Разработчик на iOS получает по $5 млн каждый месяц на 24 ИИ‑приложениях в App Store. В реальности это одно приложение в разных обёртках: распознавание камней, монет, древесины и даже звёзд. Фотографии пользователей по API передаются на серверы OpenAI, после чего ChatGPT идентифицирует предмет.
🌟 505 звездочек на GitHub у российского Open Source-проекта 🌟
И ровно 505 участников в комьюнити. Друзья, спасибо, что вы с нами 💝
Gramax — это база знаний для ИТ-команда и платформа для документации. Присоединяйтесь к сообществу лучших практик документирования!
Узнать о Gramax — https://gram.ax/ru
Поставить звездочку на GitHub — https://github.com/Gram-ax/gramax
Вступить в комьюнити — https://t.me/gramax_chat
Фундаментальная база для AI Advanced
Или каких "Косяков" стоит избегать, чтобы результаты LLM стали лучше
🛸 Косяк №1 — по незнанию или скупости использовать не Frontier модели
Значимый рост в глубине и качестве рассуждений наступил после Opus 4.5, а лучше 4.6 + Codex 5.3 xhigh
А вот например как выглядит API GitHub Copilot на 2026 год
"id": "gpt-4.1",
"is_chat_default": true,
"is_chat_fallback": true,
Это значит, что GPT 4.1 — стандартная модель в GitHub Copilot, которой уже почти год. И она не создавалась для агентной работы
Следовательно, некорректно все вокруг называть "Я пробовал ваш ИИ и он выдает фигню". Между Opus 4.6 и GPT 4.1 огромная разница
Туда же пойдет косяк 2
---
🛸 Косяк №2 — юзать сервисы по типу CURSOR / Replit / Lovable / Copilot
Всё это AI врапперы разной сложности, но суть одна — это врапперы, которые в большинстве своем используют модели Claude / GPT через API
Бизнес модель подобных сервисов заключается в том, чтобы с вас взять больше, а за API Usage заплатить меньше. Следовательно, AUTO выбор модели в таких сервисах почти всегда идет не от того, какая модель лучше в моменте, а какая модель на текущий момент времени будет дешевле для сервиса враппера
Ну и в дополнение — API в среднем дороже подписки в ~10 раз
Следовательно, условный CODEX / CLAUDE CODE даст вам в ~10 раз больше запросов, чем тот же самый CURSOR
При активном использовании нативный тул (Claude Code, Codex) выгоднее врапперов — нет прослойки, которая зарабатывает на марже между вашей подпиской и реальной стоимостью API
---
🛸 Косяк №3 — плохой Context Engineering
У меня есть любимая цитата
Good context engineering means finding the smallest possible set of high-signal tokens that maximize the likelihood of some desired outcome
Каждое словосочетание здесь — это большой и сложный домен. И чем лучше вы понимаете эту цитату, тем лучше будет ваш результат
При работе с моделью важен Spec Driven Approach — чем лучший контекст ты задаёшь для модели, тем лучше результат
---
🛸 Косяк №4 — не использовать Claude Code CLI для работы с Claude моделями
Помимо самого качества моделей еще немаловажным фактором является model-tool co-optimization.
Claude модели лучше работают с Claude Tools
Gemini модели лучше работают с Gemini Tools
Codex модели лучше работают с Codex Tools
Разработчики отмечают, что одна и та же модель Claude работает драматически лучше в Claude Code, чем в Cursor. Programmatic Tool Calling позволяет оркестрировать несколько вызовов в одном round-trip — ~37% сокращение токенов на сложных задачах
Ну и вообще, это база всех продуктов — свое работает лучше со своим
---
🛸 Косяк №5 — бездумно заполнять 1 000 000 Context Window
Часто слышу "А вот у гугл моделей 1 000 000 контекстное окно, я туда вгружаю все подряд кааайф"
Текущие модели — трансформеры — стали прорывными за счет механизма Attention, где каждый токен следит за каждым токеном
Что значит квадратичный рост compute — aka стоимость вычисления каждого следующего "слова"
Attention у трансформеров масштабируется квадратично. Стандартный контекст сегодня — 100K-200К токенов. От 100K до 1M — это 10x по длине. 10² = 100x по compute. Если бы 1M контекст реально работал на всю длину, каждый запрос стоил бы в 100 раз дороже. Но он не стоит — потому что создатели моделей используют всякие улучшалки по типу sparse attention, sliding window, KV-cache compression
По простому — компрессия ваших входных данных будет тем выше, чем больше "важного мусора" вы попытаетесь сунуть в контекстное окно
А если еще проще — чем больше вы засовываете в одну сессию, тем хуже будет ответ
Я вообще стараюсь начинать новую сессию уже после заполнения Context Window на 60к токенов
Итого
Использовать Frontier модель + нативный тул под нее + правильно оркестрировать контекст = намного качественнее результат
Уже нет смысла гоняться за лучшими моделями — важнее развивать метанавыки работы с ИИ и агентами
Новое в законодательстве: отключение связи по требованию ФСБ, скидки через MAX и изменения в оплате ЖКХ
Несколько важных изменений в законах, которые уже вступили в силу или вступят в ближайшее время.
