Информация
- В рейтинге
- 2 947-й
- Откуда
- Москва, Москва и Московская обл., Россия
- Дата рождения
- Зарегистрирован
- Активность
Специализация
Инженер электронных устройств, Научный специалист, исследователь
Старший
От 300 000 ₽
Прикладная математика
Разработка программного обеспечения
Оптимизация кода
C
Assembler
Python
Алгоритмы и структуры данных
Объектно-ориентированное проектирование
Многопоточность
Verilog HDL
Есть опасность того что если вручную невозможно считать с лазерной указкой лазердиск 650МБ - то данные на нём также не Ваши а производителей считывателей. Здесь важен не носитель а постоянная регенерация данных с переносом с одного на другой плюс резервирование. Это фактически постоянный процесс, в крупном датацентре условно каждый час вылетают диски и в конце смены обходчик едет с корзиной и делает хотсвоп. Начиная с некоторого объёма данных и/или их важности домашние/офисные решения перестают работать.
Дата-центр в бочке на дне океана чтобы охлаждался получше или спутниковый с солнечным ИБП 24/7. Потенциально - на гелии-3 из лунного реголита. В большинстве случаев вопрос скорее стоит о приватности корпоративных данных нежели о самой площадке, включая право собственности на сервер/raid, например, когда 4U выкупаются а сама стойка в дата центре арендуется (опечатана, опломбирована с воткнутыми ключами-флешками с доступом как в банковскую ячейку). Мелкие частные дата-центры на этом специализируются. Крупный хорош тем что физически всё рядом и "скорость света преодолевается быстрее от стойки к стойке чем от города к городу". Для занятий с собственными моделями и обучением ИИ это критически важно чтобы всё было компактно.
Ну тут как бы одно дело локальная техника в пыли с самостоятельным обслуживанием другое дело специально приспособленный для этого дата-центр с резервированием, охлаждением, пожаркой итд. Тем более для передовых и специфичных девайсов вроде этого должна быть специальная инфраструктура, на основе которой делается профессиональная работа качественно иного уровня а не мелкие заплатки.
По теме - используется baai/m3 эмбеддер из cloud.ru + FastMCP + qdrant
Также сделан чанкователь с использованием того же FastMCP на базе Python + tkinter
Настройки простейшие
Можно начанковать даташиты и их использовать как локальный поисковик, модель в них разбирается прекрасно. Достаточно перегнать pdf-ки в текст с сохранением layout
Вопрос почти по теме - где можно найти инструкцию как оживить GigaCode CLI, откуда ему взять API ключ - как то с GitVerse или cloud или как-то вытащить из json-а который создаётся плагином к VSCode. С VSCode плагин работает отлично
В начале нулевых было много частных интернет-проектов, в качестве пусковой установки - леска с крыши/балкона, чтобы прокинуть витую пару с крыши на крышу, а кое-где даже и коаксиал. А для первых фай-фаев - центр управления спутниковой группировкой в виде YAGI из проволоки или намоткой вокруг трубы с рефлектором, четверть километра пробивало. Так что эра AI (Alternative Internet) уже на подходе.
Если это какой-то совсем уж специализированный железячный диалект то будет плыть в этой нише. Ну как VHDL-Verilog-System C как по отдельности так и в связке. Там ещё подмножества мета-языков RTL, описания AST LISP-подобные и так далее. Если действительно на нём будут делать CUDA/OpenCL/OpenMP подобные штуковины с расширениями наборов команд то уже что то ближе к делу. На худой случай сверхбыстрое развёртывание моделей и нейронок/эмбеддеров и надстройки над ними (раз позиционируется как AI), ковырять трансформеры. Пока что исходя из библиотек это чистый Web. Ну а там WebASM/GL в связке с JS-подобными, который в списке первых, там пробиться - если только выпустить браузер или попросить протиснуться туда в виде фреймворка или на худой вариант плагина по умолчанию.
