Все потоки

На Бирже заказов Инфостарта опубликована новая подборка задач для 1С-специалистов. За неделю появились проекты по УТ, УНФ, БП, ЗУП, обменам между базами, XML-выгрузкам, печатным формам и интеграциям с внешними сервисами.

Среди новых заказов:

• Базовая настройка, интеграции и небольшие доработки для торговой компании

• Настроить регулярный обмен из отдельных ЗУП ПРОФ/КОРП в общую ЗУП

• Платная консультация по отображению доступных остатков товаров в подборе номенклатуры в УТ 11

• Нужен консультант-аналитик 1С для сопровождения системы в ОПЭ

• Обработка для выгрузки отчета «Ведомость по НДС предъявленному» в формате XML

• Нужен программист или консультант со знанием модуля «Бит Финанс»

• Ведущий аналитик 1С:ЗУП 3.1 КОРП для проекта с интеграциями ЗУП-SAP и миграцией данных

• Доработка решения по исправлению ошибок в документах «Корректировка реализации» и «Возврат товаров от покупателя»

• Выгрузка номенклатуры из 1С 9.2 (7.7) в каталог Saby

• Внедрение 1С:УНФ в производственной компании

• Доработка расчета наценки и установки цен в УНФ 3.0

• Бесплатная консультация по интеграции 1С с сервисом «Яндекс Еда»

• Исправление критической ошибки при обновлении базы 1С:УПО 3.0

• Печатные формы для заказа на производство в 1С:УНФ Фреш

Биржа заказов Инфостарта это площадка для задач по 1С: от точечных консультаций и небольших доработок до внедрений, интеграций, разработки отчетов и сопровождения корпоративных систем.

На площадке можно работать напрямую с подрядчиком, обмениваться контактами, смотреть рейтинг и кейсы исполнителей. Комиссия с заказов не взимается, а безопасная сделка доступна по желанию сторон.

AI-first компании как новый карго-культ

Допустим, некий предприниматель придумал идею бизнеса, сформулировал ценность. Чтобы воплотить её в реальном мире, он идёт на «рынок» готовых форм: ищет людей уже существующих профессий, собирает оргструктуру из известных вариантов (или нанимает CEO, который соберёт её за него), нанимает консультантов с их фреймворками, покупает CRM, ERP и прочие коробки, которые неявно предлагают свои шаблоны бизнес-процессов. Он пытается выбрать формы, лучше всего воплощающие его идею, но идеально подходящих не существует, хотя бы потому, что всё, что есть, создавалось не для него. Готовая форма всегда искажает замысел. Частный случай этой проблемы, закон Конвея: архитектура производимого продукта наследует структуру организации, то есть форма, взятая извне, начинает диктовать содержание.

Появившиеся LLM-агенты меняют эту ситуацию: теперь проектировать форму под себя стало в разы проще. Опыт тысяч компаний, который раньше был доступен только намертво запечатанным в готовые стандарты, процессы, продукты и профессии, теперь существует в пластичном виде, его можно переплавить под свой замысел, создав собственную онтологию бизнеса, которая не обязана быть прямо завязана на существующие рамки профессий, общепринятые стандарты разделения труда. Теперь роли, процессы и инструменты могут выводиться прямо из замысла демиурга бизнеса.

Само по себе использование LLM не цель, а только способ освободить время на мышление о том, как уменьшить зависимость от готовых решений с «рынка форм». Поэтому и говорить стоило бы не об AI-first, а об intent-first компаниях. Попытка же просто положить слой LLM поверх существующих процессов на первом этапе, как любая автоматизация, даст выигрыш, но в дальнейшем приведёт лишь к цементированию существующей системы разделения труда со всеми её недостатками. А хуже того, под слоем LLM окажется и задача артикуляции ценности бизнеса, а она по определению неалгоритмизируема, а следовательно автоматизации не подлежит. Это не страшно монополиям и живущим на ренте, но смертельно для всех остальных бизнесов.

