Kurgan-Telecom Ru | Информационные технологии

В процессе проектирования в nanoCAD BIM Строительство создание точных и наглядных спецификаций является критически важной, но зачастую трудоемкой задачей. Эта статья представляет подробное практическое руководство по формированию спецификаций на примере армирования колонн. В центре внимания – сравнение двух разных встроенных инструментов: специализированного инструмента Спецификация и универсальных Таблиц nanoCAD. Вы узнаете, как выбрать оптимальный подход в зависимости от требований проекта: необходима ли вам максимальная гибкость настройки сложных отчетов или же приоритетом является их динамическая связь с моделью для автоматического обновления.

Статья ориентирована на широкий круг специалистов, работающих в среде nanoCAD BIM Строительство: инженеров-проектировщиков (КЖ, КМ, АР), BIM-менеджеров и BIM-координаторов, настраивающих процессы и шаблоны в компании, сметчиков и специалистов по подготовке проектной документации, а также технических специалистов и специалистов по внедрению ПО, изучающих возможности автоматизации отчетности в nanoCAD.

Рассказываю простыми словами, что такое AI-агент в ChatGPT, чем он отличается от обычного диалога и как пошагово создать своего агента под конкретную задачу.

Внутри - практические примеры из маркетинга и идеи, какие процессы удобнее всего автоматизировать с помощью агентов. Статья для тех, кто хочет внедрить GPT-агентов в рабочие процессы.

Японцы засунули в суперкомпьютер целую кору мозга мыши. Девять миллионов нейронов. Двадцать шесть миллиардов синапсов. Каждый нейрон с дендритами, ионными каналами, кальциевой динамикой. Не абстракция, а биофизика.

Статья вышла на SC'25. Это первая в истории петафлопсная симуляция мозга на клеточном уровне.

Универсальный компилятор для FPGA, который понимает 42 языка программирования

Пишите код на любимом языке — получайте работающий Verilog для FPGA. Бесплатно, без vendor lock-in.

Немного раньше в своём блоге я рассматривала одну из ранних машин с пресетами? драм-машину Panasonic RD-9844. Насколько раннюю? Скажем, там не было ни одного интегрального чипа, только чистая дискретная логика, плотно упакованная в корпус, только хардкор.

Сегодня предлагаю взлянуть на другой участок таймлайна развития подобных железок. Поговорим о драм-машине Yamaha MR10 1982 года и поплачем на техно.

1982, серьёзно?

Да, 1982 год — это дико поздно для драм-машины, у которой есть только пресеты. Например, Roland CompuRhythm CR-78 вышла в 1978-м, а программируемая TR-808 вообще уже была на рынке в это время. Да и не только они. Я больше скажу, даже аналоговые драм-машины в целом к этому моменту уходили со сцены, рынок куда круче будоражили сэмпл-машины, ведь в том же 1982-м вышел LinnDrum — более дешёвый наследник Linn LM-1, который использовался повсюду.

Команда Go for Devs подготовила перевод большого обзора Go 1.26. Это один из самых масштабных релизов языка: серьёзные оптимизации производительности, улучшения стандартной библиотеки, новые инструменты для тестирования и логирования, а также обновлённый go fix. Разбираем, что именно изменилось и почему этот релиз важен для разработчиков.

В ноябре 2024 года язык программирования Go достиг своего исторического максимума — седьмого места в престижном индексе TIOBE, укрепив позиции в топ-10. Однако всего через 14 месяцев, в январе 2026 года, картина кардинально изменилась: Go обвалился на 16-е место, потеряв сразу 9 позиций. Это один из самых драматичных спадов года среди топовых языков. Парадокс в том, что в России Go переживает противоположную тенденцию — язык активно набирает популярность, его используют крупнейшие технологические компании и количество Go-разработчиков превысило 40 тысяч. Возникает критический вопрос для отечественной индустрии: не движемся ли мы против глобального технологического тренда, делая ставку на язык, который теряет позиции на мировой арене?

Мы привыкли, что цифровые схемы обычно работают с однополярным питанием, а логические сигналы имеют всего два уровня, и в основном даже не задумываемся о фактических значениях этих напряжений. Исторически выработалось несколько стандартов питания цифровых микросхем: самыми распространенными стали TTL и CMOS с напряжением питания 5 В и их низковольтные версии LV с напряжением 3,3 В. Благодаря этому очень просто обеспечить электрическую совместимость и можно полностью сосредоточиться на логике.