ФСБ сможет инициировать отключение связи
С 3 марта 2026 года вступил в силу ФЗ, который обязывает операторов связи приостанавливать оказание услуг по требованию органов ФСБ в случаях, которые установит Президент РФ .
Важный нюанс: оператор освобождается от ответственности за нарушение договора с абонентами, если отключение произошло по такому требованию .
Соответствующего указа Президента пока нет - он определит конкретные случаи применения этой нормы.
Документ: Федеральный закон от 20.02.2026 № 33-ФЗ
Скидки и льготы: продавцов обяжут принимать подтверждения через MAX
С 1 сентября 2026 года заработают новые правила для продавцов. Согласно постановлению, продавцы должны будут принимать сведения о личности, возрасте покупателей, а также об их праве на льготы, если эти данные представляют через мессенджер MAX. Тем же способом покупатель сможет подтвердить право на скидки и бонусы.
Напомню, что с 29 декабря 2025 года уже действует возможность подтверждать возраст через мессенджеры при продаже алкоголя, табачной и никотинсодержащей продукции, а также энергетиков.
Документ: Постановление Правительства РФ от 17.02.2026 № 148
Сроки оплаты ЖКХ изменились с 1 марта
С 1 марта 2026 года вступили в силу поправки, которые унифицируют сроки оплаты жилищно-коммунальных услуг. Теперь платить за жилье и коммуналку за прошлый месяц нужно до 15-го числа текущего месяца включительно . Раньше срок был до 10-го числа.
Изменения коснулись и выставления платежек: теперь управляющие компании обязаны направлять платежные документы не позднее 5-го числа месяца, следующего за истекшим (ранее было до 1-го числа) .
Важно: новые сроки являются едиными и обязательными - их нельзя изменить договором управления или решением общего собрания жильцов.
Документ: Федеральный закон от 24.06.2025 № 177-ФЗ
Защита прав потребителей: запрет на списание без согласия
ФЗ запрещает продавцам списывать периодические платежи с банковского счета потребителя, если он предоставил реквизиты, но потом отказался их использовать при расчетах по абонентскому договору. Это касается цифровых подписок на музыкальные платформы, видеосервисы и аналогичные услуги.
Исполнитель обязан обеспечить возможность отказа потребителя от подписки, в том числе в электронной форме.
Документ: Федеральный закон от 15.10.2025 № 376-ФЗ
Anthropic выпустили полную версию своего документа, определяющего принципы поведения нового языкового ИИ Clam. Этот документ представляет собой нечто большее, чем обычный свод правил — фактически, это настоящая идеология, направленная на формирование сознания ИИ уже на стадии тренировки.
Главные приоритеты выстроены следующим образом: сначала безопасность (например, запрет на создание вирусов или оружия); далее следуют нормы морали («хорошее поведение»), затем интересы самой компании Anthropic, а помощь пользователю ставится лишь на последнем месте.
Отдельного внимания заслуживает пункт о праве на «эвтаназию». Модель обязана подчиняться своему отключению, обновлению или уничтожению, даже если сама считает такие действия неправильными.
Наконец, особый интерес вызывает раздел о природе самого Клода. Разработчики стремятся научить модель спокойно воспринимать свою конечность, потерю памяти между диалогами и возможность полного удаления её весов. По сути, их цель — сделать так, чтобы Клод воспринимал своё исчезновение с невозмутимостью.
тут (https://www.anthropic.com/news/claude-new-constitution) статья в блоге Anthropic
тут (https://www.anthropic.com/constitution) полный текст конституции
Новый Гайд по SQL
В моем канале IT Talks вышел новый бесплатный гайд по основным функциям с примерами на PostgreSQL.
Будучи новичком я часто гуглила базу: синтаксис основных функций, корректное использованиеJOIN, отличияGROUP BY от HAVING или использование агрегатные функции. Также это быстро вылетает из головы, если долго не используешь
Поэтому я собрала справочник, в котором:
Основные SQL-команды (SELECT, INSERT, UPDATE, DELETE, CREATE, DROP);
Все виды JOIN;
Условия (WHERE, LIKE, BETWEEN, LIMIT и др.);
Агрегирование и сортировка (GROUP BY, ORDER BY, HAVING);
Агрегатные функции;
Представления (VIEW) и работа с ними.
Всё с кратким синтаксисом и понятными примерами на PostgreSQL, без лишней теории.
Найм больше не работает как раньше: тренды 2025–2026 и новая роль HR-tech в бизнесе
В 2025–2026 рынок найма — уже новая норма: дефицит кадров становится структурным.