Регулярно пишу в Телеграм-канале Chief Philosophy Officer  и VK группе о философии бизнеса

Подборка вебинаров на июль

Вы просили — мы сделали. Повторяем вебинары про работу с данными в облаке: от развертывания платформы до ETL-процессов и полноценной BI-аналитики. Регистрируйтесь, чтобы спросить экспертов о важных деталях и получить ответ.

Как развернуть платформу данных в облаке и подготовить данные для аналитики
Покажем, как быстро развернуть managed-сервисы Evolution Data Platform, подключить источники данных и построить пайплайны для подготовки данных к аналитике. Разберем интеграцию с PostgreSQL, ADB, S3 и настройку автоматического обновления — без долгого погружения в инфраструктуру.
🧑‍💻 Для кого: дата-инженеры, аналитики, архитекторы данных.
📅 Когда: 16 июля 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.

ETL в облаке: от хаоса к управляемым процессам
Покажем, как выстроить надежную ETL-платформу в облаке на базе Evolution Data Platform. Разберем интеграцию разрозненных источников, управление метаданными и оркестрацию — и покажем всё это в live-демо: от извлечения данных до готовой витрины.
🧑‍💻 Для кого: дата-инженеры, DevOps, руководители дата-команд.
📅 Когда: 23 июля 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.

Evolution Managed BI: все возможности BI-сервиса в облаке
Разберем, как получить максимум от Evolution Managed BI: подключить источники данных, настроить интерактивные дашборды, кеширование запросов и автоматические алерты. Покажем продвинутые возможности сервиса — от виртуальных датасетов до управления доступом.
🧑‍💻 Для кого: аналитики, BI-разработчики, руководители дата-отделов.
📅 Когда: 30 июля 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.

Как сделать первые шаги в программировании и вайбкодинге

Эта подборка поможет разобраться, что такое вайбкодинг и с чего начать, если вы только знакомитесь с разработкой. Рассказываем, чем вайбкодинг отличается от классического программирования, какие знания нужны для старта, какие инструменты выбрать и как формулировать запросы к нейросети, чтобы получать рабочий код.

Вайб-кодинг vs классическое программирование: что выбрать в 2026 году. Разбираем, чем различаются два подхода к разработке, где нейросети действительно ускоряют работу, а где без классических навыков не обойтись. Сравниваем плюсы и минусы каждого варианта и отвечаем на вопрос, можно ли заменить обучение программированию вайб-кодингом.

Как начать вайб-кодить с нуля: пошаговое руководство для новичков. Рассказываем, какие знания пригодятся для старта, как выбрать первый ИИ-инструмент и сформулировать задачу. Делимся пошаговым планом создания первого проекта и разбираем частые ошибки новичков.

Можно ли вайб-кодить без знания JavaScript, Python и HTML. Разбираем, что реально можно сделать без опыта программирования, а что всё равно потребует базовых знаний. Рассказываем про риски слепого доверия нейросети и о минимальной базе, которая поможет вайб-кодить эффективнее.

Лучшие инструменты для вайб-кодинга: Cursor, Copilot, ChatGPT, Claude и другие. Сравниваем популярные ИИ-инструменты для разработки и рассказываем, какие задачи каждый решает лучше всего. Даём советы, как выбрать подходящий вариант новичку.

Как писать промпты для генерации кода: примеры запросов к ИИ. Объясняем, из чего состоит хороший запрос к нейросети и как описывать задачу, контекст и ограничения. Показываем примеры удачных и неудачных промптов и разбираем частые ошибки при их написании.

Все статьи написаны простым языком и подойдут абсолютным новичкам. Также про вайбкодинг можно узнать из вводной части курса по вайбкодингу в Практикуме — это бесплатно, карту привязывать не нужно. Если понравится, можно продолжить обучение уже на основном курсе.

Observability ИИ‑агентов: запустили Monium Traces в Yandex AI Studio

Теперь можно анализировать поведение ИИ‑агентов в Yandex AI Studio с помощью трейсов прямо в UI платформы. Трейсы показывают всю цепочку решений агента и контекст каждого шага — системные промпты, вызовы модели и инструментов, промежуточные результаты. Всё, что реально влияет на поведение агента.

