Kurgan-Telecom Ru | Информационные технологии

Несколько лет назад я решил купить электросамокат, чтобы ездить на работу. Я уже какое-то время пользовался прокатом самокатов, но устал от необходимости «охоты» на них или отсутствия их рядом с домом, когда мне нужно было ехать в офис.

Мой выбор остановился на Äike T. Не потому, что он оказался лучше других самокатов: на самом деле, его цена была даже выше других, и в этом ценовом сегменте рынка явно имелись скутеры с более высокими параметрами.

Однако я выбрал Äike, потому что его производили в моей стране, а мне нравится по возможности поддерживать местные компании. Äike («молния» на эстонском) был спроектирован и изготавливался в Эстонии, прямо в Таллине. Насколько я могу судить, разработчики использовали не так много стандартных компонентов. Конструкция была разработана с нуля, модуль IoT и аккумуляторные блоки тоже производили локально, и так далее. Нельзя сказать, что это однозначно лучше, ведь при этом усложняется обслуживание самоката, но сам продукт мне показался амбициозным.

Ещё одной причиной покупки стало то, что у производителя была сестринская компания Tuul («ветер» на эстонском), занимавшаяся прокатом электросамокатов. Это тоже были скутеры Äike, и из всех конкурентов мне больше всего нравились Tuul/Äike, поэтому я по возможности пользовался их прокатом.

В прошлом году компания Äike обанкротилась. В будущем это не предвещало ничего хорошего: станет всё сложнее находить запчасти, ведь они были нестандартными. Но возникли у меня и более актуальные опасения, связанные с возможностью пользоваться самокатом. У него нет ручной функции включения/отключения. Для включения и выключения, открывания аккумуляторного отсека, переключения в режим транспорта и так далее необходимо было приложение.

Искусственный интеллект перемещается из облачных сервисов на пользовательские устройства. Microsoft последовательно встраивает нейросетевые функции в операционную систему, автоматизируя привычные действия — поиск, редактирование и настройку.

Новую ОС, известную по утечкам как Hudson Valley Next и неофициально называемую Windows 12, разрабатывают с расчетом глубоко интегрировать искусственный интеллект. Подход меняет требования к оборудованию: многие компьютеры запустят систему, но не получат ключевых функций. Что грозит пользователям, то есть нам с вами? Давайте разбираться.

Привет! Хочу поделиться историей о том, как я пытался трудоустроиться в Яндекс в начале 2026 года. Только факты, без эмоций. От каких‑либо выводов также воздержусь.

Немного контекста. Меня зовут Дмитрий, 44 года, C++/Go разработчик, стаж почти 20 лет, в том числе в крупных международных компаниях. Разрабатывал софт для mobile, desktop, backend, инфраструктурные сервисы. Осенью 2023, имея полупассивный доход, я решил взять перерыв в карьере, с целью сосредоточиться на личных приоритетах и «перезагрузиться». В течение этого времени продолжал поддерживать свои навыки разработчика, держал руку на пульсе индустрии. В итоге, личное разгрёб, перезагрузился, полностью готов к продолжению карьеры в ИТ, ищу работу. Обо всём этом прямо написал в резюме, чтоб предвосхитить вопросы. Да, насчёт резюме, тут ссылку на него давать не буду, пост не для этого; cкажу лишь, что резюме я уделил довольно много внимания, и оно… ну, нормальное.

Итак, в декабре 2025 со мной связался HR из Яндекса с предложением пообщаться насчёт вакансий в инфраструктурные команды. В прошлом я уже несколько раз собеседовался в Яндекс, но обычно отваливался на второй технической секции. Но последнее время активно готовился к собеседованиям и практиковался на LeetCode, и решил попробовать ещё раз. С HR пообщались хорошо. Он сказал что процесс найма в Яндекс в backend сейчас полностью унифицирован, такие‑то секции. Ок, назначили первую секцию — лайвкодинг, скорее всего многопоточка.

Первая секция. Действительно многопоточка. Задачка не то чтоб простая, но и не супер сложная, во время уложился, решил. HR пишет что всё отлично, интервьюер оценил меня высоко — и в техническом плане, и по общению. Назначаем вторую секцию, алгоритмическую, на после праздников. Все праздники готовился, решал LeetCode.

Ключевая задача при создании фронтенд-приложений — поддержание актуальности данных. При загрузке страницы или после очередного обращения к API мы фиксируем состояние данных, соответствующее времени получения ответа. Но бэкенд в этом время живет своей бурной жизнью: профиль пользователя меняется, состояние сущностей обновляется, и все это должно отражаться в интерфейсе.

Меня зовут Станислав Решетнев, я руковожу отделом разработки в компании Sape по направлению Link Building (инструменты для продвижения в поисковых системах). В этой статье хочу рассказать об оригинальном архитектурном решении, которое мы внедрили, чтобы пользовательский интерфейс всегда оставался актуальным.

