Kurgan-Telecom Ru | Информационные технологии

Я давно хотел, чтобы разговор с нейронкой про кино не заканчивался только лишь названиями в чате или предложением мне самому найти где купить билеты. Это странный финал: человек уже попросил помощника сделать работу за него, а помощник в ответ отдаёт ему, например, предположение о том, где можно купить билеты на этот фильм, а не точный результат.

В своём кино-сервисе я сделал MCP. Его можно подключить к ИИ-агенту как внешний источник данных: MCP даёт нейронке не просто общий интернет-поиск, а нормальные действия внутри базы фильмов конкретного пользователя, а также общей базы фильмов. Например, агент может посмотреть непросмотренные пользователем фильмы (для фильмов для просмотра в будущем есть раздел "Непросмотренные"), использовать прошлые оценки, чтобы найти интересный пользователю фильм, собрать подборку, найти ссылку на покупку билетов на конкретный фильм и многое другое.

Сервис абсолютно бесплатный! В статье хотел бы рассказать о возможных сценариях и о том, какими сценариями сам пользуюсь. Покажу на примере Грока, но можно подключить к любому ИИ-агенту по типу Клода, Кодекса, Курсора и т.д.

Если тут есть любители кино, буду рад получить обратную связь по MCP!

Меня зовут Прохор, я лид команды агента «Исследовать» — это режим глубокого исследования в чате с Алисой AI.

Напомню, про что вообще речь, если никогда не пользовались Deep Research: это специальный режим работы, который строит уникальный план решения задачи пользователя, делает сотни поисков по вашему запросу, умеет ходить на сайты (даже с динамическим JavaScript‑контентом), писать и выполнять Python‑код (для сложных расчётов), работать со скачанными файлами и так далее. Всё это для того, чтобы дать лучший ответ на ваши сложные запросы, например: «Спланируй мне путешествие в Дагестан на две недели на машине с детьми».

За год агент прошёл путь от первого прототипа до продакшена — вместе с ним менялись качество ответов, скорость работы и потребление GPU. За продуктовую часть отвечал Руслан Илиев, продакт менеджер агента: он сформулировал продуктовые цели, определил набор инструментов и валидационный набор запросов, а затем вёл запуск от закрытого вейтлиста до 100% продакшена. Как мы к этому пришли — через выброшенный прототип, десятки слоёв обвязки и пару болезненных уроков, — расскажу по порядку. Добро пожаловать под кат!

Всем привет! Меня зовут Кирилл, я сетевой инженер и автор технических статей. Это моя первая публикация в хабе «Я пиарюсь» и, скорее всего, последняя. Поэтому начну с довольно странного для саморекламы тезиса. Большинству компаний корпоративный блог действительно не нужен.

Хабр остаётся одной из немногих русскоязычных площадок, где инженеры читают других инженеров и напрямую общаются со специалистами компаний. Технические ошибки и рекламные формулировки здесь замечают быстро. Выдать пресс-релиз за полезный материал тоже не получится.

При этом у компаний есть инженеры, интересные проекты и истории, которыми стоило бы поделиться. Маркетинг хочет рассказать о них, но инженер занят работой и не знает, как собрать статью. Маркетолог умеет писать, однако не всегда понимает технические детали. В результате публикации выходят раз в полгода, застревают на согласовании или превращаются в склад корпоративных новостей.

Я хочу честно разобрать, почему так происходит, когда от блога лучше отказаться и что потребуется компании для разговора с технической аудиторией.

Не открою секрет, если скажу, что обычный поиск по ключевым словам уже не особо помогает. Чтобы нейросети могли отвечать точно, опираясь на ваши корпоративные базы знаний, им нужно «понимать» смысл текста. А это уже сложнее, чем просто искать точные совпадения букв. 

В этой статье мы разберем, как устроены векторные базы данных, почему без них не работает современный RAG, чем они отличаются от привычных реляционных БД и как выбрать подходящий инструмент для своего проекта.