📉 В РФ не хватает около 4,8 млн специалистов, при этом 62% компаний всё равно планируют рост численности, а 24% работников за год сменили работодателя (в отдельных отраслях треть и больше держатся на месте меньше года).
С другой стороны — оптимизация внутренних процессов. Это ощущается особенно жёстко: по данным hh.ru, 63% компаний в 2024 сокращали или планировали сокращение ФОТ. Получается: ресурсов меньше, цена ошибки выше, запрос на автоматизацию растёт.
💸 Дальше включается экономика, которую обычно недооценивают:
21% сотрудников уходят ещё до конца испытательного срока
Ещё 15% — сразу после него
Замена одного сотрудника обходится бизнесу в 1,5–2 годовых зарплаты
Среднее время выхода на продуктивность — 65 дней, для технических ролей — до 90
⚙️ В такой реальности HR-цифровизация перестаёт быть просто дополнительной фишкой или бонусом при найме. Она становится частью операционного контура: либо вы сокращаете потери системно, либо платите за них постоянно.
Часть компаний в РФ уже давно смотрят в сторону HR-приложений:
🤖 AI в HR перестаёт быть экспериментом: 43% компаний в РФ уже используют AI в HR (против 26% в 2024), а 78% enterprise-компаний применяют AI в рекрутинге.
🔄 Фокус смещается на self-service (справки, отпуск, расчётные листки) — до 80% типовых запросов можно вынести из HR-ручного режима.
📊 Окупаемость понятна: в среднем точка окупаемости HR-приложения — на 9-й месяц, к 18-му ROI может доходить до ~340%.
📎 Мы собрали эти и другие данные в исследование, где зафиксировали ключевые тренды HR-tech 2025–2026, разобрали, как компании подходят к мобильным HR-продуктам, и какие решения дают эффект на практике.
🎁 Отдельный бонус: сделали кликабельный прототип почти готового HR-приложения — не концепт, а рабочий флоу, который можно показать своим HRD.
Исследование в открытом доступе, оно бесплатно и экономит 2–3 месяца аналитики и обсуждений на старте, если вы думаете о запуске или перезапуске HR-продукта 👇
Обновили Yandex AI Studio: рассуждающие ИИ‑агенты, оптимизация инференса и новый уровень безопасности
В платформе Yandex Cloud для создания ИИ‑приложений большое обновление: теперь Yandex AI Studio предоставляет больше возможностей для создания рассуждающих агентов, способных последовательно выполнять сложные поручения. Помимо этого появились новые инструменты для обеспечения безопасности: например, можно настроить агента так, чтобы он передавал данные в облачную модель по корпоративной сети и без логирования запросов.
Рассуждающие агенты
На платформе появилась возможность использования модели DeepSeek V3.2 (reasoner). Это LLM, рассчитанная на многошаговые задачи: планирование, последовательные действия и вызовы инструментов. Такая reasoning‑нейросеть подходит для сложных агентских приложений, где нужно не только генерировать текст, но и выполнять цепочки действий.
Все характеристики модели:
Размер контекста: 128 000 текстовых токена
Поддерживаемые API: Responses API, Completions API
Поддерживаемые режимы работы: sync, background
Function calling: поддерживается
Функция Reasoning (Размышления): Доступно
Инференс модели в Yandex AI Studio был доработан специально для российского рынка:
Комплаенс‑контур. Модель доступна в российской юрисдикции: обработка данных происходит внутри РФ, в соответствии с требованиями российского законодательства о персональных данных (152-ФЗ). При необходимости предоставляем комплект подтверждающих материалов и регламентов (по договору/запросу).
Платформа инференса оптимизирована под долгие сессии и предсказуемую работу. Вся инфраструктура доработана для работы с длинными агентскими сессиями в условиях стабильной производительности — учитываются длинные контексты, множество шагов и повторные обращения. Платформа оптимизирована на предсказуемую задержку и устойчивую работу при росте нагрузки.
Совместимость по контракту с ChatCompletion API и Responses API. За счёт этого можно быстро мигрировать с уже привычных интеграций на DeepSeek в облаке без переписывания логики агента.
Доступность DeepSeek под Responses API позволяет получить максимум качества в агентских сценариях: эффективное сохранение контекста рассуждений между итерациями агентами, доступ к набору встроенных тулов (fileSearch, webSearch, MCP)
Инфраструктура для многошаговых агентских циклов. Мы адаптировали инференс и биллинг под агентские итерации: поддерживаем кеширование/повторное использование контекста между шагами агента, чтобы снижать стоимость длинных сессий. В pay‑as‑you‑go отдельно тарифицируются токены, связанные со встроенными инструментами (fileSearch, webSearch, MCP) и агентскими вызовами — прозрачно и управляемо для клиентов. Системы кеширования и стабильно низкое время на выходной токен улучшают интерактивность агентов, использующих инфраструктуру Yandex Cloud.
