Разработка

Как превратить Claude Code из мощного ассистента в профессиональную платформу оркестрации с 33+ специализированными агентами.

ИИ, как и любая технология, создаёт как возможности, так и угрозы. Пока учёные находят аномалии в огромном массиве астрономических данных и перебирают миллионы молекулярных комбинаций за несколько часов, мошенники получили доступ к инструментам, повышающим успешность их атак.

В этой статье я подробно расскажу, как мошенники используют ИИ для генерации дипфейков, подделки документов, взлома паролей, фишинга, и какие правила кибербезопасности помогут подготовиться к потенциальным атакам.

От поиска по архивам документов и медиафайлам до рекомендательных систем и AI приложений — всюду работают эмбеддинги и векторный поиск. Но когда дело доходит до выбора конкретного инструмента, глаза разбегаются: Qdrant, Milvus, Weaviate, Redis, Elasticsearch, Pgvector…

Если вы:

• планируете внедрять семантический поиск в свой продукт,
• выбираете между проверенными временем БД и специализированными системами обработки векторов,
• ищете независимые бенчмарки,

то этот материал — для вас. Мы разберем основные концепции векторного поиска, сравним популярные open-source решения и протестируем скорость их работы с учетом загрузки процессора и памяти.

Команда JavaScript for Devs подготовила перевод большого апдейта от команды TypeScript. Разработчики рассказали, как идёт переписывание компилятора на нативный код, что уже работает в превью TypeScript 7, какие ограничения остаются и почему версия 6.0 станет последним релизом на JavaScript. Новый TypeScript обещает серьёзный рывок в скорости и стабильности — самое время понять, что нас ждёт.

Нет человека, который сегодня мог бы представить жизнь без банковских карточек. Однако так было не всегда. Еще недавно карты были менее безопасными и функциональными. В этой статье я расскажу об истории пластиковых карт в России.

Данная статья не инструкция к действию, а просто моя история из жизни. В прошлых материалах я упоминал, что работаю преподавателем в центре для одарённых школьников.

Центров этих в районе десятка по стране. И до этого года все они работали на базе общей информационной системы.

Меня попросили что-то придумать с этим. О том, что нас отключат от системы, я узнал немного заранее. Рассмотрел open-source варианты систем, которые могут выполнять подобную задачу, и пришел к выводу, что проще написать такую систему с нуля (приоритетом было, чтобы преподаватели легко перешли на новую систему). Но прикидывая, сколько моих человеко-часов уйдет на эту задачу (да ещё и бесплатно), я плавно сливался с этой темы.

Собственно, я и не собирался ничего делать, но вспомнил, что хотел испытать, на что способна ИИ-шка при написании подобных задач с нуля. Обычно я мучаю DeepSeek и пару других gpt для простеньких скриптов, фикса багов, других проблем с Легаси, и просто для тупых вопросов. Поэтому решил в DeepSeek эту задачку и закинуть. Такого, честно, я не ожидал :)

Команда AI for Devs подготовила перевод статьи о том, как AI-агенты на базе LLM тратят лишние деньги из-за разрастающегося контекста и как простое маскирование наблюдений нередко работает лучше сложного LLM-суммирования. Авторы предлагают гибридный метод, который делает агентов дешевле и надёжнее без дообучения модели.

Новые видеокодеки моментально улучшают жизнь миллионов людей. Тем не нужно прикладывать практически никаких усилий, разве что обновить железо или софт. После этого видеофайлы магически уменьшаются в размере, качество картинки становится лучше, видео в интернете перестаёт тормозить и т. д. Например, новый видеокодек AV2 уменьшает трафик на 30%.

Единственный недостаток — время кодирования увеличивается, потому что используются сложные интеллектуальные технологии (например, психофизические модели зрения и мозга, новые способы предсказания будущего (межкадровых изменений) по предыдущим кадрам, последние открытия в математике (вроде треллис-квантования). Появляется ощущение некоего волшебства. Вообще, эффективное сжатие напрямую связано с пониманием данных, то есть с уровнем интеллекта. Чем глубже понимание смысла, тем больше мы видим аналогий, паттернов, циклов и рекурсий, которые можно использовать для «упаковки» информации.

