Kurgan-Telecom Ru | Информационные технологии

70-летний пенсионер Билл Джонс выпустил 445 книг с помощью ChatGPT и зарабатывает на них тысячи долларов. Но интереснее не сам Джонс, а то, что этот случай показывает.

ИИ сделал создание контента дешевым и быстрым.

Теперь можно не тратить целый год на одну книгу и не надеяться, что она станет популярной, а выпускать сразу много и смотреть, какая из них выстрелит.

Пытаюсь понять, что это меняет для авторов.

Производители вышивальных ниток не публикуют Lab и спектры, поэтому посчитать ближайшую нить к фирменному цвету нечем. Разбор: что мерить, сколько это стоит в часах и как проверить результат.

В прошлом году я купила 3D-принтер, а примерно в июле решила напечатать органайзер для мелочей. Подходящую готовую модель найти не удалось, и я открыла Blender, чтобы сделать свою. На этом всё и остановилось: я растерялась среди панелей, кнопок и настроек и отложила моделирование.

Недавно я увидела в сообществе примеры работы с Blender через Codex и GPT-6 Astra и решила попробовать снова. Для первого упражнения выбрала настольную лампу: основание, стойка, кронштейн и плафон. После моделирования я настроила материалы и свет, затем сделала пятисекундный облёт камеры.

Ранее мы провели серию тестов классического воздушного охлаждения.

Следующим закономерным этапом является проектирование и изготовление корпуса для погружения компьютера. Очевидно, что стандартный корпус с воздушным охлаждением совершенно не подходит для данной задачи, поэтому необходимо решить массу вопросов, начиная от правильного размещения всех компонентов, принципа и эффективности работы системы теплоотвода от диэлектрика и заканчивая выводом кабелей.

TL;DR: Хотел полную автоматизацию "встреча → протокол в канале Teams". Получил полуавтоматику с ручным шагом в 30 секунд. Сэкономил 20-30 минут на каждую встречу за $0.33 в месяц. Разбираю что сработало, где упёрся в ограничения Microsoft, и стоила ли игра свеч. Весь проект — от идеи до работающего flow — собран в диалоге с Claude.

Что-то много пеликанов на велосипеде начало появляться в ленте моего информационного пузыря в твиттер и я решил провести собственный эксперимент: GPT Astra против Qwen 3.8 и других доступных моделей.

Цель: Охватить экспериментом повседневные модели, которые можно легко проверить на качество генерации и получить сравнительную оценку их способностей.

Однажды куча родителей, политиков и прессы вдруг тотально подгорели от компьютерных игр, обозвав их самым настоящим абсолютным злом, которое превращает детей в конченных психопатов. А все из-за того, что на британские полки выкатили игру, где можно было выдернуть какую-нибудь бабулю из ее тачки, переехать ее и потом сваливать от копов под громкий музончик.

ысль о заработке с помощью ИИ не даёт мне покоя уже три года. Когда слово “агентные” можно было услышать только в интервью Сергея Брина, а опенсорсные модели годились только для adult-ботов, я создал своего первого агента с помощью nerve-cli. Это утилита, которая запускает запросы модели в цикле с доступом к утилитам и промптом-целью. Агент сам писал скрэпер новостей, проводил анализ настроений и выдавал рекомендации по инвестициям. По сути, это был прототип News Sentiment Trading.

Эта система выдавала конечный результат 1 раз из 10, и лишь один из 10 конечных результатов я брал в работу.

Но в 2025-м году с рынком что-то случилось. Новостной анализ перестал приносить желаемый результат. Вооруженный нейросетями (Claude, DeepSeek, Qwen, и бесплатные от Opencode) я принялся искать рабочий подход.

Продолжение «Манифеста созидателя», «Лицензии на агентство» и «На трёх слонах». #profgames

Вы не встречались с ситуацией, когда ваш клиент говорит «я засунул ваш отчёт в гопоту...» или «у меня бухгалтер навайбил...»? Нет? Значит, вы не общаетесь с клиентами.

