Kurgan-Telecom Ru | Информационные технологии

Наш проект на Quarkus столкнулся с необходимостью более эффективного использования ресурсов под высокой нагрузкой. В поисках решения мы решили попробовать миграцию с классического Hibernate ORM на Hibernate Reactive (HR). В этой статье я поделюсь реальным опытом этого перехода: разберу ключевые архитектурные различия, расскажу о неочевидных «граблях», на которые мы наступили, и покажу на production-коде, какую цену пришлось заплатить за реактивность.

Версии используемого ПО: Quarkus: 3.31.3, Quarkus Hibernate Reactive: 3.31.3 и Vertx-pg-client (реактивный клиент PostgreSQL): 4.5.24.

Все описанные ниже вопросы и особенности актуальны именно для этих версий.

Почему в биологических проектах уверенность нейронок часто опережает реальное научное понимание, и какие выводы из этого стоит сделать разработчикам.

Главный триумф AI в биологии - AlphaFold. Проект не возник из ниоткуда, он опирается на Protein Data Bank PDB базу данных, которую начали собирать еще в 1970-х. Успех модели обеспечили не только алгоритмы, но и десятилетия работы конкурса CASP, где эксперты верифицировали предсказания структур белков. Без жестких стандартов качества никакое GPU не дало бы результата. Многие команды пытаются применять ИИ там, где данных либо недостаточно, либо они не подходят. В медицине принято считать электронные медкарты золотой жилой, но для прорывов нужны новые биомаркеры и лабораторные исследования, которые сейчас недофинансированы.

10 новых российских продуктов для аудита конверсии посадочных страниц, создания MVP без разработчиков, голосового ввода в любых приложениях на Mac, генерации SEO-оптимизированных статей и много другого. Битва за «Продукт недели» началась!

14 ошибок TypeScript. Такой был результат моего первого промпта в ChatGPT, когда я попросил написать тесты для React-компонента.

Через несколько месяцев тот же запрос "напиши тесты" выполняет мультиагентный пайплайн из 7 AI-агентов. Он сам планирует тест-кейсы, пишет код, проверяет его по философии RTL, а потом намеренно ломает компонент, чтобы убедиться, что тесты не врут. 40+ компонентов уже прошли через него на проде.

Это история про путь между этими двумя точками. Без прикрас, с тупиками и неработающими подходами.

Вместе с Главным инженером НПП «Гидрокуб» Иваном Кочетковым сделали для вас практическое руководство по выбору гидравлических цилиндров. Расскажем: на что обратить внимание при выборе гидравлического цилиндра для различных задач в промышленности и строительстве. Эта статья поможет разобраться в ключевых параметрах и избежать типичных ошибок при выборе оборудования.

Гидроцилиндр (гидравлический цилиндр) — объемный гидродвигатель возвратно-поступательного движения. Рабочей средой в нем выступает жидкость, которая под давлением управляет ходом штока, а тот в свою очередь влияет на нужный механизм.

Статья носит исключительно образовательный/ознакомительный характер. Она не служит цели, рекламировать какой-либо инструмент или ПО. Все наименования программного обеспечения, упомянутые в статье приведены из личного опыта.

Роли аналитиков в IT-компаниях давно вышли за рамки простых классификаций. Если раньше можно было уверенно разделить бизнес-аналитиков, фокусирующихся на требованиях заказчика, и системных аналитиков, отвечающих за техническую реализацию, то сегодня рынок диктует универсальность. Российские вакансии на том же hh.ru полны требований, где BPMN соседствует с SQL-оконными функциями, а знание REST API - с ГОСТами. И это не прихоть рекрутеров, а реальность цифровизации, импортозамещения и дефицита кадров.

Захотелось порассуждать вслух (впечать?) над мыслями из статьи. Я не буду нападать на представленную там математическую модель, потому что гуманитарий и нифига в них не понимаю (будете кидать тапками — кидай сразу оба — пару хоть продать можно). Но у меня вызвали недоумение исходные тезисы и вопросы автора и сама постановка проблемы.

Дисклеймер № 1: написано без внешних нейросетей. Только с помощью той, что в черепной коробке.

Дисклеймер № 2: написано без оглядки на хрупкую человеческую гордость. И с пониманием, что ко мне все ниже изложенное относится в той же мере, что и к любому другому человеку.

Веду агентство заказной разработки в Екатеринбурге. Последние полгода каждые переговоры начинаются одинаково: клиент приходит с бюджетом вдвое меньше прошлогоднего и спрашивает - вы же с AI работаете, значит дешевле? Он прав! И это только начало.

Разобрал, что реально происходит с рынком аутсорса в 2026-м: почему мотив "сэкономить" упал с 70% до 34% за шесть лет, куда делся спрос на Junior и Mid, что вайбкодинг сделал с нижним сегментом рынка и почему Apple начал удалять вайбкодинг-приложения из App Store. Отдельно - про Россию, где рост рынка на 50% маскирует совсем другую природу спроса. С цифрами, источниками и личными наблюдениями из регионального B2B.

Две недели назад я выложил Доку — локального AI-агента для Windows и macOS. Статья попала в топ-5 Хабра за сутки, пришло 22 баг-репорта в первые 48 часов и 154 комментария за неделю.

Самый частый запрос в комментариях: «когда будет работа с файлами?». Это логично — агент который умеет искать в интернете, но не может взаимодействовать с твоим диском, это как браузер без закладок.

В этой статье — технические детали того что я сделал: файловый доступ для агента, permission gate, agent timeline, pipeline hardening. Плюс три баги которые я поймал по дороге и которые стоит знать если вы строите что-то похожее.