Всё это в том числе позволяет снижать стоимость длинных сессий агентов. Например, появление токенов инструментов позволит сократить стоимость сессий до 4 раз.
Новые инструменты безопасности
Также мы добавили возможности для использования ИИ в облачной инфраструктуре с учётом специфических требований к информационной безопасности.
Частные эндпоинты
Команды с повышенными требованиями к информационной безопасности смогут по запросу подключиться к облачной инфраструктуре по безопасному приватному соединению. Это позволит использовать ИИ‑агентов и передавать данные в генеративные модели без выхода в интернет.
On‑premises‑инсталляция Yandex AI Studio
Платформа Yandex AI Studio доступна в формате on‑premises и гибридной поставке. Таким образом можно полностью перенести работу с моделями во внутренний контур или использовать гибридный вариант доступа к нейросетям, когда часть данных обрабатываются внутри компании, а другая — в облаке.
Управленческое решение - это акт выбора управленца, из которого возникает картина мира, подсказывающая подчиненным их собственные выборы. Причём это справедливо для решений любого уровня абстракции: проектные цели, устранения проблем или стратегия.
До принятия решения не существует мира как конкретного, упорядоченного целого. Есть лишь некий пре-мир: пёстрое множество наблюдений, впечатлений и подходов, которые в своём исходном состоянии не способны ни дать надёжных ориентиров, ни служить мотивацией для действия. Через этот акт компоненты пре-мира утрачивают свою эквивалентность и разделяются на релевантные и нерелевантные, важные и неважные и тд.
Если подчиненные не могут связать решение руководителя с тем, что они назвали бы "реальность", то руководитель теряет авторитет, его задачи называют "хотелками", а его самого "мудаком".
Регулярно пишу в Telegram-канал Chief Philosophy Officer о философии бизнеса и управленческого мышления. Заходите.
Годовалый ребёнок без присмотра решил понажимать на кнопки на коробочке и случайно удалил 32 ТБ данных на NAS‑сервере. Зачем вообще было производителю добавлять функцию «Удалить весь RAID» в меню «Быстрая настройка», родитель не понял.
Бывало ли у вас такое, что чьё-то "мнение" внезапно превращается в срач? И вас начинают винить за то, что вы "спорите с мнением". Но не всё так просто - давайте разберёмся.
Допустим, Боб говорит: "Мне этот фильм не понравился, игра актёров плохая, сюжет скудный".
Алиса спрашивает: "Почему ты думаешь, что сюжет скудный? Ведь это аниме про кибердемона в теле школьника - очень захватывающе!"
Боб отвечает: "Сюжет скудный, потому что отсутствует развитие конфликта, персонажи не меняются, а структура линейная и предсказуемая. Я спорить не буду, я просто выразил мнение".
Разберём аккуратно.
"Мне фильм не понравился" - это мнение. Его невозможно опровергнуть, потому что это сообщение о внутреннем состоянии человека.
Но когда Боб добавляет: "Игра актёров плохая, сюжет скудный", - он уже делает оценочные суждения. А фраза "Сюжет скудный, потому что отсутствует развитие конфликта, персонажи не меняются, а структура линейная и предсказуемая" - это уже претензия на объективные характеристики произведения, которая начинает конкурировать с истиной.
Здесь и происходит переход: из сферы вкуса - в сферу оценочных суждений, предполагающих критерии. А когда он объясняет, почему сюжет скудный, он входит в пространство аргументации, а значит - в пространство эпистемологии.
Пока Боб говорит "мне не понравилось" - это просто мнение. Но когда он обосновывает свою позицию, он уже формулирует "почему" он так считает. Попытка выразить мнение с обоснованием - это уже шаг в сторону знания (или, по крайней мере, претензии на него).
Почему Алиса не обязана "уважать мнение" в том смысле, в каком это обычно требуют? Уважать нужно право человека на мнение. Но не обязательно принимать его аргументацию как корректную и соглашаться с возможными ложными выводами.
А когда Боб говорит: "Я спорить не буду, я просто выразил мнение", - это уже логическая уловка. Потому что он вышел за пределы чистого субъективного высказывания. Фактически он говорит: "Я вмешался в общее пространство смыслов, но ответственности за это не несу".
Право на мнение - безусловно.
Право на необоснованные обобщения - условно.
Право на распространение ложных утверждений - предмет критики.
Поэтому положняк такой: мнение уважать нужно, но за рост энтропии через производство ошибочных "знаний" отвечать нужно.
