Kurgan-Telecom Ru | Информационные технологии

Valve выпустила Steam Frame — беспроводную VR-гарнитуру с двумя сценариями использования. Игры можно транслировать с компьютера или запускать прямо на устройстве благодаря встроенному Snapdragon 8 Gen 3 и SteamOS. Получилось необычное устройство: одновременно автономная ARM-консоль, VR-гарнитура и беспроводной экран для всей библиотеки Steam. Разбираюсь, что это за девайс и какие возможности он предлагает. Поехали! 

Больше года назад я запустил SVG4 — каталог векторных иконок. Сейчас в нём больше 500 000 SVG‑файлов.

Первая версия была написана на Laravel. На тот момент выбор был простой: Laravel я хорошо знал, на нём можно было быстро собрать рабочий проект и проверить, нужен ли он вообще кому‑нибудь.

Проект вырос. Вместе с ним выросли база, количество страниц, поисковый трафик и нагрузка. Старая версия работала на сервере с 4 ядрами и 6 ГБ оперативной памяти. После переписывания на Go весь проект работает на 2 ядрах и 2 ГБ RAM.

При этом я не ставил задачу доказать, что Go быстрее PHP. За время переписывания изменилась не только технология, но и сама архитектура приложения. Именно об этом переходе и хочу рассказать.

Данная статья служит двум целям, быстро освежить знания по ООП и SOLID, а также полезно и весело проектировать роботов с элементами игры средствами языка Java.

* Обложка сгенерирована GigaChat, именно так он видит роботов написанных на языке программирования Java.

Иногда нескольких слов достаточно, чтобы довольно точно предположить, что будет дальше. В других случаях для этого требуется больше информации.

Предположим, вы прочитали только несколько последних слов абзаца. У вас, вероятно, появится несколько вариантов возможного продолжения. Но если затем показать предшествующие предложения или всю страницу целиком, эти ожидания могут измениться.

В «Архитектуре продолжений» вопрос был о том, какой следующий ход среда делает легче. Здесь — следующий слой: откуда берётся эта подготовленность, что остаётся после уже совершённого действия и как оно меняет условия будущих продолжений.

Раз в год ИТ-отдел выходит на защиту бюджета с планом замены техники — столько-то ноутбуков, столько-то мониторов, общая сумма. Сумму просят обосновать, и вопрос звучит примерно одинаково во всех компаниях: почему именно это количество и почему именно сейчас. Убедительность ответа зависит от того, как собирали план. 

Всем привет, это команда продукта SimpleOne ITAM. Разберем, на что компании опираются, когда планируют замену техники, почему эти ориентиры не выдерживают уточняющих вопросов на комитете и какие данные должны стоять за цифрой, чтобы ее не приходилось защищать заново каждый год. 

Показано, как из классического вычисления интеграла Гаусса-Пуассона получается еще одна аппроксимирующая формула для этого интеграла

Те из нас, кто пробовал модный вайбкодинг, уже оценили обратную сторону медали. Агенты уверенно говорят: «Сейчас всё сделаю», несколько часов пишут и тестируют код, после чего предлагают задеплоить получившееся в кластер Kubernetes и настроить observability. Для пет-проекта с парой страниц веб-интерфейса.

В начале 2026-го мы поняли, что технологии достигли уровня, при котором собственные разработки могут создавать не только программисты, но и специалисты из других областей: маркетологи, бухгалтеры, аналитики и не только. Так появился VibeCraft. В статье расскажу, зачем нужна такая платформа, если уже есть ИИ-ассистенты для разработки, и какие задачи нам пришлось решить при её создании.

Расширение Chrome показывает субтитры с переводом поверх созвона в браузере, бот в звонок не заходит. Разбираю три места, где ушло больше всего времени: захват звука вкладки в Manifest V3, переход с двух сервисов на один поток с транскрипцией и переводом, и ошибку в счётчике минут, из-за которой время списывалось в тишине.

Реранк — самая дорогая стадия пайплайна классификации по справочнику ОКТРУ: поиск отбирает 30 кандидатов, LLM выбирает один. Я проверил, можно ли отдать этот шаг модели, которая вообще не генерирует текст, — TypeSafe Jev: она принимает состояние и типизированные вопросы, а возвращает вероятности.

