Kurgan-Telecom Ru | Информационные технологии

Медузы-кристаллы обладают таинственной красотой: благодаря особому белку они излучают слабое зелёное свечение. На протяжении десятилетий исследователи использовали этот зелёный флуоресцентный белок и подобные молекулы, чтобы «осветить» область биологии, отслеживая процессы, происходящие внутри клеток.

Теперь эти широко применяемые инструменты обретают новую жизнь: их квантовые свойства используются для того, чтобы превратить их в подобие фундаментальных элементов квантовых вычислений. «Эти флуоресцентные белки, которые все используют в качестве флуоресцентных меток, на самом деле можно превратить в кубиты», — говорит Питер Маурер, инженер-квантовик из Чикагского университета в Иллинойсе. Эта идея «звучит как научная фантастика», — признаёт Маурер. Но физика здесь не нова, и уже доказано, что этот подход в принципе работает.

Рынок CRM-систем в России плотно занят: Битрикс24, amoCRM, Мегаплан и другие. Но к сожалению, бесплатных и открытых мало или возможно нет вовсе.

Open-source дает полный контроль над кодом, self-hosted развёртывание и возможность кастомизировать каждый компонент. Сэкономленные деньги с лицензии ПО можно потратить на дополнительную кастомизацию под себя или другие цели кампании.

Я создал FARA CRM — open-source CRM, построенную на современном стеке, запускающуюся одной командой из Docker.

Стек: Python 3.12+ · React 18.2.0 · FastAPI · Docker · PostgreSQL

Идея этого проекта родилась у меня после двух событий.

Первое случилось в самолёте. Мне было нечем заняться, и я решил посмотреть фантастический фильм «Она» (Her, 2013). Я человек впечатлительный, и если в истории есть драма, то легко начинаю сопереживать героям. Фильм рассказывает об одиноком мужчине, который устанавливает ИИ‑операционную систему, начинает с ней общаться и постепенно влюбляется в неё. Спойлерить не буду - фильм действительно стоит посмотреть.

Второе событие - это хайп вокруг OpenClaw. Я как раз вернулся домой, занялся своей обычной работой и в свободное время решил изучить, что это такое. К тому моменту вокруг проекта уже было много шума, и он успел набрать около 300 тысяч звёзд на GitHub.

Меня это действительно впечатлило. Ощущение было почти как в фильме про Железного человека: ты запускаешь ИИ, и он, как Джарвис, выполняет задачи и отвечает тебе почти как живой собеседник. Но довольно быстро стало понятно, что у такого подхода есть две серьёзные сложности.

Первая - нужно хотя бы в общих чертах понять, как внутри устроен OpenClaw: что такое ноды, каналы, связи между компонентами и прочие технические сущности.

Вторая - всё настраивается через пошаговый текстовый визард в терминале. Такой подход скорее рассчитан на технически подготовленного пользователя или ИИ‑специалиста, а не на обычного человека.

Неудивительно, что сегодня многие компании либо предлагают уже преднастроенный OpenClaw у себя в облаке, либо продают услуги по его установке и настройке под конкретные задачи.

Продолжение серии статей о параллелях между недокументированными особенностями советских ПМК и концепциями Карлоса Кастанеды, начало — тут...

Вокруг AI слишком много шума, поэтому особенно полезны материалы, которые показывают не теорию, а реальные рабочие сценарии. В этой статье собрана подборка ресурсов HubSpot о том, как применять нейросети в маркетинге, продажах и ежедневных задачах — от промтов и AI-поиска до автоматизации и AI-агентов.

Рефакторинг — это не уборка, это хирургия на живом коде. Большинство провалов здесь не технические: смешали рефакторинг с улучшениями, сделали один огромный коммит, затянули релиз — и три недели работы ушли в мусор. Собрал 10 ошибок из реальных проектов: с примерами кода, разбором механики и способами не наступить на те же грабли.

