Двадцать первого октября 2015 года Марти Макфлай прилетел в будущее, встал на ховерборд и удрал от хулиганов прямо по поверхности пруда. С того дня прошло почти одиннадцать лет, а ховерборда в спортивном магазине у дома так и нет. Голограммы из "Звездных войн", где крошечная принцесса Лея над столом просит о помощи, тоже где-то застряли. Видеозвонок теперь лежит в каждом кармане, только показывает он собеседника в стеклянном прямоугольнике, а над столом по-прежнему пусто и стоит кружка.

Хочется обидеться на инженеров: кино показывало все это так буднично, будто осталось только наладить выпуск. Но претензию стоит сначала проверить калькулятором. Возьмем для начала ховерборд и прикинем, что ему нужно, чтобы просто висеть над асфальтом с человеком на борту. Обида после таких подсчетов довольно быстро превращается в уважение к тем, кто все-таки пытался (а пытались многие, и некоторые даже успели снять видео).

У Остина Клеона есть короткая книга «Покажи свою работу!» с одной большой идеей: не ждать, пока всё будет готово, а показывать процесс. Маленькие шаги, то, чему учишься, что вдохновляет, как ты идешь к результату. Делиться понемногу каждый день, учить тому, что знаешь, и не превращать это в спам. Клеон считает, что люди находят тебя через то, чем ты делишься, и некоторые из них начинают тебе помогать.

Если применить эту философию к разработчикам, чем стоит делиться сейчас в 2026 году? Советы в сети сводятся к нескольким вариантам: выкладывать код в open-source, вести публичный журнал сделанного за день или описывать, как ты думал над задачей. Даже те, кто советует код, признают: это выглядит скучно.

Идеи хорошие, но делиться кодом нельзя, если он принадлежит корпорации и неактуально, раз его все равно написал агент, агент соседа напишет то же самое за 5 минут.

Так что же показывать?

Ещё пару лет назад «ИИ в поддержке» означало чат-бота с кнопками, который многих раздражал. Сейчас картина изменилась радикально. В 2026 году службы поддержки разработчиков строят не одного умного бота, а комбинацию агентов: одни копают логи и код, другие готовят контекст для инженера, третьи – по команде человека – открывают Pull Request с фиксом.

Сотрудник читает инструкцию, говорит, что понял, а через неделю работает по-старому. Возможная причина: обучение в компании строится по модели, которая хороша для школьников, но не учитывает потребности взрослого человека. Персоналу нужно не просто выдавать информацию, а связывать ее с предыдущим опытом и ежедневной практикой. Именно этим занимается андрагогика — научный подход к обучению взрослых. Разберем, что это и как внедрить в компании.

После маскировки ФИО в тексте может остаться номер, по которому человека найдут в открытом реестре. На восьми искусственных примерах проверим остатки по заранее заданному списку и посмотрим, что меняется при отключении нормализации и распознавания имен.

Советскому обывателю социалистическая Польша была знакома по многочисленным (в отличие от других стран Совета экономической взаимопомощи) фильмам. По центральному телевидению с конца 60-х выходил сериал «Четыре танкиста и собака», а также популярнейший «Кабачок «13 стульев», в котором играли известные советские актеры (Ольга Аросева, Михаил Державин, Спартак Мишулин). Свободный дух этих кинопроектов, возможно, способствовал коммерческому успеху предлагаемой Польшей продукцией, поставляемой на рынок СССР.

В прошлой статье мы начали разбирать спецэффекты в кино до появления компьютерной графики. И узнали, что уже в те годы вполне свободно совмещали между собой несколько слоев изображения иди могли впихнуть в кадр двух персонажей, сыгранных одним актером. Теперь переходим к вещам посложнее.

Разбираемся какую программу для просмотра фото выбрать. Тестируем скорость работы, поддержку форматов и сортировку.

25 марта 1938 года Этторе Майорана собирался сесть на паром из Неаполя в Палермо. По крайней мере, он купил на него билет. В тот же вечер 31-летний итальянский физик отправил письмо Антонио Каррелли, директору Института физики в Неаполе, извиняясь за неудобства, которые вызовет его «внезапное исчезновение». Формулировка звучала как нечто окончательное и потому зловещее. Однако Майорана, по-видимому, почти сразу же передумал. Он отправил ещё одно сообщение, в котором давал понять, что от прежнего решения отказался. Но в итоге всё равно исчез. Никаких его подтверждённых следов так никто и не нашёл.

