Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Я Дэн Реймер, основатель Reymer Digital и автономной AI-медиаплатформы reymer.ai. Платформа работает почти без ручного участия: AI генерирует 5-7 новостей в день из отобранных источников, публикует в Telegram и VK, индексирует в поисковиках, оптимизирует SEO/GEO, ведёт каталог курсов, промптов и полезных ИИ-инструментов. Один человек + Claude Code = полноценная автономная AI-редакция.

Но сегодня не об этом. Сегодня - про профессии.

Помните, как пару лет назад мы восхищались тем, что нейросеть может написать связный абзац? А год назад – что она осилила код без синтаксической ошибки? Сегодня планка взлетела так высоко, что уникальные способности моделей превращаются в стандартный пакет услуг.

OpenAI выкатила GPT‑5.4 Pro. И если раньше слово “Pro” в названии часто означало просто “чуть больше токенов и подороже”, то теперь это действительно профессорский уровень. Модель берёт сложнейший тест ARC-AGI-2 с результатом 83,3% (против 54% у предшественницы), решает задачи из FrontierMath, которые ещё недавно казались крепостью для ИИ, и... случайно находит в интернете забытую научную статью 2011 года, чтобы срезать путь к ответу.

В этом обзоре мы не только разбираем цифры бенчмарков (хотя они тут просто фантастические), но и устраиваем моделям настоящую проверку: от логической головоломки с серверами до полноценного стелс-симулятора на канвасе.

Пристегнитесь, будет интересно!

Эпистемическая иммунизация — это структурная защита позиции от проверки, при которой любая критика интерпретируется не как аргумент, а как подтверждение правоты защищающегося.

Это не «упрямство». Не «нежелание слушать». Это системный паттерн, который позволяет:

сохранять внутреннюю согласованность без внешней верификации
маркировать оппонентов без проверки их аргументов
легитимизировать бездействие или избирательное действие как «здравый смысл»

В этой статье разберёмся, как распознать эпистемическую иммунизацию, почему она так устойчива и что можно сделать, чтобы не стать её носителем.

Предыдущая статья: https://habr.com/ru/articles/981356/

Продолжаем создавать сервис анонимных "мертвых ящиков" DeadDrop на чистом Go.

Во второй части (первый подвыпуск) закладываем фундамент: учимся принимать POST-запросы, загружать файлы с проверкой MIME-типа и размера, создаём in-memory хранилище с потокобезопасным доступом через RWMutex. Пишем утилиты для генерации криптостойких ID и паролей. Разбираемся с интерфейсами и готовим архитектуру к дальнейшему развитию.

Без фреймворков, только net/http и стандартная библиотека.

"Поскольку вы программист на C++, вероятность того, что вы слегка одержимы производительностью, выше среднего. А если нет, то вы, вероятно, по крайней мере с пониманием относитесь к такой точке зрения. (Если производительность вас совсем не интересует, аудитория Python разработчиков дальше по коридору)"
— Из пункта 42 книги С. Майерса “Effective Modern C++”, 2015.

Эта заметка описывает мой личный взгляд на то, как писать эффективный и надежный код для CPU. Статья ориентируется на С++, но значительная часть обсуждения CPU, кэшей, паттернов доступа к памяти и профилирования применима к Rust, Go и другим компилируемым языкам. Статья задумана как краткое введение и больше всего подходит студентам, имеющим опыт программирования на занятиях, но не в реальных проектах. Для профессионалов статья может быть полезной в качестве референса, чтобы не пугать новичков чем-то в духе Что каждый программист должен знать о памяти.

В статье опишу "набор новичка": godbolt.org, профилирование, бенчмарки, особенности CPU и его взаимодействия с памятью, когда есть смысл от асимптотических оптимизаций и почему важно при этом пользоваться санитайзерами, отслеживать coverage и вообще более трепетно относится к надёжности.

Питер Тиль был учителем и наставником Сэма Альтмана. Для многих Тиль — фигура довольно зловещая. Некоторые называют его «технофашистом».

Однажды Тиль назвал своего протеже «выживальщиком» — и он, без сомнения, знал, о чём говорил.

Но Альтман — не только мастер выживания. Он ещё и мастер захвата территорий. И пока весь мир ждал, когда OpenAI обанкротится, он нашёл сверхмощного спонсора с неограниченными ресурсами, неуязвимого для рыночных сил.