Меня зовут Дмитрий, я руковожу отделом ИТ-инфраструктуры и сервисов в Ви.Tech, IT-дочке ВсеИнструменты.ру. Когда у компании одновременно есть свои датацентры, частное облако и несколько публичных облаков, вопрос стоимости вычислительных ресурсов быстро перестает быть бухгалтерской формальностью. Без понятной модели невозможно нормально распределять затраты, сравнивать варианты размещения и объяснять, почему одна и та же виртуальная машина в разных контурах обходится по-разному.

В этом материале я разберу, из чего складывается стоимость единицы вычислительного ресурса в гибридной инфраструктуре и как подойти к расчету так, чтобы потом использовать эти цифры в аллокации затрат, бюджетировании и планировании.

С оборудованием, которое закупается под конкретный проект, все обычно довольно прозрачно: его стоимость можно сразу отнести на конкретного внутреннего заказчика. С публичными облаками тоже все относительно просто: цену задает провайдер, а наша задача сводится к корректному учету потребления и распределению расходов.

Сложнее всего обстоит дело с частной виртуализацией. Здесь цена ресурса не лежит на поверхности, ее приходится собирать из стоимости железа, запаса под отказоустойчивость, коэффициентов переподписки и сопутствующей инфраструктуры.

Поэтому дальше я сосредоточусь именно на частных системах виртуализации и на простом примере покажу, как посчитать стоимость 1 ядра CPU и 1 GB RAM.

Для простоты будем считать, что кластер виртуализации состоит из однотипных серверов. Допустим, в каждом сервере установлены 2 CPU по 64 ядра и 1024 GB RAM. Тогда стоимость сервера складывается из стоимости памяти, стоимости процессоров и стоимости платформы, куда входит все остальное: сетевые карты, материнская плата, корпус, блоки питания и прочие компоненты.

Эта 4 по счету статья является рефакторингом моей старой статьи про обновления бандлов приложения в capacitor. В этой обновленной статье мы еще раз рассмотрим механизм обновлений и ознакомимся с новой более структурированной реализацией.

Когда город засыпает, просыпается мафия ночная смена дежурки в технической поддержке «Золотого Яблока». Ночью интернет‑магазин продолжает жить своей жизнью: кто‑то оформляет заказ, кто‑то добавляет духи в избранное, кто‑то читает отзывы в приложении. А мы следим, чтобы всё это происходило без сбоев.

19 марта в Петербурге прошел очередной «нужный всем» форум, на котором умные головы из правительства Санкт-Петербурга, УФНС по Санкт-Петербургу, а также федеральные спикеры вещали в массы свое видение фискальной политики на ближайшее будущее. И судя по тому, что обсуждалось на панельных сессиях, будущее у бизнеса весьма мутное, и послаблений ждать не приходится. Хотя кто на это вообще надеялся...

Запись форума можно найти на Rutube, это почти 20 часов материала. Я еще не успел отсмотреть все целиком, но уже тех предложений, которые разошлись по интернету, достаточно, чтобы понять главное, под разговоры о справедливости, равных условиях и настройке системы нам, похоже, снова предлагают очередную порцию ограничений, ужесточений и «аккуратной» перенастройки правил не в пользу бизнеса.

Я редактор и сооснователь контент-бюро. Из всех рабочих наблюдений вижу, что сложнее всего попасть в нужный диапазон эмоций — текст либо блеклый, либо, наоборот, излишне драматичный. Без продукта страдал, с продуктом возрадовался.

Еще и ИИшность — тоже, или однотипно пустая, или однотипно надрывная.

Так какой уровень эмоций читается правдоподобно?

Меня зовут Дмитрий, я руковожу отделом ИТ-инфраструктуры и сервисов в Ви.Tech, IT-дочке ВсеИнструменты.ру. Когда в компании одновременно есть локальная инфраструктура, облако, общие платформенные сервисы и выделенные ресурсы под продукты, считать ИТ-расходы "в среднем по больнице" уже не получается. Мы пришли к модели, в которой у каждого ресурса есть понятные метки, владелец и правило аллокации. В этой части разберу, с чего такая модель вообще начинается.

Нам была нужна не красивая финансовая схема, а рабочий способ ответить на простые вопросы: кто потребляет ресурсы, кто за них платит и как эти затраты потом распределять внутри компании. Без этого невозможно нормально считать стоимость сервисов, обсуждать экономику инфраструктуры и планировать развитие не по ощущениям, а по цифрам.

FinOps и ITFM в этой логике не спорят друг с другом, а закрывают разные части одной задачи. FinOps помогает навести порядок в потреблении и расходах, особенно в облаке. ITFM дает более широкую рамку: как связать ресурсы, бюджеты, внутренние сервисы и центры ответственности.

Дальше разберем основу такой модели: какие типы затрат нужно разделять, чем выделенные ресурсы отличаются от общих и какие атрибуты стоит заложить сразу, чтобы потом не переделывать учет на ходу.

Когда вы последний раз читали документацию размером более страницы А4 без привлечения LLM? Вопрос риторический.

