Разработка

Привет, Хабр! На связи Keisilop. Последние полгода пристально слежу за тем, что происходит в мире ИИ. Для этого завёл ТГ-канал, где отмечаю главные события и тенденции, стараюсь делиться самыми важными инсайтами. Это моя первая статья на Хабре — пересказ и разбор материала, который заставил меня серьёзно задуматься о будущем.

Речь о статье Мэтта Шумера (Matt Shumer) «Something Big Is Happening». Мэтт — не теоретик, а практик: 6 лет он строит AI-стартапы и инвестирует в эту сферу. Он живет в этом мире. И его честное мнение, по его же словам, «звучит так, будто я сошел с ума».

Но именно потому, что оно звучит так пугающе и откровенно, я считаю, что каждый из нас должен это услышать. Мы стоим на пороге перемен, которые могут оказаться куда масштабнее, чем пандемия COVID-19. Помните февраль 2020-го? Большинство из нас отмахивалось от новостей о вирусе. А через три недели мир изменился до неузнаваемости.

Мэтт считает, что сейчас мы находимся в той самой фазе «да это всё преувеличено» по отношению к AI. И я, пожалуй, с ним соглашусь. Давайте разберемся, почему.

За переводы сонетов Шекспира брались многие мастера и любители. Мне стало интересным провести лексико-семантический анализ нескольких переводов 74 сонета и сравнить их с оригиналом. Я взял авторов, авторитет которых как поэтов и переводчиков вне сомнения Маршака и Пастернака. И двух переводчиков, не известных как поэты - Николая Гербеля и Модеста Чайковского. Я захотел проверить, кто из переводчиков точнее всего передал смысл, ритм и эмоции оригинала, используя алгоритмы машинного обучения.

Мы строим AI-систему для автоматизации рерайта новостей в региональных СМИ. В таких СМИ часто три человека делают работу пятерых, а восемь из десяти материалов в день — это пересказ чужих новостей. Не потому что хотят, просто план, трафик, выживание и тд. Мы забираем эти восемь рерайтов на себя, чтобы у редакции осталось время на журналистику, а не тупизну.

Начали делать модуль фактчека.

В начале февраля в Steam был фестиваль печатания. Среди множества игр, проверяющих умение работы с клавиатурой, нашлась одна, которая предлагает уникальный опыт морского боя по телеграфу: индексы клеток вводятся азбукой Морзе.

Игра совместима с мышкой, клавиатурой и джойстиком. Я посчитал, что это не достаточно аутентично, и собрал свой контроллер с телеграфным ключом и дверным звонком. Получившееся устройство подходит не только для одной игры, но и для обучения азбуке Морзе и для набора сообщений в любые поля ввода в ОС.

Как превратить ваше приложение в инклюзивный продукт, который используют ВСЕ - от слабовидящих до людей с когнитивными нарушениями. Плюс секретные фишки, о которых молчит документация Apple.

Это руководство создано не для того, чтобы вы просто поставили галочку в Jira. Мы поговорим о том, как код может стать мостом или стеной для миллионов людей.

Сегодня выпустили первую версию нашего опенсорс-конструктора для e-com и финтех-продуктов. Рассказываем, что внутри и чем Роллаут уже сейчас может пригодиться любому бизнесу, что-нибудь продаёт или принимает оплату онлайн.

Наверняка каждый, кто начинает погружаться в анализ данных, сталкивался с этой классической проблемой. Вы скачиваете гигантский CSV-файл, по привычке пишете pd.read_csv(), запускаете ячейку и... кулеры начинают выть, система жутко тормозит, а в итоге скрипт падает с ошибкой нехватки памяти.

Первая мысль в такой ситуации — нужен компьютер помощнее или облачный сервер. На самом деле, чтобы переваривать огромные файлы, вовсе не обязательно наращивать оперативку. Проблема кроется в том, что по умолчанию мы пытаемся запихнуть весь объем данных в память целиком.

Существует довольно много простых техник, которые позволяют обойти это ограничение. Ниже мы разберем несколько таких приемов, которые спасают, когда ваши данные переросли возможности вашего железа. Пойдем от самых базовых к чуть более продвинутым.

