Привет, Хабр. Есть устойчивое заблуждение насчет того, что убило рыцарский меч. Многие говорят - порох. И это самая логичная версия. Но Дон Алонсо де Кастро, который сражался при Павии в 1525-м, рассказал бы иначе.

С интересом наблюдаю, как инженерные процессы и инструменты, к которым мы привыкли за десятки лет, переосмысливаются под ИИ-нативный подход. Например, классический CI/CD, построенный вокруг pull request-ов и человеческого темпа разработки, плохо подходит для мира, где код всё чаще пишут агенты.

До работы с агентами цикл разработки выглядел так: человек медленно пишет код → оформляет PR → CI прогоняет линтеры, тесты и сборку → другой человек ревьюит изменения → изменения попадают в основную ветку.

В такой парадигме долгое время работы CI-пайплайна часто было ожидаемым и терпимым, потому что самая большая задержка всё равно была на стороне команды: разработчик писал код часами или днями, ревью тоже ждали часами или днями, PR жил долго.

С агентами всё меняется: код генерируется быстро и относительно дёшево → задач становится больше → ветки с изменениями плодятся быстрее → PR становится слишком медленной и неудобной единицей работы → валидацию изменений нужно двигать внутрь агентного цикла.

Но CI/CD вряд ли не исчезает. Скорее он перестанет быть контуром вокруг которого происходит работа с изменениями и превратится в низкоуровневый слой для быстрой проверки изменений внутри агентного цикла. Почему так?

CI/CD в текущем виде был спроектирован для мира, где человек — главный агент.

Человек держит в голове некое намерение: например, «хочу добавить кнопку оформления заказа». Потом проходит цикл: намерение → код → pull request → CI → код-ревью → merge. На каждом этапе может быть откат назад:

До последнего момента я складировал все свои мысли и знания по своей выработанной за годы методике. Пока я не понял, что теряю некоторую часть своих идей, потому что нерационально раскидывал их по папкам, к которым не имел потом постоянного доступа.

У меня было несколько видов таких идей/мыслей — Текстовые (для себя я их называю Тасками) и Медиа-идеи (в основном — это скриншоты, но также это сохраненные картинки, видео, PDF и аудио).

Расскажу, как их группировал, как работал с ними и как использовал все эти идеи в своей финальной системе, которая очень сильно облегчила мою работу и даже больше - я стал ею пользоваться на постоянной основе для всего.

Когда речь заходит о генерации видео через нейросеть, разговор обычно крутится вокруг одного и того же набора: Sora, Runway, Kling, Veo. При этом Seedance 2.0 в этом ряду стоит чуть особняком — и не потому что хуже, а потому что играет на своём поле.

Это модель от ByteDance с конкретными техническими преимуществами: анимация, сложные многоэлементные сцены, поддержка промтов до 1500 символов. Там где другие инструменты забывают детали промпта — Seedance только разгоняется.

Когда мы говорим, что нейросети "понимают текст", легко забыть: компьютер изначально вообще не понимает слова. Для него текст – это набор чисел, статистики и векторов.

В этой статье разберём Bag of Words и TF–IDF – фундаментальные подходы, с которых начинались NLP, поисковые системы и анализ текста. А заодно реализуем поиск похожих документов на чистом PHP без библиотек.

Анатомия одного вечера: создал агента для своего дайджеста за $1.70, прошёл через провал Quickstart и нашёл скрытые места Console. Что узнал — и где личное использование AI-агентов сейчас на самом деле.

12 мая проект CoMaps отметил свой первый день рождения - прошёл один год с момента официального анонса. В этой статье - длинный рассказ о том, как развивалось сообщество проекта, как изменилось приложение CoMaps, каково состояние интеграции с экосистемой OpenStreetMap, и несколько слов о будущем проекта.

Приветствую Вас, дорогой читатель! В этот раз представляю Вашему вниманию цикл статей, который будет посвящён одной из важнейших тем в программировании на Vulkan API - использование асинхронности и параллелизма для написания производительных движков.