Одного этого уже было бы достаточно, чтобы сделать Майорану одной из самых загадочных фигур в истории физики. Но этой тайне становится ещё труднее сопротивляться из-за того, над чем он работал незадолго до исчезновения.

Энрико Ферми, который не славился раздачей щедрых комплиментов, по некоторым данным, отнёс Майорану к той же категории людей, что и Галилей с Ньютоном. Не просто выдающийся учёный. Не просто физик, способный на важные открытия. Гений.

В 1937 году, за год до своего исчезновения, Майорана опубликовал необычную статью, в которой исследовал возможность, казавшуюся почти абсурдной. Что, если частица может быть одновременно и своей собственной античастицей?

На протяжении десятилетий это оставалось одной из тех удивительных и одновременно тревожных теоретических идей, которыми так богата физика: математически обоснованных, концептуально причудливых, экспериментально нерешённых.

И тут в историю вступили нейтрино. Почему-то всякий раз, когда физики создают достаточно изящную картину того, как устроена реальность, нейтрино имеют привычку проникать через боковую дверь и разбрасывать мебель. Они практически не взаимодействуют с материей. Они пролетают сквозь целые планеты. Они меняют свою «идентичность», летя через космос. В течение многих лет мы думали, что у них нет массы, а потом природа сообщила нам, что, на самом деле, нет — у них всё-таки есть масса. Они повсюду, но для их обнаружения требуются героические запасы терпения, денег и подземных пород. И теперь они могут заставить нас переосмыслить нечто ещё более фундаментальное: что именно мы имеем в виду, когда говорим «частица»?

Почему ручное разбиение задач оказалось быстрее parallel().collect() в большинстве наших тестов.

Привет, Хабр!

Меня зовут Юрий, и уже десять лет я разрабатываю The Great Tribes — пошаговую 4X-стратегию, в которой игроку предстоит провести свою цивилизацию от первобытных племён до космической эпохи.

Игра создаётся на Java с использованием LWJGL и собственного игрового движка. Мы не используем Unity или Unreal Engine: за годы разработки у проекта сформировались собственная архитектура, система процедурной генерации мира и довольно специфические требования к обработке больших карт.

Сегодня хочу рассказать об одной небольшой, но интересной оптимизации.

Мы решили ускорить генерацию природных ресурсов, написали три реализации одного алгоритма и протестировали их на трёх компьютерах с процессорами AMD Ryzen.

Результаты оказались любопытными: более компактный вариант с parallel().collect() в большинстве измерений уступил реализации с ручным разбиением массива на части.

Но обо всём по порядку.

В цифровую эпоху приватность и надёжность хранения данных важны как никогда.

Сетевое разделение и недоверенные посредники ломают взаимодействие: санкции, ковровые блокировки, атаки на инфраструктуру, глухомань.

Владельцы серверов владеют данными: могут их свободно читать, сливать, менять, удалять.

Наблюдается кризис доверия к софту и запрос на импортозамещение.

Техно-гильдия Giper.Dev приняла этот вызов, и вот что у нас получилось...

Привет Хабр! Кремний и видеокарты дорожают, а квантовые компьютеры не поместятся в квартире. Поэтому я решил собрать биопроцессор своими руками из денежного дерева на подоконнике…

HAProxy должен выполнять проверки, чтобы определить роль экземпляров PostgreSQL: мастер или реплика, чтобы направлять соединения на подходящие сервера.

Описываются способы настройки HAProxy для обнаружения переключения ролей экземпляров PostgreSQL:
1) через Patroni REST API
2) через параметр in_hot_standby, передаваемый сервером сразу после аутентификации клиента
3) запросом select pg_is_in_recovery();
Два последних способа используются, если Patroniпоставлен на паузу или не используется.

Это реальная история.

Из уважения к зрителям дизайн выбирали вместе с ними.

Из уважения к коммерческой тайне все метрики даны в процентах.