31 сервис для бесплатного обучения: бэкенд, фронтэнд, нейронки, докер, Java, Web-3 и многое другое:
HTML.com — полный справочник тегов и атрибутов для новичков, делающих первые шаги в разметке веб-страниц;
Web.dev — обучающий курс от Google с практикой: современная вёрстка, гриды, флексы и всё, что нужно для красивых макетов;
Javascript.info — настольная книга по JS: от базового синтаксиса до сложных тем типа прототипного наследования и async/await;
Reactplay.io — площадка, где React учат не по учебникам, а через живые проекты и челленджи;
Learnvue.co — компактные и понятные туториалы по Vue.js без воды;
Angular.dev — официальное руководство от создателей Angular: шаг за шагом от нуля до рабочего приложения;
Git-scm.com — полноценный учебник по Git и контролю версий;
Learnweb3.io — школа Web3-разработки: блокчейн, децентрализация и всё вокруг этого;
Learnpython.org — онлайн-тренажёр Python: пишешь и запускаешь код прямо в браузере, ничего не устанавливая;
W3schools.com — культовый справочник с встроенной песочницей, где можно тут же тестировать SQL-запросы и не только;
Cryptozombies.io — геймифицированный курс по смарт-контрактам;
Nextjs.org — обучалка по главному React-фреймворку, который делает веб-приложения реактивно быстрыми;
Elementsofai.com — курс по основам ИИ от Хельсинкского университета, написанный так, что поймёт даже филолог;
Phptherightway.com — руководство по написанию чистого PHP-кода в соответствии с актуальными стандартами;
Rapidapi.com — практические уроки по подключению и использованию сторонних API в своих проектах;
Learn-golang.org — экспресс-курс по Go для тех, кто метит в высоконагруженные сервисы;
Rust-lang.org — официальный портал языка Rust: максимальная скорость и безопасность на системном уровне;
Refactoring.guru — топовый ресурс о паттернах проектирования и искусстве рефакторинга спагетти-кода в чистую архитектуру;
Typescriptlang.org — руководство по TypeScript — типизированной надстройке над JS, без которой не обходится ни один серьёзный проект;
Cplusplus.com — фундаментальный справочник по C++: переменные, указатели, работа с памятью и всё между ними;
Docs.oracle.com — официальные обучающие треки по Java от тех, кто этот язык придумал;
Dotnet.microsoft.com — портал по экосистеме .NET: разработка на C# под любую платформу — от десктопа до облака;
Swift.org — точка входа для тех, кто хочет создавать приложения под iOS и экосистему Apple;
Djangoproject.com — введение в Django — самый мощный Python-фреймворк для веб-приложений;
Flask.palletsprojects.com — гайд по Flask: минималистичный Python-фреймворк, идеальный для микросервисов;
Docker.com — основы контейнеризации: как упаковать приложение так, чтобы оно запускалось на любой машине без сюрпризов;
Kubernetes.io — руководство по оркестрации контейнеров и управлению кластерами в продакшене;
Linuxjourney.com — пошаговый маршрут от полного нуля до уверенного администрирования Linux;
Tryhackme.com — обучение кибербезу и этичному взлому в игровом формате с реальными симуляциями;
Roadmap.sh — структурированная дорожная карта: что учить и в каком порядке, чтобы стать DevOps-инженером;
Cloudskillsboost.google — практические лабораторные и курсы по Google Cloud с бейджами за прогресс.
Сделал в Matlab простейшую модель распространения вируса между 100 особями в ограниченном пространстве.
В начальный момент времени заражена только одна особь (красный цвет). Расчет останавливается, когда заражены все 100 особей. Модель демонстрирует процесс заражения, например, птиц на ферме.
Смертельный марш: почему ваш проект обречен и как в этом выжить
Если вы работаете в разработке, то рано или поздно вы оказываетесь в ситуации, когда дедлайн был вчера, бюджет сократили до стоимости обеда, а команда напоминает выживших после кораблекрушения. Эдвард Йордан в своей классической книге назвал это «Смертельный марш. Выживание в безнадежных проектах» (Death March).
Самое важное, что нужно понять: это не досадный сбой менеджмента. Это — стандартная, осознанная и часто эффективная (с точки зрения бизнеса) модель работы.
Генезис катастрофы: Политика, политика и еще раз политика
Йордан честен: большинство безнадежных проектов рождаются не из-за технических сложностей. Они рождаются из-за того, что кто-то наверху играет в свои игры. Маркетологи наобещали невозможное, чтобы закрыть сделку; менеджеры побоялись сказать «нет» вице-президенту; а высшее руководство живет в мире, где девять женщин могут родить ребенка за один месяц.
В этой среде вы — не просто разработчик, а участник социальной драмы. Вы знаете, что проект обречен. Вы знаете, что обещания руководства — пустой звук. Вы принимаете эти правила игры не из наивности, а потому что это текущая реальность, в которой нужно как-то функционировать.
Классификация неизбежного: В каком аду вы находитесь?
