Эта статья выросла из одного моего комментария в качестве читателя об ИИ-слопе, возникшей после этого дискуссии с писателями и редакторами, переросшей во взаимное минусение друг-друга с высунутыми языками и последовавшего затем всеобщего успокоения.
Далее мой взгляд на проблему со стороны читателя, попытка перевести все в конструктивное русло и небольшое исследование для технического решения проблемы.
Статья для того, чтобы поделиться своим опытом поиска работы в Канаде как иммигрант политкорректно - ньюкамер - и выводы, к которым пришёл в процессе.
AI-агенты отлично решают локальные задачи, но часто теряют связи между частями большой кодовой базы. Из-за этого изменение одной функции может незаметно сломать frontend, backend-роут, сервис, repository, background task или тест.
В статье разбирается CodeSlicer — локальный CLI, MCP-сервер и визуальный анализатор, который строит проверяемый граф влияния проекта. Он связывает функции, классы, DI-провайдеры, HTTP-endpoint’ы, frontend-компоненты и тесты, сохраняя evidence chain, provenance, confidence и причины каждой связи.
Показывается полный pipeline: inventory, extraction, semantic resolution, support packs, unknown regions, mutation testing, runtime observation и impact analysis. Отдельно разобрано, почему система не должна превращать предположение AI в подтверждённое ребро.
На размеченных Python-сценариях протестированы 21 тестовый сценарий, 29 mutation-сценариев, 20 обязательных semantic edges, 0 false positive и 0 false negative. Для TypeScript и frontend-backend bridge проверены 12 сценариев, 15 мутаций и 4 cross-language цепочки с endpoint precision 1.0.
Также рассматриваются интеграции с AI-агентами через CLI, MCP и skills, отличие CodeSlicer от обычных графов кода и дальнейшее развитие проверенного registry библиотек
Совместная разработка, и как найти лентяя в команде. История о том как я пришёл к созданию плагина для OpenSource.
Если у Вас закрались в голову мысли, что один из персонажей не работает, я думаю этот инструмент будет для Вас полезен.
А чтобы не читать всю статью инструменты можно быстро посмотреть
Название статьи навеяно комментарием к одной из моих публикаций на Хабре.
А подтолкнуло написать статью еще три комментария все к той же публикации. В первом комментарии @hazan просто и ясно написал: «От чего так мало фотографий экспонатов?»
Читатель @sartorius9 высказал высказал вообще «крамольную» мысль : «Похоже, что в этих двух музеях отечественной электроники поболе, чем во всей современной России. (((» .
А был еще комментарий от @bolk : «Ничего себе, люблю такое, надо приехать как-нибудь на выходные из Казани к вам.».
21 июля я сидел, обновлял ленту и ждал Gemini 3.5 Pro – тот самый флагман, который Google пообещала ещё в мае на I/O. «В следующем месяце», – сказали они тогда. Прошло два. Я уже мысленно прикрутил этот релиз к списку «когда-нибудь», но вместо флагмана компания выкатила… три модели тира Flash. Ни одной Pro. Знакомо, да?
И вот что интересно: в руки попали не просто затычки, а модели, которые для 90% реальной работы полезнее ещё одной строчки в таблице интеллектов. Особенно когда выяснилось, что экономия в 17% выходных токенов на самом деле тянет за собой цепочку издержек и способна сделать агентную разработку дешевле почти вдвое. А ещё новая версия местами просела в чтении графиков – и об этом молчат почти все.
Давайте разбираться без корпоративных слайдов: что реально дают эти модели, чем за них придётся заплатить вниманием и как не сломать свой пайплайн, обновляясь на последнюю версию.
Алкометр, который сохраняет результаты на веб-сайте в историю, а также позволяет соревноваться с другими пользователями в недельном рейтинге. На проект ушло более 400 евро, один год и несколько ревизий.
В статье расскажу о долгом и затратном пути к финальной версии и о том, какие ошибки были совершены.
Приложение поддерживает 20+ языков. Каждое обновление — это не только новая сборка, но и правки в обоих магазинах: название, подзаголовок, описание, «что нового». Для каждого языка, на каждой платформе, через медленный веб-интерфейс.
При двух десятках языков и двух платформах обновление «что нового» вручную занимает 30–40 минут. При этом легко ошибиться: скопировать не ту версию текста, забыть один язык, перепутать поля между iOS и Android.
В статье покажу, как свести всё это к одному коммиту.
Дядя Хашимото сказал разобраться, я попытался. Речь про его эссе «Everyone Should Know SIMD»: SIMD должен знать каждый разработчик; примеры там на Zig, но суть от языка не зависит. Мой язык - Go, и в февральском обзоре Go 1.26 я написал про новый SIMD-пакет грустную строчку: «поддержка ARM64 планируется в будущих версиях».