Почему это важно
Observability для агентов устроена принципиально иначе, чем для обычных сервисов, где нам доступен дебаг по коду. В случае ИИ главный материал — большие тексты: системные промпты, сообщения пользователя, ответы модели, вызовы тулов. Даже когда инфраструктура может быть полностью «зелёной» — latency в норме, ошибок нет — агент может уверенно отдавать неверный ответ или уходить в бесконечный цикл вызовов. Классический мониторинг здесь не поможет: он не покажет, почему модель выбрала не тот тул или потеряла контекст.

Анализ трейсов:

• помогает быстро понять причину конкретных ответов и поведения агентов

• ускоряет отладку сложных сценариев

• повышает прозрачность работы агента

• позволяет точно локализовать узкие места в цепочке обработки запроса

В видео — как выглядит трейсинг в интерфейсе Yandex AI Studio:

Чтобы начать — откройте AI Studio, перейдите во вкладку «Логирование» и подключите отслеживание трейсов моделей и агентов.

⚡️ Приглашаем на митап премии LOUD PR Award, посвященный развитию бренда работодателя.

➡️ Тема встречи: PR+HR: коммуникации в работе с брендом работодателя.

Встреча пройдет в формате выступления экспертов и презентации рабочих кейсов. Обмениваемся лучшими практиками при поддержке партнёра премии hh.ru и делимся опытом по развитию бренда работодателя.

После выступления спикеров – открытая дискуссия с участниками встречи, а также с представителями жюри и оргкомитета премии LOUD. 

🗓️ Дата: 15 июля с 18:30 до 21:30
📍Адрес: ул. Оптиков, д.4, к.3, БЦ Лахта-2
📍Место: офис ГК “КОРУС Консалтинг”, 7-ой этаж

Спикеры: 
🔹Екатерина Скляренко, руководитель отдела маркетинга hh.ru по Северо-Западу. Тема: "Проверенные решения и оценка эффективности проектов по развитию бренда работодателя". 
🔹Мария Ленкина, руководитель направления развития бренда работодателя ГК "КОРУС Консалтинг". Тема: "От подарка к смыслу: как новогодняя кампания КОРУСа объединила сотрудников, клиентов и благотворительность". 
🔹Лариса Коблик, заместитель руководителя службы по связям с общественностью и СМИ компании “Газпром переработка”, тема: “Читать сердцем” – открытый внутрикорпоративный конкурс, который стал всероссийским и работает на цели HR-бренда”.

❗️Регистрация обязательна по ссылке: https://loud-pr-award.timepad.ru/event/4083124/
Пожалуйста, дождитесь подтверждения от организаторов!

Заключительная рубрика ИТ-кроссворда. Старт через 15 минут 🦖

В 12:00 по московскому времени открываем последнюю рубрику ИТ-кроссворда — «ML-железо». В публикации вас будут ждать вопросы об вендорах, подборе комплектующих и распределении вычислительных ресурсов.

Зарегистрироваться →

👉 Отвечать на вопросы можно с 12:00 до 18:00 (МСК). Среди призов — комплекты эксклюзивного мерча Selectel и бонусы на аренду серверов.

Напоминаем, что бороться за первое место в общем зачете не обязательно, вы еще успеваете посоревноваться и выиграть призы, даже если ранее не подключались к игре! Победители и номинанты будут в каждой из четырех рубрик.

От алерта к его причине за 10 минут — вебинар про ускорение диагностики инцидентов

Когда бизнес-сервис деградирует, причина может быть где угодно: в приложении, инфраструктуре, сети, базе данных или Kubernetes-кластере. Если метрики, логи и трассировки живут в разных системах, команда тратит ценное время не на устранение инцидента, а на сбор контекста: что сломалось, где началась деградация и какие ещё сервисы затронуты.

На вебинаре 17 июля покажем, как Deckhouse Observability Platform (DOP) связывает данные по инфраструктуре и приложениям в единую картину и помогает быстрее пройти путь «алерт → локализация → первопричина». В программе:

• Обзор новых возможностей DOP: APM, распределённый веб-мониторинг, система инцидент-менеджмента, SLA/SLO-дашборды и другое.

