Kurgan-Telecom Ru | Информационные технологии

Ошибки в спецификациях, бесконечные правки чертежей, ручной ввод данных из CAD в учетную систему – знакомые боли? АО «Профсталь» прошло этот путь и нашло решение. Компания не просто автоматизировала рутину – она создала дружелюбную цифровую экосистему, где проектирование в nanoCAD и управление затратами в 1С стали единым безошибочным процессом. Результат, который говорит сам за себя: время расчетов сократилось в 2-3 раза, объем обрабатываемых заявок вырос вдвое, а продажи по проектам конструкторов увеличились более чем в два раза.

Из этой статьи вы узнаете, как «Профсталь» шаг за шагом выстроила интеграцию компонента «СПДС» Платформы nanoCAD и 1C: ERP через Microsoft SQL Server. От проектирования цифровых двойников сэндвич-панелей до автоматической выгрузки спецификаций – мы покажем технологическую цепочку, которая исключает ошибки и экономит сотни часов рабочего времени.

Это пример для руководителей и собственников строительного бизнеса, которые хотят сократить издержки, ускорить проектный цикл и повысить надежность смет, для ИТ-директоров и руководителей отделов автоматизации в строительстве, которые ищут реальные примеры интеграции CAD и ERP, и, конечно, для главных инженеров, проектировщиков и сметчиков, уставших от рутины и конфликта данных между отделами.

Стратегия цифровизации: как инженерная экспертиза определяет задачи автоматизации...

Привет, Хаброжители! Большие языковые модели (LLM) позволяют оптимизировать и ускорить решение практически любой задачи в области анализа данных. Освойте методы для анализа больших массивов текстовых, табличных и графовых данных, изображений, видео и многого другого с помощью понятных запросов на естественном языке и нескольких строк кода на Python.

«HTAP», «единая платформа для OLTP и OLAP», «никаких ETL» — такие обещания в индустрии делают каждые полгода. Обычно за этим следуют компромиссы: либо транзакции деградируют, либо аналитика тормозит, либо архитектура превращается в Франкенштейна. Мы расскажем, что конкретно сделали в Postgres Pro AXE — и почему это работает иначе.

Бывают такие проблемы, о которых узнаешь не от новостной ленты или агрегатора, а на собственном опыте одним прекрасным утром. Например, включаешь ноутбук, а вместо входа видишь черный экран с кодом ошибки или с запросом ключа восстановления BitLocker, которого под рукой нет. И все это после того, как вчера ты обновил свой компьютер. С июньским накопительным апдейтом Windows 11 она стала реальностью для некоторого числа пользователей, в основном с бизнес-ноутбуками. Разберемся, кого это реально касается, а кого нет, и что делать.

Сайты перестали работать: серверы, на которых всё лежало, разом пропали из сети — без предупреждений и без шанса скачать бэкапы. А самих бэкапов у меня к тому моменту не осталось ни одного — по иронии судьбы я потерял их все буквально за пару недель до аварии.

Пришлось в авральном режиме поднимать хотя бы HTML-версию. Рассказываю, как вытащить сайт из веб-архивов, когда копий нет нигде, — и за несколько часов вернуть его в строй.

Рекомендую для тщательного прочтения или, если навык чтения длинных текстов утерян, хотя бы для беглого просмотра – “The Second Machine Age”, авторов Erik Brynjolfsson и Andrew McAfee.

Возможно, получится взглянуть на "ИИ – бесполезен в разработке (науке, транспорте, производстве штанов, в борьбе с комарами и сорняками, нужное подчеркнуть)" с другой точки зрения. У меня, кажется, это получилось. Для тех, кто не найдет сил ни на чтение, ни на беглый просмотр, рискну кое-что пересказать, начав (и есть шансы, пересказом ограничившись) с внедрения электричества в производство всего и вся и в жизнь человечества в целом.

Классический сценарий: весь учёт ИТ-активов вёл один человек – желательно в Excel, ещё желательнее в голове. Человек уходит, и выясняется, что никто толком не знает, сколько серверов в серверной, когда заканчиваются гарантии и где документы на закупку. 

Поговорим о том, почему это происходит почти в каждой второй компании и почему с 2025 года он ещё и создаёт регуляторные риски. И главное как выстроить учёт так, чтобы уход конкретного человека снова стал обычной передачей дел, а не срочной экспедицией в неизвестность.

Представьте гиперноду облака. Гипернода — это физический сервер с запущенным гипервизором, на котором работают виртуальные машины клиентов. Под дисками этих машин лежит программно определяемое хранилище Ceph: распределенная система, где данные размазаны по многим серверам с копиями, без отдельного дискового массива. Меняем на ноде одну переменную — операционную систему. Виртуальные машины не пересобираем, кластер хранения не трогаем, диски и сеть те же. Ни одной новой железки, ни строчки нового кода в приложении. После переключения дисковая подсистема ВМ ведет себя ощутимо иначе.