Проблема новых языков - кодовая база для того же LLM с примерами и всем остальным и это явно не RAG а претрейнинг. Второе - наличие IDE где под капотом всё что нужно для сервиса языка - библиотеки, примеры, без возни с файлами/папками/флажками/настройками и отсутствием проблем syntax error. Оболочка, где не нужно что-либо учить или запоминать с хорошим подсказчиком. Тот же Колаб с Питоном. На главном сайте было бы очень хорошо что то вроде Try Mojo Online. Да и транслятор Python/Matlab->OpenCL или CUDA сейчас не такая проблема а синтаксисом AI владеет вполне прилично и даже на уровне архитектуры, понимая cmem<->CPU<->GPU<->cores<->gmem и прочие синхро-асихронные сущности. Вручную возиться с этим опять в стиле нулевых... ну так себе даже если вместо 5 строк будет одна. Особенно когда эту тему знает даже Алиса.
обычно на Линуксе это делается монтированием в память для каждого запуска, тогда утилиты будут в +- одинаковых условиях, помимо всего прочего нужно отключать другие процессы и тяжёлый сетевой обмен. Вообще говоря сравнивать быстроту i/o, всё равно что на printf, это ещё то... помнится мерились как там шустро на экран пишет в консоль на 386-м и 486. Благо тогда и частота росла вместе с поколением. Что касается утилит - плюс ещё обработки различных исключений, может быть такое что вырваны там переполнение, ошибки потока, всякие проверки итд. Программа может быть быстрой но сваливаться при первом чихе, решение безопасной памяти это полумеры на многопоточке особенно. Раст ещё не стандартизирован и там фактически один поставщик для компилятора, что для энтерпрайза даёт вопрос "а потом кому звонить если что". Питон конечно тоже этим страдает но он уже фактически стал а-ля Паскаль в 90е, в каждой школе как Бэйсик + феноменальная кодовая база всего и обо всём. В вычислениях потеснил Matlab. Не говоря уже про знаменитсость С и плюсов. Всё остальное это бег вокруг скобок и предпочтений. По факту уже привели всё к LLVM а что там сверху уже не особо интересно в эпоху LLM. Да и наверняка сам модуль memory-safe для компилятора исчезающе мал по сравнению с остальным, по современным меркам - плагин для плюсов, кстати они поддерживаются gcc, даже где то проект видел.
А внутри легендарного Лиспа тот самый AST который суть связка между тумблерами, машинным кодом, ассемблером и языком. Он даже в микро-форме присутствует в прошивке Спектрума. Чтобы не перегружать контекст, желательно использовать гарантированный тул который читает по 100 строк что-то вроде grep с заглушкой по длине, даже специально делаю shell-обёртку чтобы он не промахнулся с этим числом. Мало того, можно даже сделать Питошу который поможет модели посёрфить по ассемблерному коду (вот это уже было бы супер - ждём агентов, которые поддерживают генерацию специализированных тулов налету с прокруткой нагенерённого в отдельном окне вместо one-liner-code мучающий терминал). Скачал тут прошивку для ZX-48k просто для интереса во что там БЭЙСИК превращается
БЭЙСИК превращается, Бэйсик превращается.. в элегантный
Вот собственно и есть тот самый AST-мотор под катом, тот же самый ассемблер. Достаточно просто визуализировать его токены на экране, это собственно то что назовём Бэйсиком, а там можно и представить хоть как Go хоть как Python или что ещё, даже индексы менять не нужно, добавить новые для классов, лямбд функций итд. В будущем как раз LLM-ка наверняка научится работать с этим напрямую без потери контекста за счёт hold-тегов.
В точку. Нужен самостоятельный AST-инструмент. Настоящий пример который использую прямо сейчас. Лучше потратить пару дней для генерации того что необходимо, тем более модель с этим отлично справляется. Для Питона там куча нативных AST, для C - Clang
Саммари:
AST Python
Для скана C поиск dead-code
Сканер по С файлам
Фактически можно сказать код больше уже и не нужен - достаточно знать его внутреннюю структуру. Это уже новый этап развития языков - по-сути от них ничего не требуется кроме скелета AST, а далее там и рефакторинг и всё что угодно, благо LLM понимает этот формат особенно для Питона, достаточно указать необходимые тулы и можно таргетированно менять всё что угодно без ошибок синтаксиса как таковых, так как операция производится уже внутри языка.