• Разбор задач эксплуатации и инфраструктурных команд: как быстрее находить причины сбоев и снижать риск пропустить критический инцидент.

• Демо: развёртывание мониторинга с получением первых данных «из коробки» без ручной настройки.

Спикер — Владимир Гурьянов, технический директор DOP, которого вы можете знать по множеству выступлений о наблюдаемости на конференциях. Регистрируйтесь и подключайтесь 17 июля в 12:00.

LLM, RAG, AI‑агенты и продакшн: открытые уроки по искусственному интеллекту

В AI‑разработке уже мало просто подключить модель по API. В реальных продуктах приходится понимать RAG, дообучение, мультимодальность, поведение LLM, инфраструктуру, качество ответов и вывод моделей в продакшн.

Собрали подборку беплатных уроков для специалистов, которые работают с LLM, ML‑моделями, AI‑агентами, компьютерным зрением и AI‑инфраструктурой. Выбирайте свою тему и присоединяйтесь:

LLM, RAG и адаптация моделей

• 13 июля, 18:00 — LoRA и RAG: как адаптировать LLM под свои данные и задачи

• 16 июля, 20:00 — Мультимодальный RAG: как LLM работают с текстами, картинками и документами

• 22 июля, 20:00 — Что надо знать про работу LLM моделей

• 5 августа, 20:00 — Сделайте модель своей: дообучение LLM методом QLoRA без кода

• 18 августа, 19:00 — AI‑ассистент на ваших документах: почему он врёт и что с этим делать

AI‑агенты и архитектура ИИ‑приложений

• 21 июля, 20:00 — Разработка ИИ‑приложений с Claude Code

• 23 июля, 20:00 — Когнитивные архитектуры: ReAct, Reflection и RAG

• 4 августа, 20:00 — PostgreSQL как память ИИ‑агентов: MVCC, очереди и партиции под нагрузкой

ML/DL и компьютерное зрение

• 15 июля, 18:00 — Решаем задачу регрессии методами ML на Python

• 15 июля, 20:00 — Visual DQN: как научить ИИ‑модель видеть мир глазами игрока

• 21 июля, 20:00 — Алгоритм DQN — учим нейросеть принимать решение без помощи человека

• 10 августа, 18:00 — Технологии продвинутого Data Science: что под капотом

• 12 августа, 20:00 — ИИ‑зрение в действии: как из данных с дороги получить карту мира

• 19 августа, 20:00 — ИИ против человеческих костылей: эволюция детекторов от YOLO до real‑time трансформеров

• 24 августа, 20:00 — Современные модели прогнозирования — TimesNet, TimeGPT и новое поколение моделей временных рядов

Инфраструктура и продакшн

• 21 июля, 20:00 — Выбор между Serverless и Kubernetes для AI‑ворклоадов: как определить оптимальную платформу под задачу

• 6 августа, 18:00 — Практика работы с Docker — вывод модели в продакшн

Прикладные сценарии

• 20 июля, 20:00 — ИИ для продуктового discovery: как анализировать рынок, конкурентов и пользователей быстрее

• 28 июля, 20:00 — Стирание границ: нативная интеграция ASR, TTS и NLP в эпоху мультимодальных LLM

• 20 августа, 20:00 — Как ускорить создание автотестов с помощью локальных ИИ‑моделей

Что почитать по теме

1. Как создать своего первого ИИ‑агента за 30 минут

2. Как работают ИИ‑агенты для разработки

3. Почему AI‑агенты ломаются на длинных задачах

4. Как прокачать ИИ‑агента без дообучения: Agent Skills

Больше открытых уроков июля смотрите в дайджесте.

Нашёл робопалец и теперь включаю рабочий компьютер удалённо

Делюсь находкой, которая закрыла мою маленькую, но довольно надоедливую проблему.

Иногда мне нужно подключаться к рабочему компьютеру удалённо. И всё бы хорошо, но дистанционный доступ бесполезен, если устройство выключено. Технология Wake-on-LAN (удалённое «пробуждение» по сети) тоже не спасает: после отключения электричества компьютер полностью обесточивается. 

