Представлен ИИ-сервис Vibetest Use, который тестирует сайты на прочность и ищет уязвимости. Параллельно запускаются сразу несколько проверок с помощью ИИ, которые ищут ошибки, битые ссылки или проблемы в дизайне. Работает на базе Claude. В качестве альтернативы можно запустить с бесплатным API от Google через Cursor.
Человек на GitHub ускорил Joomla в 600 раз на объёме 150к+ материалов в 1700+ категориях.
На старте его сайт на Joomla 3 вообще не смог обновиться на Joomla 5. Пришлось делать экспорт/импорт материалов. Проделав всё это он запустил-таки этот объём данных на Joomla 5. Тестовый скрипт грузил 200 материалов из этого объёма всего за 94 секунды ))) А главная страница с категориями грузилась 20 секунд.
Добавив индекс для таблицы #__content
CREATE INDEX idx_catid_state ON #__content (catid, state);
он сократил время загрузки категорий до 1 секунды. Затем наш герой решил поковырять SQL-запрос в ArticleModel, который отвечает за выборку материалов. И решил заменить тип JOIN на STRAIGHT_JOIN для категорий.
Что сократило загрузку 200 материалов из 150к с 94 секунд до 5. К слову сказать, боевой сайт на Joomla 3 крутится на 12CPU 64GB рамы. А все манипуляции с кодом он делает на базовом 1CPU 1GB сервере и замеры скорости даны именно для базового сервера.
Но это всё в дискуссии, хотя в идеале должно вылиться в Pull Requests. Дальнейшие его изыскания и результаты можно поглядеть в дискуссии на GitHub. Это ещё не конец.
Мы - Open Source сообщество, где никто никому ничего не должен. Джунгли. Но человек ищет пути оптимизации Joomla и предлагает решения. Если оказать поддержку и предложить помощь хотя бы с тестированием самых разнообразных сценариев, то возможно эти улучшения смогут войти в ядро. Пусть не быстро, пусть через несколько лет, пусть не все, но войдут. Достаточно предложить руку помощи и приложить немного усилий.
Представлен открытый проект релейного компьютера 1961 года Minivac 601, работающий в браузере (код на GitHub). До появления микрочипов компьютеры строились на основе механических реле. Это рабочая модель Minivac 601, образовательного компьютера, разработанного Клодом Шенноном.
Представлена шпаргалку по JavaScript. Внутри есть всё для изучения, проверки себя и прокачки навыков до уровня сеньора: основы и теория, поиск и выбор элементов, CSS, AJAX и база по DOM, формы и ввод данных, общие проверки , разметка и текстовое содержание, документ, область просмотра, переходы и удобный поиск по всем темам.
Обработка HTTP ответа в Joomla 6+. Изменения по сравнению с Joomla 3 - Joomla 5.
В Joomla для выполнения внешних запросов из PHP к сторонним API используется класс Joomla\Http\Http напрямую или же Joomla\Http\HttpFactory, который возвращает для работы преднастроенный по умолчанию класс Http. О работе с HTTP-запросами подробно рассказывалось в статье 2021 года Создание внешних запросов с использованием HttpFactory (Joomla) (на Хабре), (на сайте автора). Некоторые изменения касаются работы с ответами на запросы. Например, наш запрос:
use Joomla\Http\HttpFactory;
$http = (new HttpFactory)->getHttp($options, ['curl', 'stream']);
$response = $http->get('https://any-url.ru/api/any/endpoint');
Раньше можно было получить код ответа или тело ответа как свойство $response - $response->code или $response->body. Однако, Joomla, начиная с Joomla 4 во многом переходит на стандарты PSR. В частности для работы с HTTP-ответами - на PSR-7. Также хорошая статья на Хабре о PSR-7: PSR-7 в примерах.
Прямое обращение к свойствам code, headers, body объявлено устаревшим в Joomla 6.0.0 и обещают удалить в Joomla 7.0.0.
Вместо этого нужно работать с HTTP-ответом по стандартам PSR-7.
Код ответа. Было $response->getContents(). Стало $response->getStatusCode().
Заголовки ответа.
Было $response->headers. Стало $response->getHeaders().
Тело ответа.
Было $response->body. Стало (string)$response->getContents().