Это не отдельная статья, а продолжение статьи про теорию объектов в с++, почему объекты в плюсах такие какие есть. Все завершенные главы я также выкладываю на github'e в английском и русском варианте. Продолжаем разбираться в теории С++...

Отдельного разговора заслуживает идентичность объектов, потому что в реальном мире конкретные сущности обладают идентичностью и Сократ останется Сократом независимо от того, перекрасил ли он волосы, сменил адрес или умер, а государство остаётся тем же государством, даже если меняет флаг, конституцию или размер населения. 

Чтобы отразить это в программе, объекты, представляющие конкретные сущности, нуждаются в своём определении идентичности, которая отделена от текущего состояния. Удобный способ ввести такую идентичность будет сделать некий токен идентичности, уникальное значение, которое выражает "кто это", а не "в каком он сейчас состоянии". Таким токеном может быть, например, адрес объекта в памяти, индекс в массиве, или табельный номер сотрудника в кадровой системе и проверяя равенство токенов идентичности, мы фактически проверяем тождественность объектов: один и тот же объект или разные. 

На протяжении жизни программы конкретный объект может менять свои токены идентичности, потому что его могут переместить в другой участок памяти или переложить из одного контейнера в другой, или назначить ему новый идентификатор, но логическая идентичность сохраняется, если мы поддерживаем сопоставление между "старым" и "новым" токеном.

Клиповое мышление, TikTok, Reels, Shorts – казалось бы, текст на 15 000 знаков обречён. Но откройте выдачу Яндекса или Google по любому коммерческому запросу. В топ–10 – статьи на 2 000–3 000 слов. Не карточки, не сторис, не ролики на 30 секунд. Длинные, плотные тексты с оглавлением и подзаголовками.

Обычный ИИ просто складывает факты в плоскую базу данных, теряя все скрытые связи и смыслы.

Наш рассуждающий агент работает как настоящий мыслитель: он анализирует диалог, строит динамический семантический граф с узлами, причинно-следственными линиями, кластерами и «теплом» актуальности, превращая разрозненные слова в живую, глубоко связанную Вселенную воспоминаний — где каждый факт навсегда обретает своё место, историю и мотивацию.

"Я лжеученый, товарищи. И даже начинаю этим гордиться."

---

Я задал себе вопрос, который звучит одновременно просто и убийственно: то, что я делаю — это передовое исследование или самописная отсебятина?

Вопрос возник не на пустом месте. Последние недели я провёл в глубоких размышлениях о судьбе теории, которую называю «машинной этикой Дебаркадера». Я задавал самому себе вопросы, пытался найти ответы, строил схемы, формулировал закономерности, которые прямо не были названы, но вытекали из всей логики. В какой-то момент я поймал себя на том, что уже не пересказываю, а мыслю в этой рамке. Предлагаю метрики, вижу архитектуру, прогнозирую следствия.

И тут возникает вопрос: а кто я такой, чтобы это делать? У меня нет учёной степени. Я не публиковался в Nature. Я просто человек с ноутбуком, который много интересовался и задавал нестандартные вопросы.

Значит ли это, что всё, что я пишу — отсебятина? Или есть способ отличить графоманию от концептуальной работы, даже если ты не вписан в академические круги?

Я решил разобраться. Для этого мне нужно было понять две вещи: где нахожусь я сам, и где находится та теория, с которой я работаю, относительно того, что сейчас происходит в поле.

Начну со второго. Оно оказалось важнее.

---

Я проанализировал актуальные исследования, конференции, дискуссии 2025–2026 годов. И вот какой расклад я увидел.

Начну с главного: то, что я называю «машинной этикой Дебаркадера», в академическом поле не представлено. Это не хорошо и не плохо — это факт. Этот подход не рассматривается, на него не опираются в рассуждених, его не выдвигают на конференциях. Я вне мейнстрима.

