Kurgan-Telecom Ru | Информационные технологии

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.

Всем привет!

Киберугрозы постоянно эволюционируют, и для эффективного противодействия важно понимать тактики и инструменты злоумышленников. Группировка GOFFEE, также известная как Paper Werewolf, представляет собой яркий пример такой угрозы.

В этом материале мы разберем один из вредоносных документов этой группировки без применения глубоких знаний в реверс-инжиниринге и убедимся, что большую часть цепочки заражения можно восстановить, не прибегая к сложным инструментам вроде дизассемблера или отладчика.

Конечно, он его не изобретал. Но если бы посмотрел сегодня сливы собесов, точно увидел бы в них свои идеи. Ведь есть же фундаментальные идеи за всей этой шелухой про синтаксис mapStateToProps!

Императивное программирование

Допустим, вам поручили сделать web проигрыватель. Бизнес ставит задачи, сроки горят. Что делаем? Правильно, берём родной <audio>.

Сегодня мы в Beeline Cloud решили взглянуть на нестандартные и порой совершенно нелепые баги из мира ИТ — например, когда причиной сбоя стало чрезмерно разросшееся растение или криво уложенная плитка. Рассказываем о таких ситуациях.

Business Process Model and Notation (BPMN) — это стандартизированное графическое представление, предназначенное для облегчения визуализации, понимания и взаимодействия сложных бизнес-процессов. Этот метод предоставляет целостную структуру, обеспечивающую единообразие описания между различными участниками, эффективно устраняя разрыв между технической и нетехнической аудиториями. BPMN использует набор стандартизированных символов, позволяющих компаниям системно описывать свои операционные потоки. Такая наглядность особенно важна в средах, где критичны оптимизация процессов и соблюдение регламентов, — она дает ясное представление о том, как действия, события и точки принятия решений взаимосвязаны внутри процесса.

С другой стороны, нестандартные инструменты автоматизации, такие как платформа n8n, предлагают иной подход к автоматизации рабочих процессов. В отличие от BPMN, который придерживается формальной нотации, n8n представляет собой low-code среду, ориентированную на гибкость и индивидуальную настройку. Подобные инструменты позволяют создавать сценарии автоматизации, соединяя различные приложения и сервисы без необходимости глубоких знаний в программировании. Такие среды особенно привлекательны для гибких рабочих процессов, где часто происходят итеративные изменения и требуется интеграция со множеством систем. Нестандартные инструменты нередко удовлетворяют уникальные бизнес-потребности, которые стандартизированные методологии, такие как BPMN, могут охватывать не полностью, предлагая тем самым альтернативное решение для оркестрации процессов.

Вы уже пробовали применять ИИ в разработке? Если да, то заметили, что чем дольше вы общаетесь с моделью, тем выше шанс, что она забудет ваши исходные требования. Спецификация, которую вы указали вначале, теряется где-то в контексте, и ИИ начинает генерировать код, который немного, но не совсем то, что нужно.

Поэтому некоторые разработчики уже перешли на Spec-Driven Development — подход, в котором требования четко описаны отдельно и всегда под рукой. Звучит логично? Но попробуйте внедрить его на реальном проекте... и вы быстро поймете, почему большинство разработчиков его не используют. Одна из основных причин — спецификации хранятся отдельно от кода, и ИИ их регулярно теряет. А еще они быстро устаревают, когда вы вносите изменения. 

Но что, если спецификацию встроить прямо в код? Именно это и предложил японский разработчик в своей оригинальной статье. Он обнаружил, что Vue SFC позволяет использовать пользовательские блоки — и создал <spec> блок для коллокации спецификации с кодом, который поможет решить устоявшиеся проблемы.

Добро пожаловать под кат: разберем, как коллокация спецификаций меняет правила игры в AI-driven разработке.

Рассказываем о своем опыте ее внедрения в нашу платформу виртуализации SpaceVM.

Современные ИТ-инфраструктуры часто строятся вокруг виртуализации и облаков, где несколько серверов одновременно обращаются к одним и тем же данным. В таких системах ключевым становится не просто объем или скорость хранилища, а способ доступа к данным — общий или локальный, файловый или блочный. От того, как именно организовано взаимодействие с хранилищем, зависит архитектура всего решения: от производительности виртуальных машин до отказоустойчивости кластера.

Локальные хранилища привычны для одиночных серверов: диск или массив принадлежит конкретному узлу, который управляет им напрямую. Общие (shared) хранилища, напротив, предоставляют единое пространство данных для нескольких серверов. Именно они лежат в основе высокодоступных кластеров и виртуализационных платформ, где важно, чтобы виртуальные машины могли мигрировать между узлами без потери доступа к своим дискам.

Но общий доступ — это не только вопрос архитектуры, но и способа взаимодействия с данными. Файловые протоколы (NFS, SMB и др.) дают возможность работать с файлами на уровне операционной системы, но вносят дополнительные задержки и ограничения. Блочные протоколы (iSCSI, Fibre Channel) предоставляют более низкоуровневый доступ — сервер видит удаленное устройство как локальный диск. Однако при этом возникает другая проблема: как синхронизировать работу нескольких узлов с одним и тем же блочным устройством, не разрушив файловую систему?

Ответ на этот вызов дают кластерные файловые системы, специально разработанные для совместного блочного доступа. Одна из самых зрелых и функциональных среди них — GFS2 (Global File System 2). В нашем опыте ее интеграция в собственный продукт - платформу виртуализации SpaceVM - позволила приблизиться к созданию устойчивой, масштабируемой и по-настоящему отказоустойчивой среды.