В тело ответа теперь приходит не строка, а поток - объект класса Laminas\Diactoros\Stream. Поэтому его нужно привести к строке (если это json, к примеру): (string)$response->getContents(). Чаще всего в коде Joomla встречается именно такой вариант. Однако, есть и вариант с перемещением указателя чтения на начало потока:
// Получили ответ в виде потока
$stream = $response->getBody();
// "перемотали" на начало
$stream->rewind();
// Получили строковый ответ
$json = $stream->getContents();
minimal vscode - гайд по кастомизации vscode: чистим status bar, пишем плагины на #javascript
В статусбаре в vscode – очень много всего: как полезного, так и лишнего. Сегодня посмотрим, как можно его кастомизировать:
Можно просто спрятать (как делаю я)
Можно очень детально кастомизировать
Можно перенести часть его функций в плагины
И вот тут главная фича vscode выходит наружу – у нас ведь просто браузер с html / css / js. А значит, мы можем использовать css и js для кастомизации всего! И оно будет работать одинаково даже в cloud версиях IDE.
В выпуске:
Будем писать CSS для удаления лишнего из status bar
И создавать локальные плагины на #javascript для кастомизации поведения редактора
function updateColumnPosition() {
const positionLabel = document.querySelector(
'#status\\.editor\\.selection .statusbar-item-label',
)
if (!positionLabel || !positionLabel.textContent) {
// It might not exist for some reason ¯\_(ツ)_/¯
return
}
const currentLine = document.querySelector(
'.line-numbers.active-line-number',
)
// Now we would have the column position instead of the active line number:
const colNumber = positionLabel.textContent.match(/Col (\d+)/)
currentLine.textContent = colNumber[1]
}
Впереди еще пара взрывающих мозг видосов, будем и дальше превращать vscode в Черный Квадрат Малевича.
Мой опыт в вайб-кодинге: AI-инструменты для создания приложений и первой игры-змейки! 🚀😂
Несколько месяцев назад я был на онлайн-мастерклассе по вайб-кодингу, где мы знакомились с разными AI-инструментами для создания приложений, игр и других задач через описательные промпты и автоматизированный кодинг. Это был крутой опыт, где мы не писали код вручную, а "вибили" идеи, и AI генерировал всё за нас.
В мастерклассе мы работали с такими инструментами:
Cursor: Сначала мы использовали его для базового редактирования кода с AI-подсказками. Мы создавали простые веб-страницы, описывая дизайн и функционал в чате, и Cursor генерировал HTML/CSS/JS, а потом помогал отлаживать баги. Этот инструмент больше всего используется в сочетании с моделями вроде Claude Sonnet для генерации и редактирования кода.
Harvi-pro и Harvi code: Этот инструмент мы применяли для интеграции GPT-моделей в кастомные приложения. Мы строили AI-ассистентов для обработки запросов, например, простого бота для рекомендаций, задавая промпты на русском, и Harvi-pro автоматизировал backend, а Harvi code помогал с генерацией и интеграцией кода в связке. Эти инструменты больше всего используются в сочетании с ChatGPT, VS Code и Cursor для создания GPT-ассистентов.
Lovable: Здесь фокус был на быстрой сборке мобильных приложений. Мы пробовали создавать чат-боты и простые утилиты, просто описывая UI и логику в естественном языке, и Lovable строил полноценный прототип с деплоем. Этот инструмент больше всего используется в сочетании с Cursor для прототипирования приложений и UI-дизайна.
Bolt: С Bolt мы экспериментировали с веб-разработкой в браузере. Мы создавали динамичные сайты, как лендинги или формы, просто загружая скриншоты или описывая "виб", и он генерировал код с мгновенным превью. Этот инструмент больше всего используется в сочетании с браузером и другими AI-инструментами вроде Cursor для быстрого создания прототипов веб-приложений.
KiloCode: В нём мы работали как в VS Code с AI-агентом. Мы автоматизировали задачи, такие как генерация скриптов для обработки данных, и KiloCode сам проверял код, запускал тесты и исправлял ошибки. Этот инструмент больше всего используется в сочетании с VS Code и JetBrains IDE для автономной разработки и автоматизации задач.
Мне больше всего понравилось создание игр — это был мой первый опыт в такой сфере (я впал в детство и создал всеми известную игру змейку, в которую добавил несколько персонажей с уровнями сложности с боссом Пэкмена и Марио 😂).