Всем привет! Меня зовут Костя, я работаю в онлайн-кинотеатре PREMIER менеджером по продукту. В прошлой статье я разбирал AB-тесты, которые прокачали конверсию в подписку. Сегодня расскажу про фичу, которая к деньгам вроде бы отношения не имеет. Но это только на первый взгляд.

Это удаление видео из полки «Продолжить просмотр». Снаружи это одно действие, а под капотом - 5 клиентских платформ, несколько бэкенд-команд и много нюансов. Расскажу, как мы выбирали дизайн вместе со зрителями и что фича сделала с метриками.

Спойлер: +30% к запускам просмотра из полки. Поехали!

Всем привет! 8 октября Anthropic обновила правила пользования своими моделями. Среди прочего там появился пункт, который меня обеспокоил: систематическая бессмысленная жестокость к моделям теперь под запретом. Я как раз писал об этом новость и поймал себя на мысли, что я буду первым, кого забанят.

Потому что я матерюсь на Claude Code. Много. Когда агент в который раз бодро рапортует «готово», а ничего не готово, слова я не подбираю. У меня даже есть скилл Prompt Warrior, который по логам считает, как я общаюсь с агентом. Посчитал: мат почти в каждом втором сообщении. А теперь пришла пора не только считать, но и менять. Менять текст, автоматически, а не свои привычки, конечно же.

12 мая 2017 года компьютеры по всему миру начали блокировать доступ к файлам и требовать выкуп. Больницы отменяли приёмы, предприятия останавливали производство, а WannaCry продолжал искать новые цели. Ему не нужно было ждать, пока пользователь откроет письмо или запустит заражённый файл: один успешно заражённый компьютер мог стать началом цепочки новых заражений.

Как программа находила другие компьютеры? Почему уязвимость, для которой уже существовало обновление, всё ещё оставалась угрозой? И как регистрация одного домена помогла замедлить глобальную атаку?

Разберёмся, как WannaCry распространялся по сетям, какую роль сыграл EternalBlue и почему даже остановка эпидемии не означала, что её последствия исчезли.

С 1 января 2027 года вступает в силу Постановление Правительства РФ №874, существенно уточняющее правила учёта затрат и калькулирования себестоимости продукции, поставляемой по государственному оборонному заказу.

На первый взгляд тема выглядит бухгалтерской. Но чем глубже разбираешь новые требования, тем очевиднее другое: проблема ГОЗ начинается гораздо раньше бухгалтерского отчёта.

Именно вокруг этой задачи я собрал книгу «ГОЗ: как прожить контракт от подписи до исполнения» - 82 страницы, 42 схемы, 12 глав. Ознакомиться, скачать и прочитать книгу можно бесплатно.

https://litnet.com/ru/book/goz-kak-prozhit-kontrakt-ot-podpisi-do-ispolneniya-b633273

Книга построена как сквозной практикум: один контракт и один шкаф железнодорожной автоматики и телемеханики проходят двенадцать глав — от регистрации обязательства до производства, закупок, труда, НЗП, отчётности, проверки, приёмки, расчётов и перехода через 1 января 2027 года.

Всем привет! На связи снова Кирилл и сегодня хотелось бы поделиться интересными новостями и предостеречь будущих адептов ИИ... Искусственный интеллект перестает быть исключительно задачей разработки моделей. Сегодня ключевые ограничения постепенно смещаются в сторону вычислительной инфраструктуры: GPU‑кластеров, дата‑центров, механизмов закупок оборудования, нормативного регулирования и технологической независимости. Куда мы движемся? А какие пути движения вообще есть? И что нам предстоит в конце концов? Об этом всем расскажу в этой статье — завариваем чай/кофе и проваливаемся на интересное чтиво.

ИИ может за секунды сгенерировать аккуратный Kubernetes‑манифест, который пройдет валидацию и даже успешно запустится в кластере — а проблемы проявятся уже в production. Разбираемся, почему LLM воспроизводят устаревшие и небезопасные конфигурации и как проверять сгенерированные манифесты до деплоя.

В данной модели будет анализироваться реостатный пуск асинхронного двигателя с фазным ротором с реостатом состоящим из 4 элементов подключенным к обмотке ротора.

