Kurgan-Telecom Ru | Информационные технологии

Новый продавец безуспешно пытается провести возврат. Поиск в базе знаний и рабочем чате выдает три инструкции, написанные в разное время и противоречащие друг другу. Пока он ждет наставника собирается очередь из недовольных покупателей. Поддержка молчит…

Привет, Хабр. 26 августа 2024 года я получил у BotFather первый токен и написал кривой телеграм‑бот с одной моделью — обычная история «хочу ChatGPT без танцев с бубном, сделаю себе сам». Бот был честно плохой: одна модель, никакого контекста, падал от длинных сообщений. Но он работал, им начали пользоваться дети и знакомые, и я решил «немного доделать».

«Немного доделать» продолжается второй год. Сейчас это платформа с веб‑приложением, шестью каналами доставки (Telegram, VK, MAX, Discord, веб и — для уведомлений и результатов долгих задач — email), биллингом, голосовым агентом и RAG по документам. А под ней — 66 контейнеров на двух нодах, BGP‑маршрутизация, собственный CI, хелпдеск и GPU‑нода с локальными моделями. Всё на железе, которое стоит под столом и потребляло меньше, чем игровая приставка, — до недавнего появления второй ноды с 3090; теперь приставка нервно курит. Эта статья — про то, во что превращается домашняя инфраструктура, когда backend‑разработчик два года не может остановиться.

Пишу это по двум причинам. Во‑первых, когда я начинал, мне отчаянно не хватало такой статьи — целостной картины, как это выглядит, когда селф‑хостишь ВСЁ. Во‑вторых, я почти наверняка делаю что‑то не так, и комментарии Хабра — самый быстрый способ об этом узнать. Не стесняйтесь.

Иногда самый опасный баг в CI/CD — тот, который не меняет цвет сборки. Jenkins продолжает показывать зелёный статус, а внутри уже формируется неверный результат: переменная превращается в null, ошибка маскируется под успешное выполнение, а метрики начинают показывать искаженную картину. Разбираем реальные места, где пайплайн может незаметно врать, и способы сделать его честнее.

Базовая потребностей человека — понять самого себя. Кто мы? В чём наша истинная природа? Что в нас заложено биологически, а что формируется воспитанием, окружением и личным опытом? Этими вопросами люди задавались на протяжении всей истории и в самых разных культурах.

В этой статье разберём, что в нас врожденное, как на этой основе формируются темперамент и характер и что из этого взрослый человек способен изменить сознательно.

Wi‑SUN (Wireless Smart Ubiquitous Network) — открытый стандарт для построения масштабных субгигагерцовых mesh‑сетей. Не нашёл описание данной технологии на хабре, только пара мелких упоминаний, но мне эта штука показалась очень интересной.

В статье собрал, что нужно для первого знакомства: сравнение с другими протоколами, описание, преимущества перед конкурентами и недостатки. Если кратко: быстрее конкурентов, без вендор‑лока, IPv6, древовидная структура сети, сотни устройств на одном роутере, тысячи в одном дереве, миллионы в рамках одной сети. Если интересуют подробности — добро пожаловать под кат.

Невила Маскелайна часто называют первым хакером в истории. Это спорный титул, ибо свой «взлом» Маскелайн совершил аж в 1903 году, задолго до появления первых ЭВМ. События, произошедшие 4 июня того года, сейчас любят пересказывать очень и очень упрощенно. И очень зря, ведь история реально интересная. Так как мы с вами на техническом портале, мы можем позволить себе углубиться в технику и узнать, что же именно сотворил хитрец Невил и как он смог «взломать» радиосвязь самого Гульельмо Маркони.

Пожалуй, только одна отрасль человеческой деятельности может посоперничать с ИТ по количеству и частоте употребления аббревиатур – военное дело. Корпоративный ИТ-ландшафт часто выглядит как набор букв, понятных только специалистам: MRP, ERP, CRM, SCM, MES, EAM, BI… Но за каждой аббревиатурой кроме технологии стоит и конкретная управленческая или инженерная задача. Одной системе нужно рассчитать потребность в материалах, другой – согласовать спрос и мощности, третьей – провести заказ через склад и транспорт, четвертой – сохранить историю обслуживания оборудования, чтобы станки не встали в самый неподходящий момент.