Лучший стэк для запуска MVP SaaS-стартапа в РФ на 2025 год.
Вот наш боевой стэк, который мы сейчас используем для разработки SaaS-стартапа.
Проверено на собственной шкуре!
✅ Frontend:
- NextJS 15 (+React 19, Turbopack, Server Actions) - актуальный стек для веб-приложений.
- Shadcn UI (сделана на Tailwind) - библиотека UI-компонентов, чтобы сделать крутой интерфейс без дизайнеров.
- Netlify - бесплатный хостинг для тестовой версии продукта.
✅ Backend:
Supabase:
- База данных
- Database SQL Functions (функции сразу в базе PostgreSQL)
- Edge Functions (серверные функции на TypeScript)
Nextauth:
- Авторизация
✅ Инфраструктура:
Kubernetes:
- Репликация БД и сервисов на 3-х Worker-нодах
- Rollout-обновления без простоя
- Политики безопасности и изоляция
- CI/CD из GitHub.
+ Пароли/ключи в KeePass XC.
✅ Инструменты:
- IDEA Ultimate - среда разработки
- Cursor - для вайбкодинга (чистый, без всяких инфоцыганских MCP)
- DBeaver - для работы с БД
- GitHub - репозиторий
✅ Платежка
- Robokassa (РФ + иностранные платежи)
✅ Лендинг + блог
- Tilda (проще сделать сайт на конструкторе, чем все это вайбкодить)
Как мы все настроили
- Развернули проект в облачном хостинге в РФ, чтобы хранить данные в соответствии со 152 ФЗ. Выбрали хостинг с k0s, потому что он дешевле классического k8s.
- Supabase поставили на свой сервер (Cloud не подходит, так как данные хранятся не в РФ).
- Настроили регулярные бэкапы (хотя мы еще не релизились, но 1 раз у нас уже отлетали жесткие диски).
Почему именно такой стэк?
- Проще работать с технологиями, которые ты уже хорошо знаешь.
- Нам важна надежность, быстрое переключение новых версий на проде без простоя и возможность разделить продукт на версию под РФ и "мир".
- Для работы в РФ нужно хранить персональные данные в РФ и избегать трансграничной передачи данных.
- Конструктор сайтов как простой и недорогой вариант для лендингов и блога. Чтобы не вайбкодить целую CMS.
Сейчас мы подключаем платежку, причесываем баги, допиливаем лендинг и готовимся к релизу.
А какие технологии используете вы для разработки MVP?
Joomla 6: Автоматические обновления ядра в Joomla.
В октябрьском номере официального журнала Joomla - Joomla Community Magazine вышла статья David Jardin, где рассказывается о внедрении функционала автоматического обновления ядра Joomla.
❓ Почему сейчас? Joomla же жила как-то 20 лет без автоматических обновлений?
Это оказалась самая востребованная за последнее время от пользователей Joomla функция. Но, основная причина внедрения - проблемы безопасности.
Всякий раз, когда в новой версии Joomla устраняется уязвимость, злоумышленники начинают анализировать код, чтобы выяснить, какая именно уязвимость была исправлена. И как только они это выясняют - начинается разработка автоматизированных скриптов для взлома как можно большего количества сайтов. Затем доступы к автоматически взломанным сайтам продаются в профильных чатах и ресурсах "пачками" по несколько сотен тысяч или миллионов сайтов. Ваш сайт могли взломать несколько лет назад, но воспользоваться уязвимостью могут не сразу, а тогда, когда у злоумышленников возникнет необходимость. И только после этого вы может быть узнаете об этом.
Анализ патча, понимание проблемы и разработка скрипта требуют времени. И если владелец сайта не обновит его до истечения этого срока, сайт может быть взломан. А хакеры действуют быстро! Для критических, легко эксплуатируемых уязвимостей речь идёт о временном окне в 10–12 часов — и этого времени явно недостаточно, чтобы все успели обновить свои сайты.
Здесь выходят на первый план автоматизированные обновления: проект Joomla теперь может активно устанавливать обновления (и, следовательно, исправления безопасности) на сайты, чтобы гарантировать, что сайты действительно обновляются вовремя.
От первых идей до реализации прошло 5 лет. И здесь можно вспомнить, как в Joomla 5.1 внедрили TUF - The Update Framework, позволяющий устанавливать защищённое соединение между сайтом и сервером обновлений и исключает возможность supply chain attack (атаки на цепочку поставок).