Вы слышали, что Manticore Search быстрый. Вы слышали, что он объединяет полнотекстовый, векторный и нечеткий поиск в одном движке. Но когда вы начинаете реально работать с ним, вы сидите перед документацией, угадываете синтаксис SQL и надеетесь, что CREATE TABLE не выдаст непонятную ошибку.

MCP-Manticore меняет правила игры.

Это сервер Model Context Protocol (MCP), который подключает Cursor, Claude Code, Codex CLI или любой другой MCP-совместимый AI-ассистент напрямую к вашему экземпляру Manticore. AI может:

Успехи, а особенно провалы во внедрении AI последних лет постепенно приводят бизнес к подходу осознанного освоения технологий, основанного на понимании, что AI - это пусть и мощный, но лишь инструмент, а не цель, и что эффекты от внедрения технологий в организации в первую очередь определяются ее качественно проработанной бизнес-стратегией, дающей возможность качественно выявить возможности и гэпы и определить точки применения технологических решений.

Начинаем детально разбирать AI КОМП-АС фреймворк - полное описание можно найти здесь.

Просматривая содержание курсов для аналитиков 1С, я заметил любопытную закономерность. Везде учат рисовать схемы бизнес-процессов. Но нигде не учат помещать в них ключевого участника — Систему. Ту самую учетную программу, ради демонстрации которой, вообще-то, вся эта красота и рисуется.

Вместо этого ее функции размазывают между участниками процесса, как масло по бутерброду. В результате Система есть везде и нигде. И по схемам невозможно понять, что она реально делает и за что бизнес платит деньги.

Вторая проблема - универсальность. Курсы учат рисовать одну схему для всех сотрудников заказчика разом. Как будто топ-менеджер, руководитель среднего звена и исполнитель — это один и тот же человек. На практике у них три разных видения мира. В итоге схемы работают усредненно — а значит, посредственно.

И наконец, схемы рисуют, не сообщая, а зачем они? Для презентации руководству, для инструкции рядовому исполнителю или для чего-то еще?

В этой статье я покажу, как встроить Систему в схемы бизнес-процессов, адаптировать схемы под разные уровни аудитории и применять на практике — под конкретные задачи.

Это эссе объемом 2800 слов (на 12 минут чтения) о том, как выжить внутри ИИ-революции в разработке ПО и не поддаться всеобщему страху, витающему вокруг нас. Я поделюсь несколькими уроками, которые усвоил на сложных горных маршрутах — оказалось, они отлично помогают в укрощении ИИ-агентов. Думаю, эти принципы пригодятся всем работникам умственного труда.

400 000 строк в файле Excel, а пропущенный день это дырка в истории и отчёты, которые тормозят даже на мощном ПК — именно с этим столкнулся алготрейдер Дмитрий Овчинников. Но он смог при помощи ИИ ассистента создать дашборд, который упрощает управлением его 100+ стратегиями в алготрейдинге. И это, по его словам, как пересесть с запорожца на вертолёт.

На Хабре вообще очень мало пишут про алготрейдеров, а уж про работающие алгоритмы так и вообще ничего. А есть такая важная для любого сторонника алгоритмов тема как управление и отображение результатов трейдинга и она определенно заслуживает внимания.

Представьте: вы выкатываете проект, где роутинг реализован через классические GET-параметры. Адреса страниц выглядят как site.ru/products.php?category_id=102&item_id=9452&sort=desc. С точки зрения кода всё работает стабильно – сервер получает четкие инструкции и отдает нужные данные.

Проблемы начинаются, когда на проект заходит SEO-специалист. Он видит эти «хвосты» и начинает проклинать архитектуру url. Для поисковиков это препятствие для ранжирования и плохой пользовательский опыт. Чтобы навести порядок в индексации и сделать ссылки понятными, приходится внедрять ЧПУ (человекочитаемый URL, от "человеко-понятный URL).

Ниже – практическое руководство: от понимания структуры до настройки на сервере и разбора реальных ошибок.

Продолжаю делиться своим опытом использования Claude Code и пакета скилов GStack от CEO Y Combinator. Сегодня продемонстрирую насколько поддержка мультиязычного сайта на Django может быть простой.

Новый пост-квантовый гибридный алгоритм шифрования для высоко-нагруженных систем с реализацией на TypeScript. Ring-LWE, работа с ключами с использованием MAC и SHAKE-256, защита от основных видов атак и другие мысли в реализации протокола QuarkDash.

Помните те времена, когда мы сидели в три часа ночи, пытаясь свести VLOOKUP-ами три кривых CSV-файла, выгруженных из разных CRM, а питоновский скрипт падал из-за одной запятой не в той кодировке? Кажется, это было в прошлой жизни...

На дворе апрель 2026 года. Нейросетевой анализ данных – это уже не игрушка для гиков и не R&D-эксперимент с непредсказуемым бюджетом. Это суровая, ежедневная необходимость. Если вы сегодня не используете ИИ для очистки, обогащения и анализа датасетов, вы всё равно что копаете котлован чайной ложкой, пока соседи работают экскаватором.

По данным исследований Стокгольмского института окружающей среды, современные LLM достигают 85–90% точности по сравнению с ручной разметкой и анализом даже в таких субъективных вещах, как оценка политических и климатических документов. А в жесткой математике и структурированных таблицах этот процент стремится к абсолютным 100%.

В этой статье я собрал ультимативный топ-9 платформ, сервисов и подходов, которые перевернут ваш воркфлоу. От уютных табличек в Google Sheets до суровых кластеров для машинного обучения. Мы разберем, какие инструменты реально работают на проде, и поймем, как стать настоящим архитектором смыслов.

Пристегните скафандры, мы погружаемся. И начинаем с абсолютного геймчейнджера.