Kurgan-Telecom Ru | Информационные технологии

В недвижимости скорость первого контакта напрямую влияет на результат. В долгосрочной аренде клиент обычно выбирает из нескольких вариантов, а подходящую квартиру могут сдать в день обращения. Если агент быстро обрабатывает заявку, он успевает назначить больше показов и заключить больше сделок. 

В продаже квартир решение обычно занимает больше времени, но оперативный ответ тоже важен. Клиент быстрее получает информацию, агент раньше видит качество лида и работает с наиболее заинтересованными покупателями. Это улучшает сервис и повышает вероятность, что клиент продолжит работать именно с ним.

Конфигурация Spring Boot приложений гораздо более сложная, чем может показаться на первый взгляд.

В новом переводе от команды Spring АйО, мы вместе постараемся внести небольшую ясность в этот процесс.

Отток в массовом B2B SaaS почти всегда рождается не в недовольстве продуктом, а в первых днях после покупки, до того как клиент дошёл до реального результата. Чинит его онбординг, а не запуск программы удержания.

Привет, Хабр! Если судить по новостям, то до повсеместного распространения автономного транспорта осталось совсем чуть-чуть: Waymo расширяет парк роботакси в США, Baidu через Apollo Go возит пассажиров в двух десятках китайских городов, а Volvo и Einride готовят автономные грузовики к серийной эксплуатации на автомагистралях. Пилотные проекты идут один за другим, растут показатели безопасности, а инвесторы вкладывают миллиарды. Но время идет, а прорыва все нет и нет.

Легковой автомобиль когда-то точно так же буксовал не из-за плохих моторов, а потому что дорог с твердым покрытием, заправочных станций и правил дорожного движения еще попросту не существовало. Потребовались десятилетия на то, чтобы с нуля построить всю эту инфраструктуру. Сегодня автономный транспорт оказался ровно в той же точке. И в этой статье разберем, что же ему мешает.

Прежде чем начать, короткое предупреждение. Это, вероятно, самая тяжёлая статья всего цикла. Не в смысле сложности материала, а в смысле того, чем он закончится. Первая половина - это чистый интеллектуальный восторг. Вторая - один из самых горьких сюжетов в истории технологий двадцатого века. Я не буду обходить это стороной, но и имеющиеся на территории РФ законы постараюсь не нарушить, так что если вы готовы, то начинаем.

Это вторая статья из цикла “Код как борьба: Кратчайшая история IT”. В прошлый раз мы говорили про Лейбница, Бэббиджа и Аду Лавлейс. Про то, как три человека нащупали идею компьютера за полтора века до электричества. Сегодня мы встречаем человека, который наконец дал этой идее строгий математический фундамент. И одновременно человека, чью жизнь разрушила его собственная страна за то, что не имело вообще никакого отношения к его работе.

Привет, на связи команда BI-разработчиков коммерческого департамента: Алексей Дубинец и Павел Беспалов. 

В статье расскажем, как построили пайплайн миграции наших витрин с помощью локальной LLM. 

Сразу оговорюсь: это не история про то, как мы дали в Codex или Claude Code, написали скилл и получили магический результат. Покажем инженерную часть задачи: где локальная модель срабатывает не так, какие наивные решения не работают и что пришлось построить вокруг неё, чтобы перевод стал воспроизводимым.

410 вариантов писем, сотня микросервисов и до 15 файлов, которые приходилось править ради одной нотификации. Добавление письма превратилось в квест: создай компонент, подключи, опиши параметры, зарегистрируй — и молись, что ничего не забыл.

Мы устали и автоматизировали это. Теперь описываем контракт письма в OpenAPI, а CLI генерирует весь boilerplate — от NestJS-артефактов до React-компонента с типизированными пропсами. Часы работы сжались до минут.

Меня зовут Денис, я фронтенд-разработчик в ЮMoney. В этой статье расскажу, почему мы пришли к кодогенерации, как устроили процесс и что в нём изменилось для разработчиков, дизайнеров и тестировщиков. Материал будет полезен тем, кто работает с React, NestJS или TypeScript и хочет перестать писать однотипный код вручную. Особенно если поддержка UI-компонентов и API-слоя отнимает время, которое лучше потратить на реальную логику.

