Kurgan-Telecom Ru | Информационные технологии

Двадцать лет ИБ-сообщество учило разработчиков не тащить в проект непроверенные зависимости. А потом мы доверили написание кода LLM, которые с удовольствием выдумывают несуществующие пакеты, — и злоумышленнику остаётся только зарегистрировать их первым. Разбираемся, что такое slopsquatting, насколько часто модели галлюцинируют пакеты и как от этого защититься.

Если показать неподготовленному зрителю две совершенно разные стойки, то с очень большой вероятностью он выберет ту, в которой царит чистота и порядок. Кабели уложены ровно, ничего лишнего не торчит — как будто делали специально для рекламной фотосессии дата-центра. Вряд ли кто-то придет в восторг от хаотично набросанных кабелей питания, перепутанных оптических патч-кордов и сделает свой выбор в пользу такой стойки. Однако не все так однозначно, как может показаться. 

На связи Дима, инженер дата-центра Selectel, и в этой статье мы разберем, где проходит грань между аккуратным монтажом и «красотой ради красоты», почему затянутые стяжки могут мешать эксплуатации и как спроектировать кабельную систему так, чтобы серверная была не только красивой, но и удобной в работе.

Привет, Хабр!

Сегодня я расскажу о том, как пользователю ИИ, далекому от профессионального проектирования полиагентных систем, получать результаты, сопоставимые по качеству с теми, что получают эти специалисты, для простых проектов: например, разработать какую-нибудь компьютерную игру, сделать набор небольших практически полезных приложений, или нарисовать очень красивые хорошо продуманные презентации (которые совсем не умеет делать современный ИИ по простому запросу или даже по длинному промпту с контекстом).

А также здесь вы можете поизучать основы линейной алгебры и понять, что такое матрицы (откуда берутся все эти правила их умножения и сложения, зачем они нужны), что такое линейные операторы и как они связаны между собой.

Model ID, прописанный в коде, — зависимость с датой окончания срока годности, как версия библиотеки без поддержки. У флагманов Anthropic эта дата обычно наступает примерно через год после релиза, у превью-моделей Google — через несколько месяцев, а окно между объявлением об отключении и самим отключением у провайдеров измеряется медианой от 28 до 182 дней. 

Мы подробно разобрали, что и когда отключали в 2026 году, что при ломается, как команды мигрируют на самом деле (по данным выборки из 17 703 репозиториев) и как построить приложение, которое переживёт смену модели без аврала.

У продакт-менеджера Эвотора появилась идея для автономного лид-магнита. Идея классная, но команда разработки полностью занята продуктовым бэклогом, а ждать планирования новых ставок до следующего года — слишком долго для проверки гипотезы. Чтобы не откладывать фичу в стол, продакт освоила вайбкодинг и собрала рабочий микросервис самостоятельно. 

Бороться с низким FLR можно по-разному. Иногда, если поддержка не может решать проблемы сама, без второй линии, бизнес делает вывод, что на первой не хватает рук. Нанимаем ещё десяток человек, потом ещё, потом ещё. Полгода спустя штат первой линии вырос на треть, а FLR остался там же, где был до найма. Иногда даже чуть просел, потому что новички чаще передают обращения дальше: знаний и прав у них меньше, чем у опытных коллег.

Вроде бы понятно, почему такое решение вообще принимают: больше людей — больше пропускная способность — выше процент заявок решённых на первой линии. Но если показатель не сдвигается даже при активном найме, это не сигнал что нужно нанять ещё. Можно удвоить штат и получить ту же картину только дороже. Новые люди сокращают очередь, но решить обращение без эскалации помогают знания, права первой линии и полнота самой заявки. Найм ничего из этого не добавляет.

На связи Сергей Скирдин, технический директор ИТ-интегратора «Белый код». Для компании, которая занимается производством, мы выполнили интересную задачу — создали инструмент для поиска ошибок DATAREON Platform. Дело в том что интеграционная платформа используется в нескольких территориально распределенных сегментах. Рассказываю, какую схему придумали и внедрили.

Речь о проникновении генеративного ИИ в российский пользовательский и коммерческий рынок. Одной доли пользователей мало. Рынок удобнее держать несколькими уровнями: массовая аудитория AI-сервисов, профессиональное использование, корпоративное внедрение, AI-опосредованный поиск и выбор, коммерческий GEO — присутствие брендов и источников в генеративных ответах.

К 2026 году нейросети в России уже массовый пользовательский инструмент и часть бизнес-инфраструктуры. ВЦИОМ: 78% российских интернет-пользователей обращались к нейросетям за последний год. Mediascope фиксировал месячный охват отдельных AI-сервисов на уровне 26% населения 12+ в октябре 2025 года и 32% в феврале 2026 года. Эти показатели не являются одним временным рядом: они измеряют разные корзины сервисов и разные горизонты активности, но вместе показывают масштаб распространения AI-интерфейсов [1; 2; 3].