8 окт. 2026 г. · @knz75

как расстояния до звёзд превращаются в шаги

Это рассказ о том, столько шагов до Луны и как вписать свое имя в название звезды.

В мае 2024 года команда Flutter выпустила версию Flutter 22, в которой они стабилизировали поддержку WebAssembly, объединив компилятор Dart с системой сборки мусора WebAssembly — WASM GC.

Примерно с этого же времени я много экспериментировал со сборками WASM и, в принципе, для широкого круга приложений они работают не хуже JavaScript, кроме двух интересных проблем. Это несовместимость данной технологии с браузерами Firefox и Safari.

Я решил покопаться в этом вопросе: то есть, при чём здесь вообще Flutter? И действительно ли команда Flutter не занимается этой ситуацией и почему не занимается.

Сразу о главном: я не программист. Никогда им не был и вряд ли стану — моя работа с ИТ не связана. Всё, что я знаю о программах, держится на здравом смысле и жизненном опыте.

В свободное время я, как и многие, учу английский. Слова учил в платном приложении для iOS, и оно меня вполне устраивало — пока после очередного обновления не перестало нормально работать. Реанимировать его я так и не смог, гештальт остался незакрытым.

Недавно я начал разбираться с Claude Code — для «повышения образованности». Мои знания об ИИ начальные: в общих чертах понимаю, что такое LLM, посмотрел несколько роликов на YouTube и, как 90% людей, общался с бесплатными DeepSeek и ChatGPT. Словом, разумный дилетант.

Проверяя, что умеет Claude Code, я решил воспроизвести то самое приложение для изучения слов. Результат первого опыта вайбкодинга меня, мягко говоря, удивил.

Сигнал изменился - как найти связанные эффекты и удалить известную связь? Сравниваю четыре структуры графа signal - effect по стоимости операций и памяти, а затем - в локальных замерах на V8. Почему одинаковая O(1) не означает одинаковое время?

Вместо введения

Когда приложение состоит из одного процесса и нескольких десятков методов, найти причину медленной работы относительно просто: можно включить профилировщик, посмотреть логи и найти проблемный участок кода.

В распределённой системе всё меняется.

Один пользовательский запрос может пройти через API Gateway, несколько микросервисов, очередь сообщений, базу данных и внешний API. При этом каждый компонент может находиться на отдельном сервере или контейнере.

Если такой запрос выполняется 4 секунды, возникает вполне практический вопрос:

Где именно были потрачены эти 4 секунды?

На сети? На базе данных? На блокировке потока? На выполнении конкретного метода? На внешнем сервисе?

Именно для ответа на этот вопрос в APM используются трассировка (distributed tracing) и инструментация приложений.

Один из наиболее интересных подходов — автоматическая инструментация, при которой разработчику не требуется вручную добавлять tracing‑код в каждый сервис.

Разберём, как это работает на уровне архитектуры и что происходит внутри приложения.

Чтобы устройство умного дома присылало уведомления на телефон, писать мобильное приложение не обязательно. Приложение, экран устройства и рассылку пушей берет на себя Tuya, а нам остаются прошивка и пара настроек на платформе. Все это делается с помощью open-source решения TuyaOpen, расскажу про это в статье :)

Привет, Хабр! Меня зовут Даша, я продуктовый дизайнер в Okdesk. В этой статье расскажу, как мы обновляли интерфейс зрелого B2B‑продукта при ограниченных возможностях для пользовательских исследований и без сложных инструментов продуктовой аналитики. Покажу, как выбирали сценарии для редизайна, проверяли решения и постепенно внедряли изменения, чтобы не сломать привычки наших пользователей.

За годы развития продукта в Okdesk появлялись новые функции и пользовательские сценарии, а интерфейс постепенно усложнялся. Похожие элементы в разных разделах могли выглядеть и работать по‑разному, структура отдельных страниц затрудняла поиск нужной информации, а некоторые привычные действия требовали лишних шагов. Для новых пользователей это усложняло знакомство с платформой, но просто переделать интерфейс целиком мы тоже не могли: опытные пользователи уже привыкли к существующей логике.

