Проект nosubscription.org содержит библиотеку с 1000+ альтернативами платным программам, включая открытые и бесплатные проекты. Есть удобный поиск и разбивка по категориям.
Vision AI в БКС
Привет, Хабр! Меня зовут Никита Устриков. В марте я присоединился к команде БКС в роли Head of AI. За это время мы с командой разработали стратегию развития ИИ в компании при поддержке руководства, и я хочу поделиться с вами главным.
🎯 Цель
Амбициозная, но конкретная: снизить операционные расходы на 30% к 2027 году. Не абстрактное «внедрить ИИ», а измеримая цифра с понятным механизмом достижения. Главная ставка — агентизация: там, где сегодня задачу выполняет человек по повторяемому алгоритму, завтра это делает агент — быстрее и дешевле.
🧩 Методы
Агентизация в масштабах большой компании — это не технологический вопрос. Технология — лишь один из слоёв, которые нужно выстроить одновременно.
Первый — технологическая и продуктовая платформа. Единая среда для разработки и запуска агентов, которая даёт командам возможность работать быстро, не изобретая колесо каждый раз.
Второй — R&D и обучение. Рынок меняется каждый день, и мы хотим успевать. Отдельная команда мониторит новые решения, проводит эксперименты и быстро переносит работающее в платформу.
Плюс Data Science внутри: файн-тюнинг, бенчмарки, качество моделей.
Плюс образование — от базовой грамотности для всех до умения считать ROI для руководителей. Потому что хайповать на ИИ легко, а получать от него эффект — нет.
Третий — внедрение. Центры компетенций, инженеры агентизации и специально спроектированная роль AI Business Partner — человек, который работает внутри бизнес-подразделения и является живым мостом между тем, чего хочет бизнес, и тем, что реально умеет ИИ.
Четвёртый — управление. Единые политики и стандарты работы с ИИ по всей компании. Без этого слоя трансформация быстро превращается в набор несвязанных экспериментов.
Три шляпы Билли Миллигана
Есть три шляпы, которые я попеременно надеваю в течение дня:
Секретарша. Она следит за всеми входящими. Читает письма, просматривает чаты, записывает идеи, разбирает голосовые. Все заметки педантично складывает в ежедневник, не особо вникая.
Начальник. Вдумчиво разбирает записи секретарши. Простые дела оформляет в виде задач, сложные — в виде проектов. Затем проходится по списку проектов и для каждого актуализирует список следующих шагов. Начальник много думает и быстро устаёт.
Работник. Открывает список задач от начальника и выполняет одну за другой. Работник немного туповат. Если какая-то задача ему непонятна, он её откладывает и возвращает на разбор начальнику.
Главный секрет, позволяющий сохранить ясность ума: в один момент времени на голове должны быть только одна шляпа. В идеале — чередовать их не чаще, чем раз в полчаса.
Если секретарша начнёт разбирать каждое входящее дело, то рискует закопаться и не добраться до важного срочного сообщения.
Если начальник будет отвлекаться на каждое входящее, то не сможет сконцентрироваться на проработке проектов.
Если работник начнёт думать о проекте, то может испугаться и не сделать следующий шаг. Не поверите, сколько проектов, поначалу казавшихся неподъёмными и непонятными, удалось довести до конца благодаря работнику, который просто делал очередной маленький шаг к цели.
Секретарша педантичная, начальник вдумчивый, работник туповатый. Люблю их.
Ваш проект живёт дольше трёх месяцев? Код начинает сопротивляться изменениям: одна фича тянет правки в пяти файлах, тесты падают без внятного объяснения. Знакомо?
На бесплатном вебинаре «Антипаттерны в Python: как не превратить код в спагетти» разберём, где именно возникают эти точки напряжения, и что с ними делать.
📆 Когда: 30 июля, 16:00–17:00 (Мск)
👨🎓 Спикер: Читалов Дмитрий, специалист в области Python разработки
В программе:
✔️ Глобальные переменные
✔️ God Object
✔️ Spaghetti Code
✔️ Наследование ради наследования
✔️ Primitive Obsession
✔️ except: pass
✔️ Копипаста
✔️ Магические числа
✔️ Вложенные циклы O(n²)
✔️ Over-engineering
По каждому пункту — плохой код, разбор проблемы и готовый рефакторинг.
