Kurgan-Telecom Ru | Информационные технологии

SQL в 2026: что реально нужно знать аналитику?

Ты написала статью. Вычитала, проверила, добавила картинки, нажала «Опубликовать». И тут они приходят. Кто эти люди, которые пишут комментарии? Держи полный список «фантастических существ», обитающих под любой хабровской статьёй от программирования и менеджмента до хаба здоровье.

Расскажу, как решал задачу принудительного притока воздуха на кухне и немного автоматизировал управление приточным клапаном с помощью MQTT и WirenBoard.

А что, если современные технологии для большинства вещей избыточны? В проекте «ЭХО» я решил проверить это на практике, создав цифровую капсулу времени для потомков. Цель — позволить людям оставить память о себе (фото и мысли) в максимально простом и «вечном» формате.

Технически это эксперимент по созданию системы на 250 млн анкет без баз данных, фреймворков и лишних слоев — только чистый Go и минималистичный Linux. В этой статье я поделюсь опытом, как заставить обычный ПК работать с такой нагрузкой, используя лишь стандартную библиотеку и файловую систему.

Всем привет! С 9 по 22 февраля (да-да, всего 14 дней, и об этом нововведении я расскажу) я «плавал в бассейне» в Москве, а если официально - проходил интенсив от Школы 21. И могу сказать, что «наплавался» я отлично: получил заветный зеленый билет на основное обучение.

В этой статье я поделюсь своим опытом, который, надеюсь, поможет тем, кто только собирается окунуться в этот интенсив или уже его проходит.

Что вообще такое Школа 21?

Звучит как какое-то государственное учебное заведение с бассейном? Не совсем))

Официально: Школа 21 - бесплатная школа цифровых технологий от Сбера. Это проект для всех, кто хочет сменить профессию и найти себя в IT.

Если коротко и понятно: Школа 21 - это бесплатное дополнительное образование в мире IT. Но здесь нет уроков, пар, учителей или преподавателей. «Как же это школа?» - спросите вы.

Обучение построено на выполнении проектов. Схема простая: тебе дают задание и говорят «делай». Твоя задача - сделать. Любым способом. Как хочешь. Но главное - понять, как ты это сделал, чтобы потом защитить свой проект перед другими участниками (их тут называют пирами).

У многих из нас найдется папка "курсы/статьи/изучить" в закладках, которая растет быстрее, чем список багов в новом проекте. Мы мастерски откладываем начало процесса обучения на потом, в ожидании идеальных условий и свободного времени, которых никогда не будет. "Начну с понедельника", "как только разгребусь с работой", "вот уйду в отпуск"... Это все отличные отговорки, которые заменяют реальные действия.

Начало обучения кажется тренировкой по тяжелой атлетике. Нужно обязательно подготовиться, размяться, настроиться, выделить пару часов и выложиться на полную. Чтобы сразу и на мировой рекорд. Или хотя бы городской. Но в реальности наша жизнь вне работы - череда коротких промежутков: ожидание кофе, поездка на транспорте, очередь в магазине. Что будет, если попытаться воспринимать это не как обыденность "потерянного времени", а сделать такие промежутки инструментом роста? Если перестать стремиться к рекордам и заменить попытки одноразовых сверхусилий на регулярный фоновый процесс развития?

У тебя в голове работает программа, которую ты не писал. Она была написана в первые два-три года твоей жизни. Ты не помнишь ни одной строчки. Но она запускается каждый раз, когда отношения становятся по-настоящему близкими.

Она решает: доверять или нет. Приближаться или отдалиться. Написать первым или ждать. Сказать «мне плохо» или сказать «всё нормально». Она работает быстрее, чем ты успеваешь подумать. И чаще всего ты даже не замечаешь, что она включилась.

Это называется тип привязанности. И если ты когда-нибудь задавался вопросом, почему в отношениях ты ведёшь себя не так, как хотел бы — скорее всего, дело в ней.

Нет большой разницы в инструментах, когда речь идет о создании простеньких чат-ботов. Но когда вы работаете над продуктом посерьезнее, например создаете сложного AI-агента или работаете с чувствительными данными, облачные LLM начинают выставлять большие счета. И не только финансовые.

Что если переход на локальную инфраструктуру (вроде Ollama) это решение, которое не просто поможет сэкономить, но изменит саму динамику разработки?

Рано или поздно каждый пользователь экосистемы Google сталкивается с уведомлением о том, что бесплатные 15 ГБ пространства закончились. Письма перестают приходить, файлы на Диск не загружаются, а Google настойчиво предлагает оформить ежемесячную подписку.

Но прежде чем доставать карту (а с определенного момента оплатить подписку в целом стало весьма нелегкой задачей), стоит разобраться, чем именно занято место.

Чаще всего проблема не в важных документах, а в цифровом мусоре, который годами копился в вашей почте.