Замер на 928 позициях технических спецификаций госзакупок, на одном пуле кандидатов, против gpt-oss-120b с reasoning и без него, Gemma-4-31B, Gemini 3.5 Flash Lite, 3.8 Flash и 3.1 Pro и классического кросс-энкодера Qwen3-Reranker-8B. Jev дал отличную точность, как у больших моделей, но при этом стоимость и латенси как у небольшой 8B-модели.

Не так давно Bank of America Institute заявил, что удешевление производства роботов приведет к тому, что к 2060 году в мире уже будет 3 миллиарда гуманоидных роботов. Сами посудите — роботы Оптимус от Теслы уже раздают напитки и прибираются по дому, а умные алгоритмы сами считают что вы набрали в магазине, и просто присылают вам счет на дом. Все, можно сказать, мы уже практически живем в киберпанке...

Вот только как оказалось, роботами от Теслы управлял удаленный оператор, а в магазинах вместо ИИ за покупателями наблюдали индусы, вручную пересчитывающие стоимость покупок. Поэтому увы — в три миллиарда робо‑кошкодевочек я не верю, и киберпанк так и не наступил. С вами @Mor-Gott, и я изучил почти все, что есть в интернете, чтобы разобраться, что такое киберпанк на самом деле, почему аниме не создало и уж точно не убило его и что с ним стало в итоге. Заварите себе чаю, это будет долго, возможно даже немного сложно, но безусловно — интересно.

Хочу рассказать о своей npm‑библиотеке — это мой второй и самый сложный npm‑проект на момент написания статьи. Глубоко в код погружаться не буду — поделюсь историей создания и мотивацией.

Зачем всё это (или как я три года таскал идею в голове)

Доброго времени суток. Идея «родилась» в голове больше 3-х лет назад, но «то ли лыжи не едут, то ли я молодец».

У меня стоит «Фильтр ПРОФИ Осмо 100 М с насосом» в самом начале (когда было интересно) меняли фильтры по значению TDS была штучка от Xiaomi, потом потерялась. Потом меняли раз в полгода, ну а сейчас меняем по «вкусу», который увеличил срок до раза в год. Так же в самом начале приобретения фильтра, а это 8–7 лет назад +/‑ рассматривал к покупке «Индикатор ресурса БАРЬЕР для проточных фильтров» но тогда цена сильно кусалась, да и в наличии ни где не было. Сейчас ситуация не изменилась, их все также нет, а ценник в 3 раза дороже стал. И вот мы плавно переходим в DIY.

Хотя… не изобрел, а собрал. Я собрал свой MVP Simple Data Editor, т.к. хотел простое и миниатюрное решение, работающее везде, где есть браузер и чтобы при этом не происходило никаких обращений во вне. Но не только. Основная идея в реализации возможности представления одной и той же информации, но в разных форматах: текстовом, табличном ну а в перспективе и в графическом.

Недавно читал тут статью про «Cost per Task» и про то, что самая дешёвая модель в линейке внезапно обгоняет самую умную по цене решённой задачи. С выводом согласен полностью, но хочу добавить то, чего в той статье не было: дело не только в модели. Дело в том, что происходит после того, как модель написала код.

Последние восемь месяцев я строю агентную обвязку, в которой модель не просто пишет файлы, а обязана доказать, что написанное работает. Выяснилось следующее: если прикрутить к слабой модели честный цикл верификации, она уверенно обходит сильную модель, работающую в режиме «написал и отчитался».

Ниже цифры, архитектура и грабли.

Недавно увидел ещё один репозиторий с обещанием резко сократить расход контекста у LLM-агентов — Headroom. Я сейчас исследую эту тему на примере SKILL.state и уже писал о первых результатах на Хабре - это были первые инженерные эксперименты; более строгие проверки ещё продолжаются.
Так что меня заинтересовал подход headroom и я решил заодно с прочими экспериментами наскоро прогнать Headroom через тот же тестовый стенд. Эта статья — о том, что получилось.

Headroom сжимает данные перед отправкой в LLM. Агент читает файлы, получает логи и результаты команд, а затем снова передаёт эту историю модели. Если сократить повторяющиеся данные, расход должен уменьшиться. Теоретически. Но что произойдёт на практике и как это повлияет на качество?

Провели две серии: десять задач Terminal-Bench 2.1 и пять небольших проектов с тремя повторами, использованных ранее для тестов skill.state. Всего — 80 попыток. По парам с полным учётом расхода у Sol на Terminal-Bench input снизился на 4,1%, на небольших проектах вырос на 40,7%. У Astra на тех же проектах снизился на 25,3%.

Разобраться в таком результате помогли сохранённые запросы до и после сжатия.