Разумеется, за это «открытие» заплатим мы все. И я имею в виду не только американских налогоплательщиков, но и всех жителей планеты. И Сэма это вполне устраивает.

Я многие годы работаю в процессной теме, и как консультант, и как руководитель внутреннего процессного подразделения, и в этой статье я решил в краткой и максимально структурированной форме рассказать, что же такое процессный подход.

Представьте: 80-я минута, счёт 1:1. Нападающий соперника получает мяч на фланге и уходит в рывок вдоль бровки. Защитник бежит рядом, чуть левее — между нападающим и центром поля. Где-то в центре полузащитник соперника уже прицеливается для прострела.

И в этот момент защитник должен принять решение — молниеносно, без калькулятора, без времени на раздумья: я контролирую ситуацию или мне нужна помощь партнёра?

Опытный защитник решает это интуитивно. Но что именно стоит за этой интуицией? Оказывается — вполне конкретная математика. Причём такая, которую проходят в школе.

У защитника есть зона контроля — сектор пространства, в котором он способен среагировать на действия нападающего. Её размер определяется тремя физическими факторами: временем реакции, скоростью бега и углом периферийного зрения. Пока нападающий находится внутри этого сектора — защитник держит ситуацию под контролем. Как только нападающий выходит за его границу — контроль потерян, нужна подстраховка.

Задача, которую мы разберём в этой статье, даёт конкретный ответ на конкретный вопрос: окажется ли нападающий в зоне контроля защитника в момент приёма паса — и когда защитнику нужно звать партнёра?

Для решения не понадобится ничего сверхъестественного: уравнения прямых, расстояние между точками, три геометрических условия. Весь необходимый аппарат вы уже проходили — просто, возможно, не думали, что он помогает принимать решения на футбольном поле.

В конце статьи мы реализуем модель в среде Engee на языке Julia — с визуализацией зоны контроля в начальный момент и через время t1​.

У нас есть продукт и нам нужно рассчитать ключевые метрики, которые показывают здоровье продукта:
- DAU/MAU – вовлеченность
- Conversion Rate – конверсия в целевое действие (у нас это создание объявления)
- Retention – удержание пользователей
- LTV – жизненная ценность клиента
- ARPPU – средний доход с платящего пользователя

В статье разберем последовательный расчет с примером синтетических данных и готового кода на SQL.

AI - не микроархитектор, не проектировщик и не верификатор. Это все-лишь гламурный поисковик уже решенных и опубликованных задач. Именно такой вывод следовал из предоставленных мною на конференции SNUG Silicon Valley 2026 фактов как десятки студентов мучали ИИ чтобы решить мои задачки. Одну задачку ИИ решил лишь через полгода после выкладывания решений в интернет, другую за два месяца, потом пошла третья. При этом задачки были довольно банальные - мы в Самсунге даем делать такие статические конвейеры с контролем потока данных практикантам.

Вот постер, сопровождающий мою статью:

Если вы следите за рынком генеративного ИИ по десктопным продуктам — у вас искажённая картина мира. Я серьёзно.

На вебе генеративный ИИ — это ChatGPT, Claude, Character.ai, Midjourney. Чат-боты, ролевые платформы, кодинг-ассистенты. Логично: люди сидят за компьютером и взаимодействуют с ИИ через текст. Но стоит переключиться на мобильный рейтинг — и картинка переворачивается. Из 50 самых популярных мобильных AI-приложений примерно 20 — это фоторедакторы и камеры. Не чат-боты. Не поисковики. Камеры.

a16z опубликовал свой ежегодный рейтинг топ-50 генеративных ИИ-продуктов по ежемесячным активным пользователям. Отдельно веб, отдельно мобайл. Эта статья — про мобильные приложения. И она рассказывает совсем другую историю, чем веб-рейтинг.

Дальше — пять наблюдений, которые я вытащил из данных, потом карта рынка и полный справочник всех 50 приложений.

Привет, Хабр! С вами эксперты ИнфоТеКС. Сегодня поговорим о подходе Architecture as Code и о том, как он может улучшить ваши рабочие процессы.

