Разработка

Проверенные в бою паттерны для проектов на React + TypeScript: фабрики ключей запросов, server actions, права доступа через CASL и многое другое.

Сочетание ИИ и интернета вещей — один из ведущих трендов в digital-среде. Так, по версии Mordor Intelligence, рынок искусственного интеллекта вещей (AIoT) в 2030 году вырастет до 89,38 млрд долларов — это почти на 155% выше показателей 2025 года.

Чем вызван интерес к этой технологии, и какие AIoT-решения активно применяются уже сегодня — подробнее расскажем в этой статье.

С переходом на Wayland (и даже на некоторые новые freerdp под x11) столкнулся с проблемой, что нельзя развернуть RDP-сессию на несколько мониторов.

Сам разрабочик например RDP-клиента Remmina говорит, что все дело в Wayland, а на стороне Remmina ничего сделать нельзя. В комментариях народ ищет обходные пути, возвращается на X11 или пытается использоваться xfreerdp (к которому тоже есть вопросики).

После некоторого шаманства выяснилось, что в sway (под Wayland) всё же можно сделать рабочий multimonitor для некоторых клиентов.

Команда Python for Devs подготовила перевод статьи о том, как с помощью middleware в LangChain 1.0 собирать LLM-агентов, готовых к реальному продакшену. В материале разбираются практические паттерны: управление контекстом, защита PII, human-in-the-loop, планирование задач и интеллектуальный выбор инструментов — всё то, что отличает экспериментального агента от надёжного рабочего решения.

Хвостовые задержки в Java часто упираются не в «среднее время ответа», а в редкие, но болезненные выбросы на p999. В статье сравним G1 и ZGC на прикладном бенчмарке микросервиса (Quarkus + Postgres) и на синтетической нагрузке с высокой скоростью аллокаций: где ZGC действительно срезает хвосты почти без пауз — и в каких условиях, упираясь в CPU, он начинает «тормозить» через приостановки аллокаций.

Всем привет! Меня зовут Александр, я старший инженер по верификации в YADRO. В блоге уже были статьи о том, как мои коллеги из других отделов мучают наши дисковые массивы, — одна из них тут. Наш отдел тоже работает с системами хранения данных, но без издевательств над массивами: мы проводим сертификационное тестирование. Результат трудов — сертификат, подписанный с обеих сторон и подтверждающий совместимость нашего изделия и стороннего программного продукта или аппаратного средства. Для коммерческих и государственных организаций такие сертификаты — серьезный аргумент при планировании закупки оборудования или ПО.

Вот только из-за приличного объема ручного тестирования сертификация отнимает много времени и сил, поэтому мы стараемся автоматизировать процесс. Многое пока только в планах, но кое-что уже удалось реализовать. Удачными приемами как раз и поделюсь сегодня — сможете применить в своих проектах.

Опрос: бытовые взаимоотношения айтишников с безопасностью. Если вы заполняли праздничную неформальную анкету от InfoWatch и Труконф, заходите посмотреть ответы. Если не заполняли, тоже заходите.

При обсуждении вопросов, связанных с процессами разработки Информационных систем (далее ИС) в среде ИТ специалистов сплошь и рядом возникают споры, как это делать максимально правильно и канонично. К примеру “свидетели” Каскадной (Waterfall) модели, зачастую вызывают лишь раздражение и насмешки у адептов Гибких (Agile) методологий, считающих их анахроничными. При этом сложившееся их самих понимание о той единственно верной парадигме организации процесса, а скорее возможность гибко и технично обходить эту парадигму, не дает даже шанса договориться о целостном восприятии темы. И чего уж греха таить, как правило упорство при отстаивании своей точки зрения, это просто лазейка для прикрытия недостаточно глубокого осмысления, почему именно так или иначе протекает тот или иной техпроцесс.

Чаще всего с годами у специалистов складывается некое устоявшееся представление об организации и последовательности этапов производства ИС, о результатах, формируемых в ходе их выполнения, способах их применения, приоритетах и прочего. Всеохватывающее и глубокое погружение в обстоятельства реализации решений не оставляет времени и желания разбираться в сути организации обеспечивающих их процессов. А потому за бортом понимания остаются вопросы: почему процессы выстроены именно в той или иной последовательности, почему важны именно те или иные результаты и наконец почему от проекта к проекту успешность применения отлаженных механизмов может быть кардинально разной.

В корне этой дезориентации могут лежать следующие факторы...

В 2025 году мы наблюдали тектонические сдвиги в списках Forbes: молодые фаундеры бьют рекорды скорости накопления капитала, которые раньше казались невозможными. Еще в апреле 2025 года титул самой молодой self-made миллиардерши удерживала 30-летняя Люси Го. Но к декабрю 2025-го планка опустилась еще ниже. Новой рекордсменкой стала 29-летняя бразильянка Луана Лопес Лара, соосновательница платформы Kalshi. Forbes оценивает её состояние в $1,3 млрд.

Я работаю дата-сайентистом 5 лет и до сих пор испытываю боль, когда нужно сделать MVP по временным рядам. Начиная с того, как построить несколько графиков одновременно без «слипшихся» меток по осям, заканчивая поиском подходящего метода очистки ряда от аномалий. И всё это венчает цикл по каждому ряду с бесконечным жонглированием данными между numpy, pandas, sklearn, yet_another_library.

Если вы DS, и тоже, как и я, устали от вот этого всего, добро пожаловать под кат. Я покажу, как написать production-ready код для прогноза 200+ временных рядов от EDA до результата. Разберем на практике, как бороться с аномалиями, ловить смены тренда и в итоге – получить масштабируемое решение, а не очередной «велосипед».