По данным исследования Хабр Карьеры, в первом полугодии 2026 года сильнее всего выросли зарплаты не у разработчиков и не у аналитиков. Рекордный рост — плюс 10% за полугодие — показала техническая поддержка. 

При этом техподдержка — одна из самых доступных точек входа в IT. Тут не нужен диплом технического вуза и не надо программировать. Зато будут полезны коммуникабельность, умение разбираться в проблемах и готовность учиться. Поэтому специалисты стартуют с поддержки, а потом расходятся в разработку, продукт, аналитику или продажи.

Разберём, кто работает в техподдержке, сколько платят, что нужно знать и как найти первую работу.

Ситуация из практики любой компании: сотрудник уволился, ноутбук сдал, пароль от гостевой и рабочей сети остался прежним. Формально сотрудник его не знает — вводил один раз при подключении, полгода назад, наизусть не помнит.

На самом деле пароль он унёс: если ноутбук уехал с ним, а иногда и просто потому, что пароль можно было посмотреть в системе одной командой в любой момент.

Есть показатель, который получается, если совместить сразу два вопроса из опросов бизнеса Банка России: как компании планируют менять цены и как они планируют менять численность сотрудников. В проекте «Простая аналитика» считается разрыв между ними. Логика проста: чем он больше, тем сильнее бизнес готовится повышать цены, но при этом почти не собирается расширяться. И вот сейчас этот разрыв довольно большой.

По последним данным индекс Разрыв ожиданий: цены и занятость составляет 15,8 п.п. Сам показатель строится как разность двух сопоставимых балансов одного опроса предприятий Банка России и выходит ежеквартально, поэтому здесь важно смотреть именно на индекс, а не пытаться сопоставлять его с отдельным ежемесячным показателем ценовых ожиданий ЦБ. И 15,8 п.п. – это уже довольно заметный разрыв. Ожидания компаний по расширению численности сейчас находятся около нуля: то есть компании в среднем не планируют массово сокращать работников, но и прежнего желания активно расширять штат уже практически нет.

Внедрение OKR часто превращается в бюрократию. Сотрудники воспринимают его как тот же Jira, только в профиль, а рыночный софт либо стоит дорого и тащит за собой тонны ненужного HR-функционала, либо требует сборки на коленке.

В Sape мы столкнулись со всеми этими проблемами и решили, что OKR-софт должен быть простым, интуитивно понятным и не ломать текущие процессы в таск-трекерах. В результате мы написали свой open-source-инструмент, который собирает метрики через OpenAPI и отлично дружит с n8n.

Пятьдесят дней назад планирование моих тренировок переехало из головы и переписки в телеграм-бота. Он читает восстановление из WHOOP и форму из TrainingPeaks, рассуждает через Claude и сам пишет структурированные тренировки обратно в календарь — оттуда они уезжают в Garmin Connect и на часы. За это время он записал в календарь 72 тренировки, а стоимость эксплуатации (дроплет, инференс, подписки) составила около 4 500 рублей в месяц против 30 000+ за живого тренера с теми же подписками на спортивные сервисы.

Официального доступа к TrainingPeaks у меня нет: в партнёрскую программу я написал и получил отказ без объяснения причин. В статье — как я всё равно научился писать в чужой календарь: обмен куки веб-сессии на bearer, GET-merge-PUT вместо несуществующего PATCH, поле, которое на чтении приходит объектом, а на запись требует JSON внутри JSON, и почему IF и TSS плановой тренировки приходится считать самому.

Вторая половина — про то, где это ломалось. Три отказа за пятьдесят дней, и ни один не был виной модели: устаревший в настройках пороговый темп, мой собственный баг с зонами не того вида спорта, один невалидный OAuth-scope, отбивавший запрос согласия целиком, и ответы, обрывавшиеся на полуслове из-за параметра, у которого «по умолчанию» значит разное у разных моделей. Плюс три дня, когда я был уверен, что агент зря меня бережёт, — а данные говорят, что прав был он.