Gambo AI — платформа создания игр с автоматической генерацией ассетов и монетизацией
Стартап Gambo AI представил no-code платформу для создания игр по текстовым запросам. Система автоматически генерирует все игровые ассеты — графику, анимации, звуки, музыку — и собирает их в готовую играбельную игру за несколько минут.
Архитектура генерации контента
Gambo AI использует мультимодальный подход для создания игрового контента. Платформа анализирует текстовый промпт и генерирует соответствующие ассеты через специализированные ИИ-модели для каждого типа контента.
Генерируемые компоненты:
Графические ассеты — спрайты персонажей, тайлсеты, объекты окружения
Анимации — покадровая анимация персонажей и эффектов
Аудио контент — фоновая музыка и звуковые эффекты
Игровая логика — механики взаимодействия и правила геймплея
Карты уровней — автоматическая генерация игровых локаций
Технология "vibe coding"
Компания позиционирует свой подход как "vibe coding" — создание игр на основе общего описания атмосферы и концепции. Система интерпретирует нечеткие описания типа "ретро-аркада с пиксельной графикой" в конкретные технические решения.
Алгоритм анализирует семантику промпта, определяет жанр, стиль и механики, затем генерирует соответствующие ассеты и собирает их в функциональную игру.
Встроенная система монетизации
Gambo AI интегрирует рекламную систему напрямую в процесс создания игр. Пользователи могут добавлять рекламные блоки одной командой в промпте, что обеспечивает "day-one monetization".
Возможности монетизации:
Автоматическая интеграция рекламных сетей
Настройка частоты показа рекламы
A/B-тестирование рекламных форматов
Аналитика доходов в реальном времени
Примеры сгенерированных игр
На платформе представлены игры различных жанров: от аркадных шутеров до dating-симуляторов. Система создает игры разных жанров — аркады, головоломки, платформеры, симуляторы знакомств с уникальными игровыми механиками.
Технические характеристики игр:
HTML5/WebGL рендеринг для кросс-платформенности
Адаптивный интерфейс под различные разрешения
Поддержка мультиплеера для некоторых жанров
Интеграция с социальными сетями для шеринга
Редактор карт и ассетов
В разработке находится визуальный редактор для тонкой настройки сгенерированного контента. Пользователи смогут модифицировать карты, ассеты и игровую логику без программирования.
Редактор будет поддерживать drag-and-drop интерфейс, систему слоев для организации ассетов и preview в реальном времени.
Технические ограничения
Текущая версия генерирует преимущественно 2D-игры в пиксельной стилистике. Сложные 3D-проекты с продвинутой физикой пока не поддерживаются.
Ограничения платформы:
Ограниченный набор игровых жанров
Базовые ИИ-противники без сложного поведения
Отсутствие продвинутых визуальных эффектов
Ограниченная кастомизация игровых механик
Конкуренция на рынке
Gambo AI конкурирует с другими no-code игровыми движками типа GameMaker Studio, Construct 3, но выделяется полной автоматизацией создания ассетов через ИИ.
Сравнение с конкурентами:
GameMaker Studio — профессиональный инструмент с ручным созданием ассетов
Construct 3 — визуальное программирование с импортом графики
Gamine AI — аналогичная ИИ-платформа с фокусом на скорость
Gambo AI — полная автоматизация + встроенная монетизация
Модель доступа
Платформа предлагает freemium-модель с базовыми возможностями бесплатно и расширенным функционалом в платной подписке. Бесплатный план включает ограниченное количество генераций в месяц.
Коммерческое использование сгенерированных игр требует платной подписки и соблюдения лицензионных условий платформы.
Перспективы развития
Развитие Gambo AI направлено на расширение жанрового разнообразия и улучшение качества генерируемого контента. Планируется добавление поддержки 3D-игр и интеграции с игровыми движками.
Автоматизация создания игр может снизить барьер входа в геймдев и демократизировать разработку, но поднимает вопросы об оригинальности и художественной ценности автоматически генерируемого контента.
Google Labs запустила Mixboard — ИИ-платформу для создания интерактивных мудбордов
Google представила экспериментальную платформу Mixboard для визуального концептинга с поддержкой ИИ-генерации изображений. Сервис объединяет функциональность интерактивной доски с возможностями новой модели редактирования изображений Nano Banana, позволяя создавать и миксовать визуальный контент через естественные языковые команды.
