Kurgan-Telecom Ru | Информационные технологии

К началу 2026 года стало заметно: формат "чат с LLM" перестал закрывать реальные инженерные задачи.
Да, модель может подсказать решение. Но дальше начинается привычная цепочка: открыть терминал, написать код, проверить, подправить, запустить, отследить результат.

Появляется закономерный вопрос: если модель знает, какие шаги нужны, почему она не может их выполнить сама?

Отсюда и растущий интерес к автономным агентам - системам, где LLM используется не как чат, а как управляющий слой поверх реальной среды исполнения.

Clawdbot - один из таких проектов.

Мы уже рассказали, как заставить таблицы работать, а теперь предлагаем сосредоточиться на мелочах. Разберем три варианта UI на реальном примере: почему цифровой индикатор и раскрывающийся список оказались эффективнее показа вложений прямо в строке.

В корпоративных системах проблемы часто создают именно детали. Казалось бы, что может пойти не так от простой функции «прикрепить файл к строке таблицы»? Но именно такие «мелочи» ломают удобство использования, превращая отлаженный отчет в визуальный хаос, где невозможно быстро работать.

В этом дизайн-тренажере разберем реальную задачу: как отобразить прикрепленные документы в отчетной таблице, чтобы пользователь мог мгновенно оценить их наличие, понять контекст и при необходимости открыть — без ущерба для главной функции таблицы: быстрого сравнения и анализа данных.

Таблицы в отчетах — это обычно строгие строки, столбцы, цифры, статусы. Их сила в структуре и предсказуемости. Но как только появляются вложения (PDF, сканы, договоры), возникает дилемма:

Python за одну статью? Да, если выкинуть оттуда ООП.

Новичков часто пугают сложной теорией, хотя для старта нужно всего 9 блоков знаний. Разбираем только то, что реально нужно для написания скриптов: синтаксис, структуры данных, функции и работу с файлами. В конце — пишем полноценную консольную игру. Лучший старт для новичка и шпаргалка для забывчивых.

В статье рассматриваются текущие возможности горизонтального масштабирования СУБД для 1С, а также какое решение предлагает Tantor Postgres.

Привет, Хабр!

Недавно случайно в мои руки попали два дешевых IoT-модуля от одного китайского производителя, которые были куплены в сети DNS. Раз попали в руки, нужно их использовать. Вот только есть одна проблема: все подобные устройства работают через облачные сервисы. В своей домашней автоматизации я придерживаюсь жёсткого правила — никаких облачных сервисов в моём умном доме! Поэтому достаём из ящика программатор с паяльником и за дело! А что из этого вышло, читайте далее.

Привет, Хабр! На связи Владимир Туров, разработчик в Selectel. Ошибки — неизбежная часть сложных процессов, особенно когда речь идет о таких многослойных проектах, как компьютерные игры. Даже самые опытные команды не застрахованы от технических сбоев, связанных с работой игровых движков. Воспроизведение законов физики, загрузка данных, одновременное взаимодействие множества подсистем — нетривиальная задача даже для признанных мастеров индустрии.

Однако помимо очевидных технических ошибок существуют и логические неточности. Появляются они не потому, что разработчики что-то «недоделали» или «недодумали», а из-за сознательных упрощений. Игровой мир редко подчиняется законам реальности полностью — персонажи могут носить десятки предметов в карманах, раны заживают за несколько секунд, а сложнейшие устройства управляются нажатием единственной кнопки. 

Все — ради темпа, удобства и удовольствия игрока. Иногда такие упрощения выглядят странно или смешно, и именно в этот момент у разработчиков появляется выбор — игнорировать нелогичность или превратить ее в шутку.

Привет, меня зовут Владимир Верхотуров, я занимаюсь DevRel в Битрикс24, а именно обеспечиваю связь внешних разработчиков (партнёры/клиенты) и внутренних команд, чтобы интеграции и решения на базе REST и других инструментов запускались быстро, стабильно и предсказуемо. И в этой статье я хочу рассказать о стартер-ките AI-ассистированной разработки, который мы создали, чтобы ускорить и немного упростить вывод новых продуктов на Маркетплейс приложений Битрикс24.

