Kurgan-Telecom Ru | Информационные технологии

Agent-first язык программирования звучит как хорошая идея, да?

В конце концов, агентам не нужны фигурные скобки. Им не нужна красота if, while, for, match, Result, try, await, naming conventions и вот этого всего, сделанного для нас - кожаных мешков.

Именно поэтому Zero от Vercel Labs на первый взгляд выглядит как интересный эксперимент. Официальный сайт называет его языком для агентов, README говорит про "agent-first programming language", а авторский пост в X обещает systems language, который быстрее, меньше и проще для агентов в использовании и дебаге.

Звучит почти убедительно. До тех пор, пока вы не открываете код.

Дачный сезон уже начался — вместе с ним вырос спрос на рассаду, мангалы, надувные бассейны и газонокосилки. Для бизнеса это возможность быстро получить продажи и заодно привлечь аудиторию, которая может вернуться за покупками в течение всего года.  Рассказываем, как запустить кампанию и привлечь клиентов без долгой подготовки.

Привет! На связи Авито Реклама. Сегодня делимся, как начать рекламировать товары и услуги в сезон дач, шашлыков и выходных на природе. 

В статье — пошаговый разбор: какие креативы работают для дачников, какие форматы Авито Рекламы выбрать под конкретные товары, как настроить таргетинг и не слить бюджет. Подойдет тем, кто запускает рекламу на Авито впервые или хочет адаптировать текущие кампании под сезон. 

Технические решения создают люди. В процессе создания этих решений люди общаются, и, если организационная структура не совпадает со структурой коммуникаций, люди начинают «протаптывать тропы» в обход формальной организации.

Игорь Гранщиков, руководитель разработки Авито Недвижимости, делится паттернами организационного дизайна — опытом, накопленным в разных командах и компаниях. Материал вырос из доклада на Saint TeamLead Conf 2025, однако здесь он переосмыслен и дополнен. Там, где речь идёт о книгах, фреймворках или методологиях, приводятся явные ссылки. Всё остальное — личная практика автора: каждый из описанных паттернов он проверял на деле, и у каждого своя история — одни прижились надолго, от других пришлось довольно быстро отказаться.

Алгоритмический трейдинг давно превратился в новую форму цифровой мечты. Сегодня буквально каждый второй новичок уверен, что достаточно найти «правильный» индикатор, запустить Python-скрипт, подключить API биржи - и рынок начнёт стабильно печатать деньги.

Реальный рынок уничтожает такие системы с пугающей регулярностью.

И самое интересное здесь то, что проблема обычно не в самой идее. Проблема в фундаментальных ошибках проектирования алгоритма. Ошибках, которые допускает почти каждый начинающий алготрейдер.

В этой статье разберём три главные причины, из-за которых большинство торговых алгоритмов в конечном итоге уничтожают депозит. Делать это будем на примере реального Python-скрипта для торговли ETHUSDT

Привет! Меня зовут Костя, я разработчик интерфейсов в ЮMoney. В этой статье разбираю, почему вкладка после возврата из фона начинает вести себя странно: интерфейс подвисает, таймеры съезжают, события приходят пачкой.

Материал особенно пригодится тем, кто делает сложные SPA с realtime‑обновлениями, WebSocket и насыщенным UI — CRM, дашборды, платёжные сценарии.

В статье разберём:

— как устроены Page Visibility API и Page Lifecycle API,
— зачем браузеры ограничивают фоновые процессы,
— что происходит при заморозке вкладок, системном сне и возврате страницы из BFCache,
— чем отличаются Chrome, Safari и Firefox,
— какие API уже устарели,
— а какие подходы помогают делать интерфейсы стабильнее в реальных пользовательских сценариях.

Привет! Я Даша, QA в команде Смартбот. Эта статья будет о том, как мы перестали спорить о срочности обращений и багов.

Начну с краткой исторической справки. Около года назад я начала тонуть в задачах на саппорт и эскалациях. В чат прилетала карточка с названием вроде «Не работает отправка сообщений», и уже по одному заголовку казалось, что нужно бросать все и срочно фиксить. Потом я погружалась в задачу и понимала, что проблема воспроизводится только у двух пользователей, и оба сидят через Explorer.

Бывало и наоборот. Первая линия смотрела на обращение и ставила средний приоритет, а при разборе оказывалось, что кейс действительно критичный и его не стоило откладывать даже на день.

Команда у нас опытная и слаженная, я сразу понимала, что дело не в нехватке компетенций. Проблема была в том, что у нас не было зафиксированной логики, по которой обе линии поддержки смотрели бы одинаково на один и тот же случай.

Около полугода назад мы эту логику все-таки зафиксировали. Внутри команды мы называем ее хитмапом. По сути это матрица приоритизации: набор критериев, баллы по каждому из них и итоговый уровень приоритета. Зато в нашем случае этого хватило, чтобы убрать значительную часть споров и быстрее понимать, куда нужно подключаться прямо сейчас.