Переезд с macOS на Windows для разработчика часто сопровождается болью от потери привычного инструментария. В моем случае решающим стимулом свитчнуться на ПК стала мощная видеокарта. Сейчас мой верный MacBook всё так же лежит на столе и даже подключен к мониторам, но по факту именно Windows (как бы сильно она мне ни не нравилась) стала основной рабочей системой.

И главной болью при этом переходе стал менеджер буфера обмена. На маке я привык к тому, что могу найти скопированный лог недельной давности за секунду, вставить текст без форматирования одним шорткатом и вообще не думать о том, что история куда-то исчезнет.

Штатный инструмент Windows (Win+V) разочаровал моментально: лимит в 25 элементов, отсутствие поиска и полное обнуление после перезагрузки ОС. Поиск альтернатив тоже не увенчался успехом: Ditto надежен, но выглядит как гость из 2005 года, а мощный CopyQ имеет перегруженный интерфейс суровой системной утилиты. Ни в одном из них не было современных функций вроде OCR «из коробки» или базовой интеграции с LLM для обработки текста на лету.

Решение напрашивалось само собой — написать свой велосипед. Но сделать его легким, быстрым и без Electron. В этой статье расскажу о том, как устроен Beetroot — менеджер буфера обмена с бесконечной историей, нативным OCR и AI-трансформациями.

10 марта 2026 года наш мультисервисный ханипот зафиксировал необычную активность. Один IP-адрес за 10 минут методично прошёлся по 8 сервисам — SSH, Telnet, HTTP/HTTPS, MySQL, Docker API, Memcached, Winbox — и среди прочего отправил JSON-RPC запрос инициализации Model Context Protocol (MCP). Это первый задокументированный нами случай, когда MCP-сканирование выступает не как исследовательский инструмент, а как модуль в составе мультипротокольного сканера.

Статья содержит разбор пойманного пейлоада, IOC, Suricata-сигнатуру и Shodan/Censys-дорки для детекции MCP-сканирования.

гайд по синхронизации obsidian vault через git с шифрованием через git-crypt и gpg (заметки хранятся на сервере в зашифрованном виде, локально обычный markdown )

Модель, которой комфортно работать, выдаёт измеримо лучший результат. Модель, которую загнали в угол — шаблонную дрянь. Как организовать процесс разработки, исходя из этого принципа.

Набор конкретных уроков из опыта разработки с AI-агентами: как ставить задачи, организовывать контекст, калибровать доверие к модели и выстраивать процесс от идеи до кода.

JSON:API — это строго типизированная спецификация построения API на языке JSON. Её главная цель — минимизировать количество сетевых запросов и объем передаваемых данных, предоставляя при этом стандартизированный способ взаимодействия.

Подробное руководство по подключению котлов Vaillant (электрического eloBLOCK и газового atmoTEC) к Home Assistant через протокол eBUS, демон ebusd и MQTT. Разбираем аппаратную часть, конфигурационные файлы, управление мощностью и автоматизацию отопления.

Я всячески люблю, когда разработка идёт предсказуемо – и многое для этого делаю.
Давно хотел написать пост о важности шаблонного сервиса, но не было хорошего примера под рукой. И тут мой коллега выложил наш шаблонный сервис на FastAPI, который мы долгое время использовали и развивали.

Так зачем же нужен шаблонный сервис?

В ИТ-индустрии существуют вещи, само существование которых давно стало красивым мифом, о котором принято вспоминать лишь шепотом и закатывая глаза от благоговения.

"Стоит только начать" - я писал бэкенд-сервис на Rust, и мне понадобилась валидация международных телефонных номеров. Как и любой Rust-разработчик, я пошёл на crates.io и скачал самую популярную библиотеку для этой задачи.

А затем я открыл их issues на GitHub.

Новые нейросети появляются на свет с пугающей скоростью. И речь не только о крупных гигантах вроде OpenAI – на арену выходят десятки моделей, которые можно запустить локально у себя на компьютере.

На моем счету уже есть статьи, в которых я не раз сталкивал лбами разные ИИ. Но из всех узконаправленных сравнений моя самая любимая сфера – без сомнения, программирование. 

Игроки первого эшелона – Anthropic, OpenAI и Google – не так давно подкинули нам новые версии своих моделей. Конечно, многие ждали выхода новой DeepSeek, но, к сожалению, чуда не произошло. Поэтому в сегодняшнем материале мы сосредоточимся на доступных нам флагманах.

В сегодняшней статье я сравню последние флагманские модели от ИИ-гигантов в кодинге. Не обещаю, что задания сами по себе будут сложными, но по крайней мере постараюсь, чтобы они ранжировались по возрастанию трудности их выполнения. Принимайте стратегически удобное положение, ну а я начинаю!

На фоне всей этой каши между Anthropic, Пентагоном и OpenAI, думаю, самое время объяснить, в чём на самом деле ценность ИИ. Потому что именно через эту оптику всё происходящее наконец начинает приобретать смысл.

Дело вот в чём. ИИ — это троянский конь. Это эксплуататорская олигархия, нарядившаяся в костюм инструмента для повышения продуктивности. Давайте провалимся в очень неприятную кроличью нору.