Архитектура и функциональность
Mixboard построена на базе Google Labs как экспериментальная платформа для исследования применений генеративного ИИ в креативных процессах. Система использует открытый canvas-интерфейс с интегрированными возможностями генерации и редактирования изображений.
Основные технические возможности:
Генерация изображений из текстовых промптов
Редактирование через естественные языковые команды
Пакетная генерация связанного контента по теме
Комбинирование и миксование загруженных изображений
Контекстная генерация текста на основе визуального контента
Модель Nano Banana
Ключевая техническая особенность — интеграция новой модели редактирования изображений Nano Banana. Модель позволяет вносить точечные изменения в существующие изображения через текстовые команды без перегенерации всего контента.
Возможности Nano Banana:
Локальные изменения в определенных областях изображения
Комбинирование элементов из разных источников
Адаптация стиля и цветовой схемы
Сохранение общей композиции при внесении изменений
Интерфейс и workflow
Платформа предлагает два способа создания проектов: генерация с нуля из текстового промпта или использование готовых шаблонов. Система автоматически предлагает релевантные визуальные элементы и позволяет создавать вариации одним кликом.
Функции интерфейса:
Drag-and-drop размещение элементов на canvas
Инструменты "regenerate" и "more like this" для создания вариаций
Импорт собственных изображений с возможностью ИИ-обработки
Экспорт готовых мудбордов в различных форматах
Сравнение с конкурентами
Mixboard позиционируется как альтернатива Pinterest и Canva с акцентом на ИИ-ассистированное создание контента. В отличие от коллажного подхода Pinterest, платформа генерирует оригинальный визуальный контент без зависимости от существующих изображений.
Отличия от аналогов:
Pinterest — курирование существующего контента vs генерация нового
Canva — шаблонный дизайн vs свободное концептирование
Miro — collaborative whiteboarding vs ИИ-ассистированная визуализация
Figma — UI/UX дизайн vs креативное исследование идей
Технические ограничения
Платформа находится в публичной бета-версии с доступом только для пользователей из США. Это связано с ограничениями генеративных ИИ-моделей Google и требованиями локального законодательства по контенту.
Система работает через веб-интерфейс без возможности офлайн-использования. Качество генерации зависит от специфичности промптов и может требовать итеративного уточнения для достижения желаемого результата.
Практические применения
Для дизайнеров:
Быстрое создание концептуальных мудбордов
Исследование визуальных направлений проекта
Генерация альтернативных вариаций дизайн-решений
Для маркетологов:
Создание визуальных концепций кампаний
Тестирование креативных подходов
Подготовка материалов для брифинга агентствам
Для разработчиков продуктов:
Визуализация пользовательских сценариев
Создание референсов для UI/UX команды
Исследование визуальной идентичности продукта
Интеграция с экосистемой Google
Mixboard требует Google-аккаунт и интегрируется с другими сервисами Google Labs. Платформа использует инфраструктуру Google Cloud для генерации и обработки изображений, что обеспечивает масштабируемость и производительность.
Техническая интеграция:
Синхронизация проектов через Google Drive
Возможность встраивания в Google Slides и Docs
API для интеграции с внешними инструментами
Discord-сообщество для обратной связи и обновлений
Перспективы развития
Как экспериментальный продукт Google Labs, Mixboard служит полигоном для тестирования новых подходов к ИИ-ассистированному креативному процессу. Результаты могут быть интегрированы в
Как правильно внедрить SRI и обезопасить свой проект от атак через CDN?
Subresource Integrity (SRI) — это функция безопасности, которая позволяет браузерам проверять, не были ли данные, загруженные посредством CDN, изменены. SRI — важный инструмент для повышения безопасности веб-приложений. Он защищает от атак, в которых злоумышленник может внедрить вредоносный код в сторонние ресурсы.
В статье «Как настроить SRI, если у нас микрофронты» рассказываем, что это такое и зачем он нужен, как устроена технология на практике и почему она особенно важна в проектах с микрофронтами. Если вы работаете с микрофронтами или хотите повысить безопасность фронтенда — эта статья поможет сделать всё грамотно и без лишних головных болей.