VK Cloud активно использует РЕД ОС от РЕД СОФТ — в том числе в VK Secure Cloud, аттестованном контуре для значимых объектов критической информационной инфраструктуры (ЗОКИИ). На ее примере покажу, как поднять производительность гипервизора, просто обновив легаси и не трогая железо. Вместе с дистрибутивом на ноду приезжает свежий стек целиком: ядро, эмулятор, клиент хранилища, системные библиотеки. Каждый слой подтягивает свой кусок. А для тех, кто застрял на CentOS, ушедшем в EOL, у истории есть вторая часть: обновление закрывает технический разрыв и регуляторику одним движением. Ниже разберу механику по слоям с командами, которые можно выполнить на своей системе.

Представьте гиперноду облака. Гипернода — это физический сервер с запущенным гипервизором, на котором работают виртуальные машины клиентов. Под дисками этих машин лежит программно определяемое хранилище Ceph: распределенная система, где данные размазаны по многим серверам с копиями, без отдельного дискового массива. Меняем на ноде одну переменную — операционную систему. Виртуальные машины не пересобираем, кластер хранения не трогаем, диски и сеть те же. Ни одной новой железки, ни строчки нового кода в приложении. После переключения дисковая подсистема ВМ ведет себя ощутимо иначе.

VK Cloud активно использует РЕД ОС от РЕД СОФТ — в том числе в VK Secure Cloud, аттестованном контуре для значимых объектов критической информационной инфраструктуры (ЗОКИИ). На ее примере покажу, как поднять производительность гипервизора, просто обновив легаси и не трогая железо. Вместе с дистрибутивом на ноду приезжает свежий стек целиком: ядро, эмулятор, клиент хранилища, системные библиотеки. Каждый слой подтягивает свой кусок. А для тех, кто застрял на CentOS, ушедшем в EOL, у истории есть вторая часть: обновление закрывает технический разрыв и регуляторику одним движением. Ниже разберу механику по слоям с командами, которые можно выполнить на своей системе.

Классический unit-тест — это «вход X → ожидаю Y». Вы придумали кейс, зафиксировали ожидание, поехали. Проблема в том, что баги обычно живут не в кейсах, которые вы придумали, а ровно в тех, до которых не дотянулась фантазия: пустая строка, эмодзи, дубликаты, отрицательный ноль, перевод строки внутри значения, целочисленное переполнение.

Property-based testing (PBT) переворачивает подход: вы описываете свойство — утверждение, которое должно быть истинно для любого корректного входа, — а фреймворк сам генерирует сотни случайных входов и пытается это свойство опровергнуть. Нашёл контрпример — ужимает его до минимального («shrinking») и показывает вам.

GenAI-ассистент может довольно быстро начать отвечать "по теме": находить релевантные фрагменты, собирать уверенный текст и создавать ощущение, что система уже работает.

Если подключить LLM к корпоративным документам через RAG, подобрать параметры поиска, немного почистить контекст и добавить хороший prompt, первые результаты часто выглядят обнадеживающе. Пользователи начинают пробовать систему, появляются первые метрики использования, а сама идея быстро кажется готовой к расширению.

Но для продуктового контура этого недостаточно.

Проблема не только в том, может ли модель сформировать релевантный ответ. Проблема в том, является ли поведение системы ожидаемым, проверяемым и управляемым.

Можно получить ассистента, который уверенно отвечает на вопросы, но при этом плохо контролируется в деталях: какие источники он использовал, достаточно ли найденной информации для ответа, можно ли показывать ответ пользователю, где безопаснее остановиться и дать ограниченный ответ (fallback), как проверяется качество, кто управляет ссылками на источники и что происходит при неполных, устаревших или плохо структурированных данных.

В этой статье я разбираю не готовый "рецепт правильного GenAI-ассистента", а результаты и выводы из проверки на малом контролируемом прототипе: какие решения появляются вокруг GenAI-системы, когда она должна не просто отвечать, а вести себя управляемо.

Фокус будет не на том, как "улучшить prompt" или выбрать модель побольше, а на том, как система управляет ответом после retrieval:

Целью этой статьи не является полный пересказ спецификации USB или книгу по USB. Я хочу приоткрыть магию работы USB и представить информацию таким образом, чтобы вы получили быстрый старт для понимания всего стека USB: от интерфейсов и конечных точек до электрических сигналов.

Статья про то, как я связал Obsidian с Claude и Codex через домашний сервер, CouchDB и MCP, а по дороге поймал баг, который тихо съедал куски заметок.

Схема входящего траффика в кластер Kubernetes простая: web → Envoy Gateway → Ingress Nginx → backend. За Ingress Nginx, помимо обычного HTTP, живут долгоживущие WebSocket-соединения. Штатная нагрузка - около 100 RPS. Ничего экзотического.

В один прекрасный день всё в кластере легло. Клиенты получают 503/500. В логах Envoy - флаг UF и upstream_reset_before_response_started{connection_timeout}. То есть ingress-nginx просто перестал отвечать.

Дальше - два часа разбора и довольно красивая цепочка причин, которая началась с банального reload, а закончилась на том, как ядро считает лимит потоков при старте виртуалки.