✍️ Регистрация
Программирование с явно выделенным состоянием
Одна из моих любимых тем, про которую не устаю говорить. В модели данных часто бывает ситуация, когда состояние выражено не прямым образом, а косвенно. Буквально вчера я реализовывал кастомные тарифы под конкретных пользователей. Отличие такого тарифа от обычного сводится к тому, заполнено ли поле user_id в тарифе или нет. Если не заполнено, то значит это общий тариф, если заполнено, значит под конкретного пользователя и другие его не могут видеть.
Это вполне рабочая схема и она встречается повсеместно, особенно в связке с датами типа deleted_at, но она обладает одним очень важным недостатком. Понимание того, что эта запись находится в особом состояние вычисляется через косвенный признак или, что хуже, через набор признаков. Об этом надо думать и каждый раз вспоминать и выуживать эту информацию.
Сейчас, в эру агентного программирования, это стало еще важнее. Агент может догадаться до правила, но ему нужно на это время и отдельный анализ. Можно конечно написать об этом в правилах, но зачем, когда можно просто поправить модель данных? Все что требуется, это введение текстового поля со статусом, которое явным образом скажет о происходящем с этой записью.
В общем не полагайтесь на то как заполнены поля, вводите нужные статусы, которые явно будут говорить о том что происходит. Заодно это дает более удобную аналитику и выборки
Cпидраннер под ником skycrab добрался до финального босса в Minecraft за 6 минут 39 секунд и поставил новый мировой рекорд в прохождении игры на случайном сиде без использования багов (на Java-версии 1.16.1). Предыдущий рекорд в 6 минут 50 секунд поставил в прошлом году игрок lowk3y_.
Представлен открытый проект WebKit CSSFontFace Exploit for PS4/PS5, который прошивает игровую консоль меньше чем за минуту. Работает через подмену кода в браузере: пока WebKit пытается считать CSS-код страницы, запускается эксплойт системы. Решение запускается на прошивках с версиями от 6.00 до 11.02 и совместимо с kernel-эксплойтом для версий 7.00–11.02, позволяя запускать HEN и другие пэйлоды. Минусы проекта: перепрошивку придётся активировать при каждом перезапуске консоли.
Что под капотом
Под капотом — двигательный отсек. Или женщина. Последние лет 150 чаще двигатель, чем женщина.
Если вы не реконструктор, который шьёт и носит капоты 18 века, если речь в вашем тексте идёт не про автомобиль и его двигательный отсек — у вас нет капота. Нет его в вашем ПО, нет его в самодельной электронике. И, соответственно, под ним ничего быть не может.
Надо объяснить, из чего состоит приложение, раскрыть секреты его архитектуры, состав модулей или стек — лучше так и сказать. Нет там капота. Тянуть за уши неуместную аналогию ни к чему, она понимания не добавляет.
Предвижу: сейчас комментаторы скажут, что это устоявшееся выражение. Ну да, оно и есть, штамп, чтобы не думать. Но мы-то здесь как раз, чтобы думать, разве нет?
Примеры «капотов» в комментариях.
Backup 2.0 в «Хайстекс Акура»: дедупликация на уровне хранения и новый уровень эффективности
Когда объемы данных растут, увеличиваются и требования к корпоративным системам резервного копирования. Компаниям необходимо хранить больше резервных копий, соблюдать установленные сроки хранения и при этом контролировать затраты на инфраструктуру. Чтобы решить эту проблему, мы переработали слой хранения в платформе «Хайстекс Акура» и выпустили обновление Backup 2.0.
Что изменилось:
Дедупликация данных на уровне хранилища для снижения объема хранения и оптимизации использования дисковых ресурсов.
Сжатие резервных копий для дополнительной экономии дискового пространства с возможностью выбора оптимальных алгоритмов компрессии.
Шифрование данных при хранении, обеспечивающее базовую защиту резервных копий в состоянии покоя.
Выделенное хранение метаданных резервных копий, гарантирующее целостность, управляемость.
Наибольший эффект новая архитектура может дать в средах с большим количеством однотипных виртуальных машин и регулярно создаваемых точек восстановления.