Как говорится, достаточно продвинутая технология неотличима от магии. Так и видеокодеки нового поколения — это настоящая программная магия.

Новый единорог. Разбираем стартап Xpanceo.

Этим летом инвесторы Opportunity Venture вложили в стартап Xpanceo 250 млн. долларов инвестиций. Компания, которую основали интерпренер Роман Аксельрод и физик Валентин Волков, стала единорогом. Давайте разберемся, на что инвесторы сегодня дают такие деньги и оправдано ли это? 

Помните как в фильме Терминатор, робот получал огромное количество информации через зрение?

Приветствуем всех! С вами снова ML-команда RnD для B2C SberAI. Этой осенью в рамках AI Journey Contest 2025 мы представили задачу GigaMemory: global memory for LLM. Её цель — создание автономного модуля долговременной памяти для языковых моделей, способного накапливать и использовать знания о конкретном пользователе, по сути наделяя ИИ способностью «помнить» своего собеседника.

Пришло время объявить результаты соревнования и разобрать лучшие решения участников!

Всегда, когда речь идет и разработке отчётов, дашбордов,витрин данных, в принципе любой системы, сначала нужно сформулировать требования совместно с бизнес-подразделениями. Я Кристина Проскурина, руковожу управлением бизнес-анализа данных в РСХБ.Цифра. В этой статье расскажу, как выглядят основные этапы процесса сбора и формирования требований.

Из этой статьи вы узнаете о том, как трансформеры преобразуют входные данные в контекстно-зависимые представления и, в итоге, выдают вероятности, влияющие на выбор слов, которые генерируют большие языковые модели.

Из новостей: посиделки с инди про Go-шечку, ПК-версия Helldivers 2 «похудела» со 154 до 23 ГБ, миллион продаж BALL x PIT, «Игромания» вернётся в печат, Тим Кейн вернулся в студию Obsidian, Micron отказался от потребительского бренда Crucial.

Из интересностей: техники из 90-х, хватит моделировать «на глаз», создание боевой системы в UE5, акробатические трюки Энби из Zenless Zone Zero.

ИИ-агенты на пике хайпа и обсуждений, пускай многие сомневаются, что этот тренд надолго. Согласно исследованию нашей команды Research & Insights Центра стратегии цифровых продуктов МТС, вкладываться в эту технологию и использовать ее в мире будут всё больше/чаще/активнее/быстрее/мощнее. 

В полном тексте исследования проанализировали ситуацию, тренды и возможные сценарии. Разбор основных тезисов мы уже публиковали. В этой части расскажем про виды агентов — какие они бывают и для чего применяются.

Вы работаете над устоявшимся продуктом, в котором уже достигли PMF. Ваша команда выкатывает новую фичу за фичой. A/B‑тесты показывают +3% к конверсии. Продакт ставит задачам статус «Done», команда получает поздравления от СРО. А через два месяца выясняется: 40% пользователей по‑прежнему отваливаются на том же критичном шаге. Проблема не решена. Но в бэклоге она больше не приоритетна — там уже 47 других «важных» задач. СРО требует результат. Кажется что‑то не так.

Я уже около года занимаюсь выведением в опенсорс общего кода, который используется у нас, в Gaijin Entertainment — порой, это бывает непросто. Как с точки зрения выбора — у нас около двухсот пакетов которые считаются обобщенными, так и со стороны облагораживания кода до состояния "и людям не стыдно показать". Но, Я сюда не жаловаться пришел, а делиться опытом😉

Эту статью Я решил начать совместно с принятием решения о том какой пакет будет следующим и на его примере, рассказать через какие этапы Я прошел в процессе.