В B2B‑продуктах пользователи месяцами повторяют одни и те же действия. Со временем они перестают искать элементы интерфейса и выполняют привычные сценарии почти автоматически. Поэтому даже небольшие изменения расположения кнопки или логики экрана могут замедлить работу человека, который проводит в системе весь день.

Привет, Хабр! Меня зовут Илья. Долгое время я работал в финтехах и у облачного провайдера. Занимался сопровождением информационных систем, причём не как инфраструктурщик, а как специалист по поддержке целых автоматизированных систем. То есть смотрел на ИТ не с уровня отдельного сервера, а с уровня «работает ли сервис для бизнеса и клиента».

И сразу, пока вы не пролистали до конца, вопрос к вам.

Друзья айтишники, вспомните момент, когда DRP действительно понадобился. Что пошло не так? Бэкап, который не восстановился? Резервная площадка, на которой «забыли» один сервис? Регламент, который лежал на той самой упавшей файловой шаре? Напишите в комментариях свои фэйлы. Чужие ошибки учат лучше любых методичек, а для кого‑то ваш комментарий станет поводом проверить свой план до аварии, а не после.

А теперь поговорим о том, как строятся планы DRP и почему наличие документа ещё не означает, что вы восстановитесь.

В мире промышленной автоматизации ошибка в коде может остановить конвейер, привести к браку или аварии. До 2022 года проблему контроля версий решали только зарубежные решения, которые ушли из России. На замену мы с нуля создали собственное решение, которое интегрируется с открытым ПЛК и открытой средой разработки.

Рассказываем, как оно реализовано, и как его делали.

Как опубликовать внутренний API из DMZ, если соединения в LAN запрещены: пять подходов, которые мы проверили

Все пять схем мы собирали на NEOMSA APIM, российской платформе управления API от Neoflex. Сводка по вариантам:

В сентябре 2026 года я попросил восемь нейросетей сделать женщине на тестовом портрете короткое каре с густой прямой чёлкой. Все восемь послушно нарисовали. После этого я показал тот же портрет ещё трём нейросетям, теперь в роли стилиста, и спросил, какая причёска ей подойдёт. Все три, не сговариваясь, внесли густую прямую чёлку в список того, от чего лучше отказаться: с круглыми очками она упирается в оправу и закрывает верх лица.

В этой истории весь ответ на вопрос, как подобрать причёску по фото. Нейросеть, которая рисует, ничего не советует: она сделает ровно ту стрижку, которую вы попросили, даже если вам она не идёт. Поэтому шагов два. Сначала языковая модель вроде Claude, GPT или Gemini смотрит на фото и подсказывает, что пойдёт. Потом модель для редактирования картинок примеряет это на вашем снимке. Одна примерка занимает 10-45 секунд и стоит от 4,5 до 27 рублей в зависимости от модели.

Все восемь рисующих моделей я гонял на одном и том же фото в агрегаторе BotHub с оплатой в рублях. По соотношению цены и результата выиграла gpt-image-2.5: 6 ₽ за причёску, лицо и брови на месте, четыре варианта в одной картинке без потерь. Nano Banana Pro справилась так же чисто, но стоит в четыре с половиной раза дороже. Хуже всех лицо сохранила Qwen Image Edit Plus, заодно переделав брови и футболку. В независимом рейтинге Artificial Analysis, где правки вслепую сравнивают люди, две версии gpt-image-2.5 тоже заняли первые два места из 80.

А вот к тому, что стилисты сказали о форме лица, я бы отнёсся осторожно. Все трое сказали «овал», но разошлись в деталях, и это не особенность нейросетей. В исследовании 2025 года шестнадцать обученных наблюдателей дважды раскладывали по типам одни и те же 60 лиц, и их оценки совпадали лишь немногим чаще, чем при случайном выборе.

Недавно часть наших клиентов не могла подключиться к серверам Монеты. Мы проверили межсетевые экраны, собрали трассировки с обеих сторон, но причина оказалась за пределами нашей инфраструктуры. При этом сайты самих клиентов тоже стали недоступны, а уведомления о платежах на Pay URL перестали доходить. Диагностика привела нас к участку сети, где работает ТСПУ.