Когда-то именно дискета была главным способом обмена данными. Игры, софт, рабочие файлы — все это путешествовало с компьютера на компьютер на дискетах. Да, с сегодняшней точки зрения это было, мягко говоря, не очень удобно и не очень надежно. Но и альтернатив особо не было. 

Ограничения начали давить уже в 90-х. Нужен был наследник. Технология или решение, которое примет на себя ношу хранения и обмена данными под стать изменившимся запросам. И многие компании бросились его создавать.

Так началась эпоха «убийц дискеты», когда каждый уважающий себя производитель считал своим долгом предложить достойную альтернативу. Iomega, Imation, Sony, SyQuest — все они предлагали свое видение идеального носителя. 

В этой статье мы вспомним пятерых ярких претендентов, которые всерьез метили на трон дискеты, но по разным причинам сами остались за бортом истории.

Статья о том, какие трансформации происходят в продуктовой разработке и почему мы вступаем в эпоху пост-Agile, платформенных команд и агентных связей.
Придут ли ИИ-агенты на смену кросс‑функциональным командам? Давайте разбираться.

Как перевести продакшен-проект на рельсы agent-driven development - когда LLM-агенты становятся полноценными участниками разработки, а не просто подсказчиками в автокомплите ? Реальный опыт на реальном проекте !

Продолжаем улучшать Feedback Loop. В предыдущей статье я ускорил прогон тестов в 6 раз. Теперь — следующий шаг: LLM-агент генерирует тесты. Два подхода (sprint-driven и coverage-driven), шестиуровневый pipeline верификации, двух-агентная архитектура, оптимизация feedback loop — и 68 тестовых файлов на выходе с acceptance rate 86.8% при ревью живыми разработчиками.

В статье — конкретика: как анализировал покрытие и свежесть документации, как ускорял компиляцию для агента, на чём экономил токены, и что сказала команда на code review.

SimpleGen — новый продукт для генерации решений на платформе SimpleOne с помощью AI. В этой статье рассмотрим, как начать работу с SimpleGen: что поставить на рабочую машину, как подготовить репозиторий, настроить доступ к SimpleOne, а также выполнить свою первую задачу.

Настройте своего персонального ИИ-трейдера на базе OpenClaw в Telegram — полностью бесплатно и без единой строчки кода. Агент понимает естественный язык, работает с Finam Trade API и умеет сам писать и запускать Python-скрипты прямо в чате.

В этом туториале покажем, как настроить агента с нуля, подключить к Trade API и использовать его для сканирования рынка, алгостратегий и выставления ордеров по расписанию.

«Что же ты всё по Бамбукам загоняешься? Есть и другие хорошие принтеры — и дешевле». Примерно так мне сказали, передавая на тест Anycubic Kobra 2 Pro. Ну, хорошо. Я человек открытый — дайте железо, дайте время, и я выдам честный вердикт.

Kobra 2 Pro — бедслингер с заявленным полем 220×220 мм и скоростью до 300 мм/с (маркетинговые, разумеется). На бумаге — конкурент Bambu Lab A1 Mini: стол больше, ценник ниже. Казалось бы, чистая победа Кобры. Спойлер: нет. Но обо всём по порядку.

Привет! Если вы читаете эту статью, то скорее всего столкнулись с блокировками Telegram или просто хотите обеспечить себе стабильный и безопасный доступ к мессенджеру. Я покажу, как поднять свой собственный MTProto прокси с Fake TLS на любом VPS сервере за 5 минут с помощью готового скрипта.

Недавно я присутствовал на рабочей встрече в налоговой инспекции, которая заставила меня кардинально переосмыслить многие вещи.

На этой встрече меня, выступающего в роли налогового консультанта, и находившегося рядом со мной руководителя проверяемой компании сотрудники налогового органа буквально чуть не разорвали на части. И я абсолютно уверен, они бы довели свое дело до конца, если бы в определенный момент, устав выслушивать этот поток агрессии и угроз, мне не пришлось бы представиться и рассказать о своем прошлом месте работы.

Изначально, я не планировал этого делать, так как не видел в этом никакой необходимости. Но по ходу встречи понял, что такая необходимость есть.

Но обо всем по порядку. Дальше расскажу, как вообще рабочая встреча сотрудников налогового органа с налогоплательщиками могла скатиться до уровня уличных разборок.