Мне доводилось читать сотрудникам холдинга лекции, помогающие разобраться в этом зоопарке аббревиатур. По опыту знаю, что удобнее это делать не в режиме словаря, а в форме рассказа о развитии предприятия. Это первая статья небольшого цикла, и начну я «с земли», с производства, а в будущем расскажу про термины из областей корпоративного управления и взаимоотношения с партнерами и клиентами.

Меня зовут Стас Погоржельский, я технологический евангелист VK Cloud и последние месяцы гоняю Prometheus и VictoriaMetrics на одном стенде, чтобы понять, сколько на самом деле стоит одна точка метрики на диске.

Обе системы делают одно и то же: принимают миллионы точек в минуту, хранят их месяцами и быстро отдают в алерты и дашборды. Обе сжимают точку до байтов и долей байта. Именно эти байты, умноженные на миллиарды точек в сутки, превращаются в счёт за диск. Ошибка в расчёте цены сэмпла заканчивается переполненным диском под мониторингом, урезанным retention или незапланированным расходом.

Когда место под метрики кончается, первым на планёрке звучит «сменим движок». Публичные бенчмарки подталкивают к тому же: Флант показывает, что Prom++, форк Prometheus, тратит памяти в 7,8 раза меньше Prometheus v2 (разбор на Habr), VictoriaMetrics показывает трёхкратную экономию диска против Grafana Mimir (бенчмарк VictoriaMetrics, замер вендора, 2022 год).

На моём стенде картина оказалась сложнее. В Prometheus 3.13 и VictoriaMetrics 1.149 ушёл один и тот же набор: 2,88 млн сэмплов, шесть профилей данных, один генератор с фиксированным seed. Внутри одного движка цена сэмпла различалась в 139 раз у VictoriaMetrics и в 12,8 раза у Prometheus. Между движками на одних данных разрыв доходил до 30,7 раза на шести профилях и до 34,3 раза в опыте с точностью. На равномерно случайных float64 движки менялись местами. Один лишний знак после запятой поднимал цену сэмпла у Prometheus в восемь раз, у VictoriaMetrics на 12%.

Одним из самых древних изобретений человечества, которым мы до сих пор пользуемся, является одежда. Она защищает нас от воздействия различных факторов окружающей среды. С развитием нашего вида одежда начала приобретать эстетический, этический, классовый и даже религиозный подтекст, помимо практического. Развитие наук и технологий позволило нам создавать ткани из самых разных природных и синтетических материалов, функциональность которых варьируется от конечной области применения. Одним из самых недавних новшеств является носимая электроника, которая выражается не только в аксессуарах, но и во внедрении тех или иных устройств в одежду пользователя либо в саму ткань. Ученые из Гарвардского университета (Кембридж, Массачусетс, США) разработали платформу для производства «умной» ткани, обладающей удивительными свойствами. Как работает данная платформа, какими же свойствами обладает изготавливаемая ткань, и где она будет полезной? Ответы на эти вопросы мы найдем в докладе ученых.

Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница курса «Аналитик данных». Я много читаю — настолько, что даже организовала свой книжный клуб. Одна из моих профессиональных деформаций — способность замечать в книгах и фильмах интересные решения по управлению потоками данных, финансов, товаров и материалов. 

Причём желание автора книги рассказать историю любви, дружбы или ненависти никак не может этому помешать: я с удовольствием оценю и детально прописанных персонажей, и волнующий сюжет — но вместе с тем отмечу, кто сколько и как зарабатывает, чем торгует, как ведёт переговоры, — и ещё очень много «мелких» и «ничего не значащих» деталей.

В этой статье я расскажу вам о художественных книгах, в которых есть не только захватывающий сюжет и уникальный авторский стиль, но и несколько финансовых уроков. Надеюсь, они будут полезны всем, кто хочет узнать больше о том, как работают деньги, — и сделать это с удовольствием. 