Я думал, у меня всё чисто. Bandit стоял, правила регулярно обновлялись, pipeline на каждый PR ругался на опасные места. Ну, знаете, как это бывает: где-то что-то подсветит, мы правим, живём дальше, чувствуем себя молодцами, прикрыв тыл статическим анализом.

А потом я решил копнуть глубже. Не для галочки, а руками, с инструментом, который умеет ходить по коду не линейно, а как по графу.

Знаете, сколько нашлось?

Мысль о том, что нынешняя ИИ-индустрия играет в игру с отрицательной суммой, не нова. В эту технологию уже влито столько денег, что, по сути, экономика поставлена на её успех.

Если ИИ не выстрелит — мы рискуем оказаться в рецессии.
Если же ставка вдруг сыграет — миллионы людей могут потерять работу, и экономика всё равно придёт в то же самое мрачное место.

Звучит почти абсурдно: стрелять себе в ногу, громко называя это инновацией. Но сейчас мы начинаем видеть, как именно могут разворачиваться оба сценария. Так что давайте разберёмся и по шагам.

Металлы... Будучи однажды открыты человечеством в глубокой древности, они изменили всё — и позволили людям подняться с четверенек и устремить свой взгляд к звёздам…  

Но, войдя в жизни людей, они принесли и присущую им проблему: недолговечность. 

«Но, постойте», скажите вы, — ведь большинство металлов настолько крепки и долговечны, что изделия из них доходят до нас даже из глубокой древности! 

Всё так, однако, нельзя отрицать того, что большинство металлов подвержено коррозии и это представляет собой существенную проблему! Скажем, те же автомобилисты знают, что срок службы кузова автомобиля в большей степени определяет срок его эксплуатации, чем что-либо остальное: скажем, в интернете есть много видео, где энтузиасты заводят автомобили, лежащие на свалках, кузов которых превратился в труху, а сквозь сам автомобиль проросли деревья — то есть, зачастую, двигатель и сопутствующие системы могут работать даже тогда, когда корпус уже полностью разложился … 

Исходя из этого, можно констатировать, что защита металлов от коррозии является существенной проблемой и потребляет большие средства, где на эти затраты люди готовы пойти, так как, собственно, от этого и зависит срок службы изделия! 

Способов защиты существует достаточно много, однако, среди них особняком стоит один довольно интересный, о котором мы и поговорим сегодня: катодная* защита от коррозии!

Мир AI-разработки стремительно движется от парадигмы «один модельный вызов — один ответ» к системам, в которых множество специализированных агентов решают сложные задачи совместно. Представьте себе оркестр, где каждый музыкант — это отдельный AI-агент со своей специализацией: один анализирует данные, другой генерирует код, третий проверяет результаты. Такие мультиагентные системы позволяют декомпозировать и задачу ускорять выполнение за счёт параллельной работы. Крупнейшие игроки — Google, Microsoft, IBM — уже делают ставку на эту парадигму как на фундамент приложений следующего поколения.

Однако путь от прототипа к работающему продукту усеян типичными провалами. На Reddit (MachineLearning) или Хабр разработчики часть жалуются: «Агенты теряют контекст при передаче задач», «Они зациклились в бесконечных дебатах, сожгли весь бюджет на токены, а результата нуль». Анализ таких кейсов показывает: дело не в «глупости» LLM или неудачных промптах. Корень зла почти всегда лежит в отсутствии грамотной оркестрации.

В этой статье я подробно разберу тему оркестрации AI-агентов с использованием протокола A2A, а также его эффективное расширение за счет AGP, чтобы показать, как эти инструменты упрощают сложные мультиагентные системы.