Но как только возникает необходимость подружить микроконтроллер с окружающим его аналоговым миром, оказывается, что этот мир живет совершенно по другим правилам. Операционные усилители (ОУ) не имеют ничего общего с привычным TTL. Их питание может быть не только однополярным, но и двуполярным, а рабочие напряжения варьируются от нескольких вольт до нескольких десятков вольт. При этом у каждого усилителя есть свои требования к входному диапазону и свои ограничения размаха выходного сигнала. Такое разнообразие может легко запутать начинающего электронщика, который впервые сталкивается с аналоговой схемотехникой.

В этой статье предлагаю вместе разобрать:

•   существует общий универсальный стандарт питания для ОУ;

•   откуда в аналоговых схемах взялось двуполярное питание и чем оно отличается от однополярного;

•   почему у двуполярного ОУ выводов питания всего два без отдельного GND;

•   почему классические ОУ плохо работают от одной шины питания;

•   чем на самом деле различаются однополярные и двуполярные ОУ, можно ли одним заменить другой.

Привет, Хабр! На связи команда разработки продукта PIKTools Генплан.

Хотите узнать, как генпланисту оперативно создавать, редактировать, оформлять и проверять генеральные планы? Как получать рабочую документацию строительства, сократить трудозатраты на ее разработку? Как наш продукт PIKTools Генплан помогает в этом?

Если да, тогда приготовьте себе кофе и погнали — мы продолжаем наш рассказ. Если вы пропустили вводную статью про продукт, советуем начать с нее. Сегодня речь пойдет о модуле «Озеленение». Расскажем о том, из чего он состоит, а также какие прикладные задачи и проблемы он решает.

Всем привет! Это команда Атома. В первой статье нашего цикла мы приоткроем дверь в нашу лабораторию прототипирования и подробно расскажем о ключевой технологии — 3D-печати. Вы узнаете, как она помогает нам проектировать автомобили быстрее и экономичнее, и почему мы верим, что за ней — будущее.

Retrieval-Augmented Generation (RAG) всё чаще упоминается в контексте LLM и всё чаще фигурирует в требованиях к разработчикам, но за этим термином обычно скрывается довольно размытое представление о том, как такие системы реально устроены. В этой статье я разбираю RAG как архитектурный подход: зачем он вообще появился, какие задачи решает, как выглядит базовый пайплайн от данных до ответа модели и где на практике чаще всего возникают проблемы.

Механика — это не только фан или переживание ситуации через интерактив, это еще и реклама, причем рекламные функции могут быть в механике важнее всего остального. Давайте разберем этот феномен на двух совершенно разных примерах.

Классик информатики Петер Наур (1928 — 2016) знаком по языку программирования Алгол 60 и синтаксису BNF, но у него есть ещё одна выдающаяся работа в смежной области — теория мышления на основе синапсов («A Synapse-State Theory of Mental Life», 2004 г). По сути, это теория мышления человека на аппаратном уровне.

Ситуация: открываете базу знаний и понимаете — что-то с ней не так, и каждый раз кто-то приходит с одними и теми же вопросами. Вы — тимлид/техлид/knowledge-менеджер, который знает ответы на все вопросы. Но времени на работу не остаётся как раз из-за разрешения всяких мелочей. Знакомо?

Привет, Хабр! Меня зовут Анастасия Граф. Я руковожу отделом разработки технической документации в Maxim Technology — компания делает Ride Tech сервис для такси Maxim. Мы первыми в России запустили цифровую платформу. Этот материал готовился по мотивам доклада для TeamLead Conf.

В предыдущей части статьи об организации Базы знаний мы сформулировали универсальные требования к ней и разобрались, с чего начать в принципе на примере процессов в Maxim Technology. Сегодня выясним, зачем нужно ревью любой документации и как оно поможет повысить уровень знаний в командах.

Работа с данными стала критически важной на хакатонах — рынок IT-соревнований в прошлом году заметно изменился. Конкурсы теперь практичнее, технологичнее и сложнее, как по задачам, так и по составу команд.

Мы проанализировали 240 хакатонов 2025 года и разобрали, какие форматы, навыки и подходы будут определять соревнования в ближайшем будущем. В основе исследования — статистика мероприятий и участников платформы Codenrock. Картину дополняют данные крупных международных отчётов, чтобы увидеть общие тенденции развития IT-сообщества.

