Kurgan-Telecom Ru | Информационные технологии

Всем привет, с вами Юрий Ковальчук, backend разработчик в ВебРайз. В этой статье разберем процесс вывода логов из приложения c автотестами на .NET в ELK с последующей визуализаций в Kibana.

ELK представляет из себя достаточно массивный инструмент для сбора, хранения, обработки и анализа логов, организации мониторингов. С наскоку разобраться с ним вряд ли получится, поэтому подготовили небольшую инструкцию с примерами - на базе простого теста прокинуть результаты до Kibana.

Несмотря на обилие различных онлайн-конструкторов сайтов (вроде Tilda), WordPress остаётся одним из самых популярных движков. Однако сайт, созданный на WP, нужно где-то размещать, и в этом отлично помогает VPS-сервер. Благодаря гибкости в выборе конфигурации, можно легко собрать сервер под проект любого масштаба. И в этой статье мы бы хотели рассмотреть несколько конфигураций VPS под разные проекты на WordPress.

Когда инфраструктура насчитывает тысячи хостов, ручное управление превращается в источник нестабильности. Становится невозможным гарантировать единое состояние систем, своевременно обновлять конфигурации и быстро реагировать на инциденты. Особенно остро это ощущается в масштабах 9000+ рабочих станций, где даже малейшая ошибка масштабируется мгновенно.

Для централизованного и безопасного управления такой инфраструктурой используется связка Puppet и GitLab CI/CD. Эта комбинация позволяет автоматизировать весь цикл: от написания конфигурации до её контролируемого применения на каждом узле.

В основе подхода — принцип постепенного внедрения изменений: сначала изменения тестируются в безопасной среде, где можно экспериментировать без риска, потом — раскатываются на небольшую группу хостов (канареечное тестирование), чтобы посмотреть, как они поведут себя в реальных условиях. И только если всё прошло гладко — обновление отправляется на весь флот.

Как нетехническому специалисту участвовать в принятии решений, от которых зависят бюджет, сроки и масштабируемость продукта

Архитектурные решения — это фундамент цифрового продукта. Выбор между монолитной и микросервисной архитектурой определяет, насколько быстро вы сможете выпускать новые функции, как будет масштабироваться бизнес и какие команды вам потребуются. Это не чисто технический вопрос, а стратегический, напрямую влияющий на финансовые и операционные показатели.

Многие нетехнические специалисты — продуктологи, менеджеры, основатели стартапов — чувствуют себя исключенными из этого разговора. Их задача — не писать код, а понимать бизнес-последствия выбора и говорить с разработчиками на понятном им языке. Вот практический фреймворк, который поможет участвовать в этих обсуждениях на равных.

Базовые концепции: два подхода к архитектуре

У Контура более 10 тыс сотрудников и очень-очень много групповых встреч: около 30 тыс ежемесячно, мы считали.

За годы работы в управлении проектами я убедился, что каждое внедрение ИТ-решения — это не просто установка программы. Это история о людях, о проблемах, которые они решают день за днём, и о преобразованиях, которые происходят, когда технология встречается с реальностью. Я хочу рассказать о двух проектах, которые научили меня больше, чем любые учебники.

Распознавание рукописного текста — задача, которая остаётся болезненной даже в 2025 году. Именно это не позволяет оцифровать многие архивы и документы, а также является камнем преткновения в разной бизнес деятельности.

Производители заявляют, что модели вроде GPT-5, Gemini 2.5 Pro и Claude Sonnet 4.5 способны не просто распознать почерк, но и догадаться, что автор имел в виду: исправить пунктуацию, восстановить сокращения, даже понять, что стоит за пометками на полях.

Звучит красиво. Но работает ли это на реальных документах?  Чтобы ответить, мы провели исследование и сравнили, как три топ-LLM обрабатывают рукописные и смешанные документы — с точки зрения точности, структурной консистентности и понимания контекста.

Недавно на Хабре вышел материал с громким заголовком — «Как я генерирую тексты без копирайтеров (и почему поисковики это не замечают)». Признаюсь честно, как специалист по коммуникациям, я прочитала его с удовольствием. Текст автора — искренний, системный и вдохновляющий. Lastman рассказал, как с помощью нейросети создаёт статьи, которые выглядят естественно и даже проходят SEO-проверку.

Автор явно знает, о чём пишет — чувствуется насмотренность, понимание SEO-логики, работа с LSI-запросами, структурами, микро-редактурой. Из чего я делаю логичный вывод, что человек находится внутри ремесла, профессии, контекста. Просто он сам стал для себя и копирайтером, и редактором, и SEO-специалистом одновременно. Это заслуживает уважения.