Когда приложение начали тестировать пять сотрудников, обычный сбор обратной связи быстро перестал работать: жалобы были слишком абстрактными и воспроизвести ошибки было сложно.

Я встроил в систему цикл, в котором пользователи и сама модель создают issues, сохраняют исходные документы и передают разработчику весь контекст для доработки.

Уже завтра ожидается выход JDK 27, в которую вошли 9 JEP, связанных с криптографией, диагностическим механизмом JFR, управлением памятью и стандартной библиотекой. В этой статье разберём, что нас ждёт в этом релизе Java.

В этой статье — про бесконтактное измерение температуры расплавленного металла, основанное на приеме теплового излучения в мм-диапазоне. Центр компетенции по мм-волновой технике «ДОК» провел очередной этап промышленных испытаний СВЧ-радиометра МРИТ-76 — прибора для непрерывного бесконтактного контроля температуры расплавленного металла по его собственному тепловому излучению.

Уведомления о результатах прогонов — важный элемент удобства при работе с тестами. Вместо того чтобы каждые пять минут проверять, закончился прогон или нет, вы просто получаете сообщение в Slack. Меньше отвлекающих факторов, больше времени в состоянии потока.

В Allure Report такие уведомления были реализованы в версии 3.0 с помощью плагина для уведомлений в Slack. В этом руководстве я покажу, как настроить канал в Slack так, чтобы каждый запуск Allure Report отправлял туда сводку по результатам.

Собрал 6 сервисов с бесплатным или стартовым доступом к LLM API и проверил их. Какие модели реально работают, что дают после регистрации, сколько уходит баланса и какие лимиты встречаются — всё на реальных запросах.

Когда вы в последний раз проверяли свои репозитории на забытые токены? Пока вы скроллите ленту, боты парсят GitHub и подхватывают утекшие ключи за 2–3 минуты. Мы собрали главные дыры — от .env и CI-логов до ИИ-конфигов. В конце чек-лист, чтобы проверить себя за пару минут.

Например, один участник выбирает ветку кошек, другой - собак. Система может сохранить обе ветви, запросить более качественное изображение или передать случай человеку. Для этого в архитектуре заранее нужны доступ к исходному объекту, возможность пересмотра маршрута и ограничение числа дополнительных попыток.

Если такой возможности нет, обнаруженное несогласие останется красивой записью в журнале.

Согласие тоже не даёт гарантии. Все участники могут уверенно повторить одну ошибку. Поэтому проверять нужно конкретный вопрос: помогает ли несогласие выделять ошибки лучше, чем более дешёвый сигнал от одной модели, при сопоставимом бюджете?

Работы по deep ensembles дают основания исследовать ансамбли как способ оценки неопределённости. Но в них полезное разнообразие возникает и при обучении сетей одной архитектуры. Отдельно авторы Rethinking Mixture-of-Agents показывают, что объединение ответов разных LLM не всегда выигрывает у объединения нескольких ответов одной сильной модели.

Кассир‑стажёр на первой самостоятельной смене теряется у кассы: покупатель спрашивает, как применить промокод из рассылки, а в инструкции такого нет. Наставник в подсобке сверяет остатки – подсказать некому. А покупатель всё громче выражает недовольство.

Всем привет! Меня зовут Денис, я senior frontend-разработчик в компании “Исходный код”.

Недавно на работе мне предложили попробовать себя в роли технического интервьюера. Я подумал, что этот опыт стоит описать как для собственного осмысления, так и для коллег-разработчиков, которые только начинают проводить собеседования. Здесь не будет жестких инструкций или менторских советов. Это скорее честный, субъективный взгляд изнутри, который, надеюсь, поможет вам сделать собственные полезные выводы.

Вкратце расскажу предысторию. Наша компания открыла две вакансии в команду веб-разработки. Мы искали middle и senior.

Я и мой коллега Тимофей вели технические собеседования, но ни у кого из нас не было большого опыта проведения технических интервью. поэтому со многим пришлось разбираться по ходу. Мы обсуждали резюме, спорили о кандидатах, пытались понять, что вообще стоит спрашивать и как оценивать ответы.