Основная часть статьи посвящена GEO как формирующемуся слою коммерческого поиска. Чтобы собственные данные не существовали отдельным кейсом, в исследовании используется триангуляция трех типов измерений: потребительские опросы показывают, где люди уже делегируют ИИ поиск и выбор; независимые мониторинги AI-ответов показывают, какие категории и бренды фактически попадают в генеративный shortlist; обезличенный массив GeoAist проверяет ту же механику на смешанной выборке отслеживаемых брендов в небрендовых коммерческих запросах. Из полного массива 16 428 проверок GeoAist в настоящей работе задействованы только 2 376 успешных consideration/decision проверок; остальные направления сохранены для последующих исследований [16; 17; 24; 26-30].

Сопоставление показывает последовательные фильтры коммерческого AI-рынка, а не одну «долю GEO». Внешние опросы фиксируют готовность или фактическое использование AI при выборе. Внешние GEO-мониторинги показывают, что известные лидеры отдельных ниш могут иметь очень высокий Mention Rate. GeoAist измеряет, насколько часто конкретный отслеживаемый бренд из более неоднородной выборки самостоятельно входит в ответ на небрендовый коммерческий запрос. Разрыв между высокими показателями лидеров и более низкой средней inclusion rate смешанного портфеля — содержательный результат, не статистическое противоречие.

M5StickC Plus2 + Bruce 1.15: от кирпича до карманного арсенала

Когда я впервые увидел M5StickC Plus2, это была любовь с первого взгляда. Крошечный ESP32-девайс размером с брелок, с экраном, батареей и кучей пинов — за смешные деньги. Но стоковая прошивка — это скучно. А вот Bruce превращает эту безделушку в нечто совершенно иное.

Это не обзор и не реклама. Это честный гайд от человека, который прошёл путь от «что это за хрень» до «почему у меня в кармане устройство, которым можно ронять Wi-Fi сети». Всё на русском, без воды, с реальными граблями.

Привет! Я Юрий Степанов, ведущий системный аналитик в LDM (ИТ-холдинг LANSOFT). Несколько месяцев назад мне поставили задачу ускорить сборку приложений на нашей low-code платформе с помощью ИИ. Перепробовал разные модели и подходы, собирал флоу с промптами – и в итоге методом проб и ошибок пришел к рабочей схеме: подготовил для агента структурированный слой документации по платформе с индексами и ключевыми словами, по которым он сам находит нужный раздел под конкретную задачу.

Сейчас этот подход я продолжаю развивать параллельно со сборкой самого приложения. А сам подход я назвал «вайб-конфигурирование» – о нем и поговорим: чем он принципиально отличается от вайб-кодинга, как это устроено под капотом и что из этого реально работает, а что пока нет. Погнали!

Привет, Хабр!

Пока я готовил эту статью, rustc 27 минут жевал один крейт с процедурными макросами, упёрся в лимит памяти и умер от OOM-killer. Крейт обычный, diesel_derives, компилятор тоже обычный, свежий nightly. Я всего лишь попросил его проверять заимствования старой Datalog-версией Polonius, которая до сих пор лежит в компиляторе за флагом.

Полез я туда неслучайно. В августе на nightly по умолчанию включили новый борроу-чекер, через пару недель новый трейт-солвер, а ещё через 3 дня стабилизировали тип never, который провисел в нестабильных 10 лет. Три большие штуки, которые годами жили в долгих планах, сменились почти одновременно, и заметили это в основном те, у кого nightly крутится в CI.

В stable за год тоже кое-что поменялось. С весны в match можно писать if let прямо в гарде, а с июля наши функции в бинаре называются по-другому. Если вы обновляетесь через rustup update и changelog не читаете, ниче страшного, так живут почти все, но пару сюрпризов вы могли пропустить.

Большинство людей ищут идею для бизнеса не там. Сидят и придумывают: «А что, если сделать приложение для…». Через неделю запал проходит, через месяц выясняется, что продукт либо уже есть у трёх компаний, либо никому не нужен.

История Profit AI устроена наоборот. Основатель ничего не придумывал. Он взял Google-таблицу, с которой каждый день работал на консалтинге, и превратил её в приложение для Shopify-магазинов. Результат на момент интервью — около $30 000 в месяц от приложения и $147 000 выручки с запуска в декабре 2025 года.

Разберём, почему эта идея сработала, и как найти похожую у себя. В конце — бесплатный шаблон, по которому можно за неделю выписать свои проблемы, проверить спрос и выбрать одну идею.

В видеоаналитике важно не только распознать объект, но и правильно связать его с контекстом: временем, местом, камерой и результатом обработки. Если данные рассинхронизированы, даже точная модель машинного зрения может привести к ошибочному выводу. Рассказываем, как мы выстроили архитектуру данных, которая помогает сохранять целостность событий — от камеры до аналитического отчёта.

Я хочу убрать ручной перенос плановых и фактических показателей из Excel в PowerPoint. Цифры уже собраны, расчёты понятны, структура отчёта почти не меняется. Однако каждую неделю приходится открывать прошлую презентацию, заменять значения, двигать подписи и проверять, не осталась ли где-нибудь старая дата.

