: каталог отделки стен открывается минутами, а когда его ставишь на лист, Archicad перестаёт отвечать. Работали две нейросети. Codex управлял её рабочим столом через удалённый доступ: открывал проект, читал настройки, замерял время и вёл журнал. Claude Code разбирал журнал, задавал вопросы клиентке и готовил задания на следующий заход. Кода в этой истории нет вообще, только чужая программа с интерфейсом, в котором агенту приходится кликать.

Есть довольно неприятная проблема с тестовой документацией: тест работает, успешно проходит и при этом уже проверяет не совсем то, что нужно.

Например, несколько месяцев назад поменяли бизнес-логику. Требование обновили в трекере, разработку сделали, а связанный тест-кейс никто не пересмотрел.

На очередном регрессе он снова зелёный.

Формально всё хорошо. Но зелёный результат подтверждает старую проверку, а не обязательно текущее требование.

На небольшом проекте такие связи ещё можно частично держать в голове. Когда требований и тестов становятся тысячи, появляется отдельная задача: как понять, какие требования какими проверками покрыты и актуальны ли эти проверки сейчас?

Для этого и нужна трассировка требований.

У меня есть коллекция музыки, которой нет ни в одном стриминге: FLAC, японские альбомы, редкие релизы. Слушать её хотелось так же удобно, как Spotify, с телефона и компьютера, с текстами и итогами года. Готовые решения закрывали задачу по кусочкам, поэтому я написал своё: Nami — плеер для Android, Windows и Linux и собственный сервер на Rust. Внутри: синхронизация между устройствами через одну SQL‑таблицу вместо девяти, караоке‑тексты с выравниванием по словам нейросетью прямо на телефоне, фуригана и ромадзи для японских песен, bit‑perfect‑вывод на USB‑ЦАП и сервер, который занимает 69 МБ памяти.

Не так давно меня приглашали тестировать Figma-like редактор от Ростелекома. Тогда он был всё-таки сильно сырой. Оказалось, что другие команды не дремлют и тоже готовят свои решения. Сегодня у нас на обзоре новый кандидат на импортозамещение Figma. Называется linia.pro. Сервис около года разрабатывается командой из Москвы.

Большинство экспертов, наставников, онлайн‑школ при запуске своего курса/обучения думают о том, как получить ту конверсию заявок и учеников, которые они поставили себе как цель. Думают также о своем продукте и его качестве, чтобы ученики получили и были довольны своими результатами. И совсем забывают обезопасить свой запуск с юридической стороны. Как итог: несут колоссальные убытки.

Поэтому мне хотелось бы обратить внимание на часто допускаемые ошибки на сайтах, о которых большинство не знаете или забывает о том, что есть ряд требований законов, которые нужно соблюдать. В противном случае, можно попасть на крупные штрафы.

При всех достоинствах Telegram, есть у него одна особенность — он тоже оставляет следы в ВебАрхиве. То есть, при наличии желания и определенного количества свинца (не картечи) в пятой точке, мы можем найти следы жизнедеятельности того или иного персонажа в Telegram через Wayback Machine.

Для этого мы можем пойти сюда: https://web.archive.org/collection‑search/telegram и начать лопатить все вручную. Дорки нам в помощь. А можем автоматизировать наш поиск при помощи CDX API или собственных скриптов или других приспособлений. Это уж кому как больше нравится.

Механизм работы с Telegram через Wayback Machine не оригинален и принципиально не отличается от поиска по другим ресурсам. Но, как всегда, есть нюансы...
Разберемся.

Дисклаймер: изначально это был комментарий на другую статью, но та статья оперативно улетела в черновики, а @0xKubik — в readonly (?!). Так что пишу тут, в надежде что однажды автор ответит тут, или свяжется иначе.

Мне доводилось слышать мнение, что образование не торопится принимать использование ИИ исключительно из ретроградства и страха перемен. Я бы сказал, ситуация на деле сложнее, и языковые модели — палка о двух концах. Но для начала — то, что я принимаю за аксиому.

Статья будет полезна тем кто работает в автоматизации retail, речь в ней пойдёт о настройке весов rongta RLS1000/1100 — с ними частенько приходиться работать на просторах СНГ.

Первая версия получилась курсом по shell-скриптингу. А я не этого хотел: мне нужно было разобраться с Linux на практике, а не в теории по книге — права, службы, журналы, монтирование, сеть. На выходе же лежала полсотня заданий вида «напиши .sh, который…». Хотя каждое по отдельности выглядело нормально.

Заметил я это, когда стал считать, что человек физически делает в каждой серии. Почти везде одно и то же: открывает редактор и пишет скрипт.

Причина скучная и техническая. Скрипт легко проверить: запустил, посмотрел вывод, сравнил. Всё остальное проверять неудобно, поэтому всё остальное вымывается само, без чьего-либо умысла. Модель, которой я всё это надиктовывал, пошла по пути наименьшего сопротивления, опираясь на курс по языку C, который я дал ей как образец.

А администратор большую часть времени не автоматизирует. Он читает конфиг, смотрит, что запущено, и выясняет, почему оно работает не так, как написано в документации. Скрипты тоже пишет — но это следствие, а не основное занятие.

В одном из BI-проектов мы собирали управленческую аналитику для крупной образовательной организации. В одном контуре должны были работать данные о контингенте, успеваемости, задолженностях, финансах, нагрузке и других направлениях. Пользователи при этом были совсем разными: руководство смотрело на организацию целиком, учебные подразделения работали со своими процессами, кафедрам была нужна более глубокая детализация, финансовым специалистам - собственные показатели и периоды, а аналитикам - возможность проверить итог до исходных записей.