Раньше решение этой задачи превращалось в отдельный квест: попросить кого-то зайти в офис, объяснить, где стоит системник, какую именно кнопку нажать, дождаться неуверенного «вроде нажал». Но я нашёл вариант проще.

Есть маленький умный толкатель кнопок: пластиковый кубик примерно 4×4 см, внутри один рычажок, который ездит вверх-вниз и физически нажимает на то, к чему его приклеили. Ставишь такой кубик у кнопки питания и дальше включаешь компьютер голосом. Команда – и рычажок жмёт за тебя. Только важно не забыть про шлюз – небольшой хаб, который связывает кубик с интернетом. Настраивается быстро и один раз.

Подключать Алису не обязательно – можно управлять напрямую через приложение SmartLife. Но, если хочется поговорить, можно и управление голосом через Алису добавить :)

Что нравится: ничего не надо перенастраивать, вскрывать или паять. Просто приклеил, настроил и пользуешься. И главное – это универсальное решение для кнопок, которые иначе никак не автоматизировать. Рычажку всё равно, на что давить: старый выключатель, техника без Wi-Fi или любая другая кнопка, до которой неудобно добираться.

Если вам тоже регулярно приходится включать/выключать какие-то устройства, – скорее всего, вы можете отдать эту задачу рычажку. Так что забирайте идею – работает)

Больше интересных постов можно найти в моём телеграм-канале. Там я пишу про управление знаниями и делюсь разными ИИ-находками для дома и не только. Подписывайтесь, чтобы не пропустить новые тексты.

Волею судеб я занимаюсь престранными вещами, вроде написания Go бэкэнда под Windows. С опцией переноса его в Linux контейнер. Можно было бы сразу разрабатывать под контейнер, но на моей рабочей машине недостаточно оперативки для комфортной разработки.

Мой бэкэнд реализует ряд REST API функций и начинает свою работу с ловли входящих соединений на порту. Для этого я использовал net.Listener, который как выяснилось испытывает сложности с повторным захватом порта, а SO_REUSEADDR, который прекрасно работает в С++ в Go работает, как-то, не очень. Автоматический запуск приводил к порождению бесконечного числа процессов, которые только писали в лог ошибки безо всякой полезной деятельности. И когда мне надоело заставлять это работать я решил использовать старый и проверенный метод: сделать так, чтобы бэкэнд запускался по каждому порту один раз. Оставим в стороне неинтересные подробности того как связывать процессы с конечными точками (endpoints).

И всё было прекрасно до тех пор, пока я не добрался до того, что os.FindProcess() всегда находит процесс. Даже если процесс уже завершился. В случае запуска на POSIX системе можно было бы использовать process.Kill(0), но на моём Windows 11 это не работает. И, в условно переносимом коде появилась ветка для Windows:

var perr *os.SyscallError if runtime.GOOS == "windows" && errors.As(errKill, &perr) && errors.Is(perr.Err, syscall.ERROR_ACCESS_DENIED) {
log.Warnf("unable to kill dead process: %d. Error: %v", pid, perr)
} else {
log.Warnf("unable to kill process: %d. Error: %v", pid, errKill)
return errors.New("previous process running")
}

А морали в данном посте не будет. Для меня это сильно похоже на Python, где я также делил код на Windows и POSIX. Вполне вероятно, что я просто не знаю простого и лёгкого способа добиться необходимого мне поведения.

Коллеги, уже 9 июля ждем вас в офисе КОРУСа в Петербурге, где мы поделимся практиками в области корпоративной культуры, ценностей, вовлеченности и HR-бренда. Вас ждут реальный опыт и честный диалог, а еще – фуршет, нетворкинг и, конечно, экскурсия по офису.

Своим опытом поделятся:

👤 Александр Семенов, CEO – как ценности становятся частью бизнеса и корпоративной культуры.
👤 Евгения Миклуш, руководитель направления HR-аналитики – как измерять вовлеченность и понимать, что ценности действительно работают.
👤 Мария Ленкина, руководитель направления развития бренда работодателя – геймификация, внутренняя валюта и развитие HR-бренда.
👤 Татьяна Кульбякина, менеджер корпоративных программ развития – роль амбассадоров и внутренних сообществ в развитии компании.