Данный цикл не является туториалом, а лишь моей попыткой исследования основных аспектов асинхронного программирования на Vulkan API. Целью данного исследования - разработать архитектуру, упрощающую управление многопоточным выполнением, в основу которой будет положено использование корутин c++20.

Это статья будет посвящена вводной части. Мы разработаем терминологию, погрузимся в детальное исследование аспектов синхронизации, а также введём требования для нашей архитектуры.

Есть такая старая и немного протухшая дискуссия про 10x программистов. То ли они существуют, то ли это миф стартаперов, то ли это просто мечтания менеджеров про «давайте наймем одного волшебника вместо команды». В презентациях, постах и разговорах эта тема всплывала регулярно, обычно где-то рядом с «нам нужны сильные люди», «у нас маленькая команда» и «дедлайн вчера», а уж на фоне AI-агентов, так и вовсе расцвела опять буйным цветом.

Меня в этой теме всегда смущало, что под 10x часто пытаются запихнуть вообще всё: скорость написания кода, умение чинить баги, знание проекта, способность не делать больно проекту, опыт коммуникации с менеджментом, архитектурный вкус и опытный опыт, готовность сидеть ночью и баф на везение. А потом из этого делают красивую легенду про человека, который работает в десять раз быстрее остальных.

Мечты ПМа, это все же мечты, а в реальной жизни всё скучнее и интереснее одновременно. Я видел людей, которые действительно делали задачи сильно быстрее других. Видел в open-source, видел в игровых проектах, видел на старом коде, видел в маленьких библиотеках. Но почти всегда причина была не в том, что человек родился с коэффициентом x10 и бафом на скорость набирания буковок, а в том, что за его скоростью стоял какой-то накопленный капитал, вроде знания проекта, инструмента, узкой экспертизы или годов ковыряния в похожих задачах.

11 мая Anthropic выкатили в Claude Code новую фичу — agent view. Это менеджер сессий: один экран, в котором видны все запущенные параллельно сессии Claude Code, их статус и какие из них ждут ввода. Запускается командой claude agents. Звучит как мелкое улучшение, но на практике решает реальную боль — раньше для трёх параллельных задач нужны были tmux-сетка и mental ledger в голове. Обновил Claude Code, потестил неделю, рассказываю, что внутри и где границы.

Вайб‑кодинг выглядит безобидно, пока речь идет о скриптах, лендингах и небольших сервисах. Но что будет, если попробовать с его помощью собрать проект для ПЛИС: с I2S, FIFO‑буфером, DSD, S/PDIF, UART, PSRAM и отладкой на реальном железе?

Я проверил это на практике и почти без знания Verilog прошел путь от мигающего светодиода до рабочего FIFO‑реклокера для цифрового аудио. Получилась история о том, где ИИ действительно помогает инженеру, где уверенно ведет в тупик и почему в какой‑то момент все равно приходится доставать логический анализатор.

Давайте попробуем еще раз, в прошлый раз как-то не задалось, но много воды утекло с тех пор. Проект начался как простой способ "заглянуть в БД сервера" собственно таким он и остается до сих пор. Но по мере развития ИИ в нем появились новые фишки.

Как гласит слоган на главной странице: Panopticum — место, откуда видно всё. Собственно я старался сделать его именно таким, чтобы можно было посмотреть и проверить как можно больше из одного места, желательно с одинаковым интерфейсом.

Сначала я просто начал наращивать количество коннекторов. И если сначала это было четыре вида БД, потом шесть, то теперь это 26 разных БД, логи из Kuberneties и просмотр S3 бакетов.

В конце февраля ByteDance выложила DeerFlow 2.0 — open-source агентный фреймворк, который команда позиционирует как “super agent harness”. Релиз залетел в топ-1 GitHub Trending, набрал 67 тысячу звёзд за пару недель, попал во все технические телеграм-каналы. Развернул через Docker на своём VPS, прогнал на реальной задаче (ресёрч по рынку эспрессо-машин с генерацией отчёта), разобрался с архитектурой. Рассказываю, что внутри, чем отличается от Claude Code и OpenHands, и почему телеграм-маркетинг расходится с честным README в нескольких важных местах.