Привет, Хабр! Меня зовут Алексей, и я занимаюсь беспроводными технологиями. Мы продолжаем погружение в глубины конфигурации /etc/config/wireless. В прошлой статье - Тонкая настройка Wi-Fi в OpenWrt — достигаем максимальной стабильности и покрытия мы подробно разобрали секцию wifi-device, которая отвечает за физическое радио — частоты, мощность, каналы. Но, как вы помните, в wireless-конфиге есть ещё один тип секций: wifi-iface. Именно они создают те самые виртуальные интерфейсы, которые позволяют реализовать: точки доступа, клиентские подключения, mesh-сети и даже сервисы мониторинг эфира.

Именно здесь задаётся имя сети (SSID), методы шифрования, правила доступа, изоляция клиентов и многое другое. Казалось бы, что тут сложного? Указал SSID, выбрал шифрование, ввёл пароль — и всё работает. Но и здесь есть свои «подводные грабли», мифы и возможности, о которых многие даже не догадываются.

Привет, Хабр! Сегодня хотелось бы поднять актуальную тему – перевод технической документации и то, как стандартизированный английский язык может существенно упростить этот процесс.

Техническая документация чаще всего пишется на английском языке. Документацию используют международные команды и на ее основе создаются переводы и обновляются новые версии инструкций.

Со временем документация растет, ее пишут разные авторы, формулировки начинают отличаться, а терминология используется не всегда последовательно. Это делает английские тексты менее однозначными, усложняет перевод и снижает эффективность систем памяти перевода (translation memory). 

С подобной задачей к нам обратились несколько клиентов, работающих с большими объемами технической документации. Чтобы стандартизировать тексты и упростить их перевод, мы начали применять подход Simplified Technical English (STE) – контролируемый вариант английского языка для технической документации. В этой статье разберем, что такое STE и как он помогает стандартизировать документацию и улучшить  машинный перевод. 

Привет, Хабр!

За последние годы большие языковые модели (LLM) глубоко проникли в нашу работу и повседневную жизнь. Многие из нас регулярно используют их как обычные пользователи в веб-интерфейсе. Но что, если вы хотите выйти за рамки «чата с моделью» и создавать собственные интеллектуальные инструменты под конкретные задачи и бизнес-сценарии?

Если ваш основной язык программирования — R, то у меня для вас отличная новость! Экосистема R за прошлый год совершила огромный скачок в интеграции с ИИ.

Разные SEO-инструменты могут радикально отличаться в своих оценках качества доменов: одни и те же домены показывают 300 живых доменов-доноров в одном сервисе и 120 в другом, и непонятно, кому верить. Мы столкнулись с этим на практике и провели три итерации исследования, от быстрой проверки на нашей PBN-сетке до масштабного сравнения на 10 000+ доменах, в ходе которых сравнивали Ahrefs (API v2 и v3), Majestic, Semrush и DataForSEO. Делимся цифрами, методологией и рекомендациями.

Если вы принимаете решения на базе ссылочных метрик от отбора дропов до отчетности клиенту, и вам нужно понимать, чем реально отличаются индексы инструментов и сколько стоит каждая «живая» строка данных, этот материал будет вам полезен.

— Видишь статью про нейросети — ставь минус. Поставь минус автору. Плюнь ему в карму. Поставь минус плюсанувшим. Плюсани заминусивших.

— Встретишь Карпатого — ищи осину, видишь Альтмана — ищи берёзу. Будь начеку, всяких других тоже хватает. Всегда носи с собой верёвку.

— LLM бесполезны. Спорить можно только о степени наносимого ими вреда.

Небольшие заметки о разработке CRM-системы по продаже объектов недвижимости.

По причине того что после 8-летнего хардкодинга рандомными людьми, код предыдущей CRM пришел в состояние квантовой запутанности, потребовалось срочно разработать новую CRM.

Собственно, по ходу составления технического задания, становилось понятно, почему все предприятия со сколько-нибудь сложным продуктом или бизнес-процессами, идут в свою разработку.

И первое (Продукт), и второе (Процессы) накладывает фундаментальные требования к модели данных, формируя каркас бизнес-логики.