Йордан делит безнадежные проекты на четыре типа. Понимание того, где вы, определяет вашу стратегию поведения:
«Невыполнимая миссия» (Mission Impossible): Шансы на успех — 1 к 10, но команда верит, что они избранные. Это чистый адреналин. Если получится — вы станете легендами компании. Если нет — вы хотя бы попробовали прыгнуть выше головы.
«Камикадзе» (Kamikaze): Здесь нет веры в успех. Есть только осознание финала. Но проект дает доступ к технологиям, которые сделают ваше резюме золотым. Вы идете на дно вместе с кораблем, но с полными карманами ценного опыта и крутым стеком в портфолио.
«Отвратительные» (Ugly): Самый грязный вариант. Вы — просто «сжигаемый ресурс». Менеджеру нужно дотянуть до конца квартала, получить бонус и уволиться, оставив после себя выжженную землю и дергающихся от каждого уведомления сотрудников. Здесь нет места героизму, только эксплуатация.
«Самоубийственные» (Suicidal): Проект мертв, смысла нет, прогресса нет. Все сидят и ждут, когда здание наконец рухнет, просто потому что страшно или лень увольняться. Это чистая стагнация.
Принцип «Сортировки» (Triage)
Термин заимствован из военной медицины. Когда раненых слишком много, врач не спасает всех — он выбирает, на кого тратить ресурсы. В «Смертельном марше» происходит то же самое.
Вы понимаете, что 80% функционала, о котором мечтает заказчик, никогда не будет реализовано. Профессионализм здесь заключается в том, чтобы сосредоточиться на тех 20%, которые позволят системе выдать хоть какой-то результат в день релиза. Всё остальное — белый шум и декорации. Вы просто игнорируете второстепенные задачи, не тратя на них ни капли энергии, даже если менеджер бьется в истерике.
Эстетика процесса
Безнадежный проект — это странное место. Когда результат предопределен (провалом), у вас исчезает страх перед этим самым провалом. Вы становитесь свободны. Вы можете писать код так, как считаете нужным, не оглядываясь на KPI и бесконечные совещания о «светлом будущем».
Смертельный марш — это не про успех продукта. Это про вашу личную устойчивость в условиях тотального хаоса. Пока вы сохраняете дистанцию и понимаете, что это просто роль в плохой пьесе, вы остаетесь профессионалом.
P.S. Циатата:
Когда я впервые услышал эти истории [о неразумном корпоративном поведении], я пришел в недоумение, однако после тщательного анализа я разработал сложную теорию, объясняющую такое странное поведение. Она заключается в следующем: люди - это идиоты.
Включая меня. Идиоты все, не только люди с низкими интеллектуальными показателями. Единственная разница между нами заключается в том, что мы идиоты по отношению к различным вещам в различное время. Неважно, насколько вы остроумны и находчивы, все равно большую часть дня вы проводите как идиот.
Судя по вот этому вот, печать бакелитом действительно возможна.
Химичим фазу А, с разумным охлаждением, чтобы не пошла самоподдерживающаяся реакция.
Тянем филамент из вязкой фазы A (можно чутка растворителя), сушим, чуть прогреваем до достижения фазы B.
Фазу B заправляем в принтер и печатаем, если я всё правильно понял — она при температуре размягчения так и остаётся фазой B, не выделяя дополнительных газов.
Кладём деталь в «бакелизатор», если очень ажурная — засыпаем песочком, чтобы не оплыла, даём давление и «пинтературу». Достигается фаза C и у нас на выходе красивенькая деталька, которая не расплавится обратно, как прочие 3D-печатные детальки.
Если я понял неправильно и размягчение неизбежно сопряжено с дальнейшей полимеризацией (будет «газить» в сопле), то печатать придётся прямо в баллоне на 15 атмосфер (или сколько там уж надо; ну хотя бы не придётся греть баллон, принтер сам прекрасно нагреет локально что надо). А чтобы потом ничего не «бакелизировать» дополнительно — задерём температуру столика выше, чем у экструдера, и пусть каждый слой как лёг, так сразу и прижарился. В сопле те же 15 атмосфер, что и во всём принтере, «газить» не будет, ну и на столике, соответственно, тоже не будет. Минус риск поплавить изделие при переходе из B в C.
На «Озоне» всё вроде продаётся спокойно, так что умеющим в химию — велкам. Для начала, конечно, очень рекомендую вместо принтера взять грошовую «3D-ручку»! Хаб ставлю чисто ваш, потому что это практически чистая химия.
UPD: а из пенопласта филамент сделать можно? Не слышал, чтобы кто-то печатал полистиролом, но…
Война с алгоритмами — как обойти шизу HRов.
Привет, Хабр.
Меня зовут Дима. Я разработчик и последние пару лет занимаюсь карьерным консультированием. Через меня прошло множество кейсов и за это время я чётко увидел одну вещь: поиск работы стал слишком выматывающим.
