Kurgan-Telecom Ru | Информационные технологии

Всё началось с простой идеи: что если подключать к языковой модели новые «навыки» как приложения к смартфону — без переобучения, без деградации, за полчаса? Я потратил 22 шага экспериментов и 97.5 GPU-часов на одной видеокарте, чтобы это проверить. Архитектура заработала идеально. А потом выяснилось, что модель, которая говорит на языке математики, совершенно не умеет решать задачи. Это история о том, как красивая метрика обманула исследователя, и как модель в итоге нашла выход сама.

На связи Анастасия Шильникова, менеджер по тестированию компании «Гарда».

Мы регулярно сталкиваемся с ситуациями, когда в Jira к задаче вроде есть какое-то описание, стоит статус «готово», но, чтобы понять, в чем была проблема, что было исправлено, как было проверено, приходится «нырять» в мессенджер или звонить коллегам. Все это съедает время, размывает ответственность между командами и мешает выпускать продукт быстро, качественно, в срок.

Чтобы решить проблему, мы решили внедрить в жизненный цикл разработки концепцию DoR (Definition of Ready) и DoD (Definition of Done). В этой статье я расскажу: чем DoR и DoD отличаются от критериев приемки и почему их важно не путать, как не превратить полезный инструмент в бюрократическую обязаловку, какие узкие места могут возникнуть при внедрении концепции.

Все знают Стивена Вольфрама как британского физика, математика, информатика и предпринимателя. Одни его боготворят как современного гения уровня Ньютона и Эйнштейна, другие - завидуют успеху и в науке и в бизнесе, третьи - стремятся оспорить его идеи, претендующие на роль Теории всего. Но никто не остается равнодушным. И это понятно. Я и сам ранее посвятил несколько статей Вольфраму и сам прошел путь от полного непонимания того, о чем вообще говорит Вольфрам до того, что мой мир перевернулся и больше никогда не будет прежним после того, как я наконец начал его понимать. Хорошо, но причем здесь вообще Кант и Гегель?

Velocity, Burndown и количество закрытых задач выглядят как контроль над разработкой. На практике эти метрики часто создают только видимость управляемости: отчёты красивые, а сроки всё равно срываются.

В статье разбираем, какие показатели действительно помогают прогнозировать сроки, находить узкие места и держать баланс между скоростью разработки и качеством релизов.

Данная статья является переводом откровений Гельдрейха о работе в Valve и некоторых других «самоорганизующихся» компаниях (представленных в виде, без преувеличения, «учебника по выживанию»), с некоторым форматированием для более удобного чтения. Имейте ввиду, что это рассказ об условиях работы на Западе (США), и некоторые советы могут выглядеть очевидными или странными.

Исследование The Ladders (2018): рекрутер тратит на первое знакомство с резюме 6–7 секунд. За это время глаз выхватывает три точки:

⏱ Время чтения: ~10 минут

Compensating Transactions на PHP: как мы внедрили откаты для мультисистемных операций

Всем привет!

Привет! Меня зовут Игорь Федорчук, я руковожу разработкой в направлении «Монобренды» в GRI.

За последний год компания заметно выросла: команд стало больше, изменений и интеграций — тоже. А процессы в разработке долго оставались такими же, какими были пару лет назад. В какой-то момент это перестало «склеиваться» само собой: ответственность размылась, централизованной точки входа в команды не было, а коммуникация стала слишком неэффективной.

Это первая статья о том, как мы пересобирали процесс разработки в GRI — от получения запроса от заказчиков до выкатки в прод. В этой части я разберу роли (тимлиды, техлиды, TPM), зоны ответственности и общий флоу. Во второй части покажем, как мы приземлили это в Jira и метрики, а в третьей — как масштабировали поставку: релизы, код-ревью и инциденты.

Начали мы не с Jira и не с попытки «ускорить релизы», а с зоны ответственности. При росте она ломается первой: задачи начинают зависать на стыках ролей, статусы приходится собирать вручную и дублировать в несколько каналов коммуникаций, а «владелец результата» меняется по ходу движения.

Привет, друзья!