Современные LLM учатся предсказывать следующее слово. Я предлагаю дополнить эту цель: учить модель сохранять стабильность смысловых связей (когерентность). Это может уменьшить зависимость от объёма данных и ускорить появление способностей к рассуждению. Статья описывает гипотезу, метрики для проверки и возможные способы реализации.

Как "Про это" стало первой киберпоэмой. Стихотворение, которое впервые в истории использовало фотоколлаж, разбивку строк по принципу «лесенки» и типографские эксперименты, напоминающие современные веб-дизайн?

В эпоху, когда нейросети становятся первым источником знаний для многих разработчиков, особенно важно проверять их утверждения на практике. Один из таких вопросов — прямая связь между типами ожиданий в PostgreSQL и отсутствием индексов. AI-помощники часто дают логичные, но упрощённые ответы, которые могут ввести в заблуждение при решении реальных задач оптимизации. В этой статье мы экспериментально, с помощью инструмента pg_expecto, проверим , насколько обоснованно распространённое мнение о том, что IO-ожидания однозначно указывают на проблемы с индексацией.

ℹ️Новый инструмент с открытым исходным кодом для статистического анализа, нагрузочного тестирования и построения отчетов доступен в репозитории GitFlic и GitHub

kznalp/PG_EXPECTO: Комплекс статистического анализа производительности СУБД PostgreSQL

pg-expecto/pg_expecto: Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQL

Всем привет! Меня зовут Антон Чижов, я руковожу в MWS центром практик agile. Вместе с Александром Демидовым, директором по разработке MWS, расскажем о продуктовом инженере — новой роли, которая открывает для опытных специалистов более гибкие варианты карьерного трека. 

В классических командах каждый участник развивается в своем направлении, но такой вариант подходит не всехм. Специалистам в одной предметной области — например, архитектуре, разработке на Go и так далее — сложно охватить и постоянно держать в уме цели продуктов: у них не так много возможных карьерных треков. Убрать эти ограничения позволяет концепция продуктовых инженеров — специалистов, сочетающих в себе несколько технических компетенций, а также развитые продуктовые и софтскилы. 

Сегодня подробно рассмотрим эту новую роль и покажем, чем она может быть интересна разработчикам: кому подходит, какие варианты развития открывает и что дает компании.

Всем привет! В этом году в китайском городе Суджоу прошла юбилейная тридцатая конференция EMNLP (Empirical Methods in Natural Language Processing). Это одна из ведущих международных конференций по обработке естественного языка (NLP), проводимая под эгидой ассоциации компьютерной лингвистики ACL (Association for Computational Linguistics). 

Впервые конференция EMNLP прошла в 1996 году. Сегодня она посвящена эмпирическим методам, то есть моделям, основанным на данных, статистике и машинном обучении. А тогда конференция называлась Workshop on Very Large Corpora и представляла собой небольшое мероприятие ACL, посвящённое использованию корпусов текстов для обучения моделей. Тогда еще не было никаких трансформеров и уже привычных нам больших языковых моделей (LLM) и уж тем более мультимодальности, агентов и прочих хайповых ИИ-направлений. Это была эпоха статистического NLP, когда всё строилось вокруг частот, вероятностей и корпусов текстов, а в ходу были N-граммные языковые модели и скрытые Марковские модели. 

Привет, хабровчане! На связи Никита Краснокутский, мы с командой работаем над платформой по подбору подрядчика и проекта дома для строительства. Не так давно в процессе работы я столкнулся с фундаментальной проблемой: как забустить продукт, направив его на реальные боли пользователей? Очередной рескин или новые эмоционалки не решают полностью главных страхов клиента: финансовых рисков, некачественной работы подрядчика или стресса от сложности процесса.

Чтобы разорвать этот круг и забустить проект, я провёл комплексное исследование. Не ради галочки, а ради того, чтобы каждое найденное решение было невозможно проигнорировать. В этой статье я покажу все 6 этапов моего исследования, от внедрения в среду «тайным покупателем» до презентации бизнесу всех уровней.

Недавно в интернете завирусился курьезный случай: пакистанская газета Dawn, одно из самых уважаемых изданий страны, случайно напечатала в конце сухой финансовой статьи странную, диалоговую заметку от искусственного интеллекта. Статья под названием «Продажи автомобилей в октябре растут» завершалась не выводами аналитика, а предложением от ИИ улучшить материал для «максимального воздействия на читателя». Этот инцидент, хоть и кажется комичным, вызвал серьезную дискуссию.

Что на самом деле эта небольшая, забавная ошибка говорит о текущем состоянии журналистики и наших отношениях с искусственным интеллектом? Она обнажает не просто невнимательность одного сотрудника, а системные изменения в том, как создается и проверяется информация в современную эпоху.

На просторах интернета легко можно найти материалы по реализации нечёткого поиска, в которых предполагается поиск одной строки в множестве строк M. Но что если возникнет необходимость реализовать нечёткое сравнение множества M₁ с множеством M₂? При классическом подходе нам придется выполнить сравнений - при линейном росте этих множеств, сложность задачи будет расти экспоненциально, в плане производительности это решение никуда не годиться!
В этой статье предложен вариант реализации ускоренного алгоритма для решения этой задачи. Теоретической новизны в проекте практически нет. Цели:
1 - Ознакомить с концепцией
2 - Дать конкретный пример интеграции в БД SQL(MSSQL)
3 - Ознакомить с возможностями на базе практической реализации