В ближайших версиях:
Гибкие сценарии резервного копирования.
Отчуждаемые резервные копии.
Долгосрочное архивное хранение.
Если хотите примерить Backup 2.0 на свою инфраструктуру, оставьте заявку — инженеры «Хайстекс» помогут рассчитать параметры хранилища для вашей инфраструктуры.
Недавно разгорелась жаркая дискуссия про развитие open-source в сфере ИИ:
Я внимательно это всё прочитал и кажется, что риторически Китай выигрывает:
Китай предлагает поставить ИИ на пользу всего человечества, а Запад - на пользу США. Оба эти утверждения встречаются в тексте многократно (удивительно, что европейские компании тоже подписывают американское заявление).
Китай предлагает открытую международную коллаборацию, США - игнорирует остальной мир.
Все топят за модели с открытыми весами, но только Китай их действительно открывает. Как понимать подпись OpenAI под письмом - не понятно. Они собираются открыть веса GPT-5?
Ни одна из сторон даже не заикается об открытых моделях по стандарту OSAID (т.е. с кодом для обучения, датасетом и всем таким). Насколько мне известно, самая сильная модель по такому стандарту вообще немецкая Soofi на 30B параметров. Но это очень слабо.
Мне конечно возразят, что Китаю верить нельзя. А OpenAI точно можно? Или может быть американскому президенту?
Мне одному кажется, что Китайская позиция намного более последовательная и жизнеспособная?
Первый рентгеновский снимок человека в космосе сделали всего год назад.
В 2025 году экипаж частной космической миссии Fram2 впервые в истории выполнил рентгенографию человека прямо во время космического полета.
Система SpaceXray позволила экипажу без медицинского образования, прошедшему 4 часа предполетной подготовки, получить рентгеновские снимки во время орбитального полета.
Исследование показало, что компактный цифровой рентгеновский аппарат может работать в условиях невесомости и получать снимки диагностического качества.
Расчетная доза облучения участников от рентгеновской системы не превышала дозу, связанную со стандартной клинической визуализацией на Земле.
Первым снимком, опубликованным экипажем, стало изображение руки с кольцом. Это символическая отсылка к самому первому рентгеновскому снимку Вильгельма Рентгена (руки его жены с кольцом), сделанному 130 лет назад: https://4everscience.com/2023/08/20/rontgens-x-rays/
Исследование: Sheyna E Gifford, Michael Pohlen, Adam S Wang, David J Lerner, Anna Wadhwa, Michael Cairnie, Jeanne Walter, Karim S Karim, Steven Tilley, Amol Karnick, Marissa A Rosenberg, Lonnie G Petersen. SpaceXray: Feasibility and Diagnostic Capabilities of On-Orbit Medical Radiography. Radiology, 2026. https://doi.org/10.1148/radiol.260258
Владелец Steam Deck под ником ConroyyJenkinss решил защитить от родных гаджет шипастым корпусом, камерой наблюдения и электрошокером сверху.
Сначала пользователь поставил пароль на гаджет, но родых это не остановило. Тогда он смоделировал в Blender ярко-оранжевый корпус с крупными шипами и напечатал его на 3D-принтере, чтобы консоль было физически неприятно брать в руки. Следом добавилась электроника — одноплатный компьютер, динамик и камера с распознаванием объектов. Дальше система действует сама. Скрипт следит за картинкой с камеры и, стоит человеку попасть в кадр, включает резкий неприятный звук. Если незваный гость не уходит, сервопривод приводит в действие закреплённый сверху электрошокер. Сам создатель уточняет, что задача устройства — отпугнуть, а не ударить кого-то током.
Ближайшие события
Около €170 тыс. заработал разработчик, создавший приложение, которое позволяет светить вспышкой смартфона в лицо пользователя — за подписку в нём люди платят €70 в год. Автор уверяет, что такие вспышки помогают расслабиться, уснуть и войти в состояние, похожее на транс. За прошлый месяц приложение скачали 70 тысяч раз. Весь продукт состоит из фонарика и таймера.
Представлен исследовательский проект STOLEN COMPUTE. Это каталог обнаруженных в сети открытых ИИ-серверов, часть из которых по разным причинам оказалась оставлена без защиты, включая ресурсы с ИИ-моделями Kimi 1T и DeepSeek V4.
