Моя лента

В Angular проектах часто можно увидеть использование routed-компонентов, выполняющих оркестрирующую роль для своего роута. Они инжектят ActivatedRoute, достают из него параметры и по ним выполняют инициализацию с помощью доменных сервисов. Это кажется естественным и такой компонент принято считать smart container, «умным».

Но действительно ли ему необходимо знать про ActivatedRoute и про конкретный сервис?

В статье рассказываю, как с помощью фичи withComponentInputBinding и резолверов можно инвертировать зависимости для routed-компонентов и уменьшить их связанность.

Привет, Хабр!

Представляю твоему вниманию AcroTab — приложение, которое должно быть у каждого уважающего себя гитариста (у меня, например, есть).

кг/ам tl;dr: https://acrotab.org

Начиная с 2010 года в научпопе мелькают заголовки вроде «Какого цвета были динозавры?». При этом в тени часто остаются птерозавры, трилобиты, гигантские палеозойские ракоскорпионы или морские рептилии вроде ихтиозавров. Сейчас науке известно множество мезозойских и более древних животных, чей облик мы можем представить себе вплоть до деталей окраски.

Я решил собрать их всех в одной базе, которая объединяла бы художественные реконструкции, фотографии окаменелостей и статьи с исследованиями каждого вида. Всех, кому интересно, как выглядели существа из прошедших эпох, и откуда мы это знаем, приглашаю к прочтению.

Большинство статей про Kubernetes на границе (edge) описывают более-менее стабильную топологию: несколько узлов в одном или нескольких дата-центрах, предсказуемая сеть между ними, редкие сетевые партиции как исключение, а не норма. У нас всё наоборот: control plane живёт в офисе/датацентре, а agent-узлы физически стоят в транспортных средствах автопарка — едут по городу, паркуются в подземных гаражах без связи, теряют VPN на десятки минут за смену. Разрыв связи с control plane — это не инцидент, это штатный режим работы системы, который нужно было спроектировать с самого начала, а не «подкрутить» постфактум.

В этой статье — то, как устроен наш K3s-кластер для автопарка: HA control plane на kube-vip, транспорт через WireGuard поверх MikroTik, разнородный флот из amd64- и ARM-агентов (включая Jetson), и отдельно — самая интересная часть: как мы подступаемся к вопросу «может ли под на границе продолжать работать, когда control plane временно недостижим».

Нейросети радикально повлияли на то, как люди ведут себя в поисковиках. 

Например, AI-блок Google Overview на 58% снижает вероятность клика пользователя на первую ссылку [1]. А переход из рекомендации Claude и Chat GPT дает конверсию в покупку в 4,4 раз выше, чем обычный переход из поисковой выдачи [2]. 

При этом пересечение ссылок в топе поисковой выдачи и источников, используемых нейросетями, составляет всего 46%[3]. А значит, стандартное SEO сильно отличается от GEO. Мир меняется, и если раньше "вас не было, если не было в интернете", то сейчас "вас нет, если вас не упоминают нейронки".

Давайте обсудим, как добиться того, чтобы нейросети вас рекомендовали.

«НЖТИ 84984 ХРУЩОПЛОБ 5521 2375 МОРФОЖАНР 4424 2375». Примерно так выглядят обычно сообщения «Жужжалки», она же УВБ-76 — самой знаменитой «номерной радиостанции». Их история уходит в середину прошлого века, в основном в связи с деятельностью разведывательных служб, дипломатических и военных ведомств. Обычно номерные радиостанции используют короткие радиоволны, способные при должной мощности передатчика многократно отражаться от ионосферы и распространяться по всей планете. А передаваемые ими наборы цифр, иногда перемежаемые словами, представляют собой зашифрованные данные: либо условные слова и наборы цифр, значение которых известно получателю, либо целые тексты. В последнем случае обычно используют шифр Вернама, который при строгом следовании правилам является абсолютно невзламываемым — что доказано математически. Именно это позволяет пересылать даже сверхсекретные сведения открытым и доступным всем сигналом. В XX столетии номерные радиостанции сыграли важную роль в истории разведслужб, особенно советских, а с конца прошлого века вокруг них возникла целая субкультура. Как возникли номерные радиостанции, какие триумфы и провалы спецслужб были с ними связаны, как вокруг них возникла субкультура... и почему одна из них произносила последовательности цифр криповатым голосом маленькой девочки? Попробуем разобраться — и начнём мы с зарождения союза сверхдальнего коротковолнового радио с методами абсолютного шифрования.