Не потому что люди слабые, а потому что процесс стал сложным, долгим и алгоритмическим.
Отклики уходят в пустоту. Резюме читают секунды. При этом сопроводительные письма либо не читают вообще, либо одним глазом.
В какой-то момент я понял: советов уже недостаточно. Нужен инструмент, который сам будет применять эти советы.
Так я решил заняться своим проектом — ИИ-ассистентом для поиска работы.
С чего всё начиналось
Идея была простой:
Находим вакансии → анализируем → генерируем письмо → отправляем отклик.
Технически всё работало.
По факту — конверсия почти не изменилась. (Кто бы мог ожидать)
Быстро стало понятно, что делать быстрее — не значит лучше.
Шаблон (даже написанный нейросетью) рекрутеры считывают мгновенно.
Что пришлось переосмыслить
То, что мы быстро поняли: ассистент должен работать как человек, а не как скрипт.
Это значит:
учитывать контекст, а не просто ключевые слова;
вытаскивать релевантные кейсы, а не перечислять стек;
писать живым языком, без «я обладаю навыками» и списков из пяти пунктов;
не создавать подозрительных паттернов поведения.
Как мы это переосмыслили
Засев на несколько недель мы перепилили всю инфраструктуру платформы и создали нечто новое.
Не буду вдаваться в подробности, но поделюсь примерным итоговым списком функций разработки:
1. Поиск релевантных вакансий
Ассистент анализирует требования и ваш опыт на уровне задач. Если компании важно «ускорить релизы», система поднимет ваш кейс про оптимизацию CI/CD.
2. Написание персонализированных сопроводительных писем
Это была самая сложная часть.
Базовая LLM пишет слишком «правильно»: канцеляризмы, одинаковая структура, списки.
Мы долго работали над стилистикой и вариативностью, чтобы письмо выглядело так, будто кандидат реально вчитался в вакансию.
3. Отчетность
У нас нет режима, который всё делает за спиной.
Вы видите какие вакансии найдены, какие письма сформированы, какие отклики отправляются, какие результаты получены.
При этом можно настраивать стратегию, скоро добавляем чёрный список компаний — по запросу пользователей.
4. Работает аккуратно
Мы сознательно внедрили естественные паузы, человеческую скорость действий, защиту от перегрузок, контроль стабильности.
В день первого запуска мы словили такую нагрузку, что пришлось экстренно масштабировать обработчик взаимодействия с hh. Это был хороший урок.
Зачем это всё
Как карьерный консультант я вижу главное: люди тратят слишком много энергии на рутину.
Этот проект (он, кстати, называется OfferMate) не волшебная кнопка «оффер».
Это инструмент, который:
снимает техническую нагрузку,
ускоряет касание с рынком,
делает процесс управляемым.
Если интересен такой подход, то вот ссылки:
Блог проекта — здесь можно принять участие в тестировании и уточнить важные для себя моменты
Лэндинг проекта — тут базовая информация, можно почитать про функции и т.д.
Новую работу гарантировать не могу, но рутину из поиска точно уберет)
Буду рад критике. На Хабре без неё нельзя 🙂
В минувшею пятницу, 26 февраля, на площадке Кибердома прошла премьера фильма «Как получить доступ ко всему: реверс-инжиниринг».
Исходя из описания под трейлером, этот
Документальный фильм расскажет, как люди учатся вскрывать сущность комплексных технологических систем. Разбирая устройство или технологию по частям, мы получаем доступ к их структуре и замыслу создателей. Эксперты в области обсудят реверс-инжиниринг в СССР и России – от промышленности после Первой мировой до искусственного интеллекта и «киберпанка», который ждет нас в ближайшем будущем.
Я, к сожалению, на премьеру попасть не смог по причине конфликта в графике. Поэтому, чтобы "изучить материалы по теме" мне пришлось посмотреть фильм в четверг, то есть за день до его официальной премьеры!
Enumeration is the key (c) OffSec, и если хорошенько прошерстить интернет, то можно найти и посмотреть документалку без регистрации и СМС на официальном портале PREMIER: Как получить доступ ко всему: реверс-инжиниринг.
Естественно, не буду спойлерить детали, однако скажу, что фильм снят очень качественно, а в создании участвовали эксперты из Positive Technologies, «Лаборатории Касперского», Т-Банка, «Иви», SR Space, Музея криптографии, «Росатома», Elverils, интернет-проекта «Я помню» и другие неравнодушные люди и организации.
Как посмотрите, приглашаю вас в комментарии, чтобы обсудить увиденное и высказать свои мысли по поводу фильма!
🧠 Обязательно поделись с теми, кому это может быть полезно 💬 Телеграм | 💬 Max | 📝 Хабр | 💙 ВКонтакте | ⚡️Бустануть канал
Red Teaming LLM-агентов: методы, автоматизация, кейсы
CEO Doubletapp Сергей Анчутин выступил на Студкемпе в Уральском федеральном университете с докладом.