Автор оригинала известен более всего статьей о человеке, который убил Гугл. На хабре даже был перевод. В последние годы Эд в основном пишет про финансовые проблемы компаний, занимающихся генеративным ИИ. Это перевод одной из статей на эту тему, посвященный недавней новости о том, что Anthropic вот-вот выйдет в прибыль.

Project Loom меняет привычную модель конкурентности в Java: virtual threads делают потоки дешевле, Scoped Values дают аккуратную передачу контекста, а Structured Concurrency помогает управлять жизненным циклом связанных задач. Разбираем актуальное состояние Loom в JDK 25-27 и что из этого уже можно использовать.

Новость «ИИ опроверг важную гипотезу Эрдёша» нашумела, в том числе на Хабре. Но всем, кроме математиков, по громким заголовкам сложно понять масштаб события. Что это значит: революцию в науке или мелкую разовую удачу? Как это правильно оценить?

Мы в Kodik занимаемся не математикой, а редактором кода с ИИ. Но именно поэтому такие истории интересны и нам: они позволяют наблюдать не только очередной виток хайпа вокруг LLM, но и постепенный заход ИИ в области, которые ещё недавно считались слишком сложными для подобных систем.

По исходному блог-посту от OpenAI оценить событие сложно, ведь компания заинтересована приукрашивать возможности своей модели. Но среди опубликованного OpenAI есть и более ценный материал: мнения ряда математиков о произошедшем.

Конечно, это тоже не абсолютная истина, математики могут ошибаться и быть предвзятыми. Но для понимания контекста подобные экспертные оценки важны. Поэтому мы решили, что на Хабре полезен такой контент, и перевели некоторые мнения из этого материала (с сокращениями). А если вы математик, то в комментариях интересно было бы узнать и ваше мнение.

Привет, Хабр! Меня зовут Екатерина Ионова и я руковожу проектами и продуктами экосистемы «Лукоморье». Когда-то программировала на Java и C#, но последние шесть лет занималась управлением — продуктами, командами, сроками, бюджетами и всем тем, что обычно находится вокруг кода, а не внутри него.

Недавно наша команда участвовала во внутреннем продуктовом хакатоне-акселераторе. За три месяца нужно было пройти путь от идеи и анализа рынка до финансовой модели и первого прототипа. У нас была идея нейроассистента для UX-проектировщика, сильная методология, дизайнеры, исследователь, продуктовая логика и не было разработчика.

Поэтому прототип пришлось собирать самим. Сначала в Lovable, потом в Cursor. В этой статье расскажу, как мы собрали рабочий ИИ-прототип за выходные, какие грабли поймали, что пришлось «накостылить» и почему даже работающий прототип всё ещё нельзя путать с продуктом. 

Это кейс о vibe coding в боевых условиях: когда надо быстро проверить гипотезу, а идеальной команды, инфраструктуры и времени у тебя нет.

ИИ учился писать, подражая людям, но теперь уже люди начинают подражать ИИ. Большие языковые модели постепенно вытесняют непредсказуемость и самобытность из нашей речи, подтягивая её к единому структурированному стандарту.

Большинство ИИ помогают работать быстрее. По-настоящему хорошие - делают пользователей компетентнее. Начинаешь с малого: просишь исправить письмо. Потом пробуешь сложнее - функцию на незнакомом языке. Затем поручаешь целую фичу. В какой-то момент ИИ уже кажется не стажёром, а экспертом. Сначала это впечатляет, что месяц работы укладывается в несколько дней. Но потом наступает момент, когда ИИ возвращает задачу с ошибкой. Ты не знаешь, как её исправить, и просто пишешь "попробуй другой подход", надеясь на удачу.

Не так давно я вспомнил один летний день в 2008 году. Электричка в пригород, в ушах «Bullet for my Valentine», что воспроизводится через музыкальный плеер Rover, в руках PSP, а у отца в рюкзаке портативный DVD-проигрыватель, что издалека можно спутать с небольшим ноутбуком.

А еще в те годы я мечтал о полноценном КПК на Windows от какого-нибудь HP, чтобы со стилусом был и «Червячков» запускал. В 2026 году практически всё вышеперечисленное нам заменяет смартфон, вон недавно даже игры с ПК запускать научились.

И на этом фоне я решил вспомнить, как это было тогда, в эпоху дифференциации потребления контента и разных гаджетов под разные задачи. Давайте вспомним эти гаджеты.

Компании массово внедряют ИИ-агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы.

Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ.

Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

За последние годы я выучил наизусть классический набор инженерных рисков — упадёт сервер, отвалится канал к ДЦ, крешнется хард, потеряются бэкапы — и набор готовых решений под них. Это азбука, которая казалась исчерпывающей.

Но 2026 год преподнёс мне сюрприз. Создавая свой ИИ-стартап, я понял, что мир изменился, и в нём появился целый новый класс архитектурных рисков — таких, о которых в моей азбуке не было ни строчки. И ровно об эти новые риски я и пошёл спотыкаться.