На Apache Superset я перенёс один отчёт. Одна таблица, пара графиков, день работы. Это была годовая цель: показать, что умею. Пользуются при этом по-прежнему исходной версией в Power BI.

Перенос в компании идёт всерьёз: есть коллеги, которые публикуют на Superset отчёты десятками. И чем ближе отчёт к одной таблице, тем легче он едет. Мои — не такие.

Поэтому я открыл свою самую тяжёлую модель — 22 таблицы, 206 колонок, 86 мер — и прочитал её целиком. Двадцать мер из восьмидесяти шести меняют расчёт в зависимости от того, до какого уровня развернули матрицу: из-за них сверка «итог в итог» после переноса сходится идеально и ничего не доказывает. Шесть производственных договорённостей зашиты прямо в формулы и не описаны больше нигде.

Разбираю, что на самом деле переносится при миграции BI и почему документацию в ландшафте на 800+ отчётов придётся отдавать машине.

Банки, кафе и телеком‑операторы Китая, помимо основных услуг, начали предлагать токены ИИ. Компании продают токены в рамках тарифных планов мобильной связи, предлагают их в качестве кэшбека по кредитным картам или бонуса за заказ еды.

Как я собрал бесплатный сервис метаданных книг на Java и Spring Boot — с EAV/Pivot-схемой БД вместо ALTER TABLE на каждое новое поле, агрегацией нескольких открытых источников. Плюс обновлённый плагин для Obsidian.

Прошло уже почти 5 лет с тех пор, как я опубликовал статью «Беспилотники 2021».

Так получилось, что все эти пять лет я не имел прямого отношения к отрасли беспилотных автомобилей. И если и были какие-то громкие новости, то они прошли мимо меня.

Но 3 сентября случилась новость, которая мимо не прошла: Tesla вывела на дороги общего пользования Cybercab и запустила его в реальных сценариях роботакси. За один день интернет заполнили десятки и сотни видео, в которых обычные люди показывают, как работает технология.

Можно сказать, что беспилотные такси мы уже видели — и это правда. Waymo к этому моменту уже несколько лет возит пассажиров без водителя и накопила огромный полностью автономный пробег. Тесла запустила сервис роботакси на базе Model Y с "охранником" на пасажирском сиденье. Но всё-таки автомобиль, в салоне которого вообще нет органов управления человеком, на публичных дорогах, не в режиме очередного «демо», а в реальных сценариях такси — ну потрясающе же, правда?

На этом фоне я решил ещё раз перечитать свою статью 2021 года и посмотреть, насколько изложенные тогда технические идеи и прогнозы подтвердились или, наоборот, были опровергнуты временем.

Забавно, что в 2021 году, строя гипотезы и прогнозы о будущем беспилотного вождения, сложно было даже представить, что настоящая революция в ИИ случится совсем скоро — и что уже через несколько лет статьи, программы, документы и много чего ещё в большинстве случаев не будут создаваться исключительно человеком. Появится инструмент, который довольно сильно перевернёт и профессиональные, и бытовые процессы.

Если у вас ноутбук с Intel iGPU и дискретной видеокартой, а в мессенджерах, редакторах кода и браузерах по краям интерфейса тянутся странные полосы и блочный мусор, который исчезает под курсором мыши — эта статья про вашу проблему.

Спойлер: дело не в видеокарте, не в мониторе и не в драйверах. И чинится это одним ключом реестра, до которого я дошёл через день перебора всех «народных» советов, ни один из которых не сработал.

Несколько месяцев назад я начал делать небольшой сервис для контейнерной логистики.

Изначальная идея была довольно простой: заменить бесконечную публикацию одних и тех же грузов и свободных машин в рабочих чатах нормальным поиском.

Так появился ГрузоБот это сервис для грузоотправителей, экспедиторов и перевозчиков, работающий через мессенджер MAX.

Сейчас проект уже находится в бета, но продакшене, поэтому хочу рассказать не столько о самом сервисе, сколько о том, что оказалось под капотом и с какими задачами пришлось столкнуться при разработке.