Кажется пришло время вычеркнуть написание документации из списка тех. долга.

В статье я попытался переосмыслить саму идею документации для enterprise разработки, а также рассказать о практическом решении поднятого вопроса для любой системы на платформе 1С 8.3 и выше. 

Подробный гайд, как написать сочинение с помощью ИИ. Обзор 10 лучших нейросетей для генерации эссе, пошаговая инструкция для создания качественной и уникальной работы.

Привет, Хабр!

Интеграция современных LLM в геймдев, виртуальных ассистентов и робототехнику сейчас напоминает попытку прикрутить двигатель от космического шаттла к телеге. У вас есть невероятно умная модель, которая понимает тончайший контекст, но её inference latency (задержка вывода) убивает любой пользовательский опыт.

Пока ваш ИИ-NPC парсит входящий аудиопоток, отправляет запрос по API, ждет генерации ответа и распаковывает JSON в анимацию, проходит от 1 до 3 секунд. В динамичной среде — это вечность.

Недавно мы выкатили визуальный прототип нашего движка на одной развлекательной площадке. В ответ мы получили классическое: "Рано демонстрировать 'честные 60 FPS'. У вас там просто калейдоскоп беспорядочных кадров, мыло и кривые пальцы".

Ребята смотрели на дебаг-вывод и оценивали "обертку", совершенно не заметив "мотор". Визуализация была лишь сырым тестом инференса. В этой статье я расскажу, как мы построили Dual-Process Architecture (Система 1 + Система 2), которая позволяет ИИ реагировать на события за миллисекунды, менять личность на лету и обучаться в реальном времени.

В OpenClaw мультиагентность - это не одна функция, а несколько режимов работы. Можно создавать отдельных постоянных агентов со своей рабочей папкой, запускать саб-агентов под конкретную задачу и передавать разработку во внешний инструмент через ACP, например в Codex, Claude Code, Gemini CLI.

Иногда хочется выгрузить список треков из плейлиста Яндекс Музыки — например чтобы:

• сохранить треклист

• перенести музыку в другой сервис

• сделать бэкап

• проанализировать плейлист

Ещё одна причина — изменения в версиях треков. В некоторых случаях в каталоге Яндекс Музыки используются отредактированные версии песен (например, с запиканной ненормативной лексикой или изменёнными фрагментами текста). Поэтому иногда хочется сохранить оригинальный список треков из плейлиста, чтобы при необходимости найти альтернативные или оригинальные версии композиций в других сервисах.

Но у Яндекс Музыки нет функции экспорта.

Вы когда-нибудь получали два списания с карты за одну покупку? Или видели дважды созданный заказ после одного клика? Это не баг платёжной системы - это баг вашего кода. Имя этому баг - отсутствие идемпотентности.

Всем привет, дорогие читатели! Расскажу вам о том как сделать интернет-радио на «скорую руку» без особых хлопот.

Войти в IT можно и без английского — но только до первого проекта. Потом начинается классика: документация на английском, ошибки на Stack Overflow — на английском, интерфейсы — тоже. Получается, что знание языка — это не плюс к резюме, а базовый инструмент, как Git или IDE. А когда команда международная, то без английского команда просто не поймет друг друга.

В статье расскажем, в каких IT-профессиях чаще всего нужен английский, достаточно ли базовых школьных знаний для работы и где можно прокачать язык для карьерного роста.

Я разрабатываю приложения на Flutter уже много лет, и то, как он развивается, не перестает меня удивлять. Сегодня Flutter Widget Previewer — это уже не эксперимент, а нормальный инструмент для проектирования UI: он позволяет видеть, как виджеты отрисовываются в реальном времени, без запуска приложения целиком.

В этой статье разберем, что такое Flutter Widget Previewer, как им пользоваться и как этот инструмент помогает ускорить разработку интерфейсов. Заодно поговорим о нескольких особенностях, о которых стоит помнить.

Каждый запрос к большой языковой модели — это не «магия в облаке», а тысячи графических процессоров, системы охлаждения, трансформаторные подстанции и водяные контуры. Пока мы генерим мемы, обсуждаем скорость ответов или количество пальцев на картинках, растет потребление воды и энергии. Разбираемся, о каких цифрах идет речь — и что с этим делать.

Сам по себе искусственный интеллект — безусловно, одно из самых полезных технологических достижений последних лет. Он помогает автоматизировать рутинные задачи, ускоряет исследования, упрощает доступ к знаниям и меняет работу в самых разных отраслях — от разработки ПО до медицины. В этой статье речь не о том, чтобы отказаться от ИИ или объявить его новой экологической угрозой. Но, как и любая крупная цифровая инфраструктура, будь то облачные сервисы или стриминговые платформы, системы искусственного интеллекта опираются на вполне материальную основу. Чтобы обучать и обслуживать современные модели, нужны центры обработки данных, вычислительные кластеры и сложные системы охлаждения. Все это требует электроэнергии и воды — и по мере роста популярности ИИ его экологический след становится все заметнее.