Как сравнить СУБД, когда одни критерии измеряются секундами, другие рублями, а третьи существуют только в экспертных оценках? Показываю методику: как собрать данные TPC-DS, нормализовать их, учесть важность и разброс критериев, а затем получить проверяемый рейтинг.
FreeConnect — это опен‑сорс инструмент для Windows, который модификацией сетевых пакетов возвращает доступ к Discord (вместе с голосом), YouTube и Telegram, пряча всю низкоуровневую возню за одной кнопкой. Внутри у него знакомый многим движок zapret (winws), но я нарастил вокруг него то, чего мне самому не хватало в «батниках»: приложение само генерирует СВОЮ(!) рабочую стратегию под конкретную сеть, следит за отваливающимся голосом в Discord, отдельно поднимает Telegram, умеет шифровать DNS и не только.
Сразу оговорюсь: это инженерный пет‑проект про доступ к легальным сервисам, которые деградировали из‑за DPI‑фильтрации. Никакого «ускорения интернета», только работа с пакетами на сетевом уровне.
Если коротко, оно умеет: подобрать или синтезировать рабочую стратегию обхода под ваш конкретный провайдер, отслеживать и чинить умирающий голос Discord, поднять Telegram через локальный прокси без VPN, шифровать DNS, когда провайдер подменяет ответы, и завернуть весь Discord в отдельный VPN, если голос душат совсем жёстко. Всё это на Python с веб‑интерфейсом в нативном окне, ядро — winws (WinDivert плюс десинхронизация из zapret), VPN‑часть на sing‑box.
За плечами у меня больше 20 лет то плотной, то фоновой связи с разработкой: от FoxPro и PHP до Python и DevOps-технологий. В начале 2026 года я целенаправленно пошёл в сторону автоматизации с ИИ, и этот проект стал первым реальным (не учебным) опытом в этой области.
Нужен был живой полигон, на котором можно пощупать связку n8n + LLM не на туториалах, а на задаче, которая болит каждый день. Такая задача нашлась под рукой: два личных почтовых ящика (Gmail и Rambler), куда ежедневно прилетает всё подряд — рассылки, уведомления, сервисные письма и редкие важные сообщения. За 3–4 дня там легко скапливаются сотни непрочитанных писем, из которых внимание действительно требуют единицы, а разбирать это вручную не хочется.
Отсюда и появился n8n в моём стеке — не как «модный no-code», а как удобный способ собрать оркестрацию: по расписанию забрать почту, прогнать через LLM, записать результат и вернуть категории обратно в почтовые ящики.
Большинство Laravel-проектов начинаются как обычные монолиты. Со временем кодовая база растёт, а бизнес-логика оказывается разбросана по сервисам, моделям, репозиториям и контроллерам. В первой части разберём, почему стандартная структура перестаёт отражать предметную область, что такое Modulith и как организовать приложение вокруг бизнес-модулей, не переходя к микросервисам.
Zapret Hub: как я создал лучший UI для Zapret и Zapret 2
За последние три с лишним месяца я постарался собрать в одном приложении всё, чего лично мне не хватало в существующих решениях:
История началась где-то три-четыре месяца назад. В тот момент многие снова столкнулись с тем, что привычные сервисы начали работать нестабильно. Для Telegram нужен TG WS Proxy или VPN. Для других сайтов и приложений - Zapret, Zapret 2, отдельные конфигурации, списки доменов, модификации и так далее...
Почему недостаточно просто подключить LLM к производственным данным? Рассказываем, какие архитектурные решения пришлось принять при разработке системы анализа производственных журналов, почему API и Desktop Claude ведут себя по-разному и может ли LLM заменить Power BI.
Существует множество стартапов, у которых уже есть готовый лендинг с кнопкой «Попробовать бесплатно». Инвесторы вкладывают деньги, пользователи переходят на сайт, а за обещанным сложным алгоритмом на деле скрывается обычный math.random(), упакованный в красивый дизайн.
Есть подходы, которые позволяют имитировать сложную функциональность и проверять главные фишки продукта, не создавая громоздкую кодовую базу сразу. Эта статья будет полезна начинающим разработчикам, которые только знакомятся с профессиональным сообществом и делают первые шаги в работе с JavaScript.
Недавно я прочитал книгу Брайана Трейси “Делегирование и управление”. Причина выбора книги довольно простая. Сейчас я работаю аналитиком полного цикла (бизнес + системный) в компании 1221Системс и включён в кадровый резерв руководителя отдела аналитики. Логично, что одним из главных навыков руководителя является грамотное делегирование рабочих задач.
У аналитика основной фокус находится на качестве собственных решений:
matrix — это такой протокол для мессенджера, есть несколько его реализаций, но, как водится, полноценная только одна. Протокол ругают за перетяжеленность, но matrix сегодня один из самых зрелых opensource‑вариантов для self‑hosted мессенджера.
Домен возьмем, естественно, example.com. Контейнер назовем matrix. Дадим ему реальный адрес: можно и с пробросом портов, но это отдельная возня. Предполагается, что вы уже умеете создавать контейнеры. Веб‑сервер nginx, но можно поставить любой другой.
Сделал Status Line для тех, кто пользуется Claude Code CLI
Если вы работаете с клодом в терминале, то в одном месте он показывает
• Модель и Effort
• Текущую рабочую папку и ветку
• Незакоммиченные изменения в GIT в этой папке
• Есть ли что в очереди на push и pull
• Расхождение основных md файлов
• Текущий размер контекстного окна
• Кэш: hit rate & TTL
• Ну и лимиты конечно же
Очень удобно это все видеть в одном месте. Рассказываю про него в статье.