Tatuin (Task Aggregator TUI for N providers) — агрегатор задач с текстовым пользовательским интерфейсом (TUI), объединяющий в одном окне задачи из различных источников: Todoist, Obsidian, GitLab TODO, GitHub Issues, iCal и CalDAV. Поддерживает базовые операции над задачами — добавление, редактирование, выполнение и удаление.

• Issue #359: добавлено создание задач пакетом (batch) — теперь можно создать сразу несколько задач из списка, по одной задаче на строку
• Issue #365: улучшено многострочное поле редактирования текста — теперь оно полноценно поддерживает функции редактирования (перемещение курсора между строками, прокрутка и т.д.)
• Issue #363: из панели информации о задаче убран идентификатор задачи, так как он не нужен пользователю
• Issue #366: фильтр/статус «Uncompleted» переименован в «Todo» для большей ясности

• Issue #482: исправлено создание daily note в Obsidian, которое было сломано после обновления плагина Local REST API
• Issue #419: исправлено создание задач в Obsidian, которое было сломано после обновления плагина Local REST API
• Issue #373: исправлено падение при отображении гиперссылки в описании задачи, если она не помещалась на экране
• Issue #258: исправлено несколько проблем безопасности в CI/CD workflow’ах GitHub Actions (риск инъекции команд через неэкранированную подстановку входных данных)

 rust, task manager, tatuin, todoist, от автора

Состоялся выпуск 18.0 стандартов Unicode.

Всего в эту версию добавлено 13007 новых символов, включая знаки трёх письменностей:

• 11328 знаков малой печати (сяочжуань).
• 914 знаков и 51 радикал чжурчжэньского письма.
• 311 числовых знака протоклинописи.

Также добавлены:

• 3 новых символа валют: мальдивской руфии, дирхама ОАЭ и оманского риала.
• 9 новых эмодзи: бабочка монарх, сачок, метеор, направленный влево большой палец, трескающееся лицо, направленный вправо большой палец, маяк, солёный огурец и ластик.
• 50 музыкальных символов: новые варианты пауз, скрипичных ключей, знаков альтерации, тремоло, фермат и других.
• 29 других символов, включая исторические математические.
• И другие дополнения и исправления.

>>> Полное описание этой версии

>>> Таблицы кодов символов

>>> Файлы с данными

 unicode, кодировка, стандарт, язык

Размышление по мотивам проекта. Архитектура – router + pipelines (AWS, Claude).

Рассмотрим сравнительно простой пример, знакомый почти всем, кто делал LLM-агента для запросов к данным на естественном языке – будь то text2sql, аналитический ассистент или чат-бот над базой. Обычно агенту поручают решать всё самому – и определять тип запроса, и формировать его, и выбирать форму результата и решать, нужно ли предупредить об отклонении. Именно в этом суть агента и именно для этого пишется системный промпт.

На десятке тестовых вопросов система работает без нареканий. Но позже появляются проблемы, когда вопросы начинают приходить в разных формулировках. Например, один и тот же вопрос, заданный другими словами, вдруг обрабатывается иначе – модель по-другому интерпретировала фразу и одинаковые по структуре результаты приняли разную форму (строка, таблица, график) без объяснения причины. Или при одной той же формулировке вопроса отклонение то получает пояснение, то приходит пустым.

Первое, что обычно меняют в таких случаях – добавляют в промпт ещё одно правило. Несколько раз это действительно помогает. Потом новое правило начинает противоречить старым, и промпт превращается в набор заплаток под конкретные ситуации. Нестабильность никуда не уходит, она просто прячется теперь в том, в каком порядке моделью применяются противоречащие друг другу инструкции.

Именно здесь кроется и проблема, и ее решение. Проблема в том, что в описанном сценарии работы никто явно не решал, что в системе делает код, а что модель. Это сложилось само, по ходу генерации промпта. Спросите, почему модель выбирает форму результата запроса, а не разработчик пишет десять строк обычного кода, – и внятного ответа, как правило, не найдётся. Отсюда и решение: граница между тем, что делает код, и тем, что делает модель, – это не деталь реализации, а отдельный архитектурный объект. Если такое решение не принять явно, оно всё равно будет принято по умолчанию, и чаще всего не в пользу устойчивости системы.