Представьте мир, где искусственный интеллект обучается не месяцами, а часами, сложнейшие климатические и фармакологические модели рассчитываются в реальном времени, а безопасность данных гарантирована законами квантовой физики. Это не сценарий далекого будущего — это обозримая перспектива, ключ к которой лежит в создании фотонно-квантовых чипов. Недавно Китай заявил о разработке чипа, который, по утверждениям, способен в тысячу раз ускорить работу дата-центров для ИИ. Эта новость обнажила острейший технологический фронт нашей эпохи, где титаны науки и бизнеса ведут невидимую, но отчаянную борьбу за квантовое превосходство. Но что стоит за громкими заголовками? Где закреплены права на эти прорывные технологии? Ответ лежит в мире патентов — цифровой карте интеллектуальных сражений за будущее.

В предыдущих двух статьях ("Геометрическая головоломка на выходные" и "Электродинамика виртуальной Вселенной") мы сначала логически вывели общую структуру пространства нашей виртуальной Вселенной — на S³, прикинули структуру электрона и фотона. Затем, в имеющемся физико-математическом аппарате, подобрали подходящую основу — ею оказалась модель Скирма. Эту модель мы расширили на всё пространство и снабдили дополнительным членом «», который обеспечил нам электродинамику, выведенную во второй статье.

В целом, пока всё выглядит неплохо. Наши друзья из виртуальной Вселенной уже осваивают получившуюся теорию на практике. Но им также нужна теория, которая описывала бы и механику их мира: камни там падают на их «Землю», планеты крутятся вокруг их светила, и вообще всё движется и вращается. У них уже постулированы три закона, которые описывают эти взаимодействия (все совпадения, как обычно, случайны!), но, воодушевлённые нашим подходом, они просят нас попробовать вывести эти законы из того лагранжиана, который у нас уже получился.
Этим мы сейчас и займёмся.

МЕХАНИКА

Прежде чем говорить о законах механики, нужно договориться о том, что именно в нашей фазовой модели играет роль «материальных объектов». В привычной нам школьной механике тело можно считать маленькой точкой, у которой есть масса, скорость и траектория. В нашей виртуальной Вселенной такого роскошного упрощения нет: точек там не существует, есть только фазовое поле U(x) и его конфигурации. Материальный объект в этом мире — это устойчивый вихрь фазового поля. Мы уже сталкивались с одним таким вихрем, когда выводили модель электрона: это локализованная, стабильная, топологически защищённая конфигурация U(x), которая имеет конечную энергию, конечный размер и не может исчезнуть без разрыва поля. Если в пространстве есть несколько таких вихрей, они взаимодействуют через своё поле, а их движение — это просто эволюция распределения энергии фазовых деформаций. То, что в обычной физике называют «телами», здесь является ансамблями вихрей. Большой объект — это множество фазово связанных конфигураций, у которых есть общий центр масс, общая энергия и общее движение. Именно с такими объектами мы и будем работать. Законы механики должны быть не чем-то постулируемым, а следствием того, как вихрь как цельная конфигурация реагирует на деформации фазового поля.

Привет, Хабр!

Многие во Flutter привыкли собирать интерфейс из виджетов, не задумываясь, как они вообще устроены. Действительно, стандартных виджетов хватает почти на всё. Почти. Иногда возникает задача, где готовых решений нет или их производительности недостаточно. В такие моменты хочется залезть в движок Flutter и написать что-то своё на уровне рендеринга. Звучит немного страшненько, но я посмотрим, как сделать собственный RenderObject (конкретно RenderBox) с нуля.

Недавно провели стрим, где собрались специалисты, у которых ИИ не в презентациях, а в production. Провели разговор про галлюцинации моделей и про будущее разработки с ИИ. Ниже основные мысли — получился материал про три уровня работы с ИИ (вайб-кодинг, ИИ-ассистированная разработка и промышленный конвейер), про экономику вопроса и про то, почему галлюцинации — это не приговор, а управляемый риск.