Именно в такой ситуации я оказался буквально пару месяцев назад и хочу поделиться увлекательной историей решения этой проблемы.
Интерфейс сервиса BenzinNow на двух смартфонах: интерактивная карта Москвы и список ближайших АЗС с названиями сетей, расстоянием и выбором вида топлива.
Начать хочется с честного признания: Kaguya UserBot — это моя вторая попытка. Первая закончилась полным архитектурным тупиком. Система получилась настолько негибкой, что в какой‑то момент я просто забросил проект на два месяца, а затем полностью удалил код и начал всё с чистого листа.
Микросервисы — это не про технику.
Все говорят о микросервисах, но почти никто не понимает, зачем они на самом деле.
Спойлер: Это не про масштабирование. Это не про отказоустойчивость. Это не про большие базы данных.
Это про команды.
Когда у вас больше 3–5 команд, работающих над одной системой — MSA имеет смысл. В остальных случаях вы просто платите за инфраструктуру, сложность и распределённые транзакции, получая взамен… распределённый монолит.
Кодовые ИИ-агенты уже способны за минуты выполнять часть работы, на которую раньше уходили часы. Но быстро написанный код — ещё не выпущенный продукт и тем более не полученная прибыль. Разбираемся, куда исчезает ускорение, когда его почувствует бизнес и какие показатели действительно стоит измерять.
У меня RTX 5060 Ti на 16 гигабайт. Обычная потребительская карта, и на ней хочется гонять модели покрупнее, желательно с большим контекстом. Дальше история про то, как я скрестил две несовместимые вещи, потратил на это вечер, нашёл баг, который не выдаёт никаких ошибок, а потом выяснил, что настройка по умолчанию отнимала у меня четверть скорости.
Есть модель Ternary-Bonsai-27B от PrismML. Это Qwen3.6-27B, ужатый до примерно 2.1 бита на вес. Весит 6.66 гигабайта. Для 27B на 16-гигабайтной карте это отлично, потому что остаётся много места под контекст.
Проблема в том, что запускается она только на их собственном форке llama.cpp, а там нет сжатия KV-кеша. А KV-кеш на длинном контексте съедает больше, чем сама модель.
С другой стороны есть BeeLlama, форк от Anbeeld. В нём как раз есть TurboQuant и KVarN, две схемы сжатия KV. Но Bonsai он не грузит.
Причина простая и обидная: оба проекта завели у себя тип с названием Q2_0, и это разные форматы. К счастью удалось реализовать поддержку Bonsai в Beellama.
За последние несколько лет статический анализ стал неотъемлемой частью современной разработки на PHP. Сегодня сложно представить крупный PHP‑проект, в котором не использовались бы инструменты статического анализа.
Статический анализ позволяет обнаруживать множество проблем ещё до запуска приложения: некорректные типы, потенциальные ошибки в логике программы, недостижимый код, использование несуществующих методов и свойств и многое другое.
По этой причине улучшение поддержки статического анализа является одним из направлений развития Yii2.
Я соло-разработчик. Этой весной я решил, что вместо очередного «бота на RSI» соберу нормальную систему: команду автономных AI-агентов с общей памятью, которые круглосуточно исследуют крипторынок, читают научные статьи, следят за новостями, проверяют «гуру» из телеграма и ищут торговое преимущество. Всё это — на одном дешёвом VPS, на Python, cron и OpenAI API.
Система получилась. Она работает месяцами без моего участия, стоит копейки и делает ровно то, для чего строилась.
А теперь спойлер, ради которого стоит дочитать: главный результат работы этой машины — строгое, статистически честное доказательство того, что торгового edge у моего ретейл-подхода нет. Два десятка проверенных гипотез — два десятка трупов. И я считаю это лучшим, что система могла для меня сделать.
Обо всём по порядку: сначала архитектура и грабли (они переносимы на любую предметную область), потом — главная глава про кладбище гипотез.
Здравствуйте, коллеги!
Три недели назад я взялся за задачу, которая звучит просто: сделать бота‑ассистента, который помогает IT‑джуну собрать резюме, и при этом не выдумывает того, что соискатель не описывал. И задача оказалась не про prompts. Ниже — архитектура, которая получилась и 3 инженерные истории, на которых я застревал по‑настоящему.
Всё, что описано, код и цифры — проверялось на живом MVP.
Физика спрашивают, верит ли он в привидения. Он отвечает: 'Конечно нет; привидения не содержат ни энергии, ни материи, и поэтому согласно законам физики они не существуют'. Затем физик задумывается и говорит: 'Но, конечно, законы физики не состоят ни из энергии, ни из материи, и поэтому они также не существуют.' Этот анекдот будет введением в обсуждение природы законов физики. Мы настолько привыкли к использованию законов физики при объяснении мира, что они принимается как нерушимая часть научной картины мира. В то же время не все так просто; в этой заметке представлены внутренние проблемы понятия законы физики.
Я начну с истории, с возникновения идеи о законах физики в ходе научной революции 17-го века. Все внутренние проблемы видны на этом этапе, но в те времена их решением являлась определенная христианская теология: Бог создал мир по законам, выраженных на языке математики. Концепция законов физики оказалась настолько успешной, что большинство физиков продолжает ее использование, не замечая теологический характер. Это продемонстрировано в разделе 'Физики о законах физики'. В следующем разделе внимание уделено тонкой настройке вселенной. Затем рассмотрены идеи физиков, связанные с коэволюцией законов физики и вселенной. Это соответствует отходу от теологической модели законов физики, но все это в настоящее время находятся в зачаточном состоянии. Последний раздел посвящен цифровой физики, появление которой связано со взглядом на законы физики со стороны теории вычислений.