В первой статье я описал эксперимент с автономным ИИ-агентом и предложил модель слоёв исполнения:
агент должен понимать, на каком уровне системы он сейчас работает и где именно возникла проблема.

Если в предыдущем эксперименте слои выглядели так:

Мы строим карьеру на умении решать сложные задачи, но часто пасуем перед задачами, на первый взгляд, простыми, но такими важными — теми, что затрагивают не техническую область, а область человеческих отношений. Наш логический ум способен разобрать любую систему на компоненты. Почему же он отключается, когда речь заходит о трудном диалоге с руководителем, коллегой и даже близким человеком.

Задумывались ли вы, что аналитика до того, как вы открыли рот и начали диалог, может быть, столь же важна, как код-ревью до запуска программы в продакшен?

Эта статья о том, как использовать главный профессиональный навык проведения анализа — аналитическое мышление — для подготовки к самым важным диалогам на работе и в личной жизни. Мы разберём, что происходит, если этого не делать. Вы узнаете, как, используя аналитические инструменты, распутать сложный клубок проблем и определить последовательность их разрешения в самых важных для вас диалогах.

Все началось с комментария для СМИ про атаки на умные гирлянды. Мне стало, во первых интересно разобраться глубже, а во вторых, показалось, что мне есть, что сказать по теме. Зря я что-ли два года продвигал решения по защите промышленных сетей и АСУ ТП. Умные гирлянды - это подвид IoT, умного дома или умного офиса. А умный дом – это частный случай промышленной сети. Но это не точно! Отсюда вывод - проблемы безопасности промышленных сетей наследуются умным офисом, домом и умными гирляндами, в частности. Вообще любым умным девайсом. Поэтому я буду писать умный дом(не буду брать его в кавычки) и при этом буду иметь ввиду умный дом, умный офис, умные гирлянды и IoT, в принципе. На промышленные сети тоже можно натянуть.

Хабр, привет!

Мы с коллегами в отделе аналитических исследований регулярно подводим киберитоги года: рассказываем, кто кого атаковал и как это было: цифры, факты, реальные истории атак. В этой статье речь пойдет о том, как выглядел мировой ландшафт киберугроз в 2025 году: какие отрасли подвергались кибератакам, кто приложил к этому руку, какими техниками пользовались киберпреступники — о тех сложившихся ИБ-трендах, которые найдут отклик в ближайшем будущем.

Команда AI for Devs подготовила перевод подробного гайда по Claude Code — от skills и хуков до MCP, субагентов и плагинов. Автор делится реальным сетапом после месяцев ежедневной работы и показывает, как выжать максимум из Claude Code, не убив контекст и производительность.

Наверняка многие из вас ловили этот момент. На часах 02:00, вы наконец-то захлопываете крышку макбука. Глаза песочит, поясница ноет. Вы ложитесь в кровать и... тишина. Физическое тело истощено в ноль, но в голове на максимальных оборотах продолжает крутиться бесконечный цикл while(true). Вы рендерите архитектуру, прокручиваете недавний напряженный синк с продактом, дебажите код без монитора и пытаетесь оптимизировать SQL-запрос, который уперся в потолок по I/O.

Утром вы просыпаетесь с ощущением, что по вам проехал каток. Первая мысль: дожить до кофемашины. Вторая: дожить до выходных.

По-моему, наша IT-индустрия совершила фатальную ошибку, когда романтизировала депривацию сна. Мы привыкли относиться ко сну как к досадной необходимости. Как к выключению из розетки (sudo shutdown -h now), во время которого система просто простаивает и не приносит пользы бизнесу. Но если копнуть в современную нейробиологию, выяснится неприятная вещь. Сон является самым ресурсоемким и активным процессом обслуживания нашей системы. Если мы не спим, мы не «работаем больше». Мы просто копим критические ошибки в ядре.

Давайте разберем эту проблему так, как мы привыкли: через архитектуру, дебаггинг и системные протоколы. И начнем, пожалуй, с главного бага в нашей прошивке.