Мужская ИИ-фотосессия — это быстрый способ получить стильный портрет, аватар, деловой снимок, fashion-кадр, фото в машине, студийный образ, спортивную съемку или визуал для соцсетей без студии, фотографа и долгой подготовки. Достаточно выбрать нейросеть, описать образ и задать стиль: строгий костюм, неоновый город, luxury-интерьер, черно-белый портрет, обложка журнала, casual-съемка или кадр как из кино.

Если нужно сгенерировать изображение для профиля, личного бренда, резюме, блога, поста или визуальной примерки образа, важно не просто выбрать популярный сервис, а понять, какая модель лучше справится именно с мужским портретом: лицом, руками, одеждой, светом, фоном и общей атмосферой.

Нейросеть для мужской фотосессии ИИ бесплатно особенно полезна, когда хочется быстро протестировать несколько стилей. Например, один вариант сделать в деловом костюме, второй — в casual, третий — в стиле fashion studio, четвертый — как cinematic portrait, пятый — в спортивном образе или на фоне ночного города.

Ниже — обзор 10 нейросетей для мужских ИИ-фото, идеи для разных сценариев и готовые промпты, которые можно адаптировать под аватар, соцсети, сайт, анкету, портфолио или творческий проект.

Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

Недавно я выпустил ONYX open-beta 1.5 — одно из самых крупных обновлений моего мессенджера за всё время разработки.

В обновлении основной фокус был сделан не только на приватности и новых возможностях, но и на самом ощущении от использования мессенджера. Мне хотелось уйти от ощущения «ещё одного списка чатов» и попробовать сделать взаимодействие с сообщениями более интерактивным и живым.

Или сказ о том, как я LLM обучал русской классике, и превращал в чат-бота, а так же случайно его превратил в сумасшедшего философа.

Tor часто описывают слишком просто: «браузер для анонимности», «вход в даркнет», «инструмент обхода блокировок». Формально всё верно, но такие описания почти ничего не объясняют.

Мне интереснее другое: что происходит между нажатием Enter в адресной строке и загрузкой страницы. Почему сайт не видит мой реальный IP. Почему провайдер видит факт подключения к Tor, но не видит сайт. Почему выходной узел опасен для HTTP. Почему Tor Browser не стоит превращать в обычный Firefox с двадцатью расширениями.

Разбираю именно механику.

Предупреждение перед прочтением

Эта статья не про то, как HR-специалисты "стараются" и "тоже люди". Это разбор профессии с позиции бизнес-логики. Без оправданий и осуждения. Защитный текст про важность эмпатии будет в следующий раз.

Почему HR так раздражает

Прежде чем говорить о ценности HR, нужно сначала ответить на вопрос: почему так много людей разного уровня и на разных позициях испытывают к этой функции профессиональное раздражение?

Эксперимент с zero-human компанией: GitHub-агенты, SaaS-валидаторы, поиск боли и почему готовой кнопки выбора ниши пока почти нет

Некоторые из вас знают, что я решил провести эксперимент: построить zero-human компанию.

Не в смысле "я вообще никогда не буду трогать бизнес руками". Это сказки для лендингов.

Идея другая: найти нишу, где максимум операционки можно отдать агентам. Исследования, продукт, код, QA, онбординг, поддержка, отчёты, часть продаж. Человек остаётся там, где надо принять решение, а не переносить данные из одной таблицы в другую.

И тут возник первый занимательный вопрос.

Если компания строится на ИИ, кто должен выбрать нишу?

Ну да. Тоже ИИ.

Я пошёл смотреть, что уже есть. Не "спросил ChatGPT придумать 10 идей", а открыл реальные инструменты: GitHub-репы, агентные фреймворки, SaaS-валидаторы, инструменты поиска боли в Reddit, майнеры отзывов из приложений, всякие красивые штуки в духе "ИИ-кофаундер".