На днях помогал коллеге с видеоотчетом для руководства. Он все четко рассказал, но когда сел просматривать материал обнаружил, что забыл вовремя остановить запись. В итоге после финальной фразы камера еще пять минут добросовестно снимала его разговор с клиентом, обсуждение обеденного меню с женой и поиск ключей на столе. Сразу встал вопрос монтажа: как обрезать видео?

Ситуация показалась мне очень знакомой. Несколько лет назад я записывал видеолекции и одновременно был спикером и оператором. В такой ситуации без обрезки не обойтись: каждый ролик начинался с моего пути к столу, откуда я вел урок, и заканчивался обратным путешествием для выключения камеры. И эти хвосты нужно было как-то убирать — желательно быстро и без погружения в функционал профессионального софта.

Так вот, я собрал для приятеля простые видеоредакторы на ПК, браузерные помощники, ну и мобилки на всякий случай. Теперь хочу поделиться с вами, вдруг кто-то оказался в похожей ситуации.

За последние несколько лет, с момента бума ИИ-чатов, всё больше людей меняют привычный Google и Яндекс на разговор с ИИ-ассистентом. Не нужно копаться в ссылках, да и ответ сразу перед вашими глазами. Статистика 2025 года показывает резкий рост интереса к нейропоиску: только в Рунете ChatGPT собирает свыше 1,17 миллиона запросов в месяц, а глобально эта цифра приближается к 47 миллиардам.

Doubletapp уже несколько лет развивает экспертизу в области нейросетей, и в 2025 году мы всё чаще стали получать лиды именно из ChatGPT и других ИИ-платформ. Мы разобрались, как же все-таки работает нейропоиск, и готовы поделиться этим с вами.

Содержание:

‣ Можно ли заменить Google на ChatGPT?
‣ SEO умерло? Да здравствуют AEO и GEO
‣ Как AI выбирает сайты для ответов в нейропоиске
‣ Отзывы и комментарии: нужны ли они нейросетям как SEO?
‣ Масштабирование: от AEO к GEO и битве экосистем
‣ Почему бизнесу пора стать ответом, а не ссылкой

Сейчас настало довольно странное время. С одной стороны, технологии движутся вперед, а с другой стороны, они стоят настолько дорого, что старые, проверенные временем решения вновь становятся по-настоящему массовыми. Например, когда все вокруг говорят о DDR5 и AM5, MSI тихонько делает очень прагматичный ход — и, на мой взгляд, правильный. Несколько дней назад компания выпустила две новые материнские платы на чипсете B550 с сокетом AM4: PRO B550M-B и B550M-A PRO. Обе — в форм-факторе microATX, обе работают с DDR4 и обе нацелены на бюджетных сборщиков. Можно быть уверенным, что такое решение будет если не самым популярным в 2026 году, то точно очень востребованным. И на это есть как минимум несколько причин.

Привет, Хаброжители!

Предлагаем ознакомиться с краткими обзорами новинок, отправленных в типографию.

Если вы все еще считаете, что покупка «качественных» прокси или использование дефолтных настроек антидетект-браузера — это гарантия того, что ваш бот или скрипт не улетит в бан через 15 минут после запуска, у меня для вас плохие новости. Современные антифрод-системы (от Google и Meta до Cloudflare) уже давно перестали смотреть только на ваш IP-адрес.

Сегодня ваш «цифровой отпечаток» — это сложная нейросетевая модель. Они анализируют всё: от скорости отрисовки WebGL-контекста до того, как именно (с точностью до миллисекунд) ваш курсор перемещается по экрану.

В этой статье я не буду предлагать вам «волшебную таблетку». Я покажу, как выглядит современная лаборатория автоматизации «изнутри». Мы разберем, почему классические Selenium-фермы сегодня — это «красная тряпка» для систем защиты, и как через связку Python + Local API конкретного инструмента (в моем случае — AdsPower) выстроить систему, которую нейросети систем защиты будут принимать за реального, «офисного» пользователя.

Мы идем дальше, чем просто «создать профиль». Мы идем в сторону инженерной автоматизации.