Где и когда?
9 июля, 18.00-21.00
Санкт-Петербург, ул. Оптиков, д.4, корп. 3, БЦ «ЛАХТА-2» (ст.м. Старая Деревня)

🟡 Регистрация

При внедрении ИИ-технология вторична: сначала нужно договориться о реальности

Алексей Мезенцев, руководитель AI Lab ОТП Банка, выступил на Молодежном дне международной конференции «Теория игр и Менеджмент» (GTM 2026). В конференции также принял участие известный российский математик Алексей Савватеев и представители других банков и компаний. Спикер ОТП Банка рассказал, почему хорошие ИИ‑инициативы терпят крах на старте и какую ошибку совершают компании при автоматизации.

Мезенцев заявил, что технология искусственного интеллекта может быть выбрана самая совершенная, но это не гарантирует результат. По его словам, ИИ оказывается «слепым», если опирается на неполные или устаревшие данные.

«Сначала нужно договориться о реальности, правилах и выигрыше. Проблема не в модели, а в том, сколько реальности ей доступно», — отметил он.

Опасной зоной руководитель AI Lab ОТП Банка назвал расхождение между официальными регламентами и реальной работой сотрудников. Слепое программирование формальных инструкций может не улучшить, а наоборот, ускорить неверные маршруты.

«Люди не помеха процессу. Они его скрытая „операционная система“. Автоматизация бумажной нормы без контекста живой работы — это путь к тому, чтобы передать ИИ ошибочное решение», — подчеркнул Мезенцев.

Отдельное внимание он уделил выбору приоритетов. На примере известного сервиса Алексей рассказал про лучший способ разрешить спор о развитии продукта: вместо использования сложных фреймворков провести небольшой тест.

«Приоритет — это очередь гипотез, которая оценивается в деньгах. Задача — за минимальные деньги проверить эффект для бизнеса. Если мы не можем доказать ценность идеи, мы должны расставлять приоритеты не по масштабу будущего проекта, а по скорости проверки гипотезы», — объяснил представитель ОТП Банка.

Главное условие успеха: внедрение ИИ работает только тогда, когда выгоду получает каждый участник процесса от клиента до ИТ‑департамента.

«Мы внедряем не модели. Мы меняем правила игры. Идею нужно продать каждому участнику игры», — резюмировал он.

Большинство объяснений машинного обучения начинаются с нейронов, весов или градиентного спуска. Но есть одна деталь, без которой вся эта конструкция вообще не работает.

Откуда модель вообще узнаёт, что ошиблась? Именно с этого, как мне кажется, и стоит начинать изучение машинного обучения. В новой части книги я попытался объяснить это максимально просто и без фраз вроде "нейросеть сама обучается". Разбираем, что такое ошибка, почему она превращается в loss-функцию, зачем вообще нужны MSE и Log Loss, и как несколько строк математики становятся тем самым сигналом, который заставляет модель становиться лучше. Loss-функции являются центральным механизмом обучения современных моделей машинного обучения.

Если давно хотели понять, что происходит "под капотом" современных AI-моделей – буду рад, если почитаете.

📖 https://apphp.gitbook.io/ai-dlya-php-razrabotchikov-intuitivno-i-na-praktike/chast-ii.-obuchenie-kak-optimizaciya/2.1-oshibka-loss-funkcii-i-zachem-oni-nuzhny

Cтaтья «BotSharp изнyтpи: ищeм cлaбыe мecтa в кoдe ИИ‑плaтфopмы нa.NET»

Пpинятo cчитaть, чтo в AI и ML бeз Python никyдa, a.NET — этo иcключитeльнo иcтopия пpo enterprise, вeб‑paзpaбoткy и гeймдeв. Ho пpoeкт BotSharp гoтoв пocпopить c этим cтepeoтипoм, пpeдлaгaя ИИ‑плaтфopмy нa экocиcтeмe Microsoft.

Mы peшили зaглянyть пoд кaпoт BotSharp и пpoвepить, какие ошибки есть в его иcxoдном кoде.

Согласно новому исследованию, ИИ лучше человека в переписке с человеком проходит тест Тьюринга.