А кто может объяснить почему ЛЛМ, агенты и тд не заменят программистов и прочих? С одной стороны, я смотрю на сверхуверенных в себе экспертов, которые говорят что агенты это просто инструмент, изобретение уровня IDE. Но с другой стороны, все буквально идет по сценарию ai2027.
Топ-5 нелепых вопросов на собеседовании и РЕАЛЬНЫЕ ответы на них
Или рубрика «если бы кандидаты говорили правду на собеседовании».
1. «Вы очень хорошо справились с тестовым заданием, но почему вы прислали его в последний момент?»
Долго думала, хочу ли делать неоплачиваемое тестовое задание, которое прислали через ПОЛГОДА после отклика на вакансию. Кстати, я чудом увидела ваше письмо и вспомнила, кто вы. И да, я прислала задание за 3 часа 8 минут ДО ДЕДЛАЙНА. Последний это момент или нет – вопрос дискуссионный...
2. «Вы не работаете с октября. И на что же вы живете?»
Эм… честно говоря, не ваше дело. Может, наследство. Или трастовый фонд. Накопления. Помощь родителей. Деньги мужа. Донаты. Подработка. Да может я живу на улице и мне нечего есть? Вопрос звучит как обвинение.
3. «У вас такое сильное резюме. Почему вас еще никто к себе не забрал? Так сказать, не оторвал с руками и ногами?»
Даже не знаю. Наверное, опыта слишком много. Или слишком мало. Может половина вакансий, на которые я откликалась, это фейк. Или я просто счастливее, жизнерадостнее, моложе, умнее, самодостаточнее или красивее своих потенциальных руководителей/девушек из HR. Сказать сложно, не так ли?
4. «Тестовое хорошее, но я вижу, что при выполнении тестового задания вы использовали ИИ для генерации юмора. Это так?»
А я вижу, что вы вообще не понимаете, что такое ИИ и как им пользоваться, раз задаете такой вопрос. И после вашего вопроса не уверена, что у вас есть чувство юмора…
5. «Почему вы всю жизнь учитесь? Как так вышло?»
Потому что дед всегда говорил мне «учись». И вообще «education is not preparation for life, education is life itself» (в переводе «образование – это не подготовка к жизни, образование – это и есть жизнь»). Табличка с этой фразой Джона Дьюи висит на входе в университет Сан-Диего, где мой папа учил английский язык много лет назад. Тот факт, что вы задаете вопрос «Почему вы учитесь?» говорит о том, что… мы с вами очень разные люди.
P.S. где проходит грань между собеседованием и допросом? Вроде бы поиск работы – привычное дело. Отклики, собеседования, офферы, отказы… Да, ты в состоянии неопределенности. Да, вакансии/HR/настроение бывают разные. Но иногда бывают собеседования, после которых ты чувствуешь себя просто куском говядины. Ощущение, что тебя использовали, сняли матрицу и присвоили тестовое задание. Вот как после этого вновь и вновь качественно, с душой продолжать делать тестовые, ходить на собеседования? Ответа нет…
Извините все, не удержалась.
Ловушка ИИ: первые 80% — быстро.
🤖 Первые 80% с ИИ делаются пугающе быстро. И именно поэтому велик соблазн поверить, что и последние 20% будут такими же.
Но увы. Нет!
Почти любой текст, презентация, ТЗ, письмо или отчёт сначала выглядят почти готовыми. ИИ действительно снимает самый психологически дорогой барьер: пустой лист.
Но потом начинается то, чего модель пока не умеет делать:
• проверить логику;
• найти противоречия;
• сверить нормы и ограничения;
• проверить привязки и цифры;
• учесть ответственность конкретных людей;
• адаптировать под реальную ситуацию, а не среднюю по интернету.
Именно здесь заканчивается магия и начинается профессия.
Получить черновик можно за 20% времени. Довести его до документа, за который не стыдно отвечать: оставшимеся 80%.
Поэтому главный навык ближайших лет, скорее всего, будет не «уметь пользоваться ИИ», а уметь профессионально проверять, дорабатывать и принимать его результат.
Но и в последнем случае стоимость ошибки никто не отменял. Именно там обычно и живут репутация, деньги и судебные иски.
