Как на собственных серверах настроить систему сбора и хранения данных с датчиков и снизить нагрузку на команду эксплуатации
Собрать данные с датчиков — это полбеды. Главная боль — заставить Kafka, PostgreSQL и ClickHouse стабильно работать в приватном облаке без выгорания команды на Day-2-операциях и ручном масштабировании stateful-сервисов.
На вебинаре покажем, как на Deckhouse Kubernetes Platform (DKP) и managed-сервисах упаковать IoT-сценарии и аналитический контур в единую платформу, чтобы снизить стоимость эксплуатации и уйти от DIY-подхода к data-инфраструктуре.
Разберём схему event-driven-платформы и разделение операционного и аналитического контуров.
Покажем live-demo: ingest событий с датчиков, потоковая обработка и вывод в дашборды.
Проверим, как паттерны из умного дома масштабируются до промышленного IoT на DKP.
Разберём жизненный цикл data-сервисов (backup, scaling, observability) и то, сколько времени занимает их обслуживание.
Бонусы: промокод на все курсы Deckhouse Академии.
Будет полезно DevOps и SRE-инженерам, инфраструктурным и платформенным командам, enterprise-архитекторам и всем, кто строит IoT- и data-платформы в private cloud или on-prem.
Спикер — Дмитрий Гайворонский, менеджер по развитию направления Deckhouse Data Orchestration.
Партнерский митап МФТИ & RЕU Data Science Club: развитие технологий семантического поиска
9 июля проведем открытый эфир с Data Science Club РЭУ им. Г. В. Плеханова. Поговорим о семантическом поиске — технологии, которая помогает находить информацию по смыслу запроса, — а также о задачах, связанных с RAG, энкодерами и защищенным поиском.
Митап объединит студентов, выпускников и экспертов МФТИ и РЭУ — будет два доклада на стыке ML и информационной безопасности.
На встрече выступят:
🔹 Пелагея Пашинская — middle MLE в MWS, MLE стартапа VedAI, экс-руководитель REU Data Science Club, студентка программы НИУ ВШЭ «Прикладные модели в ИИ», обучалась в «Школе 21», спикер курса ML School Pro.
Тема доклада: «Кастомизация энкодера для RAG через дообучение».
🔹 Сергей Михайлович Куриленко — ведущий разработчик средств автоматизации в компании-вендоре в области ИБ.
Тема доклада: «Разработка и оценка эффективности нового метода защищенного семантического поиска с использованием гомоморфного шифрования».
Справочник и учебник, это разные жанры. Документация FineBI хорошо отвечает на вопрос «как настроить конкретную функцию», но только когда вы уже знаете, что искать. Последовательности тем, практики и заданий в ней нет. В итоге новичок тратит больше времени на поиск материалов, чем на сам продукт.
Александр Ларин, руководитель центра обучения и технической поддержки GlowByte, собрал карту источников в одной статье: документация и Learning Center от FanRuan, бесплатные видеокурсы, русскоязычные Telegram-сообщества, где вопросы закрываются быстрее, чем через поддержку, и бесплатные образовательные ретриты с кейсами Tele2, Уралсиба и Циан.
Внутри готовый маршрут для новичка: с чего начать, куда идти за ответом на конкретный вопрос и как не мониторить десяток площадок вручную.
Копирайтеры и ИИ: я два года нанимал людей, потом полгода пробовал заменить их нейросетями. Рассказываю что вышло.
В моей работе постоянно нужен текст. Описания продуктов, письма пользователям, онбординг, посты в канал, брифы и тому подобное. Раньше держал двух копирайтеров на постоянной основе плюс пару фрилансеров под всплески.
Когда нейросети стали относительно нормально писать по-русски, у многих очевидная мысль была одна: зачем платить людям. Я же изначально думал что без редакции тексты ИИ не более чем пустышка. Нужно было понять так ли это.
Я попробовал. Выбрав одно из направлений активно использовал ИИ вместо фрилансеров. И вывод у меня такой.
Что ИИ делает хорошо
Типовые тексты с четкой структурой. Описание чего-либо по подробному шаблону, по типу инструкций и постов про обновления. Даешь структуру и контекст, получаешь читаемый черновик. Это реально работает и реально экономит время.
Объем. Если нужно написать 20 вариантов заголовка или 5 версий одного письма для A/B теста, ИИ справляется быстро. Копирайтер на такое потратит в разы больше времени.