На связи Евгений, инженер отдела сопровождения разработки и эксплуатации ПО (DevOps-инженер) в Монете. В статье разберу, как проверить такую гипотезу и не спутать её с другими сетевыми проблемами, какие данные собрать для обращения и что делать, если заявка в ЛК ВТС уже получила статус «Частично принята», а доступ так и не восстановился. Покажу весь путь на реальном кейсе: от curl, traceroute и nping до переписки с ЦМУ ССОП и ДЦОА — без смены хостинга и IP-адреса.

Многоэтапный AI-агент может выдать убедительный ответ, хотя ошибка произошла ещё в начале расследования. Найти её по итоговому результату непросто. Рассказываем, как поэтапные проверки помогли нам локализовать сбои и обнаружить баг в самом механизме оценки.

Чтобы распознать документ на смартфоне, мало хорошо обучить нейросеть читать текст. Нужно ещё добиться, чтобы она делала это быстро на процессоре самого устройства. При разработке Smart Document Engine, системы распознавания и анализа документов, мы решаем именно такие задачи: обработка должна выполняться локально, а вычислительные ресурсы ограничены. Поэтому для нас поиск более экономных способов вычисления нейронных сетей — вполне практическая задача.

Один из привычных способов ускорить нейросеть — квантование. Переход от вычислений с плавающей запятой к 8-битным целым числам позволяет получить более быструю модель с близкой точностью. Можно пойти дальше: ранее мы предложили 4.6-битные сети, сравнимые по скорости с 4-битными, но заметно превосходящие их по точности. Однако уменьшение разрядности — не единственное, что можно изменить в нейросетевых вычислениях. Что, если оставить веса и входные данные 8-битными, а пересмотреть способ накопления результатов умножения?

В этой статье мы расскажем об алгоритме, который вместо точного суммирования использует последовательное усреднение по дереву. Такой подход позволяет дольше сохранять промежуточные результаты в 16-битном формате и эффективнее использовать SIMD-регистры. В наших экспериментах на ARM NEON это позволило сократить время матричного умножения. Разберёмся, какой погрешностью приходится платить за ускорение, как она влияет на точность нейросетей и что удаётся восстановить дообучением.

Я здесь уже рассказывал про Falang (friendly algorithmic language) - универсальное решение для построения блок схем. Тогда у меня было несколько MVP под разные направления, сейчас же я выхожу в свет с реальным продуктом.

Встречайте: FalangFlow - конструктор бизнес процессов. Код открыт под лицензией APGL-3, вы можете его самостоятельно запустить локально или на своем хосте.

FRIDA Decisions — открытая модель быстрого мышления для русского языка. Она выбирает вариант из списка, ставит оценку по шкале, отвечает «да» или «нет» и ранжирует кандидатов за один проход энкодера, без генерации текста и за десятки миллисекунд на RTX 5060 Ti. Её можно поставить везде, где сейчас LLM работает классификатором или судьёй: маршрутизация обращений, модерация, разметка данных, ранжирование для RAG. На нашем бенчмарке razvilka модель набирает 0,893 — наравне с коммерческим API TypeSafe Jev (0,897) и с LLM Qwen3.5-35B-A3B, которая в 40 раз больше.

В 2026 Claude может помочь легко развернуть проект на VPS‑сервер — решить проблему «Первого дня». Но для решения проблем дальнейшей эксплуатации «второго дня» всё равно либо придётся разбираться в DevOps, администрировании и поддержании инфраструктуры, либо сразу использовать управляемые сервисы.

В статье я покажу, чем хостинг в PaaS‑платформах отличается от VPS и IaaS. И в каком случае, что лучше выбрать.

Сначала кажется, что дело в знаниях: человек не понимает, насколько всё серьёзно, или не знает, кого звать. Но чаще дежурный тянул со звонком не потому, что не знал, что делать. Основная причина была другой. Разбудить коллегу — это конфликт, а решить самому — это ответственность.

Что произойдет, если AI‑программист будет получать контекст не из собственного чата, а из функциональной и архитектурной модели проекта?

ERP‑Tools совместно с Cursor пилят сайт и документируют систему.

Рассказываем и показываем, как подобрать программу на Хеллоуин, которая понравится вашей команде и не оставит коллег равнодушными.