-> также дело не в том что модель может по тексту шагать (это кстати можно сделать в виде скилла - что после нахождения чанков идти по путям к этим txt), а в существенной экономии токенов при множественных запросах по смыслу. То есть в векторной БД уже сразу она может сходу найти ответ на запрос, там сразу видно что то вроде ADC калибровка, PWM тайминги, GPIO назначение входов, ADC режимы семплирования итд. При прямом поиске вероятность глюков без вектора возрастает очень сильно. Тем более эту задачу вполне можно сплавить субагентам, причём самым "туповатым" и использовать только для взаимодействия с этой базой но саммари будет более чем достаточно для принятия решений уже оркестрирующей моделью.
А были ли внешние инструменты - тот же Qdrant+BAAI-m3 эбмеддер, сейчас в облачных сервисах полно этого добра. Делается векторная БД, затем чанкуется любой даташит что под руку попал (включая код с коммент-промпт форматом - не пренебрегайте этим!) и модель всё делает почти так как руками, хоть Алиса хоть Сбер. Мне очень всё это дело помогло сделать микро-проект с PWM/ADC/UART/I2C/SPI с DMA, все адекватные конечные автоматы с фоллбеками и обработчиками ошибок, практически на уровне main(){} с таймерами миниатюрная RTOS, полное понимание проблем RMW с гонкой данных и всё это впихнуть в 64 к флеша и 20к озушки, прочих вкусных протокольных внешних микрух а-ля SPI дисплейчик, мультиплексоры I2C и умные драйверы шаговых. Плюс ещё скиллы соответствующие и промпт-инъекции чтобы направить в нужное русло ну и конечно же md-саммари с хорошей цепочкой и контрольным выводом, плюс питонячьи тесты (уже давно отодвинул Matlab) и тестирующие C-обёртки. Практически можно не использовать stdlib а генерировать printf/scanf по месту и прочие парсеры, умещаясь в килобайты как на каком-нибудь спектруме, самое невероятное - практически отпала необходимость искать чьи-либо библиотеки (!) для периферии, шрифтов, рендеров итд, всё генерируется по месту, остаётся только что-то вроде HAL/SPL на уровне спецификаций регистров управления. Вообщем это добротный джун/миддл с опытом работы 50+ лет в отрасли, начиная от Z80 и до GPU/FPGA.
Модели ad hoc, применимо к синтезу необходимого функционала с минимальным количеством "глюков" и расходом токенов при поиске необходимых данных - собственно это и есть специализированные модели с файн-тюном. Вообще говоря это довольно обширная задача - синхронизация документации и того как это реализовано с точки зрения дальнейшего использования хоть LLM хоть питон-генератором. Обычно делается векторная БД с соответствующими туда запросами агентами, далее по чанкам можно уже дать если необходимо исходный документ. До сих пор это делалось человеком для человека но не для машины так скажем. Все упомянутые в публикации инструменты имеют уже историю лет 20-30 и отвечают задачам на тот момент когда они только появились. Новейшие же инструменты требуют совершенно других подходов, здесь уже язык уходит на второй план, на первом месте это генерация кода под задачу, мета-языки спецификаций, обёртка тестами, автоматизация проверки граничных значений.
Сейчас скорее проблема не бэкэнда как такового а спецификаций, которые не отражают текущие потребности. С одной стороны давлеющее легаси из 90-х с другой микросервисы, распределённые архитектуры, асинхронность и кроссплатформ. Поэтому тут язык уже не важен, главное чтобы он (вместе с фреймворком) мог обернуть необходимые протоколы без лишней рутины, ну и конечно же если есть для этого скиллы, MCP или даже файн-тюн модели то это несомненно перевесит любые недостатки языка.
на DSP иногда бывает так что char это 16 бит. И по-хорошему бы всё это оборачивать pragma pack или pragma align, причём особенно весело это на Tiny C Compiler. Атрибуты компилятора и структуры, включая размещение оного в регистрах/памяти/авто-стеке это отдельная боль переносимости. Если что то надо захардкодить без вопросов - директивы обязательны, с хорошим доком вокруг или даже md-шку со ссылками на номера строк чтобы самому вспомнить и агенту проще было.