Материал будет полезен всем, кто организует хакатоны, ищет через них решения и таланты или участвует в соревнованиях ради профессионального роста. В статье — ключевые цифры, выводы и прогноз на 2026 год.

Внутри суперкомпьютера Fugaku, расположенном на искусственном острове в Кобе, Япония, находятся ряды непрерывно гудящих чёрных шкафов размером с холодильник. И вот, десять миллионов цифровых нейронов начинают работать. Затем электрические сигналы каскадом проходят через миллиарды соединений. Так выглядит полностью оцифрованная кора головного мозга мыши.

Исследователи могут приостанавливать симуляцию, возвращать её назад, перенастраивать и запускать заново — увеличивая отдельные синапсы, воспроизводя моменты нейронной активности и наблюдая, как решения и восприятие развиваются в 86 областях мозга. Это как иметь доступ к замедленному видео мышления настоящей мыши — без какого-либо контакта с животным. Ведь Fugaku может выполнять 400 квадриллионов вычислений в секунду, имитируя труд схем мозга.

Если вы хотите пользоваться LLM, но при этом вам важна приватность данных, то до недавнего времени у вас, по сути, был один вариант — поднимать локально собственную языковую модель.

Ситуация меняется. Создатель мессенджера Signal, Мокси Марлинспайк, запускает приватный AI‑сервис Confer с основным фокусом на конфиденциальность и безопасность данных.

Можно ли считать Confer действительно безопасным AI‑сервисом или перед нами очередной маркетинговый нарратив? Разберёмся в рамках этой статьи.

В какой-то момент почти в каждом проекте возникает ощущение, что самое сложное уже позади. Форма найдена. Концепт выглядит убедительно, логично, спокойно. Он не кричит, не пытается понравиться любой ценой, в нём есть характер и цельность. Его можно показывать — и он «держится».

На этом этапе кажется, что дальше всё пойдёт по накатанной: инженерия уточнит детали, производство подстроится под геометрию, а финальный продукт сохранит тот образ, ради которого всё начиналось.

На практике этого почти никогда не происходит.

Проходит время — и концепт начинает меняться. Сначала незначительно, потом всё заметнее. Что-то упрощается, что-то исчезает, где-то форма становится грубее, где-то — нейтральнее. В итоге продукт либо выходит уже другим, либо не выходит вовсе, оставшись «правильной версией» в презентации.

Важно подчеркнуть: речь не о плохих концептах. Речь именно о хороших — тех, за которые обидно.

«Память — это современный диск, диск — это современная лента», — Джим Грей

Проблема ста тактов

В Главе 1 мы говорили о том, что промахи кэша стоят 100-200 тактов, а попадания в кэш — всего 1-4 такта. И это не какая-то мелкая деталь, а самый важный фактор современной производительности.

Ниже я расскажу, почему это так.

Однажды я оптимизировал драйвер устройства для встраиваемой системы на RISC-V. Драйвер должен был обрабатывать пакеты от сетевого интерфейса, но при большой нагрузке мы теряли пакеты. CPU работал с частотой 1 ГГц, а для обработки каждого пакета требовалось около 500 команд. Простая математика:

500 команд ÷ 1 ГГц = 500 наносекунд на пакет

При скорости 500 нс на пакет мы могли бы обрабатывать 2 миллиона пакетов в секунду. Однако мы справлялись всего с 200 тысячами пакетов в секунду, то есть в десять раз меньше, чем ожидалось.

Профилировщик показан следующее:

$ perf stat -e cycles,instructions,cache-misses ./driver_test Performance counter stats:

5,000,000 cycles

500,000 instructions

45,000 cache-misses

Постойте-ка: 500000 команд должны занимать 500000 тактов (при 1 IPC). Но мы видим 5 миллионов тактов. Куда подевались лишние 4,5 миллиона тактов?

Нестабильные (flaky) тесты создают постоянные трудности для тестировщиков. Такие тесты не отражают состояния тестируемой системы и подрывают доверие к тестовому набору.

Вооружившись лучшими практиками, нестабильность можно свести к минимуму, но полностью избавиться от неё крайне трудно. Чтобы лучше её контролировать, нужны инструменты, позволяющие выявлять нестабильные тесты — например, Allure Report. В этом руководстве мы посмотрим, как Allure работает с нестабильными тестами.

Заодно мы познакомимся с Allure 3. Многие из вас наверняка пользуются Allure 2 — в третьей версии (помимо прочих изменений) работа с нестабильными тестами стала гораздо удобнее, в особенности настройка истории тестов.