Привет! Меня зовут Серёжа, я исследователь в Контуре. В прошлом году я был наставником на летней стажировке для UX-исследователей. В этой статье хочу показать наш процесс онбординга со стороны тех, кто помогает новым сотрудникам. Об опыте стажировки со стороны новичка-стажёра можно прочитать в этой статье.

Всем привет, мы пытаемся заниматься инфраструктурной доступностью.

Мы чуть-чуть уже копали в сторону когнитивных отличий, за последний неполный год нырнули чуть глубже, вот что у нас получилось.

Привет! Меня зовут Ксюша, я руководитель продукта Project Ruler — это система, которая помогает бизнесу управлять проектами и продуктами в едином пространстве и позволяет видеть полную картину: от отдельных задач до стратегических целей компании. Мы развиваем продукт на рынке систем управления проектами и таск-трекеров, где конкуренция высокая, а требования к гибкости и масштабируемости постоянно растут.

В начале 2025 года я перешла на позицию менеджера продукта, и именно тогда вопрос погружения в рынок и стратегического взгляда на развитие продукта стал для меня особенно важным. Операционные задачи не заканчиваются, новые решения появляются постоянно, а времени на осмысленное наблюдение за рынком почти не остается. При этом от менеджера продукта ждут решений, которые будут актуальны не только сейчас, но и через несколько лет.

В этой статье я расскажу, что такое трендвотчинг с практической точки зрения, чем он отличается от насмотренности и анализа конкурентов, как отличать хайп от устойчивых трендов, какие инструменты помогают находить ранние сигналы и какие изменения уже сейчас видны на рынке управления проектами. 

Всем привет! Закрываем февраль подборкой самых интересных новостей из мира ИБ. В прошлом месяце у Paragon, разработчика спайвари, случились трудности с опсеком: на LinkedIn утекло фото из их офиса с панелью продукта на фоне. У другого вендора шпионского ПО Intellexa закончился суд — и топ-менеджеры получили солидные сроки.

Дела LLM’ные превращаются в постоянную рубрику: сеть встряхнула история про ИИ-агента, написавшего порочащую статью про разработчика, Hacker One выпустила агентный продукт, вызвавший подозрение у багхантеров, а топ-менеджеры Microsoft грозят, что ИИ закрывает джунам вход в профессию. Помимо этого, разборки Anthropic и Пентагона поставили под угрозу существование компании, у WormGPT потенциальная утечка базы юзеров, а у Cisco десяточка с эксплойтом с 2023-го. За подробностями добро пожаловать под кат!

Как только я узнал, что книга Making Embedded Systems 2nd Edition (русская версия: «Создание встраиваемых систем. Паттерны проектирования отличных программ. 2-е издание») доступна для предзаказа, я не раздумывая отправился на Amazon и раскошелился за неё.

Некоторое время я занимался самообучением в различных областях, связанных с электроникой и разработкой встраиваемых систем, но в совершенно произвольном и никак не организованном ритме.

Рассчитывал, что эта книга даст мне хороший каркас, на базе которого можно будет формализовать мой рост и обучение.

Я сразу примерно представлял, о чём будет книга, и полагал, что сначала научусь с её помощью настраивать среду разработки для различных микроконтроллеров класса STM32, а потом, отталкиваясь от материала книги, смогу перейти в любую область разработки, которая к тому времени будет меня больше всего интересовать.

Просмотрев на сайте O'Reilly предметный указатель и выложенные для просмотра главы, я обнаружил, что такой «конфигурационной» главы в книге нет. Также в предисловии прямо рекомендовалось не прыгать по книге от главы к главе, а проработать её всю по порядку.

С появлением ИИ-агентов процесс разработки начинает радикально меняться — от написания кода вручную к генерации систем по подробной спецификации. Это поднимает неожиданный юридический вопрос: насколько вообще защищает авторское право, если систему можно заново реализовать по её архитектурному описанию. Раньше подобная clean-room реализация требовала большой команды инженеров, но теперь её может провести один человек с помощью нескольких ИИ-агентов. На этом фоне возникает ощущение, что классические open-source лицензии защищают код, но почти не защищают саму систему как идею.