Скорость правок. Написал, не понравилось, переформулировал задачу, получил новый вариант. Без ожиданий, без объяснений, без «я переделаю к пятнице».
Где всё сломалось
Уникальность, или голос бренда. В каждом тексте конкретного человека есть узнаваемый стиль. Он придает изюминку блогу, порой именно он держит читателя. У нейронок этого нет. Можно задать стиль промптом, но через какое-то время модель начинает сползать обратно к своему обычному сухому тону. Приходится напоминать в каждом новом запросе, и это уже не автоматизация, это ручная работа другого формата.
Тексты про живой опыт. Кейсы, истории пользователей, объяснения через аналогии. ИИ пишет правдоподобно но пусто. Читаешь и понимаешь что за текстом никого нет.
К чему пришел
Фрилансеров на типовые задачи больше не нанимаю. Нейросети их закрывают нормально. Но скилы штатных копирайтеров становятся шире. Теперь им приходится работать с ИИ и в случае новых тем быстро адаптироваться, выходя за рамки привычных направлений. Тут то в первую очередь и помогают нейросети: быстро разобраться в чем-то новом, скомпоновать информацию и выдать скелет. Но перепроверять эту информацию и переписывать в чистовик всё же приходится людям.
Копирайтинг как профессия никуда не денется, по крайней мере в этом году точно. Как и всегда, выживут те кто будет постоянно шагать в ногу с прогрессом и множить свои скилы. А как считаете вы, ИИ смогут обогнать нас или это всё же просто инструмент?
Два часа потерял из-за того, что не написал один хендлер
Делал платежи в Telegram-боте. Нативные, через sendInvoice и ЮKassa.
Всё настроил: токен от BotFather получил, инвойс отправляется, кнопка оплаты появляется. Пользователь нажимает - и платёж падает с ошибкой. Молча. Без подробностей.
Payment failed
И всё. Telegram не говорит что именно не так.
Полез гуглить. Первая мысль - provider_token неверный. Проверил три раза, скопировал заново. Нет, токен правильный.
Потом решил что проблема в суммах - они передаются в копейках, не в рублях. 500 рублей = 50000. Перепроверил, у меня было правильно.
Потом подумал на webhook - может HTTPS не настроен как надо. Потратил минут сорок на проверку сертификата, перенастройку ngrok. Всё работает, но платежи всё равно падают.
Уже хотел идти спать, случайно наткнулся на строчку в документации:
Your bot must reply to this query in 10 seconds
Это про pre_checkout_query. Когда пользователь нажимает «Оплатить» - Telegram сначала отправляет боту запрос на подтверждение. Бот должен ответить в течение 10 секунд. Если не ответил - платёж автоматически отклоняется.
У меня хендлера для этого не было вообще. Бот просто молчал.
Дважды за неделю столкнулся с задачей "тормозит ЕРП", причиной в обоих случаях оказалась неочевидная проблема - нехватка оперативной памяти (ОЗУ) сервера 1С.
Нехватка ОЗУ умеет прятаться, поэтому её плохо видно. Вот когда не хватает места на диске - всё очевидно. Зашёл и увидел - диск красный, место физически закончилось. А когда не хватает ОЗУ, включается т.н. подкачка (она же - свопинг или пейджинг). Операционная система скидывает часть содержимого ОЗУ на жёсткий диск - вроде выбирает те процессы, которые в данный момент не используются.
Что интересно - процесс скидывается на диск не полностью, а частями. Какими именно - выбирает операционная система. Получается, процесс сервера 1С (rphost) частично висит в ОЗУ, частично - лежит на диске.
И вот процесс 1С решил получить какие-то данные из памяти. Скорость получения из ОЗУ и с диска отличается в 200-500 раз. Если повезло, и все данные остались в ОЗУ - прочитаются быстро, пользователь тормозов не заметит. Если не повезло - всё, туши свет. Падение скорости в 200-500 раз заметно сразу. Например, документ проводится 2-3 минуты вместо 2-3 секунд. Разница не 200-500 раз, т.к. не всё упирается в скорость получения данных из ОЗУ.