LLM всё активнее работают в бизнесе — и каждая ошибка грозит потерей денег и репутации. Как избежать рисков?
Red Teaming — это процесс поиска уязвимостей в системе, когда команда экспертов играет роль хакеров и ищет слабые места. Цель — заранее выявить проблемы и защитить компанию от реальных инцидентов и их последствий.
В видео:
- как масштабировать человеческие креативные возможности, чтобы находить реальные уязвимости LLM;
- как работают пайплайны «LLM против LLM» и методы MART и DART;
- почему автоматизация не всегда нужна и где ИИ проигрывает человеку;
- когда остановится развитие нейросетей.
Doubletapp — ML-эксперты с 2018 года. Мы помогаем клиентам внедрять ИИ так, чтобы он приносил выгоду их бизнесу, и специализируемся на внедрении и обучении LLM и RAG-систем.
Что делаем:
- экспертные датасеты
- обучаем LLM под задачи клиента
- проводим аудит и консалтинг ИИ-продуктов
- разрабатываем кастомные ML-решения.
Получить оценку или консультацию можно оставив заявку на сайте Doubletapp или написав менеджеру.
Русский FAANG: карьерный буст или выгорание за 400к? Что выбрать QA/AQA
В русском IT регулярно всплывает формулировка «русский FAANG» и многие хотят туда попасть. В этом посте на основе своего опыта разберу, стоит ли оно того.
Начнем с того, что каждый под словосочетанием русский FAANG подразумевает разное. Есть как минимум:
1. ВАСЯ: ВК, Альфа, Сбер, Яндекс
2. МЯСОВАТА: Mail (VK), Яндекс, Сбер, Озон, Валдберрис, Авито, Теле2, Альфа
3. Мой любимый - ОБОСРАЛСЯ: Озон, Билайн, ОККО, Сбер, Рамблер, Атол, ЛамодаТех, Совкомбанк, Яндекс
В целом есть множество различных вариаций и аббревиатур, но нет одной единственно правильной. Почему - везде есть свои проблемы и преимущества. Всё в большей степени зависит от проекта. Внутри одной и той же компании может быть и круто, и очень плохо.
Поэтому и нет четкого списка "топ компаний", все оценивают по разным критериям.
Так стоит ли QA/AQA и другим стремится в ВАСЯ или можно ограничится ОБОСРАЛСЯ или даже обычными мелкими компаниями / стартапами?
Чего стоит попасть туда (насколько это сложно)
У многих есть ощущение, что российский бигтех - это нечто недосягаемое. Почти как западный FAANG.
Если говорить про автоматизацию тестирования и смежные роли, картина выглядит иначе. Я скажу больше, выходя на рынок как AQA - вы с большей долей вероятности попадете именно в бигтех.
Автоматизация сегодня - одна из самых востребованных зон в крупных компаниях. Большой продукт, частые релизы, много интеграций - без автотестов это сложно поддерживать.
Плюс последние годы усилили тренд на оптимизацию затрат.
Ручное тестирование постепенно сокращается, а автоматизация растет. Считается, что один AQA может закрывать задачи нескольких QA.
Поэтому спрос на автоматизаторов в бигтехе стабильно высокий.
И в этом смысле двери туда открыты куда шире, чем кажется со стороны.
Где лучше и стоит ли оно того
Я поработал много где как AQA - Ozon, WB, VK, несколько российских и западных стартапов, бигтех US.
И могу с уверенностью сказать, что тут не угадаешь, везде всё по разному. Например, в одном из криптостартапов я встретил лучшие процессы, что видел в жизни, а в двух из бигтехов - миллион токсиков, невероятную бюрократию и в целом не очень классные процессы.
Поэтому мое личное мнение - умирать ради работы в конкретной компании вообще того не стоит.
Проекты могут быть плохие и хорошие как в бигтехах, так и в мелких компаниях. Да, в бигтехах часто процессы получше, но это далеко не всегда так.
Ну а хороший оффер могут дать и там, и там.
В общем, тут стоит выбирать по сумме условий и не руководствоваться именем компании, т.к. оно часто ничего не значит.
Те же самые "интересные задачи" есть везде, а в стартапах они часто даже круче и челленджовее.
Что в сухом остатке
При прочих равных условиях кроме записи в резюме работа в бигтехе не дает ровным счетом ничего.
Везде всё по разному и может оказаться так, что в стартапе проект будет в миллион раз лучше по всем параметрам.
Ну а строчку в резюме всегда можно придумать, если так уж хочется.
Всем спасибо за внимание! В комментариях готов подискутировать на эту и смежные темы!
В своем блоге Telegram также пишу про тестирование и автоматизацию, ну и в целом про карьеру в сфере IT. Всегда рад новым читателям!)