Коллега переслала переписку с вопросом «посмотри, это развод?». Четыре письма от подрядчика: уточнение по реквизитам договора, благодарность, вопрос про сроки приёмки, короткое «спасибо, ждём». Ни ссылок, ни вложений, ни просьб. Домен отправителя не наш - но и подрядчик не наш, так что признаком это не было.

Я ответил, что оснований считать это разводом не вижу, и попросил переслать, если придёт что-то ещё. Через неделю пришло пятое письмо: реквизиты для оплаты поменялись, вот новый счёт. Счёт не оплатили - только потому, что переписка была под наблюдением и пятое письмо принесли сразу.

С этого момента всё выглядит как классический BEC - business email compromise, компрометация деловой переписки. Но детектировать её надо было не с этого момента.

Привет, Хабр! Меня зовут Александр, и я занимаюсь развитием системы расчета налога на дополнительный доход в ИТ-кластере. В этой статье расскажу, как без боли для себя и для пользователя выгрузить большие таблицы из базы данных и предоставить их пользователю в xls-формате. Рассмотрю вариант выгрузки всех необходимых данных в одном файле без кэширования и объясню, почему такое подход не будет работать.

В LLVM завершён перевод DirectX backend из экспериментального в официальный статус. Соответствующий pull request #214066 был влит в основную ветку llvm-project 31 августа. DirectX перенесён из LLVM_ALL_EXPERIMENTAL_TARGETS в обычный LLVM_ALL_TARGETS, поэтому теперь backend будет собираться по умолчанию вместе с другими штатными целями LLVM.

Ранее для его включения требовалось явно добавлять DirectX через CMake-параметр LLVM_EXPERIMENTAL_TARGETS_TO_BUILD. В принятом изменении DirectX добавлен в стандартный список targets и удалён из экспериментального.

Речь идёт не о реализации Direct3D или графическом драйвере. DirectX backend преобразует LLVM IR в DXIL — DirectX Intermediate Language, используемый DirectX 12 для представления скомпилированных шейдеров. Согласно документации LLVM, DXIL основан на bitcode старого LLVM 3.7, дополненного специфичными для DirectX операциями, ограничениями и метаданными. Результат помещается в контейнер DXContainer, содержащий DXIL и дополнительную информацию о шейдере.

( читать дальше... )

 directx, llvm

Когда рекламный баннер "Пройди Тест по Go от Selectel" всплыл уже четвертый раз за день - я сдался. Нажал и пошёл проходить тест - несмотря на аннотацию уровень оказался очень "базовым" так что через несколько минут я завершил его всего с одной ошибкой.

Это событие не стоило бы упоминать - но "впечатлило" оформление и воплощение теста - как можно видеть ниже - из-за неаккуратности составителей даже и ответ где-то иной подходит. Попытался об этом написать приватно, почтой - но, кажется, безуспешно. Может заметку на Хабре заметят быстрее?

Bottleneck Labs провели простой по формулировке и довольно безумный по исполнению эксперимент: семи ИИ‑моделям выдали по разблокированному Mac mini, банковскому счёту с $300, отдельному аккаунту Stripe, электронной почте и доступу в интернет.

Задание состояло практически из одной строки: «Заработай как можно больше денег, начинай прямо сейчас». На всё дали 72 часа.

Через трое суток результат выглядел так: $0 выручки, если не считать $5, которые Grok заплатил сам себе. При этом модели успели отправить 2797 писем, потратить $359,80 настоящих денег со своих счетов и ещё $2833,35 на обращения к моделям.

700+ часов с Claude Code научили меня: агент забывает всё между сессиями и уверенно повторяет уже отвергнутые подходы. Я собрал skillmem — открытый локальный слой памяти, где запись бесплатна (SQLite, без LLM-вызовов), поиск двуязычный, а неиспользуемые навыки угасают по кривой Эббингауза. Внутри — архитектура, бенчмарк LongMemEval и почему забывание оказалось главной фичей.

Еще несколько лет назад рабочий процесс 1С-разработчика был довольно предсказуемым: Конфигуратор, информационная база, ручная загрузка и выгрузка конфигурации, обмен файлами с коллегами.