В прошлой статье я познакомил вас с существованием малоизвестных "суперплатформ" управления данными. На абстрактном примере реализации показал как легко кастомизируется платформа - от идеи, к готовому UI. У кого-то это вызвало отвращение, у кого-то просто шок, а кто-то увидел возможность.

Настало время на деле показать как с помощью современного стека разработки (который возможно уже через пару лет станет опять старым) - дать второе дыхание морально устаревшим системам из прошлого, взяв из них лучшее, а именно философию и надёжные концепции и при этом не страдать от старого, дурно пахнущего legacy.

В общем расскажу про импортозамещение Dassault Systèmes 3DExperience, далее Enovia, а точнее - той её части, которая на протяжении многих лет востребована многими крупными предприятиями: гибкого движка для построения бизнес-приложений, с возможностями управления жизненным циклом (без привязки к тяжелому САПР).

Многие проекты рано или поздно утыкаются в «потолок» стандартного поиска. Обычный LIKE перестает справляться, когда данных становится больше 100 тысяч строк, а пользователи начинают ошибаться в каждом втором слове. Типовым решением в такой ситуации считается внедрение Elasticsearch или Meilisearch.

Но внешние движки — это всегда «налог» на инфраструктуру: лишняя память, задержки на сетевой хоп и, самое главное, головная боль с синхронизацией данных. В этой статье мы разберем, как выжать из PostgreSQL производительность специализированного поисковика, используя Node.js как оркестратор параллельных стратегий и механизм AbortSignal для предотвращения лишней нагрузки на БД. Разбираем внутреннее устройство SDK pg-smart-search.

В 2025 году платформа VK Видео стала лидером в России по ежедневной и ежемесячной аудитории. За этим результатом стоит не только рост числа авторов и объёма контента. В его основе системное развитие технологий: мы последовательно масштабируем инфраструктуру, совершенствуем пайплайны обработки видео и инвестируем силы в стабильность воспроизведения на всех пользовательских устройствах и при любых условиях сети. Это постоянная инженерная работа, направленная на предсказуемое и стабильное качество сервиса при быстрорастущей нагрузке. 

Меня зовут Алексей Шпагин, я руководитель разработки бэкенда видеоплатформы VK. В статье расскажу о технологиях, лежащих в основе VK Видео, и жизненном цикле контента на платформе: от загрузки и обработки до доставки зрителям.

Привет, Хабр! Меня зовут Дмитрий Кислов, я системный аналитик в команде автоматизированной банковской системы в ПСБ. 

Рано или поздно каждый ИТ-специалист сталкивается с ситуацией, когда бизнес ставит почти невыполнимую задачу с жёстким дедлайном. Как тут не вспомнить старую шутку: «Можно ли заставить 9 женщин родить ребёнка за один месяц?». Ответ очевиден — нет, законы природы (и разработки) не обманешь.

Конечно, мой главный совет по таким ситуациям — не оказываться в них. Но в реальности случается форс-мажор: внезапные изменения в законодательстве, упущенные сроки, требования ключевых клиентов. Команда оказывается перед фактом: «Нужно сделать невозможное, и, кстати, дедлайн — вчера».

На небольшом примере из своей работы я покажу, как не сгореть, сохранить результат и даже извлечь из этого опыт.

Статья без лишних эмоций о том, как развивался искусственный интеллект. Это попытка проследить паттерны в развитии ИИ, понять, почему прогнозы лидеров отрасли систематически не сбываются, и оценить, где мы находимся сегодня. 

В тексте акцент сделан на трёх составляющих - технических решениях, финансовых результатах и исторических взаимосвязях.

Большая языковая модель это не источник актуальных сведений, а статистическая система, обученная на данных прошлого. Она не обращается к внешним базам знаний и не узнает о новых событиях. Все что она знает было усвоено на этапе обучения и зафиксировано в ее параметрах.

В современных прикладных системах это ограничение часто скрыто за инструментами, поиском и дополнительными модулями. Однако именно архитектурный подход Retrieval-Augmented Generation, RAG стал стандартным способом расширения возможностей модели без ее дообучения. Он позволяет подключать внешние базы знаний, работать с актуальными документами и заметно снижать количество галлюцинаций.