Спортивного результата пока нет: до целевого марафона сто дней, но надеюсь на лучшее.

Когда 180 тестов каждый раз проходят форму входа, авторизация начинает съедать десятки минут и ломаться на рейт‑лимитах, SSO и редиректах. Разберём рабочую схему: получить токен по API, закэшировать состояние и передать его браузеру до старта приложения.

Вы нажимаете в ERP кнопку «Рассчитать план», получаете плановые заказы с датами и резонно предполагаете, что система только что построила производственный план. Она его не строила. Она рассчитала, что нужно закупить и изготовить под план, который кто‑то дал ей на вход. Разбираю двенадцать характеристик производства, при которых MRP перестаёт справляться, и объясняю, откуда на самом деле должен браться производственный план.

Model Context Protocol (MCP) от Anthropic перевернул работу с ИИ-агентами, но когда их становится больше трех, начинается ад с правами доступа, сетевым I/O и визуальным контролем. Мы задолбались собирать костыли на Python и написали масштабируемый опенсорс-оркестратор. Внутри — честный инженерный разбор: почему для ядра выбрали Go, как упаковали асинхронный движок JSON-RPC 2.0 на Rust в cdylib для вызова через cgo, и как мы героически побеждали утечки памяти на стыке этих двух миров.

Специалисты Лаборатории цифровой криминалистики и исследования вредоносного кода компании F6 предупреждают о новой угрозе российскому бизнесу. В августе 2026 года специалисты Лаборатории выявили активность группировки вымогателей, которая называет себя VantaCore. На данный момент известно как минимум о семи жертвах группировки. Суммы запрашиваемых выкупов составляют миллионы долларов.

Исследователи из канадского Университета Торонто на прошлой неделе опубликовали научную работу, в которой продемонстрировали новую атаку на видеоускорители NVIDIA. Атака, получившая название GPUThor, относится к классу Rowhammer, то есть использует многократные обращения к ячейкам оперативной памяти с целью повлиять на соседние ячейки. Таким образом можно изменить данные в областях памяти, изначально недоступных потенциальному злоумышленнику. Наиболее актуален такой сценарий атаки в случае совместного доступа к профессиональному видеоускорителю. Именно поэтому в подобных работах традиционно исследуются устройства NVIDIA, в данном случае модели поколения Ampere A4000, A4500, A5000 и A6000.

По сравнению с предыдущими атаками на подобные устройства, продемонстрированными в начале 2026 года, GPUThor обеспечивает изменение данных в целевых ячейках в сотни и даже тысячи раз чаще. Но самое главное — новая атака в некоторых случаях приводит к двойным и тройным бит-флипам, которые не корректируются системой ECC. Это точно позволяет провести атаку типа «отказ в обслуживании» и теоретически создает условия для атаки с повышением привилегий, даже если коррекция ошибок включена.

Merge queue гоняет полный сьют один раз на каждый пул-реквест в группе. Четверо ждут посадки — четыре полных прогона, причём последний из них уже содержит три остальных. Обязаны ли те три прогоняться? Мы построили одноразовый стенд, прогнали на нём четыре способа останавливать лишние прогоны и померили каждый: один сажает сломанный код, один залипает намертво, один безопасен и стоит ровно столько же, сколько мы платим сейчас. Четвёртый — наш, и он экономит около 19 машинных минут на посаженный пул-реквест ценой примерно четырёх минут ожидания.

Спор «какая модель умнее» почти всегда оказывается спором о другом. И это уже не мнение, а измеренная величина.

Большинство backend‑проектов начинаются предсказуемо: HTTP‑запрос, бизнес‑логика, SQL и ответ клиенту. Но что изменится, если вместо очередного CRUD нужно одновременно искать собеседников, поддерживать долгоживущие WebSocket‑соединения и не допускать двойного matchmaking?

В этой статье я расскажу, как появился Fluent Swap, почему его первая версия работает без базы данных и как очередь в памяти одного Go‑процесса постепенно подводит архитектуру к Redis и горизонтальному масштабированию.