В C++ часть ошибок выглядит слишком безобидно, чтобы сразу насторожиться: std::move в return, emplace_back «для скорости», перемещение из const, move‑конструктор без noexcept. Код компилируется, тесты могут проходить, а потом внезапно появляются лишние копирования, просадки производительности и странное поведение объектов.

Разберём пять типичных ловушек move‑семантики на небольших задачах и посмотрим, где именно ожидания разработчика расходятся с тем, что реально делает язык.

Медоносные пчёлы регулярно улетают на расстояние до 3 км от своего улья в поисках пищи, а затем возвращаются домой с поразительной точностью. Если соотнести это с размером их тела, то это сравнимо с тем, как если бы человек пролетел сотни километров и нашёл дорогу обратно без карты, компаса, GPS или смартфона. Несмотря на то, что мозг пчёл меньше кунжутного семечка, они совершают этот подвиг с поразительной эффективностью. Теперь исследователи адаптировали те же биологические принципы для системы навигации дронов, которая может направлять лёгких летающих роботов домой, используя всего 42 КБ памяти.

Разработанная командой под руководством Делфтского технологического университета в Нидерландах система, получившая название Bee-Nav, позволяет дронам автономно ориентироваться и возвращаться к месту старта без использования GPS или вычислительно сложных систем картографирования. Исследователи продемонстрировали эту технологию как в помещении, так и на открытом воздухе, в том числе во время полёта на расстояние более 600 м, при этом используя нейронные сети, которые в тысячи раз меньше тех, что обычно применяются в современных системах искусственного интеллекта.

В июне 2026 года в репозитории OpenAI Codex появился баг-репорт, который быстро стал одним из самых обсуждаемых. Пользователь обнаружил, что Codex непрерывно пишет огромный объем диагностических логов в локальную SQLite-базу и потенциально способен записывать до 640 ТБ данных в год на SSD. Через неделю проблема была признана и исправлена двумя PR.

У вас есть список целей на день/неделю/год/жизнь? Не путайте его со списком неотложных дел, такой есть у всех, а если еще нет, то, как только приедете утром на работу, появится. Но от чего зависит, будут ли исполнены долгосрочные цели? Один из важнейших факторов – наличие внутренней мотивации. Она настолько мощный двигатель всей нашей жизни, что не только мы, но и все окружающие нас люди пытаются его эксплуатировать. Маркетологи в первую очередь. Но получается у них это далеко не всегда. Путаница в разных типах мотивации в рекламе и программах лояльности иногда приводит к обратным результатам, чем было запланировано.

Но нам, маркетологам, хорошо бы понимать, почему очень часто попытка воздействовать на мотивацию клиента извне приводит к полному ее отказу.

Привет, постоянные и не очень читатели!

Во второй части мы занимались самым неблагодарным этапом любого проекта миграции — подготовкой. Проводили аудит инфраструктуры, искали забытые зависимости, считали RPO и RTO, выбирали стратегии переноса и пытались понять, какие сервисы стоит переносить, а какие лучше оставить в прошлом вместе с Windows Server 2008.

Рано или поздно (скорее поздно) аудит закончится, миграционные волны согласуют, а руководство одобрит проект и бюджет. И тогда придётся переходить к самому опасному и сложному этапу — великой и ужасной миграции.

У Huawei Cloud Stack для этого под капотом есть целый стек инструментов: HCCCMS (нет, кнопку не заело) для миграции серверов и виртуальных машин, IMS для работы с образами, DRS (Data Replication Service) для переноса баз данных, CDM (Cloud Data Migration) и DataArts для миграции данных, а также великое множество сетевых и облачных сервисов из публичного облака Huawei Cloud.

Про них и поговорим.

Электрохимический транзистор — это электронное устройство, принцип работы которого основан на электрохимических процессах, а не на традиционных твердотельных полупроводниках с электронно-дырочным механизмом проводимости. Такие транзисторы используют электролиты, органические полупроводники и металлооксидные материалы с ионным и солитонным механизмами проводимости. 

В электрохимическом транзисторе есть канал (полупроводниковый или проводящий слой), электроды истока и стока, а также электрод затвора, который находится в ионном контакте с каналом через электролит. Электролит может быть жидким, гелеобразным или твёрдым. Проводимость канала регулируется за счёт окислительно-восстановительных реакций и миграции ионов между каналом и электролитом. При подаче напряжения на электрод затвора происходит взаимодействие ионов из электролита с материалом канала, что изменяет плотность электронного заряда и, соответственно, ток стока. В зависимости от полярности напряжения и характера реакций канал может переходить из проводящего состояния в изолирующее и наоборот. Например, при положительном напряжении на затворе катионы из электролита вводятся в канал, что может привести к электрохимическому восстановлению материала (например, PEDOT:PSS) и снижению его проводимости. При снятии напряжения ионы возвращаются в электролит, и ток стока возвращается к первоначальному значению. Некоторые материалы канала могут удерживать мигрировавшие ионы даже после снятия напряжения на затворе, что позволяет использовать такие транзисторы в качестве запоминающих устройств. 

О них сегодня мы и поговорим.