Хотел понять простую вещь: можно ли сегодня нажать кнопку и получить нишу, которой хотя бы не стыдно заняться.

Спойлер: почти нет.

Но стало понятно, из каких деталей такая машина собирается.

Еще совсем недавно в анимации персонажей за стандарт были приняты такие системы, как, например, анимация на основе ключевых кадров (keyframe) или процедурная анимация, подразумевающая под собой целое семейство совершенно различных подходов — на основе обратной кинематики, ragdoll, или более комплексных разработок (GTA IV — Euphoria). Однако, несмотря на широкое применение, они не лишены существенных недостатков — нереалистичность, дороговизна, ограниченная выразительность, потребность в ручном труде, сложность с выдерживанием единого художественного стиля. Затем пришел motion matching, обеспечивающий совершенно иной уровень качества анимации, но и позволить себе такие системы могут только разработчики проектов ААА уровня. К тому же такая система чрезвычайно требовательна к оперативной памяти ввиду необходимости хранить в ней всю библиотеку анимаций.

Некоторые из перечисленных недостатков естественным образом решаются посредством применения машинного обучения благодаря низкому потреблению памяти, масштабируемости в контексте данных и способности к обобщению. Сегодня можно наблюдать новый сдвиг: все больше задач, связанных с движением, мимикой и поведением персонажей, передаётся моделям машинного обучения. Причина проста — игры, VR/AR‑системы, виртуальные актёры, интерактивные симуляции — требуют не просто красивой анимации, а реалистичного поведения в реальном времени, адаптирующегося к окружению и действиям пользователя, чего традиционные системы не могут обеспечить.

Нейросети способны учиться на больших наборах данных захвата движения, предсказывать движение для следующих кадров, синтезировать переходы между позами, управлять походкой, балансом, реакциями на препятствия и даже мимикой, синхронизированной с голосом. В результате мы получаем анимацию, которая выглядит естественно, но при этом генерируется на лету — без заранее подготовленных клипов. Тем не менее вместе с новыми возможностями приходят и новые вызовы: производительность, стабильность, контроль над результатом, требования к качеству данных и интеграция в существующие пайплайны.

ИИ-агенты сейчас в своей прайм-эре. Они ищут информацию, бронируют билеты, пишут код, генерируют презентации и пишут стратегии. Как для личного использования, так и в бизнесе: более 62% компаний уже используют агентов и экспериментируют с ними.

Но даже команды, которые напрямую разрабатывают такие решения, регулярно сталкиваются с задачами, где агент работает нестабильно или не дает нужного результата. Потому что надежность всей системы определяется не только качеством модели, но и всей архитектурой.

В этой статье разберусь, какие задачи ИИ-агенты пока не закрывают и где все-таки обозначить реальные границы их возможностей.

Как построить полностью автономные программные пайплайны

Агенты темных фабрик превращают спецификацию в рабочий софт при минимальном участии человека. Узнайте, как они работают, когда их использовать и чем они отличаются от тестовой обвязки (coding harnesses).

Про Сетунь и Брусенцова уже было сказано:

- Как Сетунь обогнала время и проиграла кремнию

- Импортозамещение, которое мы потеряли: «Сетунь» — судьба первых серийных троичных компьютеров

- Уникальная Сетунь на основе троичного кода

- Легенда о «Сетуни»

- Троичный компьютер в браузере

- Компьютеры Советской России с троичной сбалансированной системой счисления

В этой заметке я хочу показать советского математика как гениального хакера, суть работы которого — чистой воды хак.

Уважаемый читатель,

поясню заголовок. Озеро Яльчик в Республике Марий Эл - моё любимое место отдыха, ему я посвятил стихотворение.

ИИ - это искусственный интеллект, который помог мне создать песню.