Многие СУБД сегодня поддерживают поиск ближайших соседей, нужный для рекомендательных систем и антифрода. Но на практике системы даже с одинаковым алгоритмом «под капотом» могут решать эту задачу с разной эффективностью: пропускная способность (QPS) и задержки могут сильно различаться из-за накладных расходов движка хранения и модели блокировок. И для бизнеса эта разница может обернуться лишними затратами на инфраструктуру или деградацией UX в пиковые часы. Поэтому к этим параметрам нередко предъявляются особые требования. 

Привет, Хабр. Меня зовут Георгий Белянин. В статье я разберу архитектуру векторного поиска в Tarantool и приведу результаты сравнения скорости вставки и запросов с Qdrant и pgvector.

Многие СУБД сегодня поддерживают поиск ближайших соседей, нужный для рекомендательных систем и антифрода. Но на практике системы даже с одинаковым алгоритмом «под капотом» могут решать эту задачу с разной эффективностью: пропускная способность (QPS) и задержки могут сильно различаться из-за накладных расходов движка хранения и модели блокировок. И для бизнеса эта разница может обернуться лишними затратами на инфраструктуру или деградацией UX в пиковые часы. Поэтому к этим параметрам нередко предъявляются особые требования. 

Привет, Хабр. Меня зовут Георгий Белянин. В статье я разберу архитектуру векторного поиска в Tarantool и приведу результаты сравнения скорости вставки и запросов с Qdrant и pgvector.

Продолжаем наш большой обзор современных раций. Во второй части подробно поговорим о стандартах, попытках скрестить рацию с мобильным телефоном и том, есть ли будущее у транкинговой связи?

Хабр, привет! Меня зовут Андрей Пронин, я руководитель студии заказной разработки ProninTeam и наставник на курсе «Управление командой разработки» в Яндекс Практикуме. Семь лет назад я и сам был джуном, а последние пять руковожу студией и нанимаю новичков, поэтому знаю, что получить офер — малая часть пути. Сложности начинаются потом: нужно закрепиться, набрать скорость и не подвести ни себя, ни команду.

Сегодня я расскажу шесть историй провалов — своих и чужих — и что из них вынес я, а что может забрать себе новичок.

Матери позвонили. Мои интонация и голос, говорит сбивчиво: попал в неприятности, нужны деньги, сейчас перезвонит человек и объяснит куда.

Она положила трубку и набрала меня. Я ответил. На этом всё и кончилось.

Меня в этой истории зацепило не то, что кто-то собрал модель моего голоса - публичных записей хватает у любого, кто хоть раз выступал или записывал видео. Зацепило, что защитой оказалась не осведомлённость и не бдительность. Защитой оказалось то, что она набрала номер сама.

15,8 тысяч детей заходили в приложения для знакомств за июль — это около 3,5%, из выборки более чем 450 тысяч детских смартфонов с установленным приложением для родительского контроля. При этом проанализировать можно лишь поведение детей в дейтинг‑приложениях, а не в ботах / группах в соцсетях. Получается потенциально детей, которые ищут общения с незнакомцами, ещё больше.

Особенно меня шокировали вот эти цифры: 

Привет, Хабр! (И тебе, IT-шник, который хочет узнать, что вообще происходит с наймом в 2026. Сейчас разберёмся, но легче тебе от этого не станет).

Две статьи с аналитикой позади (раз, два). 106 тысяч вакансий разобрали, графики посмотрели, узнали, что Python разработчики всего лишь на 18-м месте, а HR вообще на вершине. Цифры - это конечно круто, но статистика остаётся статистикой, пока мы не встречаем живого человека с конкретной историей…

Я решил, что стоит запустить сбор реальных историй найма в IT. И знаете что? Тут твориться полнейшая жесть.

Сегодня без графиков. Только истории. И они честнее любой статистики.