Несмотря на использование биологических аналогий, предлагаемый метод не относится к quorum sensing clustering в классическом смысле.
В работах, вдохновлённых quorum sensing, сигнал напрямую связан с локальной плотностью и используется как механизм адаптивного выбора радиуса влияния или порога плотности. Фактически такие методы остаются плотностными моделями кластеризации с биологической мотивацией (см., например, arXiv:1303.3934).

В предлагаемом подходе сигнал имеет иную природу.
Он не отражает количество соседей и не служит индикатором принадлежности к кластеру, а представляет собой внутреннее бинарное состояние агента, определяющее режим его локального взаимодействия с окружением.

Кластеризация в этой модели не является результатом разбиения пространства по геометрическим признакам. Она возникает как побочный эффект динамики, в которой устойчивые коллективные режимы поведения формируются, стабилизируются и защищаются через локальные правила взаимодействия.

Для Альтмана игра почти окончена

Как первые клубы дыма, поднимающиеся от «Гинденбурга», ранние предупреждающие знаки о неминуемом и неизбежном катастрофическом разрушении OpenAI теперь неоспоримы. Это проблема, потому что в отличие от «Гинденбурга», который нёс груз богатых элит, груз OpenAI - это экономика США. Мы все видим дым. Однако команда дирижабля OpenAI, его фанатичные пассажиры и недалёкие люди, которым поручено заботиться о его драгоценном грузе, достигли уровня массовой истерии безумного отрицания и утверждают, что всё в порядке и что они на самом деле на курсе к приземлению в раю. Между тем остальные из нас знают, что нет дыма без огня, и даже крошечная искра может взорвать эту гигантскую бомбу прямо нам в лицо. Вот как OpenAI вот-вот рухнет, как «Гинденбург».

В эпоху цифровизации, Вы когда-нибудь задумывались, существуют ли способы значительно снизить затраты на разработку ИТ-решений? И речь не про жалкую экономию в 5-10%, а именно экономию в разы, когда от прототипа до ввода в промышленную эксплуатацию - достаточно несколько дней разработки. Не месяцы, не годы, а именно дни. Особенно это актуально для инжиниринговых, конструкторских или производственных компаний, которые по своей сути не являются разработчиками ИТ, но вынуждены здесь и сейчас обеспечивать собственные нужды различными ИТ-решениями.

За 8 дней частичной занятости я собрал RAG-систему на NestJS + PostgreSQL (pgvector), которая обрабатывает ~11 000 чанков документов.

Первая версия отвечала около 4 минут, после оптимизации - 40–60 секунд.

Главный вывод: RAG - это не «векторный поиск + LLM», а в первую очередь подготовка данных, фильтрация контекста и аккуратная работа с промптами.

Оценивать технических кандидатов становится всё сложнее по мере роста возможностей ИИ. Тестовое задание, которое сегодня хорошо разграничивает уровни квалификации, завтра может быть тривиально решено моделью — и полностью потеряет ценность как инструмент отбора.

Разбираем бинарный формат Firebird по байтам: структура страниц, транзакции, MVCC. Пишем утилиту на Delphi для восстановления данных, когда gfix и gbak бессильны.

Вряд ли Стивен Сассон, инженер компании Kodak, понимал, какой гвоздь вбивает в крышку гроба своего работодателя. В 1975 году он  представил новейшую разработку: устройство на CCD-матрице, разрешением 100 на 100 светочувствительных элементов. Устройство могло фиксировать яркость по каждому элементу и записывало результат на магнитную пленку. 

Это событие считается важнейшей вехой в появлении цифровой фотографии. 

Появление “цифры” резко изменило сам подход к фото. И дело не только в том, что появилась возможность моментально смотреть результат съемки или делать неограниченное число кадров. Изменилась сама концепция фотографии. Именно про это мы и поговорим сегодня. Обсудим техническую реализацию цифровых камер, особенности их конструкции, затронем обработку. И, конечно же, уделим время вычислительной фотографии. Добро пожаловать в мир без пленок!