Работа небольшая. Повторяется бесконечно.

При этом цена опечатки вполне осязаема: на слайде обсуждают число, которое разошлось с исходной таблицей. Или сравнивают показатели по диаграмме, у которой после обновления незаметно изменилась шкала. Хотелось сделать этот переход воспроизводимым: пользователь загружает новую таблицу, проверяет значения и получает очередной отчёт с теми же правилами оформления.

Так появился Report Slides — локальное приложение на Python, которое принимает CSV с планом и фактом и собирает редактируемый PPTX. Интерфейс открывается в браузере. Модель и API-ключ не нужны, пользовательские отчёты приложение само на диск не записывает.

Ниже я расскажу об устройстве генератора: строгом импорте, арифметике через Decimal, нативных диаграммах PowerPoint, встроенных книгах Excel и состоянии интерфейса. Больше всего внимания досталось местам, где маленькая утилита способна незаметно исказить результат.

С каждого доллара, который пользователь платит звёздами Telegram, до нас доходит 65 центов. За время жизни проекта мы подключили пять платёжных провайдеров: сегодня деньги принимают два, ещё один остался клиентским классом без единого вызова, два выпилены полностью.

Разбираю, что выжило из этой истории: общий контракт инвойса на шесть методов, одна таблица платежей на всех через полиморфную связь, деньги целыми числами. Плюс практика: что класть в payload платежа, десять секунд на pre_checkout_query, идентификатор, без которого невозможен возврат, HMAC от сырого тела и коды ответа как способ управлять ретраями провайдера. Со всеми местами, где наша схема до сих пор дырявая.

Последний год, я активно работаю с Claude Code и за это время он значительно вырос по части программирования. ИИ-ассистенты позволяют разрабатывать программное обеспечение значительно быстрее. Они помогают в решение рутинных задач, проектирование архитектуры, написание тестов и работают одновременно с разными частями проекта.

С ростом скорости разработки, я заметил что я начинаю терять понимание, как работают проекты созданные с помощью ИИ. Из-за роста кода, появляются новые зависимости, которые усложняют связь между компонентами.

Проблема не обязательно проявляется в виде ошибок. Код может успешно проходить автотест, работать не вызывая ошибок, но при этом разработчик постепенно теряет представление о собственном проекте и начинает полностью полагаться на Claude.

Итак, у вас команда, идеи, даже деньги на их реализацию обещаны.

И тут из чьих-то уст "нужно это как то оформить". И ЛПР команды погружается в раздумья, где чего и что, а неплохо бы понять и кто, это будет делать. То есть для начала надо разобраться, что от нас хочет государство?

Начнём с самого безыдейного, есть люди, просто хотят писать код и получать за это деньги, ну и желательно именно в этом коллективе. Пока у нас нет ни дата центров в собственности, ни ПО в реестре Минцифры.

 Глава первая, надеюсь не последняя - песочница

Расхождение в учете трафика обнаруживается поздно. Оно всплывает в конце расчетного периода при сверке с биллингом, иногда только после претензии абонента. К этому моменту логи за нужный период уже перезаписаны, а узлы успели перезапуститься. Расхождение обычно невелико, порядка процента. Связать его с конкретным событием почти невозможно.

Мест, где теряются данные учета, немного. Их можно перечислить, для каждого заранее вычислить величину потери и превратить ее из свойства системы в настраиваемый параметр. Таких мест четыре — отказ узла обработки, перебалансировка, смена узла управления и смена набора правил. 

Меня зовут Алексей Червяков, я разработчик и тимлид в VAS Experts. В этой статье разберу каждое из этих мест, покажу, как оценить и ограничить потери, и какие показатели стоит отслеживать, чтобы заметить проблему вовремя.

Я учел фидбек сообщества, открыл исходный код и сменил стек — теперь на Rust написано 99,6% всего кода, а от Tauri и Webview я полностью отказался.

В статье расскажу, как проходил перенос, что внедрено и улучшено благодаря сообществу, а также какие проблемы возникли в процессе рефакторинга.

Привет, Хабр! Меня зовут Даниил Лопаткин, я ML-инженер в группе машинного обучения Positive Technologies. Расскажу, как в PT Cloud Application Firewall работает обнаружение аномалий в профиле трафика и зачем мы его сделали.

Межсетевой экран уровня веб-приложений (WAF) записывает каждое срабатывание правила защиты. У крупного клиента за сутки набираются десятки и сотни тысяч таких событий. Большая часть из них — привычный фон: боты, сканеры, перебор типовых путей, превышения лимита запросов. Следит за ними обычно небольшая команда центра мониторинга безопасности (SOC), и отвечает она сразу за много приложений. Просматривать события безопасности каждого вручную она не успевает. Начало целенаправленного сканирования или эксплуатация недавно опубликованной уязвимости теряются среди остальных событий, и их замечают с опозданием.