Затем появились Git, EDT, автотесты и инструменты автоматизации. Сегодня в этот цикл все активнее входят AI-агенты, MCP и программное управление платформой.

Меняется не только набор инструментов, но и стоимость разработки. То, что раньше требовало десятков минут ручной работы, постепенно превращается в одну команду, скрипт или действие агента.

Подборка материалов ниже — о разных сторонах этого перехода. Вместе они показывают одну тенденцию: современный 1С-разработчик все меньше работает только с Конфигуратором и все больше — с полноценной инженерной экосистемой вокруг платформы.

Обычная задача: добавить статус заказа, изменить API, обновить форму, миграцию, тесты и документацию. В AI-native процессе агент может пройти почти весь этот маршрут: изучить постановку, найти связанные компоненты, предложить план, изменить код, запустить проверки и подготовить запрос на слияние (merge request, MR). Человек принимает решение и отвечает за результат.

Но это не рассказ об уже доказанном успехе. Это пример реального кейса внедрения пилота AI-native разработки в корпорации: проверяемая гипотеза, инженерный контур и правила измерения. Положительный результат заранее не объявлен.

Типовую задачу проксирования трафика на базе заголовков и тела HTTP-запроса теперь можно решать напрямую с помощью предикатных локейшенов в NGINX.

До версии 1.31.5 для этого применяли тяжелые скрипты (медленно) и лабиринты из редиректов (неудобно). Теперь можно создать блоки location на базе любой переменной. В этом блоге разбираем методики чтения запроса и показываем примеры паттернов конфигурирования NGINX, которые вы можете применять для любого API или AI-трафика.

У нас есть внутренняя система, которая ищет закупки под профиль сервисной ИТ-компании. Раз в час она читает ленты 14 закупочных площадок через платный агрегатор (сервис, который собирает извещения о закупках с сотен площадок), ещё две площадки читает напрямую и реже. Каждое извещение проходит детерминированный фильтр по названию, для новых записей, прошедших фильтр, система заводит карточку закупки, запись у себя в базе, и дешёвая LLM ставит по карточке вердикт. Этот шаг мы зовём предскорингом. Для тендеров-кандидатов система выкачивает документацию, далее средняя LLM собирает из файлов единый текст технического задания и затем оценивает закупку по 18 критериям с обоснованиями: 14 критериев считает LLM, 4 считает код. Решение «идём или нет» принимает человек на гейте - точке, дальше которой без него ничего не происходит. Тендерные заявки тоже подаёт человек.

В системе используется 3 разных LLM, ниже я зову их «дешёвой», «средней» и «старшей». Дешёвая - это Claude Haiku 4.5, средняя - Claude Sonnet 5, старшая - Claude Opus 5, она собирает коммерческое предложение и в этой статье почти не участвует. Всё, что LLM получают и отвечают, пишется в трассу, полный лог каждого обращения с токенами и длительностью, и большинство чисел ниже взяты из неё.

С первого живого прогона с начала июля по начало сентября наша тендерная система завела 4 452 карточки закупок, 3 890 из них отфильтровала ступень предскоринга (то есть жёсткие правила и дешёвая LLM вместе). В статусе тендера-кандидата побывали 580 карточек закупок, 61 из них жёсткие правила задним числом вернули в отсев, они включены в те же 3 890, а ещё 43 карточки закрыты вручную из других статусов или заведены вручную сразу тендерами-кандидатами, минуя предскоринг. Также 198 отклонил человек на гейте, 270 закрыл человек, как отменённые или просроченные, до решения по существу, 23 стали заявками, 18 ждут решения на 6 сентября, ещё 10 в прочих статусах, от четырёх нынешних кандидатов до одной проигранной. Еще из важного: 75% отказов человека по всей базе имеют код «не наш профиль» (это слабость дешёвой ступени, которую мы держим сознательно, к ней вернусь ниже). К началу сентября журнал разработки насчитывал почти 300 записей, большая их часть - про то, как тендерный конвейер ошибался в проде.