Симптомы проблемы - тормозит у всех, или почти у всех, на ровном месте, в самых обычных операциях. Смотришь доработки - вроде ничего особенного. Смотришь тяжёлые операции, вроде закрытия месяца, формирования длинных отчётов, фоновых заданий - ничего критичного. А оно тормозит.
Когда админ в такой момент пойдёт смотреть состояние сервера, то скажет - всё хорошо, памяти хватает. Её и правда хватает - объём памяти ведь "увеличился" за счёт использования подкачки. "Увеличенный" объём памяти - это сумма ОЗУ и выделенного на диске пространства.
Вот когда этого совместного "увеличенного" объёма не хватит - тогда да, тогда проблема вылезет наружу под собственным именем - "Out of Memory". Но до такого доходит не часто.
Так что, если у вас необъяснимо тормозит ЕРП - глядите на использование подкачки.
Сравнение Code Fable и Codex по ходу работы над одним и тем же проектом
Вчера, 1-го июля, программисты и активисты начали бурную трудовую неделю. А именно: вернулась модель Fable 5 и она будет доступна в вольном режиме до (или по) 7 июля. Так что есть 7 дней, чтобы сделать буст своим проектам.
Я тоже не избежал этой участи и вот уже почти целый день делаю polishing своему текущему проекту мобильного приложения.
Что сказать про впечатления? - Ощущение вот того самого вайб кодинга, о котором говорил Карпаты. Говоришь ему что делать и он делает. Технических ошибок просто нет, от слова совсем. Есть ошибки архитектурные, но не существенные, исправляются одной-двумя итерациями.
И кстати, получилось сравнить с Codex'ом, который решил попробовать на старте этого же проекта. Результат сравнения такой: Codex очень сильно подтянулся в работе с кодом, иногда даже кажется, что нет различий.
Но вот вокруг кода хуже: болтливые они оба, но у Codex больше какой-то разболтанности, разбрасывания в стороны. Особенно это видно на написании документации, пишет незначительные детали, теряет главное. И слабее держит инструкции.
Code в этом отношении гораздо чётче действует. Более жёстко держит инструкции, больше памяти, что характерно, помнит предыдущий и даже предыдущие чаты. Меньше разбрасывания на второстепенные детали, чётче фокус. Даже чек-лист у него выглядит проще, чётче и понятнее, чем у Codex.
Единственное, что может я так натаскал Code. С другой стороны, не использую MCP, RAG, даже скилы и хуки. Зашил все в память, их там три: общая пользовательская, описание проекта и правила работы.
И напоследок обнаружил в Code очень полезную функцию оценки загруженности контекстного окна.
Может она уже давно там была, о ней вроде писали, но что-то казалось, что это в CLI. А теперь оказывается её можно использовать и в декстопной версии. Думаю и другим пользователям это тоже пригодится.
Обычно смотришь, если чат начинает тормозить, значит пора. Или спросишь саму модель, но она обычно отвечает, что если на глаз, то загружена на 75%, но лучше начать новый чат. А теперь можно точно увидеть процент загруженности. Более того, можно даже увидеть чем именно загружено контекстное окно.
Для этого в чате Code, в поле ввода достаточно ввести слэш команду - /context
Прикрепляю скриншот как это выглядит вживую
И ещё такое впечатление, что Fable стал жечь меньше токенов за счёт какого-то более делового, но все ещё дружелюбного стиля общения.
Так что, удачи всем с проектами на этой бурной трудовой неделе!))
Как выживают разработчики Госуслуг на защите квартального плана
У каждого, кто работает с госсектором, есть обязательная процедура — защита квартального плана. Что там происходит на самом деле и почему даже сильные команды «сыпятся» под вопросами заказчика?
Разбирались вместе с заместителем технического директора РТЛабс Виктором Редровом на OKR Russia
В докладе о том:
Почему защита — это диалог, а не отчёт (и как к этому подготовиться)
Типичные ошибки, которые превращают встречу в «допрос»
Конкретные приёмы для сохранения контроля в любой ситуации
Вы пробовали ChatGPT и Cursor. Но система из нескольких AI-агентов — это другой уровень: агенты конфликтуют, теряют контекст, зацикливаются, а отладка напоминает расследование без улик.
🎻 Один AI = музыкант. Несколько AI = оркестр. А кто дирижёр?