Расскажу по порядку

На производственной площадке стоит камера над лентой конвейера, она снимает поток , а система считает доли трёх цветовых фракций — серо-белой, оранжевой, розовой — и пишет результат в JSON для следующего этапа обработки. Цвет фракции используется как косвенный признак химического состава — технолог по нему оценивает качество партии.

Заказчику нужна всего одна цифра — доля оранжевой фракции. Для предприятия эта фракция самая интересная по составу, остальные классы имеют второстепенное значения. Эту цифру нужно предоставлять в режиме 24/7, без расхождений между сменами.

Камера стоит в закрытом помещении внутри здания. Освещение искусственное, прожектора фиксированные. Естественного света нет, влажность стабильна, поэтому большинство стандартных проблем компьютерного зрения на улице — блики на мокрых камнях, изменение цвета по времени суток, тени от солнца — в нашем случае не возникают и в статье обсуждаться не будут.

До спутниковой навигации самолёты могли сверяться со звёздами почти так же, как мореплаватели, только на скорости стратегического бомбардировщика. В B-52 эту задачу решал автоматический астрокомпас: он сопровождал выбранное светило и через электромеханический аналоговый компьютер вычислял курс.

В статье разбираем, как шестерёнки, сельсины и физическая модель небесной сферы заменяли цифровые вычисления.

Зрелость интеграционного слоя - это самый точный и измеримый показатель зрелости всей архитектуры банка. Без налаженных связей между системами даже самый современный банк превращается в изолированный остров.

В этой статье мы проследим, как менялась архитектура банков с конца девяностых до наших дней, и разложим этот путь на шесть уровней - от полного отсутствия интеграций до кое-каких набросков будущего, где рулит искусственный интеллект.

Материал для тех, кто хочет создавать надежные и масштабируемые моки API-сервисов и любит получать удовольствие от жизни

В этой статье поговорим о том, с чего начать, как лучше подойти к разработке сервисов-моков и как упростить себя жизнь при работе с ними

Примеры и практические советы, как перейти на новый уровень покрытия тестами, если вы интегрируетесь с внешними системами

Бэкап раньше был последним рубежом обороны. Теперь — первой целью атаки: современные шифровальщики ходят в резервное хранилище раньше, чем трогают рабочие данные, потому что без копий компания заплатит выкуп почти гарантированно. Классическое правило 3-2-1 в этой реальности уже не работает — а 4-3-2 как раз и есть индустриальный ответ.

Слышал про Redis, но не применял. На выбор — SQLite или Redis, надо исследовать что лучше. Пошёл читать. Нашёл TimescaleDB и ещё кучу вариантов — у каждого свои плюсы.

Основной плюс SQLite — там можно писать запросы, SQL знакомый, Spring интеграция есть. Скорость записи меня вообще удивила — и у Redis, и у SQLite. Я не ожидал таких цифр.

Долго не мог понять зачем вообще Redis, если там нет нормального поиска. Просто хэши ключ-значение. Хочешь найти все датчики по типу объекта — не работает. Я такой: ладно, Redis минус, берём SQLite.

Сделал прототипы. Потестировал один поток — SQLite летит, 370 000 вставок в секунду. Redis ещё быстрее — 650 000. Нашёл RediSearch с поиском по индексам — оч круто, но скорость падает до 150 000. SQLite снова выглядит выигрышнее.

И вот я запускаю 100 потоков на SQLite.

В логах появляется:

Это не гайд и не кейс с цифрами. Это история о том, как я уволился из юристов и начал делать игру своей мечты. С ошибками, сомнениями и изометрическим полем. Поехали.

Это восьмая статья из моей серии про инженерные решения в ONEMIX. До этого было про клиентскую часть мессенджера: кэш сообщений, E2E, WebRTC звонки, Electron, outbox‑паттерн. Параллельно про AI‑агента Лиру и мнение про вайб‑кодинг.

Сегодня про серверную сторону. Backend ONEMIX — это один файл main.py на 19 603 строки, 379 эндпоинтов, FastAPI + SQLite, держит мессенджер с регистрацией через SMS, звонками через LiveKit, E2E через Double Ratchet, push‑нотификациями на iOS и Android. Этот файл я пишу больше года. За это время он эволюционировал из прототипа на 800 строк в production монолит.