Зачем картинки, когда есть вполне определённый текст - Постановление Правительства РФ от 27.10.2025 N 1667 и № 156-ФЗ. Многофункциональный сервис, наверняка API будет соответствующий. Удобно, можно забыть про всякие netstat, tracert, tcpdump, dig как пережитки прошлого
А в чём проблема сделать нормальный захардкоженный утверждённый атлас белых IP адресов и распространять через киоск "Союзпечать", создать Единый классификатор адресов, ГОСТ. Например резольвить aaa.bbb.ccc.ddd 001. - айпишники пожарных организаций, 002 - полиция, 003 - скорая, 004 - сайт Газпром итд
Отличный опыт! Однако я бы добавил:
- не следует захламлять контекстное окно скиллами и универсальными правилами для всего, писать под конкретную задачу, вычищать инъекции, оставлять только то что нужно
- писать кратко, за данными идти в локальный txt файл с просьбой читать последовательно sed/grep/cat
- обязательно использовать MCP для внешних запросов например Context7
- абсолютное добро это индексация кодовой базы данных с Qdrant например
- лучшее решение для работы с документацией - облачный или локальный MCP с индексацией тем же Qdrant-ом, некоторые документы и файлы просматривать чанкователем и подгонять под хорошие чанки
- делайте в промпт инъекции от других моделей, запускать для решения сложной задачи несколько агентов и копипастить между ними, включая даже бесплатные ИИ из поисковиков - у них есть fine tuning и прочие плюшки с актуальными данными, агентные модели могут не знать современное состояние дел особенно для редких библиотек
- использовать Питон-тесты для обёртки сложных случаев и Питон-генераторы для анализа данных, не делать пытку модели проанализировать Json в миллион строк, только скрипт который разберёт необходимый фрагмент.
Вот это самый интересный вопрос. Почитайте у Соурскрафт (пункт 5) или Сбера Гигакод (пункт 6) пользовательское соглашение - там передаётся компаниям безотзывная простая (не исключительная) лицензия на то что подаётся на модель и то что с неё идёт. Если почитать что в замке у шефа - там авторские права принадлежат автору, то есть промпты и вывод модели а вот лицензия тоже вроде как на контент передаётся Гуглам, Антропикам итд, есть кто в теме тут - поправьте пожалуйста на этот счёт. Навскидку пока что звучит так, что всё что не делается с облачной моделью - лицензия на любые данные передаётся держателю модели. То есть он может их использовать для претренинга, файн тюнинга, RAG и просто выложить где нибудь как что то интересное. Вообщем необходимо результат вайбкода сразу же столбить на опенсоурс, формально это передача лицензии автором. Полностью управление правом - это опечатанная серверная стойка с шифрованием или локальная видеокарточка.
На самом деле проблема такая же для различного рода симуляторов схем. EPS и прочие, добавки 1/(delta+x^2) где delta нечто бесконечно малое и прочее и прочее. Тут важнее скорее всего обусловленность задачи. Если она имеет дико разнесённые постоянные времени (пространства), от очень крупной сетки до мельчайшей то здесь NaN/ +-inf скорее exception флажки нежели математика. То есть такие вещи обычно обыгрываются некими fp константами которые предотвращают насыщение и выводят осознанное исключение без математических приветов. Тут либо полу-символические методы если уж совсем дело далеко зашло а-ля правило Лопиталя (например в SPICE есть symbolic derivative) либо все места содержащие деление или умножение дополнять на проверку. В FP умножение большого на малое тоже может дать не очень хороший результат. Тем более в процессорах общего назначения нет теневых разрядов. Например в DSP при заявленной разрядности в 32 бит аккумулятор может быть все 40 (32+тень, guard bits), чтобы не потерять крайние младшие разряды при умножении на малые коэффициенты и обеспечить накопление результата. 0.5*0.5=0.25 а не 0.2, и ошибка накапливается довольно большая, на этот счёт имеется даже определение - "численный разогрев" (numerical heating) требующий double precision
Это было время одноразовых ПЗУ в виде картриджей для Денди. Кстати большинство проблем на Спектруме были те самые динамические ОЗУ 565й серии которые вылетали с любым чихом с завидной регулярностью. Там ещё от производителя зависело вроде несколько заводов их выпускали (корпусировали)