19 июля, 10:00-14:00 МСК — лабораторная работа с Андреем Чуяном, создателем ROLES-экосистемы (3 экосистемы, 15+ ролей). За 4 часа: проектирование AI-ролей с YAML-контрактами, 5 хаос-сценариев, MCP-сервер на личной VM, самодиагностика экосистемы.
📐 Проверенная методология FPF + TDD в основе каждого блока.
Неделю назад КиберËж проводил CyberWeekend (где там правда викенд они нашли в начале недели, я не знаю 😂) и, в том числе, пригласили меня побеседовать про Программно-аппаратный хакинг как одно из самых сложных и интересных направлений в кибербезопасности, объединяющее знания из программирования, электроники, сетей, встроенных систем и реверс-инжиниринга.
В рамках диалога мы с Павлом осветили такие темы, как: * Почему специалистов в этой области так мало и чем они занимаются на практике. * Почему искусственный интеллект пока не способен заменить экспертов по аппаратному хакингу: работа с реальными устройствами требует опыта, интуиции и нестандартного мышления. * Как после 2022 года изменились основные направления атак и почему всё больше внимания уделяется IoT-устройствам и объектам физической инфраструктуры. * Какие навыки стоит развивать уже сегодня тем, кто интересуется IT, электроникой и информационной безопасностью.
Могу с уверенностью сказать, что доклад будет полезен начинающим специалистам, студентам технических направлений и всем, кто хочет понять, как устроена одна из самых редких и востребованных профессий в сфере кибербезопасности.
Ну и конечно же, интервью можно легко посмотреть в 📺 ВКвидео.
🧠 Обязательно поделись с теми, кому это может быть полезно 💬 Телеграм | 💬 Max | 📝 Хабр | 💙 ВКонтакте
Теперь есть официальный integration guide, где показано, как ты можешь подключить MCP-сервер к AI-assistant’у и использовать его для нормального HITL workflow вокруг CV-аугментаций: подобрать pipeline, провалидировать его, отрендерить локальные previews, сравнить baseline и candidate, дать feedback вроде too_noisy:high и экспортировать финальный pipeline.
Приятно видеть, что проект стал частью экосистемной документации Albumentations. 🙂
AlbumentationsX MCP это конечно же не замена Python API, а assistant-facing review layer для тех случаев, когда ты хочешь быстрее и безопаснее работать с augmentation pipelines.
SimpleOne подтвердила совместимость своей платформы с РЕД ОС. Для заказчиков это значит, что запуск проектов в импортонезависимой ИТ-среде становится проще и предсказуемее.
Подтвержденная совместимость помогает:
сократить барьеры на этапе архитектурных согласований
упростить прохождение аудитов безопасности
быстрее запускать проекты по переходу на российское ПО
РЕД ОС широко используют в корпоративной и государственной инфраструктуре. По данным разработчика, систему уже применяют 12 000 компаний и государственных организаций, а общее количество инсталляций превысило 2 млн.
Economist вышел с обложкой на статью про возрастающее требование избирателей затормозить/запретить ИИ. Это волна только разгоняется, по сути луддиты 21 века, но так как политики часто используют подобные недовольства масс населения, то тему точно будут раскачивать.
Конкретно это выражается уже в начале запретов строить дата‑центры; справедливости ради надо сказать, что отдельные дата‑центры действительно уже портят жизнь конкретным городам Америки.
Уже обсуждаются прочие законы: прозрачность и маркировка ИИ‑контента, запреты и ограничения deepfakes, защита рабочих мест и «разделение выгод» и т. д.
Я думаю, все, кто хочет разделения выгод, получат себя в human in the loop 😀
Как все так ловко ИИ пользуются... Обзоры кода делают...
Не знаю, то ли я туповат, то ли невезучий, то ли кругом сказочники. Пытаюсь исследовать, какие новые интересные виды ошибок может находить ИИ в С++ коде, о которых не знает PVS-Studio. Claude Opus то нормально мне про интересные баги рассказывает, то на ровном месте с ума сходит.
Даю файл на вход, а он тревожно:
В присланном файле есть места, где содержимое обрезано/повреждено вставкой </context>, поэтому их я не рассматриваю как «баги кода» — это артефакты форматирования. Разберу реальные логические ошибки.
Шо? Какой context? Там максимум — это #include "context.hxx". Ну ладно, давай ошибки посмотрим.