Привет, на связи Егор! Я пишущий эксперт GPTunneL по промптингу. GPTunneL — это агрегатор более 100 нейросетей в России, включая такие модели, как Gemini 3 Pro, GPT-5.2 и Claude Opus 4.5.

В 2026 году я все еще встречаю людей, пользующихся ИИ, но не знающих, как устроен токен. Так что в своей статье я расскажу, что такое токены в ИИ, как они влияют на стоимость использования нейросетей и почему 1000 токенов это не 1000 слов. Разберёмся, какие ошибки чаще всего допускают при расчёте бюджета на ИИ, в том числе по API, и как оптимизировать расходы.

Постараюсь дать читателям без технической экспертизы понятное представление о том, как устроены токены и токенизация в современных ИИ-моделях, от разбиения текста до расчёта стоимости запросов. Ради ясности и читабельности буду объяснять процессы в упрощённом виде: некоторые особенности конкретных провайдеров и крайние случаи я либо не буду упоминать, либо сведу к общим принципам.

За 20 плюс с лишним лет опыта управления продуктовыми ИТ компаниями я никогда не имел личного ассистента. Не знаю, как так получилось, но мне всегда было проще самому создавать события в календаре или сортировать свою почту. Не то чтобы я этого не мог себе позволить, но так ни разу не делегировал часть своей рутины другому человеку. Тут, наверное, есть два варианта. Или я control freak или жадина, но мне приятнее думать, что первое :-)

В прошлом году я почувствовал, что время чудес пришло и я могу создать личного ассистента себе самостоятельно, без чьей-либо помощи. В этой статье я вам покажу наброски своего личного AI-ассистента и предложу вашему вниманию инструментарий, которые я использовал.

Из новостей: Meta сокращает VR-направление, Eidos занимается АААА-игрой, Soviet Games анонсировала ии-слоп Бесконечное лето 2, Valve уточнила правила по использованию ИИ, симулятор бога от Молиньё выйдет 22 апреля.

Из интересностей: импланты и киберпсихоз, делать игру с нулевым опытом, кратко (нет) про Higurashi no Naku Koro ni, 5000 вишлистов за месяц на шортсах, новая часть документалки про Disco Elysium.

Данный материал создан учеными Национального исследовательского университета «МЭИ» (НИУ «МЭИ») кафедры Автоматизированных систем управления тепловыми процессами (АСУТП). Представленные сведения основаны на результатах научных исследований и отражают профессиональное мнение авторов.

Управление жизненным циклом узлов в Kubernetes легко превращается в марафон ручной настройки — от подготовки окружения в облачных сетапах до регулярного обновления скриптов и корректного удаления узлов. В Deckhouse Kubernetes Platform мы автоматизировали этот процесс, и неважно, работаете вы в облаке или в собственном дата-центре.

В статье технический руководитель команды Deckhouse Core рассказывает, как платформа скрывает сложность управления узлами за понятными ресурсами и инструментами, позволяя безопасно и предсказуемо развёртывать, масштабировать и обновлять узлы без ручного труда.

Некоторые люди смотрят «Матрицу» и думают, что это выдумка. Конечно, там есть приукрашивания и преувеличения о ценности человеческих тел, но в целом гипотеза симуляции построена на стройной научной модели цифровой физики.

Цифровая физика — это совокупность математических и философских работ, представляющих Вселенную как гигантский цифровой компьютер.

В этом направлении работали великие учёные и инженеры, такие как Конрад Цузе (создатель первого языка программирования высокого уровня), Джон фон Нейман, Стивен Вольфрам и др. Саму физику часто связывают с клеточными автоматами.

Меня зовут Ильдар Ишкинин, я ведущий инженер Центра компетенций Innostage. После лабораторного тестирования производительности NGFW «Континент 4» в условиях высокой нагрузки мы перешли ко второму этапу. На этот раз мы оценивали не силу, а интеллект устройства — его способность обнаруживать угрозы в режиме работы «Детектор атак». Также в течении месяца мы проводили сравнительный анализ, насколько эффективно отечественный NGFW «Континент 4» справляется с обнаружением атак по сравнению с зарубежным межсетевым экраном нового поколения Palo Alto производства компании Palo Alto Networks.

Привет, Хабр! Меня зовут Виктор Прусаков, я ведущий разработчик в команде DSML в ГК Юзтех и уже четыре года занимаюсь data science. Эта статья написана по мотивам моего выступления на AIConf и посвящена системе машинного зрения, способной распознавать наличие СИЗ, опасные действия и перемещение персонала в зонах риска. Модульная архитектура с гибким ядром обеспечивает быструю кастомизацию решения под производственные задачи, что критично для реализации концепции нулевого травматизма.

В каждой крупной компании со временем накапливается огромное количество ценной информации — инструкций, регламентов, технологических карт, аналитических отчетов. Однако в большинстве случаев эти данные висят «мертвым» грузом в архивах и папках. Все необходимое где-то есть, но найти вовремя невозможно. Чтобы знания действительно начали работать на бизнес, нужен инструмент, который сможет оперативно доставить их тем, кому они нужны. И именно такую задачу решает ИИ чат-бот на основе технологии RAG (Retrieval-Augmented Generation).

Когда знаний много, но они не работают

Корпоративные знания — это стратегический актив. В них — опыт, регламенты, правила, накопленные решения и наработки. Но вся эта ценность бесполезна, если сотрудники не могут быстро найти нужную информацию. А именно с этим сталкиваются компании в самых разных отраслях, от промышленности до финансов.

Проблема не в нехватке данных — проблема в доступе к ним. Как итог:

Python прощает многое: здесь нет строгой типизации, компилятора и ручного управления памятью. Код пишется легко, запускается с первого раза и проходит Code Review. А потом на продакшене случается страшное: данные пользователей перемешиваются, сервер «замирает» под нагрузкой или биллинг списывает деньги не в тот день.