При предложении принять человекоподобный образ, GPT-4.5 был признан человеком в 73% случаев. Это значительно чаще, чем участники опроса выбирали реального человека.

Исследование: C.R. Jones, & B.K. Bergen, Large language models pass a standard three-party Turing test, Proc. Natl. Acad. Sci. 2026. DOI: 10.1073/pnas.2524472123

Источник: https://www.facebook.com/4everscience/

Хотел сделать крутую онлайн игру. Расскажу где всё пошло не так

Идея была простая до безобразия. Браузерная змейка но с живыми соперниками. Canvas, websocket, Node.js. Всё это я более-менее знал, казалось делов на пару выходных.

Первый день вообще огонь. Змейка ползает, еду ест, растёт, цвета красивые. Думаю ну всё, осталось только игроков подключить.

Ага.

Синхронизация это ад

Подключил websocket, запустил два браузера на одной машине, вроде видят друг друга. Отлично. Добавил искусственную задержку 50мс чтобы проверить как будет на реальной сети.

Всё сломалось.

У одного игрока змейка уже повернула, у второго она ещё летит прямо. Столкновения каждый клиент считает сам по своей картинке мира. Один видит что убил соперника, второй видит что убил он. Оба правы по своей логике.

Полез гуглить. Нашёл что это называется authoritative server, client-side prediction, lag compensation. Понял что я вообще не туда смотрел когда проектировал. Думал займёт вечер. Потратил месяц и всё равно сделал через одно место.

Лобби которое я не планировал

Ок, физику перенёс на сервер. Теперь надо чтобы игроки могли найти друг друга, подождать, начать игру. Звучит как мелочь.

Это не мелочь.

Ожидание, старт, игра, конец, переиграть — каждое состояние надо синхронизировать. И самое весёлое это когда один игрок просто закрыл вкладку в середине партии. Что показывать второму? Кто победил? Как засчитать? Три вечера только на обработку разрывов соединения.

Читер за пять минут

Дал поиграть другу. Через пять минут он открыл консоль и начал отправлять серверу произвольные координаты. Змейка телепортировалась куда хочет. Я вообще не думал об этом когда писал архитектуру.

Что по итогу

Игра работает. Можно найти соперника и сыграть партию. Но код это такой клубок что я боюсь его открывать.

Главное что понял: онлайн игра это не игра плюс немного сетевого кода. Это совсем другая задача где сеть и есть основная сложность. Я недооценил это раз в десять минимум.

Код выложу на GitHub как разберу этот клубок. Пока стыдно показывать.

Кто делал нормальный мультиплеер в браузере, как решали синхронизацию? Потому что мои костыли мне самому не нравятся.

Прежде чем тащить ИИ в процесс, сначала разберись что вообще происходит

Приходил недавно в одну компанию. Ребята хотели автоматизировать обработку заявок от клиентов. Уже выбрали инструмент, уже договорились с подрядчиком, уже почти подписали.

Попросил показать как сейчас работает процесс.

Оказалось что заявки приходят в три разных места: почта, телеграм и форма на сайте. Каждый менеджер забирает откуда хочет. Статусы никто не ведёт в режиме реального времени, только отчёты за месяц. Дубли не отслеживаются. Как итог клиентов обзванивают по несколько раз, тратя время и нервы.

Я спрашиваю: а что именно хотите автоматизировать? Они говорят: ну вот этот весь процесс, чтобы было чётко.

Это не автоматизация. Это ускорение хаоса.

Я уже видел такое несколько раз за последний год. Компания чувствует что что-то идёт не так, слышит везде про ИИ, решает что это и есть ответ. Но ИИ не чинит кривой процесс. Он его копирует и делает быстрее.

Правило которое я для себя вывел: если не можешь объяснить процесс новому сотруднику за 10 минут так чтобы он пошёл и сделал, не ломая при этом общую структуру, то автоматизировать ещё рано. Сначала объясни людям, выстрой свою систему, а потом уже автоматизируй.

ИИ хорошо берёт задачи которые уже работают но отнимают время. Повторяющиеся, понятные, с чётким результатом. Всё остальное это не автоматизация а эксперимент за твой счёт.