Вышла новая версия браузерного расширения SiteAnalyzer SEO Tools с интеграцией данных из панели Яндекс Вебмастера – доступно отображение позиций сайтов и прочих метрик по разделам «Мониторинг запросов», «Клики в поиске», «Внешние ссылки», «Страницы в поиске», «Исключенные страницы», «Динамика ИКС» через API Яндекса.
Мониторинг запросов. Раздел мониторинга отображает динамику позиций популярных поисковых запросов из панели Яндекс Вебмастера, но в более удобном виде, чем это реализовано в Яндексе.
Клики в поиске. Данный раздел содержит список URL вашего сайта и статистику кликов по данным ссылкам.
Внешние ссылки. Раздел внешних ссылок отображает список всех найденных Яндексом ссылок на ваш сайт в виде «Источник -> Целевой URL», а также дату первого обнаружения внешних ссылок и дату их последнего обхода.
Страницы в поиске. Данный раздел отображает актуальные страницы сайта, проиндексированные Яндексом и участвующие в поиске. Помимо самих URL, также отображаются заголовки TITLE и дата их последнего посещения ботом Яндекса.
Исключенные страницы. Это страницы сайта, по какой-либо причине исключенные из поиска Яндекса. Данные страницы не участвуют в ранжировании.
Динамика ИКС. Данный раздел отображает историю параметра ИКС вашего сайта как на графике, так и в виде таблицы.
Установка
Установить расширение можно совершенно бесплатно через Chrome Web Store.
Napkin AI обновила алгоритмы генерации интеллект-карт с адаптивным редактированием
Платформа автоматической визуализации Napkin AI выпустила обновление системы создания интеллект-карт. Новые алгоритмы поддерживают множественные форматы, адаптивные ориентации и редактирование с сохранением структуры макета без перестроения связей между узлами.
Технические улучшения
Система использует алгоритмы обработки естественного языка для анализа структуры текста и автоматического выбора оптимального типа визуализации. Новые интеллект-карты поддерживают горизонтальные, вертикальные и компактные форматы, автоматически подстраивая интервалы и организацию при редактировании.
Ключевые технические особенности:
Парсинг иерархических структур из неструктурированного текста
Автоматическое определение уровней детализации и сложности
Динамическая адаптация макета без перестроения DOM-структуры
Поддержка экспорта в векторные форматы (SVG, PDF)
Алгоритм адаптивного редактирования
Основная техническая проблема традиционных систем mind mapping — необходимость полной перерисовки при изменении узлов из-за сложных зависимостей. Napkin AI решает это через алгоритм сохранения топологии.
Принцип работы:
Система создает граф связей независимо от визуального представления
При редактировании изменяется только содержимое узлов
Макет автоматически перестраивается с сохранением общей структуры
Алгоритм балансировки распределяет элементы без пересечений
Архитектура системы
Napkin AI состоит из нескольких модулей: анализатора текста, генератора визуальных схем и рендеринга. Анализатор использует NLP-модели для извлечения ключевых концепций и их связей.
Компоненты обработки:
Text Parser — выделение сущностей и связей
Layout Engine — размещение элементов с минимизацией пересечений
Style Generator — применение визуальных стилей под тип контента
Export Module — конвертация в различные форматы
Типы генерируемых структур
Система автоматически определяет подходящий тип визуализации на основе анализа текста. Для иерархических данных создаются древовидные структуры, для процессов — линейные схемы, для концептуальных связей — сетевые графы.
Napkin генерирует различные форматы интеллект-карт со стилевыми опциями для передачи разных уровней детализации, что позволяет адаптировать визуализацию под конкретную задачу.
Сравнение с существующими решениями
Отличия от классических mind mapping инструментов:
Автоматическая генерация структуры из текста vs ручное создание
Сохранение макета при редактировании vs полная перерисовка
ИИ-определение оптимального формата vs фиксированные шаблоны
Конкуренты и позиционирование:
XMind, MindMeister — ручное создание карт
Lucidchart — фокус на диаграммах процессов
Miro — collaborative whiteboarding
Napkin AI — автоматическая генерация из текста
Практические применения
Для разработчиков:
Визуализация архитектуры систем из технической документации
Создание диаграмм зависимостей проектов
Генерация схем API и data flow
Для технических писателей:
Структурирование сложных технических концепций
Создание диаграмм для документации
Визуализация пользовательских сценариев
Ограничения и особенности
Качество результата зависит от структурированности исходного текста. Хаотичные заметки требуют предварительной обработки. Система работает лучше с логически организованной информацией с четкими иерархическими связями.