Так, парочка сообщений по делу. Например, найден лишний аргумент при использовании функции форматирования.
addErrorMessage(&sciErr, API_ERROR_CREATE_ZDOUBLE_IN_NAMED_LIST,
_("%s: Unable to create list item #%d in Scilab memory"),
"createComplexZMatrixOfDoubleInNamedList", _iItemPos + 1, _pstName);
В строке форматирования два спецификатора %s и %d, а передаются три аргумента: funcName, _iItemPos+1, _pstName. Да, это баг. Про подобные паттерны PVS-Studio уже знает, хотя, возможно, нужно подсказать, что addErrorMessage — это printf-подобная функция. В целом, тут неинтересно, идём дальше.
// check a valid item
if (_iItemPos > iItem)
{
addErrorMessage(...);
return sciErr;
}
Здесь проверка «позиция валидна» использует >, хотя позиции 1-based, а iItem — количество элементов. Это выглядит как граничный дефект, но по сути _iItemPos == iItem допустимо, _iItemPos > iItem — ошибка. Это в порядке — правильная граница. Не баг. (Указываю, чтобы было понятно, что я это проверил.)
Так баг или не баг? Я три раза прочитал текст и посмотрел функцию с кодом. В итоге я не только не понимаю, есть ли здесь ошибка, но и не понимаю, что Claude пытается мне сказать.
Дальше ещё хуже шарики за ролики зашли.
Баг 5 (реальный): утечка в readCommonMatrixOfPolyInNamedList и др. — нет, это API отдаёт указатели наружу. Не баг.
Это всё описание пятого бага, больше ничего нет. Комментировать — только портить.
Я не понимаю, как на всём этом можно строить хоть сколько-то надёжные процессы автоматических обзоров кода, про которые в последнее время из разных утюгов вещают.
На сегодня мне ИИ достаточно. Пойду лучше пройдусь по парку, пока погода хорошая.
Представлен открытый проект Ghostprovider — терминальный инструмент для быстрого запуска GitHub‑проектов у себя на localhost.
Принцип работы проекта: предоставляется ссылка на репозиторий, а инструмент сам анализирует проект: ищет Dockerfile, docker‑compose, package.json, requirements.txt, Go/Rust/Python/Node‑признаки, определяет тип приложения и пытается развернуть его в Docker. После запуска показывает локальный URL, контейнеры, логи и дает управлять сервисами прямо из TUI: старт, стоп, рестарт, удаление. По сути это автоматизированная оболочка над git clone, docker build, docker run и docker compose up, только с автоанализом проекта и удобным интерфейсом в терминале.
Важно: инструмент реально запускает код из чужих репозиториев, поэтому случайные проекты лучше гонять в VM/песочнице и внимательно смотреть Dockerfile/docker‑compose перед запуском. Сам Ghostprovider выглядит прозрачным, но риск всегда в том, что именно вы через него запускаете.
С помощью ИИ можно автоматизировать почти что угодно, и именно поэтому многим сложно встроить его в повседневную работу. Непонятно, с чего начинать и какие процессы действительно стоит отдавать ИИ. В итоге идеи часто остаются на уровне «надо бы попробовать», но до реального использования так и не доходят.
Константин, специалист по ИИ в Naumen, рассказал, какие задачи стоит автоматизировать в первую очередь и по каким признакам понять, что процесс действительно подходит для ИИ.
Проверьте процесс по трем критериям
Перед тем как автоматизировать любую задачу, ответьте на три вопроса.
Боль. Насколько процесс раздражает, отнимает время или приводит к ошибкам?
Частота. Как часто вы его выполняете: каждый день, каждую неделю или раз в месяц?
Стоимость автоматизации. Есть ли понятные правила, по которым выполняется задача, или каждый делает ее по-своему?
Идеальный процесс для автоматизации выглядит так: часто повторяется, на него уходит много времени и это раздражает, выполняется по понятным правилам.
В первую очередь автоматизируйте работу с информацией
Практически любая задача, связанная с обработкой информации, — хороший кандидат для автоматизации.
Например:
Парсинг сайтов конкурентов, изучение технической документации, сбор данных из отчетов — в 90% случаев это можно доверить ИИ. Человек подключается только для валидации результата: проверить, не упущено ли что‑то важное, адекватен ли вывод.
Изучение документации — нет смысла читать 50 страниц документации вручную, когда ассистент справляется за минуту и выдает выжимку.