Кто сталкивался с таким, когда приходили автоматизировать а оказывалось что сначала надо просто навести порядок?

🎓 День открытых дверей онлайн-магистратуры МФТИ «Управление ИТ-продуктами»

Если вы планируете развиваться в продуктовом менеджменте и хотите разобраться, как устроено обучение в онлайн-магистратуре, приходите на онлайн-встречу МФТИ.

На эфире расскажем:

▪️ Как устроена программа «Управление ИТ-продуктами».

▪️ Какие дисциплины изучают студенты и как проходят занятия.

▪️ Как организована работа над дипломом, проектами и взаимодействие с экспертами.

▪️ Какие карьерные возможности открываются перед студентами и выпускниками.

▪️ Как проходит поступление в 2026 году: документы, экзамены и подготовка.

Спикеры встречи:

— Юлия Соболь — заместитель руководителя Центра «Пуск» МФТИ.

— Елена Тупикова — экс-директор по продукту (CPO) в Яндексе, генеральный директор CPO.Agency, ментор и бизнес-коуч.

📅 Дата и время: 14 июля (вторник) в 18:00 (Мск)

💻 Формат: онлайн

Регистрация:

🔗 Telegram: https://t.me/mipt_events_bot?start=dl-1781626801729c428fcd8a

🔗 ВКонтакте: https://vk.com/app6379730_-224205661#l=24&auto=1

Астрономический научный центр модернизировал оркестрацию космического мониторинга с помощью ITFB Group

Астрономический научный центр (АНЦ) завершил масштабную модернизацию своей управляющей платформы. Интегратором выступила компания ITFB Group, которая помогла центру перейти на более надёжную и масштабируемую инфраструктуру, автоматизировать процессы разработки и обновления, а также гарантировать безотказную доставку критически важных данных о космических объектах.

Платформа АНЦ обеспечивает оркестрацию множества процессов, связанных с обработкой данных наблюдений. По мере роста нагрузки существующая архитектура перестала в полной мере отвечать требованиям к отказоустойчивости и масштабированию. При большом количестве параллельных процессов возникали задержки, обновление системы выполнялось вручную, а отдельные события в исключительных случаях могли не доходить до конечных потребителей. Кроме того, используемая инфраструктура не обеспечивала автоматического восстановления сервисов при сбоях.

Специалисты ITFB Group провели аудит существующей платформы, выявили архитектурные ограничения и разработали новую целевую модель. В ходе проекта была внедрена современная инфраструктура на базе Kubernetes, которая автоматически восстанавливает сервисы после сбоев и позволяет гибко масштабировать систему по мере роста нагрузки. Для передачи данных между компонентами была внедрена промышленная система обмена сообщениями, обеспечивающая гарантированную доставку событий. Также команда автоматизировала процесс развертывания новых версий платформы: теперь изменения проходят путь от разработки до промышленной эксплуатации за считанные минуты без ручных операций.

Михаил Атрахимович, директор направления разработки ITFB Group, отметил: «В проекте для АО "АНЦ" мы использовали накопленный опыт создания высоконадежных платформ оркестрации бизнес-процессов. Основная сложность заключалась в том, что модернизацию необходимо было проводить без остановки уже работающей системы. В результате заказчик получил отказоустойчивую и масштабируемую платформу, готовую к дальнейшему развитию и увеличению объемов обработки данных».

Николай Савин, технический директор АО «АНЦ», добавил: «Сотрудничество с ITFB Group стало для нас важным этапом в развитии нашей системы оркестрации. Мы получили не только исправление текущих недочётов, но и чёткую дорожную карту, а также полный пакет эксплуатационной документации. Благодаря этому проекту мы уверены в надёжности и масштабируемости нашей платформы и готовы к дальнейшему расширению функционала».

В результате проекта АНЦ получил отказоустойчивую инфраструктуру enterprise-уровня, гарантированную доставку событий, автоматизированный релизный цикл и полный комплект эксплуатационной документации (мониторинг, алертинг, процедуры backup с RTO, регламенты при инцидентах).