Итак, усаживайтесь поудобнее и слушайте историю — историю про путешествия… путешествия нашей инфраструктуры и о реалиях разработки современных ИИ-стартапов из Москвы. Я расскажу вам о настоящем инженерном приключении, которое со мной произошло в процессе построения сервиса Mimirjotun.ru.

Парадокс Протагора и Эватла

Знаменитый философ и учитель софистики Протагор обучил юношу Эватла юриспруденции. Ученик обещал заплатить за обучение, но только если выиграет свой первый судебный процесс. Однако после окончания учебы Эватл не стал браться за дела и платить отказался. Тогда учитель подал на него в суд.

Спор:

Аргументация Протагора: Если Эватл проиграет суд, то он обязан заплатить по решению суда. Если Эватл выиграет суд, он выиграет свой первый процесс, а значит, обязан заплатить по условиям их изначального договора. Вывод учителя: при любом исходе ученик должен отдать деньги. Контраргументация Эватла: Если я выиграю суд, то по решению суда я ничего не должен платить. Если я проиграю суд, то я не выполнил условие договора (не выиграл свой первый процесс), а значит, по контракту я тоже ничего не должен платить. Вывод ученика: я не должен платить ни при каком исходе.

Рассуждения:

Логическая ошибка кроется в интерпретации фразы «выиграл процесс». У Протагора: «выиграть процесс» — это просто сам факт победы в суде (успешный исход дела). У Эватла: «выиграть процесс» — это значит освободиться от уплаты. Эватл подменяет понятия. Он считает, что если он выиграл суд, значит, он не должен платить по договору. Но одно не исключает другое: он может выиграть суд и при этом быть обязанным выплатить гонорар, потому что суд доказал его статус выигравшего дело (тем самым активировав договор).

Если рассматривать парадокс с точки зрения судебного права, то он возникает из-за смешения двух разных юрисдикций: условий частного контракта (договора) и власти судебного решения (закона). В логике этот софизм решается так:

Привет, Хабр! Меня зовут Даниил, я программист и архитектор, разрабатываю программное обеспечение и спецификации для создания ПО в YADRO. Продолжаю цикл статей об организации рабочего места по методу Spec-Driven Development. В первой части мы настроили агента Claude Code. Во второй расскажу, как настроить harness — программную инфраструктуру, выступающую оберткой для LLM, и наконец поделюсь решением задач по методу SDD.

Предисловие

Всем привет! В статье я расскажу о фундаментальном процессе мышления, который предшествует системному анализу. На нём строятся процессы определения и создания объектов, их вычленения в системе, придания им или выявления их свойств, и понимания системы как объекта. Речь идёт о понятийном механизме.

Хороший пример — самолёт, который в начале полёта отклоняется всего на 1–2 градуса, по итогу он прилетит в другой город. Так и с понятиями: ошибка на старте незаметна, но финальный результат делает систему неработающей. Поэтому нам критически важно наладить мосты между правилами работы мозга и создаваемыми объектами: блок-схемами, алгоритмами, информационными системами. Нужно на шаг отступить от действующих методологий и углубить знания об общем процессе.

Отсутствие этих знаний — это выдёргивание целой дисциплины из реального контекста и создание замкнутых условий, где удобно притягивать условия работы системы под то, «как должно быть».

Введение

Главный враг проектировщика (аналитика, разработчика, тестировщика) — чувство «мне всё очевидно». Зная, что мозг путает лёгкость восприятия чужой идеи с собственным пониманием, профессионал обязан насильно переизобретать для себя понятие заново (метод Фейнмана) в своей голове. Он не просто собирает алгоритмы или пишет код по готовым лекалам, а формирует внутреннюю модель предметной области с самого начала. Это единственная страховка от создания неэффективной модели.

Если ваш NestJS-проект собран по рекомендованной документацией feature-based-структуре — через год активной разработки у вас будет god-сервис. Не «возможно», не «при стечении обстоятельств» — структурно неизбежно. У этой структуры нет встроенного барьера от деградации.

Серия из пяти частей: пошаговый разбор траектории на сквозном Twitter-подобном бэкенде, расчёт ROI типичной деградации в долларах и человеко-часах ($30–60k в год для команды из двух мидлов, $6–15M в год для big tech — с полным расчётом в части 3), и формальное доказательство на языке теории графов, при каких структурных условиях деградация невозможна.

Часть 1 — старт траектории: AuthService с двумя ручками, который через год становится god-функцией на 200 строк с шестью параметрами и четырьмя независимыми доменами бизнеса. Без художественности — только реальные продуктовые требования (анти-фрод, реферальная программа, маркетинг, партнёрская программа) и их кумулятивный эффект.

В разговорах про инфлюенс-маркетинг я постоянно слышу: «это не влияет на бизнес», «охваты — это просто трата бюджета», «невозможно посчитать, окупается канал или нет». Опыт uForce говорит об обратном. За последний год мы накопили пул проектов, где инфлюенс-маркетинг становился ключевым драйвером узнаваемости и продаж. В этой статье я на реальных кейсах покажу, какие инструменты мы используем и как замеряем результаты, не зацикливаясь на кликах и промокодах.