Текущая версия поддерживает английский язык с ограниченной поддержкой других языков. Сложные научные термины могут интерпретироваться неточно без контекстной настройки.
Интеграция и API
Платформа предоставляет REST API для интеграции с внешними системами. Поддерживается импорт из популярных форматов (Markdown, JSON) и экспорт в векторные и растровые форматы.
Доступные интеграции:
Google Docs через расширение
Slack для создания визуализаций в чатах
Notion для встраивания интерактивных диаграмм
API для кастомных приложений
Система предлагает бесплатный план с ограничениями на количество генераций в месяц. Платные планы включают дополнительные стили, приоритетную обработку и API-доступ.
Представлен инструментарий Stupid Meter для оценки в реальном времени работы крупных языковых моделей, включая OpenAI GPT-5, Anthropic Claude Opus 4 и Google Gemini 2.5 Pro. Система непрерывно запускает более 140 тестов, проверяя корректность, стабильность, эффективность и способность к восстановлению после ошибок. Результаты отображаются на виде таблице, показывающем текущее состояние моделей.
Также Stupid Meter анализирует затраты на выполнение задач. В расчёт берутся не только цены API, но и количество попыток, необходимых для получения правильного ответа. Таким образом, более дорогая модель может оказаться выгоднее «дешёвой», если справляется быстрее. Исходный код проекта на GitHub: AI Stupid Meter - API Server и AI Stupid Meter - Web Frontend.
Figma объявила о запуске закрытой альфы функции "Prompt to edit", позволяющей редактировать дизайны через естественные языковые команды. Новая возможность доступна для 5000 пользователей платных планов и включает массовое редактирование, автоматическое создание вариаций и генерацию компонентов.
Функциональные возможности
"Prompt to edit" позволяет выполнять сложные операции редактирования через текстовые инструкции. Система понимает контекст дизайна и может применять изменения к множественным элементам одновременно.
Основные возможности включают:
Массовое редактирование — изменение нескольких фреймов одной командой
Вставка контента — добавление изображений и текста по промпту
Быстрый ресайз — автоматическая генерация мобильных версий
Создание вариаций — переключение между светлой и темной темой
Генерация UI с нуля — создание новых компонентов текстовыми описаниями
Доступ и ограничения
Альфа-тестирование ограничено 5000 участниками с платными аккаунтами. Подать заявку могут только администраторы команд Professional плана (до 20 пользователей) или организаций Enterprise/Organization планов.
Figma подчеркивает, что заполнение формы не гарантирует участие, а отбор не зависит от порядка подачи заявок.
Техническая реализация
Функция интегрирована непосредственно в интерфейс Figma без необходимости внешних плагинов или расширений. Это обеспечивает бесшовную интеграцию с существующими рабочими процессами дизайнеров.
Система использует контекстное понимание дизайн-документов для выполнения команд, что позволяет избежать ошибок, характерных для универсальных ИИ-помощников.
Влияние на рабочие процессы
Внедрение текстового редактирования может кардинально изменить скорость создания дизайнов. Задачи, которые ранее требовали множественных кликов и точного позиционирования, теперь выполняются одной командой.
Потенциальные применения:
Быстрое создание адаптивных версий интерфейсов
Массовое обновление стилей в больших проектах
Генерация A/B-тестовых вариаций
Автоматизация рутинных операций дизайна
Конкуренция и позиционирование
Figma первой среди крупных дизайн-платформ интегрировала полноценное текстовое редактирование. Конкуренты вроде Adobe XD и Sketch пока предлагают лишь базовые ИИ-функции.
Это решение укрепляет позиции Figma как технологического лидера в области collaborative design и может стать конкурентным преимуществом в борьбе за корпоративных клиентов.
Монетизация и перспективы
На этапе альфа-тестирования функция бесплатна, но Figma планирует объявить модель ценообразования при широком релизе. Вероятно, "Prompt to edit" станет premium-функцией для Enterprise-клиентов.