В статье разберу почему стек именно такой, какие решения оказались правильными, какие я бы поменял если бы начинал сейчас, и где у этого подхода границы применимости.

Сразу важная оговорка. У меня не было требования держать 100к одновременных пользователей или 10к RPS. Это бэкенд под мобильное приложение с трафиком который для соло‑разработчика разумно поддерживать одному. Если у вас задачи другого масштаба, мой опыт может не подойти.

Буквально недавно всплыл в голове один разговор. Осенью прошлого года клиентка рассказывала, как её подруга, у которой вдруг попёр бизнес, который раньше еле выживал, хвасталась новой брендовой сумочкой и ипотекой на элитную квартиру в центре Питера. Потом машину захотела поменять на представительский класс. И что-то там должно было остаться. Вот это «что-то вроде бы должно остаться» меня тогда повеселило. И с этим остатком надо было что-то сделать. Логично, что клиентка порекомендовала нас. Знаете, какой вопрос поступил первым?

А что там по доходности? Что обещают?

Поставьте сердечко, если не видите в этом ничего такого. Дальше будет пост именно для вас.

Все споры, статьи и исследования в сфере инвестиций крутятся вокруг доходности. Но когда дело касается управления благосостоянием — это становится вторичным. На первый план выходят цели и задачи которые этот капитал должен решать, и личные факторы — семейные, психологические, структурные.

Основная часть денег теряется не из-за того, что ты купил не те акции, а из-за эмоций, плохой структуры, отсутствия планирования, налогов, разводов, низкой ликвидности, отсутствия системы наследования, когда просто нет доступа к активам или их тупо отжимают.

Попробую объяснить на примере. Если у семьи высокая потребность в ликвидном и при этом не волатильном капитале из-за специфики бизнеса, уклада жизни, горизонтов, в распределении будет достаточно крупный фонд «безопасности» (я так его называю), который будет состоять из коротких облигаций, фондов ликвидности, доходных стейблов или рыночно-нейтральных стратегий вроде покупки спот-актива с одновременной продажей фьючерса. Безусловно его доходность будет не айс и также будет давить на общую доходность распределение. Но так нужно! Потому что задача такая. А у другого — наоборот.

90-е были подлинным ренессансом ИИ. И в эту эпоху особенно выделялся один странный алгоритм, который долгое время оставался загадкой для непосвященных. А все потому что он умел делать одну простую вещь: читать чужие мысли.

Ни для кого не секрет, что ElevenLabs сегодня является монополистом в области озвучки текста. Но, к сожалению, данная нейросеть пока не доступна для нашей локации, а запрос огромный…

Вместе с тем, выход есть всегда, а часто и не один. Сегодня мы расскажем о том, как использовать ElevenLabs для клонирования голоса, какие есть варианты, и как добиться наилучшего результата. Без воды. Без пластика. Только по делу — читайте до конца, чтобы не тратить время и нервы.

Формализуем принцип технологической гравитации: чем циничнее и негативнее утверждение о конечном пользователе той или иной технологии, тем шире целевая аудитория этой самой технологии.

Пятая статья из шести про инженерный процесс для разработки с ИИ-агентами. Первая статья про путь от первых проектов к стандарту SENAR. Вторая про то, чем агент отличается от программиста. Третья про новую роль человека и пять навыков нового рабочего режима. Четвёртая про ворота задачи: спецификацию на входе, сверку с критериями на выходе и метрики, которые видят, что в контуре провисло. Эта пятая про среду, в которой задача живёт от постановки до сдачи: контекст под неё, архитектурные границы вокруг и память проекта над всем.

Разбираем, зачем нужен real-time на сайте, почему polling создаёт лишнюю нагрузку и как Centrifugo помогает добавить WebSocket в Laravel-приложение без разрушения backend-архитектуры.