Технически всё это можно было оформить десятками отдельных дашбордов. Взять первый отчёт, скопировать его, заменить заголовок, добавить несколько фильтров и повторить для следующего подразделения. На старте такой путь кажется самым быстрым. Макет уже есть, визуализации работают, пользователю можно довольно скоро показать знакомую картинку.

Проблема начинается чуть позже. В одном отчёте меняется формула, а в остальных остаётся старая. Где-то появляется новый фильтр, где-то забывают обновить справочник. Один дашборд показывает данные на текущую дату, другой - на конец закрытого периода. Затем меняется структура организации, часть пользователей получает новые роли, и команда уже не понимает, сколько у неё версий одного и того же отчёта.

Противоположный вариант тоже выглядит логично: сделать один универсальный дашборд, который умеет показывать всё всем. Обычно он быстро обрастает десятками вкладок, фильтрами на половину экрана и показателями, большая часть которых конкретному пользователю не нужна. Формально отчёт единый. Фактически каждый человек открывает его и заново ищет свой рабочий сценарий.

Я продуктовый дизайнер, больше шести лет делаю SaaS. Программировать умею, но фулстек-разработчиком себя не назову. Уже несколько месяцев я в одиночку делаю Котомку, планировщик жизни по методу PARA: сферы, проекты, задачи, календарь, привычки, финансы. Есть веб, мобильная версия, синхронизация между устройствами и с Google и Apple календарями. Почти весь код пишет Claude Code. Я ставлю задачи, проверяю результат и принимаю решения.

Когда говорят об аппаратном обеспечении для искусственного интеллекта, разговор обычно быстро сводится к GPU. У кого больше ускорителей, современнее техпроцесс и выше показатели в FLOPS, тот и должен выигрывать технологическую гонку.

На практике мощный вычислительный кристалл может значительную часть времени ждать, пока память и интерфейсы доставят ему данные. За десять лет производительность вычислительных блоков GPU выросла намного быстрее пропускной способности памяти, а стоимость HBM остается высокой и в последние годы росла даже в пересчете на емкость и пропускную способность. Поэтому эффективность современной ИИ‑платформы определяется уже не отдельным чипом, а всей системой: памятью, межсоединениями, хост‑процессором, компилятором и программной средой.

Может ли Россия участвовать в этой гонке, не пытаясь полностью повторить NVIDIA? Какие направления выглядят реалистичнее универсального GPU и где в подобных системах может использоваться RISC‑V?

Под катом разберемся, чем инференс отличается от обучения, зачем ускорителю собственные управляющие процессоры и почему перспективной точкой входа могут стать Edge AI, промышленная автоматизация и робототехника.

Мне нужны были говорящие часы для слабовидящего человека. Купил первые попавшиеся на маркетплейсе и понял, что они непригодны, так как звук тихий, голос высокий и неразборчивый для пожилого человека.
Пришлось слепить говорящие часы самому. Использовал то, с чем был знаком. А именно, написал программу для Windows. Возможно, кому-то пригодится.

Я хотела разобраться, куда вообще движется профессия продуктового дизайнера и какое место в ней теперь занимают AI‑инструменты.

А в итоге разобрала файлы проектов Claude Design по кусочкам, потратила месяц на отладку и сделала плагин, который переносит готовый проект из Claude Design прямо в Figma — с редактируемыми слоями, auto‑layout, текстами и данными.

В апреле 2026 года специалисты департамента киберразведки (Threat Intelligence) компании F6 обнаружили волну вредоносной активности. Достаточных оснований для того, чтобы атрибутировать эту активность какой-либо из ранее известных киберпреступных группировок, не было. Атакующие рассылали фишинговые письма с архивами, нацеленные на организации в авиакосмической промышленности. 

Компания может утвердить новую стратегию, но не иметь команды, способной её реализовать. Численность сотрудников и хорошие текущие результаты не показывают, кто справится с новыми задачами. В статье разбираю, как перевести стратегию в требования к ролям, оценить фактические компетенции, увидеть скрытые дефициты и определить, что выгоднее: развивать сотрудников, нанимать новых, проводить ротацию или менять сам процесс работы.

На связи Сергей Скирдин, технический директор компании «Белый код». Поставил себе цель сделать обзоры на шины данных из реестра отечественного ПО. Сегодня в обзоре продукт DataHUB. Оговорюсь сразу: в реестре его пока нет, вендор в процессе подачи документов, но продукт показался мне достаточно интересным, чтобы не ждать формальностей.

Днём я пишу код в Claude Code, вечером хожу в зал: у меня пауэрлифтинг, тренировки тяжёлые, часа по два. Тренера я сделал для себя. Хотелось, чтобы тот же Claude, в котором я работаю, вёл и мои тренировки.

Так появился claude-gym-coach, open-source тренер по силовым внутри Claude Code. Один раз рассказываете ему, кто вы и чего хотите, и дальше он ведёт сам: составляет программу под ваш зал, перед каждой тренировкой расписывает веса по вашей истории, после тренировки записывает то, что вы скажете в телефон, и раз в блок разбирает, что сработало. Если раньше был дневник, его можно перенести, и новые тренировки тренер строит от него. Отдельное приложение и отдельная подписка не нужны: всё работает внутри Claude Code, на той подписке Claude, которая у вас и так есть.

Больше всего меня раздражало, что чат-боты уверенно называют рабочий вес, взятый ниоткуда. Поэтому все цифры по истории в этом тренере считает обычный скрипт на Node, а модель получает их готовыми.