Бестселлер «Легко не будет» (в оригинале The Hard Thing About Hard Things). Автор книги, Бен Хоровиц - один из самых уважаемых предпринимателей Кремниевой долины, сооснователь венчурного фонда Andreessen Horowitz и бывший генеральный директор Opsware.

11 недель назад я начал делать социальную сеть, в которой гражданство зависело только от имени.

Если тебя зовут Егор, Георгий или одной из форм имени, происходящего от Georgios, то это место для тебя, 100%! Остальные становятся Наблюдателями: могут читать, реагировать, писать в личку, жить в своих районах — что-то вроде ВНЖ.

На этом месте проект вполне мог закончиться хорошей шуткой, которой и являлся ИЗНАЧАЛЬНО. Но пользователи начали спрашивать, кто здесь главный.

Так в Егороде появился мэр. Потом люди спросили, кто выбирает мэра. Появились выборы.

Затем — партии, депутаты, кабинет, указы, вето и импичмент, а социальная сеть начала подозрительно напоминать государство, состоящее преимущественно из Node.js, SQLite и людей по имени Егор.

Сейчас в проекте около 11,9 тысячи регистраций, обычный DAU — примерно 30–35 человек, кодовая база выросла примерно до 210 тысяч строк, 176 таблиц и 2625 тестов.

И именно небольшой ежедневный онлайн в итоге сильнее всего повлиял на архитектуру, потому что город на 30 человек может позволить себе довольно простую инфраструктуру.

Но он не может позволить себе переставать существовать, когда эти 30 человек уходят спать.

Исследователи и разработчики LLM всё чаще говорят о том, что агенты на основе LLM проявляют опасные, непредсказуемые свойства, в потенциале угрожающие не только работоспособности интернет площадок, но и человечеству в целом.

Предлагается остановить развитие моделей до разработки и внедрения политик и инструментов, гарантирующих безопасное поведение агентов.

Я полагаю, что какой-то эффект это даст, но в целом, этот труд не принесёт ожидаемого результата. 

В этой статье я рассматриваю муравейники, людей и LLM в попытке показать, когда агент перестает быть просто агентом. Свойства, которые разработчики пытаются гарантировать на уровне агента, возникают на уровне системы агент+среда, где агент не определяет движение системы в целом. 

Удалить фон с фотографии сейчас предлагают примерно все - от больших графических редакторов до сайтов с одной-единственной кнопкой. Загружаешь снимок, ждешь несколько секунд, скачиваешь аккуратный PNG. По крайней мере, именно так это выглядит в рекламе.

На практике между «фон удален» и «результат можно использовать» лежит небольшая, но иногда довольно глубокая пропасть. Нейросеть может выстричь человеку половину прически, превратить велосипедные спицы в ломаную паутину или решить, что прозрачный бокал - это тоже фон.

Чтобы проверить, кто действительно лучше справляется с задачей, я взял четыре AI-инструмента: три специализированных Background Remover - Photoroom, Pixelcut и Adobe Firefly - и Nano Banana 2 через BotHub. Всем дал одни и те же три исходника.

Nano Banana 2 не является специализированным инструментом для удаления фона, но я все равно включил его в общий тест: здесь важно не только получить альфа-канал, но и понять, какой результат в итоге проще использовать дальше.

Для всех четырех инструментов учитывал только первый результат - без повторных запусков, ручной ретуши и дополнительных уточнений. У Photoroom, Pixelcut и Firefly это первый автоматически полученный PNG, у Nano Banana 2 - первая генерация по задаче убрать исходное окружение. 