Будущее пришло быстрее, чем я ждал: в go1.27rc2 пакет simd стал портируемым, и один Go-код разворачивается в Neon на Apple Silicon и в AVX2 на Intel. У меня под рукой обе машины: Mac на M3 Pro, где собиралась первая версия этих бенчей, и Linux-десктоп на i9-14900KF. Впереди проверка обещания портируемости на живом железе: один исходник, два дизассемблера, две пачки замеров. Ассемблер писать не будем, весь код запускается копипастой; целиком он лежит в репозитории dsbasko/sandbox-simd.
Когда человек впервые слышит про одногодичную магистратуру, обычно возникает один из двух вопросов:
«А так вообще можно?»
«Что из обычной двухлетней программы пришлось выбросить?»
На первый вопрос ответить просто: да, можно. Рассказали про нашу одногодичную программу «Большие данные и машинное обучение».
В предыдущей статье я описал как я делал DTMF-MQTT шлюз для открывания ворот. Там я мЕльком упомянул, что делалось это как альтернатива телеграм и в общем свою функцию выполнило. В действительности путь был длинней, тернистей, но зато и завел куда дальше: текущее решение ничем не уступает тому что было в ТГ, а кое в чём и превосходит.
Данные тоже стареют. Им, конечно, не всегда нужен вечный покой — чаще достаточно переехать туда, где они будут занимать меньше места, стоить дешевле в хранении и не мешать тем, кто продолжает работать. В Tantor Postgres эта задача решается не набором разрозненных скриптов, а полноценной системой управления жизненным циклом данных: с регулярным сбором статистики, анализом реальной активности, объяснимыми рекомендациями, аудитом, dry-run и безопасным поэтапным переносом объектов между уровнями хранения. В этой статье мы разберем полный операторский сценарий работы с ILM (information lifecycle management) от появления первых рекомендаций до их безопасного исполнения.
Первая часть закончилась выводом: концепцию закона собрали заново между первым и вторым чтениями, за считаные дни и без публичного обсуждения. Отсюда естественный вопрос — насколько получившийся текст пригоден к применению.
Его открытое обращение в защиту опенсорса подписали уже 35 компаний. Anthropic, Google и Amazon в списке нет.
Старые консоли и телефоны давно вышли из активного оборота, но энтузиасты продолжают находить для них новое применение. Благодаря открытым движкам, обратной инженерии и собственным разработкам на устройствах двадцатилетней давности сегодня запускают игры, которые изначально для них никогда не предназначались.
В этой заметке разберем несколько интересных примеров, когда гики сумели вдохнуть новую жизнь в устаревшие платформы. От шутера в духе Counter-Strike на оригинальной PSP до Half-Life на Nokia N95 и Plants vs. Zombies на PlayStation 2. Заодно посмотрим, как энтузиасты адаптируют классику вроде Silent Hill и Castlevania: Symphony of the Night, какие приемы позволяют всему этому работать и почему подобные начинания становятся все заметнее.
Привет, Хабр! Мне принесли на доработку бомбезную электрогитару корейского производства из относительно недорогой линейки Signature Special от знаменитого бренда.
Несмотря на некоторый износ и проблемы с электроникой, которые мне пришлось устранить, инструмент оставил весьма приятное впечатление. Сейчас мы всё увидим и услышим.
ComfyUI даёт контроль над генерацией: можно сохранять workflow, менять отдельные этапы, подключать референсы, апскейл и редактирование, а затем повторять удачные результаты. Но на чистом сервере до первой картинки обычно нужно ещё установить окружение, подобрать версии PyTorch и CUDA, настроить внешний доступ и скачать модели. В статье проверяем другой сценарий: арендуем RTX 5090 в GPUGO, запускаем готовый образ ComfyUI + Jupyter, загружаем workflow и собираем обложку для статьи. Разбираем, что именно экономит готовая среда.
Привет от команды Яндекс Практикума! Приёмная кампания в онлайн-магистратуру «DevOps‑инженер облачных сервисов» ИТМО в партнёрстве с Практикумом уже идёт. Рассказываем, что входит в программу, что нужно, чтобы поступить в 2026 году и как устроено обучение.
Можно ли построить демона — наблюдателя, который знает состояние системы настолько точно, что будущее для него так же очевидно, как прошлое?
Отмена задачи кажется простой, пока сервис не зависает при остановке, таймаут не оставляет запрос работать в фоне, а CancelledError исчезает внутри обработчика исключений. Разберём, как устроена кооперативная отмена в asyncio, где ставить точки ожидания и как использовать TaskGroup, timeout и shield, чтобы задачи завершались предсказуемо.