Стратегические цели:
Повышение продуктивности дизайнеров
Снижение барьера входа для non-designers
Интеграция в workflow DevOps команд
Автоматизация design system maintenance
Технологические вызовы
Основные сложности связаны с пониманием дизайнерского контекста и намерений пользователя. ИИ должен корректно интерпретировать команды типа "сделать более современным" или "адаптировать под мобильные".
Также критично обеспечить обратимость операций и предотвращение случайного повреждения сложных дизайн-систем.
Сколько раз ваш бот соврал клиенту? Как вы тестируете свои ИИ сервисы?
Каждый понимает, что важной частью разработки является тестирование.
Но когда дело доходит до AI ботов или ассистентов, многие дают слабину. Или просто не понимают как эффективно проверить, что бот корректно отрабатывает задачи.
На днях обсуждали качество работы ботов и пришли к такому решению. Для проверки качества ответов, нужно создавать уникальные тест-кейсы, а именно:
Создать список из 10-15 эталонных вопросов, на которые бот должен ответить с точностью 100% согласно поставленной задаче или обновлению в релизе.
Создать список из 10-15 фейковых вопросов и сценариев диалога, на которые бот должен отвечать не выходя за рамки сценария.
Включить вопросы в обязательные тест-кейсы и прогонять с периодичностью n-дней.
Начал разбираться с Motion для React, но оказалось, что свежих обзорных статей почти нет? В нашей статье полный обзор библиотеки Motion — идеального инструмента для создания современных UI-анимаций. Внутри:
Разбор ключевых motion-компонентов.
Практические примеры кода с плавной анимацией TODO-листа.
Как настроить анимации появления, исчезновения и перетаскивания элементов.
Советы по оптимизации с LazyMotion и управлению анимациями через хуки.
Интересные лайфхаки для создания интерактивных интерфейсов без потери производительности.
В статье «Попробовал библиотеку Motion в React: делюсь обзором» есть примеры кода, GIF-анимации и описание хуков, которых, достаточно, чтобы понять Motion, и, возможно, попробовать его руками, сэкономив время на чтении документации.
Как триггерить события для плагинов на манер Joomla 5+?
В Joomla 6 должны удалить метод triggerEvent(), с помощью которого раньше вызывались события для плагинов. Теперь чтобы в своём коде вызвать событие для плагина и получить от него результаты нужно:
создать объект класса события
передать в него именованные параметры
use Joomla\CMS\Event\AbstractEvent;
use Joomla\CMS\Factory;
use Joomla\CMS\Plugin\PluginHelper;
// Грузим плагины нужных групп
PluginHelper::importPlugin('system');
// Создаём объект события
$event = AbstractEvent::create('onAfterInitUniverse', [
'subject' => $this,
'data' => $data, // какие-то данные
'article' => $article, // ещё материал вдовесок
'product' => $product, // и товаров подвезли
]);
// Триггерим событие
Factory::getApplication()->getDispatcher()->dispatch(
$event->getName(), // Тут можно строку передать 'onAfterInitUniverse'
$event
);
// Получаем результаты
// В случае с AbstractEvent это может быть не 'result',
// а что-то ещё - куда сами отдадите данные.
// 2-й аргумент - значение по умолчанию,
// если не получены результаты
$results = $event->getArgument('result', []);
Плюсы такого подхода - вам не нужно запоминать порядок аргументов и проверять их наличие. Если вы написали свой класс события, то в плагине можно получать аргументы с помощью методов $event->getArticle(), $event->getData(), $event->getProduct() и подобными - реализуете сами под свои нужды.
Если такой класс события написали, то создаёте экземпляр своего класса события и укажите его явно в аргументе eventClass
use Joomla\Component\MyComponent\Administrator\Event\MyCoolEvent;
$event = MyCoolEvent::create('onAfterInitUniverse', [
'subject' => $this,
'eventClass' => MyCoolEvent::class, // ваш класс события
'data' => $data, // какие-то данные
'article' => $article, // ещё материал вдовесок
'product' => $product, // и товаров подвезли
]);
Ожидаемо, что класс вашего события будет расширять AbsractEvent или другие классы событий Joomla.
🙁 Есть неприятный нюанс - нельзя просто так вызывать событие и ничего не передать в аргументы. Аргумент subject обязательный. Но если вы всё-таки не хотите туда ничего передавать - передайте туда пустой stdClass или объект Joomla\registry\Registry.