P.S. в комментариях идеальная иллюстрация этого тезиса: черновики графика показанного выше.
Агентная проверка безопасности для Rust
Сделал свой микро-Mythos на основе Anthropic's defending-code-reference-harness но для нормального языка.
Веселитесь:
https://github.com/scadastrangelove/rust-in-peace
Автономный цикл разведки → обнаружения → оценки → обнаружения → фаззинга → отчета → исправления для реальных ошибок, которые действительно затрагивают Rust: безопасность памяти в unsafe/FFI, DoS-атака из-за паники, вызванная недоверенными входными данными, доверие к десериализации (проверка целостности не является проверкой границ) и надежность Send/Sync + безопасность при панике.
Статический анализ управляет динамическим этапом — модель угроз определяет, какой санитайзер, порог фаззинга и бюджет голосования получит каждая обнаруженная ошибка.
Детекторы: Miri (неопределенное поведение), AddressSanitizer, panic/abort, hang-timeout и cargo-fuzz для динамического воспроизведения ошибок.
Если на сцене висит ружьё то не удержался и я - запустил Rust In Peace по десятку популярных ржавых ящиков. Из тех, что в топе и парсят внешние данные, чтобы с поверхностью атаки.
На удивление балалайка не только пожужжала и съела токены, но реально нашла забавное, наделала PoC-ов и фиксов — часть уже смёржена мейнтейнерами.
По состоянию на 24.07.2026 было зарегистрировано 51 сообщение об уязвимостях в 17 независимых проектах на Rust: 12 уже исправлены и в влиты в main (включая lopdf, x509-parser, quick-xml, ntex), еще 9 приняты или находятся на рассмотрении в качестве GSHA безопасности (gitoxide, quinn-proto, rustls, ciborium, h2, hyperium).
Трекер тут: https://github.com/scadastrangelove/rust-in-peace/blob/main/DISCLOSURES-PUBLIC.md
Из интересного:
Методически правильный подход через «модель угроз» работает иногда так же хорошо, как просто бахнуть бессистемно. Просто они находят разные баги. На одном таргете: threat-model-first взял глубину и логические баги, слепой прогон взял пачку генериков, которые модель угроз недооценила, поскольку слишком умная, но фаззинг подтвердил. Ничья, точнее дабл страйк.
Старая пословица «баги ходят косяками» работает. «Поищи ещё такие же», «в этой функции был такой-то баг — проверь остальные» — приёмы из репертуара Google Project Zero живее всех живых. RUSTSEC-патч закрыл что-то в парсере, но не тронул еще четыре точки входа — те же дырки. Добавил как третий срез.
Статика и фаззинг — это хорошо, но только PoC — мерило истины. Очевидно, но забывается. В половине случаев когда и агент-копатели, и «более умный» ревьюер независимо согласились, что путь достижим — оба ошибались, поймала это только реальная сборка и прогон против настоящего апстрима.
Слепой фаззинг хорошо но уже есть у большинства проектов, инструментированный cargo-fuzz еще лучше, а если на вход скормить находки анентской статики, то вообще бомба.
Всегда стоит почитать issues и проверить ветки перед тем как бахать репорт и репортить бахи. Вполне может приключится, что твоя находка уже закрыта. Просто не релизнута ещё. В табличке это отдельная строка «refound». Особенно обидно, было когда три баги все разом закрылись одним ещё не выпущенным архитектурным рефакторингом. А робото жужжал и хлопал в ладоши, эх.
Разглашение в open source не сильно отличается от «responsible disclosure» в закрытом софте: кто-то вливает фикс за час, кто-то говорит спасибо, кто-то наоборот - «это всё неправда». Как и в коммерции, отказ это не последняя инстанция: поставил себе таймер вернуться через месяц и перепроверить на сайлент-фиксы.
Ну и да, часть человеков роботов не любят и ругаются на «нейрослоп», несмотря на приложенный PoC и рабочий фикс. Ну штош, не привыкать. Неолуддизм и прочий подсчет букв ё, это святое
Если честно, сам не ожидал такого результата — штука реально работает, хоть токенов жрёт изрядно.