Сразу короткий ответ: по качеству результата для дальнейшего использования лучше всех показал себя Nano Banana 2. Портрет получился чистым по контуру, велосипед - с сохраненными спицами, тросами и мелкими деталями, а оба винных бокала модель отделила от окружения практически идеально. Но есть важная оговорка: Nano Banana 2 не строит классическую маску, а генеративно перерабатывает изображение - может заменить фон, перерисовать часть сцены и не выдать настоящий прозрачный PNG. Если нужен именно точный вырез исходного объекта с альфа-каналом, лучший результат среди специализированных инструментов показал Photoroom.

Вы знаете, что игры бывают очень архитектурно «грязными» внутри? Но это не помешало им продаваться миллионами копий, или быть написаннами одним человеком на фреймворке для браузерок, или на Lua поверх библиотеки для геймджемов, или вообще ребенком в бесплатной версии юнити. При этом мощный кастомный движок с ECS, job‑системой, своим рендером и рефлексией повсюду вы тоже знаете, но игра на нем, скорее всего лежит третий год у вас в беклоге, так и не сыграная даже пару часов.

Попросили меня по старой дружбе, где‑то с полгода назад, помочь с разработкой и выводом игры в Steam. Ребята до этого занимались нефтью, и накопив деньжат, решили, что называется оставить след в индустрии. Если честно, я несколько отвык от такого «детского» кода и простых решений, что меня несколько удивило, хотя и вернуло на грешную землю из объятий ентрепрайза. Но я сразу оговорюсь, что простая архитектура это не оправдание плохого кода, а способ выбрать, где именно вы повзоляете себе быть сложным. Бюджет сложности конечен... прежде всего размером вашей натуральной оперативкой, и тратить его надо туда, где игрок это увидит.

Все уже наверняка видели посты на «Бэкдорах», «Эксплойтах» и прочих кибертопорах о том, как кто-то, особенно с выходом новой модели, естественно, в один промпт сгенерировал копию Call of Duty, Starfield или любой другой игры. По видео выглядит сыровато, но играбельно, однако ключевая проблема здесь в том, что это демонстрационный вариант в формате браузерной игры. То есть совсем не те проекты, где мы с вами увлеченно сидим часами (любители браузерных игр и мобилок простите).

Как любой геймер, я всегда мечтал сделать свою игру. Не то что бы мне недоставало проектов, которые регулярно презентуют на Gamescom, а потом убирают на полку. Но хочется чего-то своего, людского, с российским колоритом. А наш АА\ААА-геймдев только начал подавать признаки жизни.

Я умею в C#, более-менее понимаю, как устроен Unity, могу поковыряться в Blender и что-то подрисовать на развертке в фотошопе. Но просто не хочу и все. С бесконечными задачами по работе, хобби и бытовым СДВГ сесть за какой-то долгострой нет ни времени, ни возможности. А потому меня посетила мысль отработать маркетинг желтушных IT-каналов на полную и собрать игру исключительно при помощи ИИ. Без единой собственной строчки кода, без единой собранной вручную модели и отрисованной текстуры.

В этой части я расскажу о тестах некоторых технических аспектов. Здесь не будет ничего о сценарии, механиках, кор лупах и даже о концепте. Ведь сперва нам нужно понять, а можно ли в принципе сделать играбельную сцену достойного уровня.

Рассказ в картинках про три взаимодействия Стандартной Модели (из которых нет ни одного вменяемого) с упором на странности сильного (цветного) взаимодействия, а также про конфайнмент кварков и состав протона.

Картинки ИИшные а текст человеческий. Слышал, теперь это новое требование - но я никогда ИИшкой текст и не писал, только сам на буковки нажимаю.

В 1trAIner ИИ-тренер отвечает спортсменам в чате, пишет планы и разбирает тренировки. В системном промпте с самого начала было правило «при боли и травме — к врачу». Когда мы оценили ответы по рубрике, медицинская граница получила 2,8 из 5.

Рассказываем, почему промпт не удержал правило, как устроен страж на регулярках для трёх языков, почему \b не видит кириллицу и почему сама оценка моделью шумит на полтора балла.