Но всё же — давайте чуть подискутируем. Не потому что кто-то «за» или «против» копирайтеров, а потому что тема, на мой взгляд, требует дополнения.

Нейросеть — не волшебная палочка. Если вы внутри рынка, я на 1000% уверена, что хоть раз, но вам приходилось слышать от заказчика: «только не нейросеть, пожалуйста». Не потому что они против технологий — а потому что получали и продолжают получать на руки тексты без редактуры, с шаблонными оборотами и фразами «по инструкции». И это действительно проблема: в руки к заказчику попадает не результат работы с нейросетью, а просто её сырой отклик: не отредактированный, с не красивыми оборотами, с не богатым русским языком текст.

И вот тут-то и нужен специалист, профессионал, эксперт — человек, который умеет работать с текстами, понимает разницу между рекламным, нативным, продающим, SEO-оптимизированными текстами, владеет техниками соблюдения определенного темпо-ритма, умеет работать под ToV, у которого есть вкус, логика, начитанность и насмотренность, чтобы сделать из AI-черновика контент, который хочется дочитать до конца.

И начал снова учиться жить своим умом. О моём личном осознании через четыре полки из Леруа и ситуации с деградацией в мире.

В этой статье хочу рассказать о нашей передовой системе Text-to-SQL, построенной на базе динамической мультиагентной архитектуры. Вместо одной модели — команда из шести специализированных агентов. Каждый отвечает за свой участок работы: один проверяет безопасность на входе, второй понимает намерение пользователя, третий ищет нужные таблицы, четвертый пишет код, пятый проверяет его на уязвимости, шестой безопасно выполняет и логирует результат. 

Это универсальная платформа, где данные под полным контролем, а точность запросов на порядок выше. Text-to-SQL — лишь первое применение. Архитектура позволяет решать любые AI-задачи, где критична надежность. 

Агенты LLM меняют подходы разработчиков к миграции кода, превращая утомительные, подверженные ошибкам рефакторинги в интеллектуальные, полуавтоматизированные рабочие процессы. В этой статье мы показываем, как с помощью агентов перенести кодовую базу Java на TypeScript, проанализировав код, спланировав шаги и выполнив изменения с учетом архитектурных особенностей и проверки на основе CI.

Когда речь заходит об информационной безопасности телеком-операторов, многие представляют себе атаки со стороны: вирусы, сложные эксплойты, DDoS. Но на практике чаще всего проблемы приходят не снаружи, а изнутри. Человеческий фактор остаётся одной из главных уязвимостей даже в компаниях, где формально настроена защита.

Для малого и среднего бизнеса это особенно чувствительно: у команды меньше ресурсов на киберзащиту, сотрудники совмещают несколько ролей, а подрядчики и вендоры часто получают доступ без строгого контроля. В итоге любая мелочь — неосторожный клик, общий логин, забытая тестовая учётка — может привести к утечке данных или остановке биллинговой системы.

В современном ИТ сложилась парадоксальная ситуация.

С одной стороны, неплохой уровень заботы о сотрудниках, продвинутая служба HR, хорошие зарплаты и неплохие условия труда. С другой, высокий уровень выгорания, несчастья и болезней, даже хуже, чем в прочих отраслях.

Парадокс объясняется просто: в современном ИТ отвратительная организация. Настолько отвратительная, что многих её директоров впору увольнять, потому что именно они отвечают за её значительную часть, но многого не делают.

И получается, что сотрудники постоянно сталкиваются с переработками и избыточным стрессом, паническими релизами и бюрократией, совмещением и размытыми зонами ответственности. И так далее.

В статье кратко, но ёмко раскрываются 36 организационных проблем, решение которых помогут улучшить жизнь сотрудников и результаты бизнеса.

Даже если они не из ИТ-сферы.

Поддержка видеокарт предыдущих поколений — больная тема для геймеров. Купив производительную карту за приличные деньги, никто не хочет через пару лет остаться без оптимизаций для новых игр. AMD долгое время оставалась в тени конкурентов по этому вопросу, но недавняя ситуация с противоречивыми заявлениями о будущем RDNA 1 и RDNA 2 заставила компанию расставить все точки над i. Эта новость оказалась хорошей для миллионов владельцев Radeon RX 5000 и RX 6000.

Привет, Хабр! Меня зовут Артём, и я менеджер продукта РЕД ВРМ. В сегодняшнем материале я расскажу, почему мы всё-таки решили разработать отечественный VDI на базе протокола RED DIRECT, что РЕД ВРМ уже умеет, а чему мы научим его в ближайших редакциях.