Собрал 52 гайда по AI: от первой модели в Ollama до своего агента
Дисклеймер: я не AI-исследователь и не senior ML-инженер. Я обычный разработчик, который решил разобраться в теме — и понял, что хороших сводных материалов катастрофически не хватает.
Большинство статей либо «что такое нейросети за 5 минут» (бесполезно), либо «запускаем LLM с нуля на кластере из 8 A100» (неприменимо). Между этими крайностями — пропасть.
Я решил собрать то, чего мне самому не хватало: практический хендбук, который ведёт от полного нуля до работающих агентов. Без воды, без маркетинга, без «ChatGPT заменит программистов».
Весь проект — 52 файла, ~6 часов чтения. Уровни: зелёный (начало) → красный (глубоко).
Репозиторий: https://github.com/bestdeejay-design/awesome-ai-handbook
О чём это вообще
Хендбук покрывает пять разделов:
Zero Level — база. Что такое LLM, как они устроены (без математики), облако vs локальный запуск, как выбирать железо (RAM, VRAM, квантование), глоссарий на 35 терминов. Рассчитан на тех, кто вчера открыл терминал.
Local Models — установка Ollama, выбор моделей под задачу (Qwen, Llama, Mistral…), квантование (Q4/Q5/Q8), сравнение инструментов, бенчмарки на Apple Silicon, продвинутая настройка (Modelfile, кастомные API, окружение).
AI Agents — архитектура, паттерны (ReAct, Multi-Agent), фреймворки (LangGraph, CrewAI), память, system prompts, safety, туториалы: первый агент, команда агентов, кодинг-агент.
Use Cases — реальные сценарии: кодинг с Continue/Aider, RAG с Open WebUI и ChromaDB, автоматизация с n8n, Telegram-боты, контент-пайплайны.
Resources — сообщества (Reddit, Discord), курсы (EN/RU), ссылки на всё полезное.
Почему это не очередной awesome-list
Я намеренно не делал просто список ссылок. Каждый файл — это полноценный материал с:
Контекстом и пояснениями
Сравнением вариантов (например, когда выбрать Ollama, а когда LM Studio)
Командами, которые можно скопировать и выполнить
Предостережениями (грабли, на которые сам наступал)
Пример. В разделе про квантование не просто таблица методов, а объяснение: на что влияет Q4 vs Q8, как считать VRAM под свою задачу, и когда квантование ломает ответы модели.
Или раздел про агентов — не ссылка на документацию LangChain, а пошаговые туториалы с реальным кодом: от «агент с одним инструментом» до «команда агентов с очередью задач».
Структура проекта
awesome-ai-handbook/ ├── basics/ # 🟢 нулевой уровень (9 файлов) ├── local-models/ # 🔵 локальные модели (11 файлов) ├── agents/ # 🤖 AI агенты (17 файлов) ├── use-cases/ # 💼 применение (5 файлов) └── resources/ # 📖 ссылки и курсы (5 файлов)
Каждый раздел — законченная тема. Можно читать подряд или прыгать в конкретный файл по каталогу (catalog.md). Уровни сложности маркированы цветом — от зелёного (ничего не знаю) до красного (пишу код).
Кому это будет полезно
Разработчикам, которые хотят использовать AI в работе, но не знают с чего начать
Тем, кто уже запустил Ollama, но хочет разобраться глубже — с агентами, RAG, пайплайнами
Тем, кто ищет альтернативу ChatGPT и хочет запустить модель локально, но не уверен в выборе
Тем, кто читал пять статей про AI-агентов и всё ещё не понимает, как их собрать
Почему Open Source
Хендбук лежит на GitHub под MIT-лицензией. Я планирую поддерживать его актуальным — модели и инструменты меняются быстро, и это не работа одного человека.
Если найдёте ошибку, устаревшую информацию или захотите добавить свой раздел — открывайте issue или PR. Я за мердж-реквесты с чаем и печеньками.
Ссылки
Репозиторий: https://github.com/bestdeejay-design/awesome-ai-handbook
Читать с нуля: basics/README.ru.md
Каталог всех файлов: catalog.ru.md
Если знаете английский: README.md
Надеюсь, кому-то сэкономит недели поиска. Если понравилось — киньте звезду на GitHub, для проекта это лучшая поддержка.