Любая работа с форматированием данных — привести таблицу к единому виду, объединить информацию из нескольких документов, удалить дубли или преобразовать данные в нужный формат.
Следующий шаг — база знаний команды
Во многих командах нужная информация существует, но хранится сразу в нескольких местах: в чатах, документах, личных заметках, папках или переписках.
Если собрать материалы по конкретным рабочим сценариям в единую базу знаний, можно создать ассистента, который:
отвечает на вопросы;
находит нужные фрагменты;
помогает новым сотрудникам быстрее разобраться в теме;
снижает количество однотипных вопросов внутри команды.
Важно, чтобы в базе была только полезная и актуальная информация. Чем больше шума и лишних документов, тем выше вероятность ошибок и неточных ответов.
Например, вместо поиска по нескольким чатам можно просто спросить ассистента: «Как у нас проходит релиз продукта?» или «Какие требования сейчас действуют для этой интеграции?».
А еще ИИ помогает командам лучше понимать друг друга. У каждой команды постепенно появляется свой язык: внутренние термины, сокращения, привычные формулировки. То, что разработчики считают очевидным, может быть непонятно продажам или менеджерам. Ассистент помогает быстрее переводить этот контекст между командами и снижает количество недопониманий в коммуникации.
Например, менеджер по продажам может попросить: «Объясни простыми словами, как работает эта функция, чтобы я мог рассказать о ней заказчику без технических терминов».
Создать такого ассистента сегодня можно несколькими способами
Для команды
Мы, например, создали платформу на базе Open WebUI. Любой сотрудник может создать ассистента, загрузить в него документы и открыть доступ коллегам. Ассистент помогает быстро находить информацию по вебинарам и рабочим материалам.
Для общей базы знаний
Можно подключить Claude Code к внешним репозиториям и использовать их как общую базу знаний команды. В таком сценарии ассистент получает доступ к рабочим материалам, заметкам и документам, которыми пользуются сразу несколько сотрудников.
Для личной работы
Можно собрать локальную базу знаний для себя: все рабочие материалы хранятся прямо на компьютере и никуда не передаются.
Главное — не пытаться автоматизировать все сразу. Найдите процесс, который часто повторяется, действительно мешает работать и выполняется по понятным правилам. Именно он обычно дает самый заметный результат.
Fable 5 вернули в Claude Code. Как не сгенерировать себе техдолг
Fable 5 снова доступен в Claude, и это хороший повод вернуться к более практичному вопросу: что именно делать разработчику с Claude Code, кроме генерации отдельных кусков кода.
В реальных задачах сложность обычно не в том, чтобы получить от модели отдельную функцию или заготовку сервиса. Гораздо важнее — превратить это в рабочий продукт: удерживать контекст, заранее задавать ограничения, проверять результат и не собрать после первого демо проект, который страшно поддерживать.
21 июля в 20:00 на бесплатном уроке разберём, как использовать Claude Code в разработке ИИ-приложений: от Telegram-ботов и агентов до внутренних сервисов, API и автоматизаций. Отдельно поговорим о работе с большими задачами — как дробить их на этапы, вести разработку итерациями, дорабатывать код и находить ошибки. Присоединяйтесь.
Все июльские разборы по ИИ, разработке, архитектуре и инфраструктуре собрали в дайджесте мероприятий.
Прилетело и в очередной раз и резануло по живому...
Системность - это ... (продолжите фразу)
Системность - это модное словечко из лексикона "эффективных менеджеров", которое скорее вводит в заблуждение, чем отражает суть.
Под системностью на бытовом уровне люди понимают наличие порядка, основанного на определенной логике.
Реже - наличие системного подхода, где любая ситуация воспринимается, как комплекс взаимосвязанных элементов и чтобы добиться желаемого результата следует рассмотреть все составляющие системы и надсистемы с прогнозом их поведения в зависимости от разных вариантов воздействия.
Вот только системный подход - это системный подход, а системность - это признак системы. И как признак системы это ...
НЕ ПРО ПОРЯДОК!
Системы вообще никакого отношения к порядку не имеют - любая система стремится к хаосу (тут умное слово - энтропия).
И только лишь работа с системой предполагает упорядочивание элементов и связей - чтобы во всём этом разобраться.
некоторый полет мысли имени очень искусственного как бы интеллекта