В этом релизе объединены функции, тщательно доработанные с учётом ваших пожеланий: бесперебойный доступ к вкладкам на всех рабочих столах, единая стартовая страница, которая наконец-то объединяет виджеты и закладки, а также улучшенный контроль над производительностью браузера.

Недавно OpenAI объявила о новой возможности ChatGPT — открывать через интерфейс чата сторонние приложения. Теперь через нейронку можно послушать музыку в Spotify или сделать презентацию в Canva. Больше не нужно самому изучать интерфейс, выбирать паттерны или песни — достаточно составить промпт, а нейросеть разберется в сервисе сама.

Вокруг новой функции тут же возникло много слухов. Например, что фронтенд умирает. Ведь зачем нужен интерфейс, если пользователи взаимодействуют с сервисами через ИИ? Даже UX теперь не так важен, как раньше.

Звучит как задел на начало новой эры в разработке. Так ли это и что на самом деле происходит с ИТ под влиянием вездесущих нейросетей — давайте разбираться. Спойлер: рынок и правда меняется, но до упадка ему еще очень далеко.

Дисклеймер: в основу этого материала легло интервью с частным инвестором, Николаем Негораевым (май 2025 г.)

Решил поделиться своим личным (и пока не слишком успешным) опытом погружения в мир инвестиций. Для многих начинающих, как я, всё начинается с постановки целей. Мне сразу посоветовали: прежде чем делать первую сделку, определи, зачем ты здесь, сколько и на какой срок готов вложить.

В обсуждениях компьютерного зрения обычно речь идёт об OpenCV или нейронных сетях глубокого обучения наподобие YOLO. Однако в большинстве случаев для работы с компьютерным зрением требуется понимание базовых алгоритмов, чтобы можно было адаптировать их под свои нужды.

Мне захотелось понять, насколько далеко я смогу зайти, оставив в computer vision только самый минимум: одни лишь 8-битные изображения в градациях серого; никаких сложных структур данных, старый добрый C, немного байтовых массивов и единственный файл заголовка. В конце концов, изображение — это ведь просто прямоугольник из чисел, не так ли?

Этот пост — экскурсия по алгоритмам, лежащим в основе Grayskull — минималистичной библиотеки компьютерного зрения, спроектированной для устройств с ограниченными ресурсами.

Всем привет! Меня зовут Антон Лосев, и я QA Lead в компании AXENIX.

Сегодня я хотел бы вам рассказать и показать, как я, будучи мануальным тестировщиком, решил вопрос с горой рутинных тест-кейсов, которые мне необходимо было проходить в каждом регрессе. Поговорим о том, какие инструменты можно использовать для "автоматизации" выполнения большинства шагов кейсов, какие есть альтернативы данным инструментам и о том, насколько всё это влияет на качество регресса и скорость его прохождения.

Инструменты

Для начала давайте поговорим про инструменты. Тут я хотел бы обсудить достаточно типичный набор, который используют большинство тестировщиков, у которых на проекте REST, очереди сообщений и базы данных, а именно Postman, Offset Explorer, DBeaver. Я расскажу, каким функционалом этих приложений я стал активно пользоваться для регресса, и какая альтернатива для данного набора инструментов есть.

Задача стоящая перед нами в рамках регресса

Давайте представим, что перед нами стоит задача в рамках регресса провести тестирование интеграции десятка сервисов между собой, триггером для взаимодействия будут выступать REST, а сервисы между собой будут взаимодействовать посредством очередей сообщений, результаты работы будут записаны в БД. Выслушав легенду, вы наверно увидели схематичное описание вашего проекта. Как в данной ситуации регресс проводит большинство мануальных тестировщиков? Прокидывают сообщение через Postman, идут в Offset Explorer и ищут публикацию по каким-то условиям, переходят в DBeaver и выполняют самый простой SELECT с условием на выдачу ожидаемого результата. Таким образом, на прохождение одного кейса может быть затрачено несколько минут, тестировщику приходится постоянно переключаться от одной программы к другой, выполнять действия и анализировать результаты. В целом, если у вас таких кейсов десяток, то, конечно, вас это не напрягает, а представим, что у вас их сотня или несколько сотен, что сроки регресса у вас не просто маленькие, а назовём их крайне ограниченными, а самое главное, что регресс у вас, например, каждую неделю, и проходить все это руками вам уже совсем надоело. Вот именно в такой ситуации тестировщик и сталкивается с проблемой рутины, в результате которой начинает пропускать ошибки, так как не выполняет все кейсы или пропускает ошибки в кейсах, всё это, в общем и целом, простой человеческий фактор, крайне пагубно влияющий на качество тестирования.