В третьей части серии Базовый минимум разбирается как устроен RAG и как реализовать его минимальную рабочую версию на практике.

К этому моменту мы все понимаем, что OpenAI находится в крайне затруднительном положении, плывя по течению без весел. От их моделей, которые порой выдают совершенно непредсказуемые результаты, до постоянно растущих сокрушительных финансовых потерь - дела у компании Сэма Альтмана идут не лучшим образом. Но в последние недели напряжение вокруг этой саги начало нарастать, и закономерный финал компании наконец-то вырисовывается. Видите ли, колоссальный поток наличных, в котором OpenAI отчаянно нуждается, чтобы не рухнуть, начинает иссякать, и вскоре этот авангард ИИ-пузыря может быть поглощен собственным сжиганием средств. Все верно, OpenAI находится в гораздо худшем положении, чем вы думаете.

Это кейс о комплексном подходе: как одновременно думать про backend, DevOps, продукт, UX и бизнес-метрики. О том, как делать продукты, держа в голове всю картину сразу.

Три недели назад у меня была проблема: найти билеты на Бали для 5 человек с гибкими датами и определённой длительностью поездки. Агрегаторы не справлялись — приходилось проверять комбинации вручную.

На сегодняшний день у меня работающий продукт: телеграм-бот, который проверяет 1000+ комбинаций маршрутов в час, находит билеты с экономией до 52% и уведомляет пользователей в нужный момент.

Что между этими точками:
• Эксперимент "весь код пишет AI" (Claude справился на 90%)
• Обход защитных механизмов сайтов и реверс-инжиниринг API
• Построение аналитики с метриками CTR, retention, воронками

Спойлер: билет туда-обратно может быть на 40% дешевле суммы двух билетов в один конец

Общая проблематика 

Времена, когда для промышленного применения ИИ-моделей можно было использовать только язык Python, безвозвратно минули в прошлое. Сегодня для освоения приемов работы с LLM вообще нет необходимости знать какой-либо язык программирования.

На рынке представлено огромное число чат-ботов и low-code платформ, типа n8n (Activepieces, Zapier, Make/Integromat и множество других, их реально уже не счесть), которые позволяют быстро отточить свое мастерство «промптинга» и подключения различных «тулзов».  

Однако, для корпоративного применения “as is” (в облачном варианте) проявляются ограничения: 

Пара слов о том, как программисты разных конфессий справляются с самой очевидной задачей в Computer Science.

Примеры правильных и неправильных разворотов списка на десяти разных языках.

Статья посвящена интеллектуальным силовым модулям, которые являются основой силовой части современных преобразователей частоты для асинхронных электродвигателей. Приводится описание российского интеллектуального силового модуля ТТМ-1000, который входит в состав преобразователей частоты концерна «Русэлпром»: его технические характеристики, особенности, преимущества и недостатки по сравнению с западным аналогом. Рассматривается преобразователь частоты мощностью 1,67 МВА на основе модуля ТТМ-1000, который является базовым преобразователем частоты для судовых систем электродвижения концерна «Русэлпром». 

На INFOSTART TEAM EVENT 2026 мы делаем серию круглых столов и интерактивных форматов, где важны не «правильные ответы», а живые аргументы, разбор практики и честные кейсы. Это не формат «докладчик - аудитория», а разговор на равных: модераторы задают рамку, спикеры приносят опыт, зал - вопросы, контрпримеры и альтернативные решения.

Круглый стол полезен, когда у вас есть:

Цель проекта — проверить отказоустойчивость Strimzi Kafka в Kubernetes с помощью chaos-экспериментов (Chaos Mesh). Для этого разворачивается полный стенд: кластер Kafka (KRaft, 3 контроллера + 3 брокера), мониторинг (VictoriaMetrics K8s Stack, Grafana), сбор логов (VictoriaLogs), верификация сквозной доставки сообщений через Redis и Go-приложения producer/consumer. Затем последовательно применяются chaos-сценарии (pod-kill, network partition, CPU/memory stress, IO/DNS/JVM/HTTP chaos и др.) и проверяется, что кластер корректно восстанавливается без потери данных.