19.09.2026 — к слову, очень красивая дата для того, чтобы доделать столь значимый для меня проект, как 3BIT. А вернее его одну из версий, причём самую лучшую на мой взгляд — 3BIT DAW. Программа, позволяющая в одном окне сочинять биты, ставить их на дорожки и объединять с вокалом или живой музыкой по своему желанию, прослушивать обработанную версию и править там, где это необходимо. Простая, с интуитивно понятным интерфейсом, доступная каждому программа, позволяющая легко миксовать собственные композиции. Ну подарок для всякого музыканта, от гитариста до пианиста. Но как к этому всё пришло?

На самом деле, идея создать свою open source DAW меня посещала давно — правда, тогда я надеялся лишь на редактор изначальных композиций. Однако после, когда действительно вошёл в процесс, приступил к изучению синтеза звуков. Оказалось, что раз любой звук — это волна, следовательно, мы можем управлять звучанием через синусоиду. Синусоида — чудесный объект, инструментарий работы с которой позволяет менять волну под свои нужны, а значит и звучание. Понимаете, это как поезд: изменяешь синусоиду, поступающую на звуковую карту, значит изменяешь и звучание, воспроизводимое средствами воспроизведения звука (наушники, динамики). Единственный необходимый дополнительный механизм в данном случае — обеспечение безопасности, либо же так называемая защита от дурака, то есть ограничение максимального уровня громкости. Реализовать это проще, чем рассказать об этом, если честно, но обо всём по порядку.

## TL;DR (BLUF)

Классический мониторинг Telegram-чатов по ключевым словам («ищу разработчика», «нужен сайт», «требуется подрядчик») в 2026 году технически мертв: регулярные выражения пропускают 79.5% целевых коммерческих заявок и одновременно генерируют более 60% ложноположительного шума (самореклама исполнителей, вакансии, взаимопиар).

В этой статье мы разбираем инженерную архитектуру трехуровневого каскадного пайплайна: от легковесных эвристик (2 мс) и мультиязычных эмбеддингов (15 мс) до LLM Decision Logic со строгой JSON-схемой. Все выводы подкреплены открытым бенчмарком на выборке из 12 081 реального сообщения из 40+ профильных IT- и digital-чатов.

---

## 1. Анатомия проблемы: почему ломаются регулярные выражения

Большинство самописных скриптов и коммерческих ботов-парсеров работают по примитивной логике:

```python

# Наивный подход 2018 года

KEYWORDS = [r"ищу\s+разработчик\w*", r"нужен\s+бот\w*", r"требуется\s+дизайн\w*"]

pattern = re.compile("|".join(KEYWORDS), re.IGNORECASE)

if pattern.search(message.text):

send_alert_to_crm(message)

```

На синтетических тестах это выглядит рабочим. Но когда скрипт подключается к живому потоку открытых профессиональных чатов с суммарным объемом 15 000+ сообщений в сутки, система мгновенно сталкивается с двумя фундаментальными проблемами NLP:

### Проблема 1. Ложноположительный шквал (False Positives)

Исполнители, веб-студии и фрилансеры используют ровно те же ключевые слова в своих офферах:

> «Привет! *Ищу** проекты на разработку. Наша команда делает сложных Telegram-ботов и web-сервисы под ключ. Кейсы в закрепе @agency_dev»*

Открытый набор инструментов Lepton предназначен для интеграции с клиентом Steam и, в частности, для запуска VR-совместимых Android-игр на Linux-шлеме Steam Frame.

( читать дальше... )

 android, steam, valve

Вайб-кодинг уже стал привычным способом разработки: человек описывает задачу обычным языком, а ИИ помогает писать и уточнять код. Но до кода обычно появляются требования, карта процесса и техническое задание. Если этот этап выполнен поверхностно, модель лишь быстрее создаст решение не той задачи.

Для работы аналитика точнее подходит термин вайб-спекинг — диалог с ИИ, в котором исходная идея постепенно превращается в спецификацию: с границами доработки, объектами конфигурации, исключениями, рисками и критериями приёмки.

Главное условие здесь — контекст. Универсальная языковая модель может хорошо оформить документ, но не обязана знать устройство конкретной версии конфигурации 1С. Поэтому полезность ответа зависит не только от промпта, но и от того, есть ли у агента сведения о метаданных и типовых механизмах системы.

В статье разберём, какие задачи можно делегировать такому помощнику и где его выводы всё равно должен проверять специалист.