После первой части у нас есть браслет, который синхронизируется с open-source приложением на телефоне, и sqlite-база на этом телефоне, обновляемая по расписанию. Данные — наши. Но пока они живут на телефоне, они в золотой клетке: один утопленный в ванной телефон — и вся история ушла.

Задача этой части: доставлять базу домой, на свой сервер, ежедневно.

Твой спортивный браслет — это маленький медицинский прибор, который знает о тебе гораздо больше, чем терапевт в поликлинике: когда ты спал и как глубоко, как билось твоё сердце ночью. Весь этот поток по умолчанию течёт в облачную систему производителя браслета — и остаётся там навсегда, в чужой юрисдикции, на чужих условиях, с чужим правом на «улучшение сервиса».

Выход из этой ситуации есть и чем раньше ты им воспользуешься, тем больше данных останется в твоём собственном распоряжении.

Размышления, вдохновленные статьей Марка Хау «Towards ‘augmented sociology’? A practice-oriented framework for using large language model-powered chatbots» (Hau, 2025)

Недавно в одном из чатов коллег-исследователей я обратил внимание на обсуждение темы использования синтетических выборок. Будучи по своему профилю академическим, да ещё и политическим социологом, я в своей работе с подобными методами не сталкивался, однако же в мире продуктовых исследований это стремительно нарастающий тренд последних лет.

В связи с этим меня крайне заинтересовал вопрос: а как исследователям вообще относиться к подобным методам и насколько они, если так можно выразиться, академичны? Так я и погрузился в исследование применения синтетических выборок и в целом LLM в рамках социологических исследований, однако, как всегда оказывается, всё гораздо глубже и тревожнее. 

Есть у меня сервис собственной разработки по визуализации данных из базы: сенсоры упорядочены, я могу посмотреть, какие значения были на том или ином датчике за определенный промежуток времени. Лично я считаю, что у меня интереснее реализованы некоторые функции, которые в пользовательском интерфейсе Grafana или ESPHome сделаны исходя из совсем других удобств.

Так, несмотря на появление принципов ООП еще в 1960 годах, о нем многие из нас начали слышать лишь в году так 2010. Многие программисты писали методы и функции без разделения кода, но оказалось, что намного интереснее ориентироваться на живой мир, когда с разработкой четко видишь и осознаешь, что вот этот текст в программе – код человека как законченного объекта исследований с его инкапсулированными методами, например, а вот тот фрагмент – это тот же человек, но с наследованием родительского класса… Он уже не просто человек, но специалист, например, в программировании.

Итак, в интерфейсе своего приложения стало интересно оттолкнуться от реального объекта в моем окружении – от фермы на балконе, где выращиваются клубника и микрозелень. И первым вопросом было явно не то, а как и каким инструментом визуализировать данные с датчиков на этом мини-огороде. Ну окей, самым первым  вопросом было, конечно, это. Но когда я накидал график и get-запросом начал переключаться между датчиками, понял, что мне не очень понятно среди этого множества графиков, как вообще управлять всем этим делом и не запутаться.

Вот на подоконнике я точно понимаю, что есть коричневый ящик, а с его правого края находятся два датчика влаги.  Но когда я забыл о ферме на полгода, а потом вдруг решил вспомнить, мне что, надо копаться и вспоминать, где именно эти два датчика?

Привет, Хабр! В одной из прошлых статей мой коллега упомянул теорию соматических маркеров Антонио Дамасио. Эта гипотеза связывает текущие ощущения с эмоциональными и физиологическими реакциями. В похожих ситуациях мозг использует их для предварительной оценки вариантов, поэтому выбор формируется раньше осознанной аргументации.

Этому исследованию уже больше тридцати лет, и многие современные работы отталкиваются или дополняют его.

В этом материале я разберу, на чем Дамасио строил свою гипотезу, какую видел роль интероцепции и вегетативной нервной системы и что показали эксперименты со знаменитой игровой задачей Айова (Iowa Gambling Task, IGT). Отдельно постараюсь ответить на вопрос, когда телесным сигналам стоит уделить внимание, а когда они отражают тревогу, усталость или ошибочно закрепленный опыт.