Kurgan-Telecom Ru | Информационные технологии

Статья показывает четырёхшаговый метод исследования целевой аудитории за 2 часа вместо недель.
Шаг 1: метапромптинг — попросить ИИ самому написать промпт для Deep Research.
Шаг 2: прогнать промпт через Claude, ChatGPT и Gemini, синтезировать лучшее из каждой (метод Франкенштейна).
Шаг 3: Telegram-хак — экспортировать профессиональные чаты в JSON, конвертировать через forstartup.ru/telegram-notebooklm, загрузить в NotebookLM для извлечения непубличных инсайтов из реальных диалогов.
Шаг 4: загрузить все материалы в одну нейросеть для финального синтеза портретов ЦА и болей.
Разобрано на реальном кейсе: исследование для курса по маркетингу медклиник, с промптами для копирования и чек-листом.

Рынок труда переживает фундаментальные изменения, и старые подходы к поиску работы и карьерному развитию больше не работают. Сопротивление бесполезно – пора принять новые нормы. В этой статье мы разберем 4 ключевые тенденции, которые определяют современную карьеру: от изменившихся сроков трудоустройства и концепции портфельной карьеры до быстрых увольнений и важности психологической устойчивости. Узнайте, как адаптироваться к этим вызовам и использовать их как возможности.

Это - четвертая и последняя (пока) статья цикла про ограничение скорости обработки запросов в ASP.NET Core. Она содержит концептуальное (т.е. раскрывающее состав и взаимодействие частей друг с другом) описание функции ограничения скорости обработки запросов в ASP.NET Core. В этой статье рассмотрено, как на базе универсального компонента ограничения скорости реализована функция ограничения скорости обработки запросов в ASP.NET Core.

Предупреждение: если вам не требуется или не интересно просто для себя (как это интересно мне) разбираться, как устроена и работает функция ограничения скорости обработки запросов в ASP.NET Core, то эта статья, скорее всего, покажется вам длинной и занудной. Потому что в ней рассказывается о весьма специфических подробностях, знание которых совершенно не требуются для того чтобы просто взять и начать использовать в своей программе функцию ограничения скорости обработки запросов ASP.NET Core. Для использования этой функции, скорее всего достаточно будет изучить примеры - или из первой статьи цикла - руководства по использованию, или вообще из документации на сайте Microsoft. В таком случае вам, наверное, читать эту статью не стоит. Но, возможно, и в этом случае вам стоит хотя бы заглянуть в приложения к ней. Там я, в качестве иллюстрации к основному материалу статьи, описал сделанные мной компоненты, позволяющие использовать функцию ограничения скорости нестандартным способом: возможно, вы найдёте применение одному из таких компонентов в своей программе. Компоненты эти оформлены в виде библиотек классов .NET, так что для их использования уже сейчас можно взять их в исходном виде и добавить в свое решение (solution). Причем, при описании каждого компонента я постарался вынести в начало их описания пример его использования - так, чтобы для использования компонента не требовалось читать остальной текст приложения, где написано как он устроен и работает.

Ну, а если вам пришлось разбираться (потому что эта функция не работает так, как вы ожидали) или, как мне, просто захотелось разобраться для себя, как работает функция ограничения скорости обработки запросов в ASP.NET Core - читайте дальше.

Представьте себе: вы закончили большую задачу, написали много строк кода, проверили всё, даже подумали над названием каждой переменной! Но откладываете создание PR на день, два, три…из-за того, что не хочется идти в ревью и получать критику?

А мне такое и представлять не надо. Я испытываю подобное почти перед каждый своим ревью, даже спустя 6 лет в разработке.

Попытки заменить чем-то векторный поиск в RAG продолжаются. Про GraphRAG я уже высказывался, новый претендент на замену - Pageindex.

Идея простая. Сегментируем документ на страницы, при помощи LLM и хитрого кода строим для него таблицу содержания, TOC с деревом узлов и саммари для каждого узла. Далее отправляем эту структуру в промпт поискового запроса и просим LLM найти релевантные узлы. За каждым найденным узлом закреплены страницы документа. Эти страницы достаём и используем в качестве контекста в финальном запросе.

Нет чанков, не нужны эмбеддинги и векторные хранилища. Выглядит заманчиво. Попытаюсь добавить к этой идее немного критики и заодно расскажу как эту штуку запустить локально.

Когда RuStore только запускался, мы строили дизайн на основе UI-кита от VK — удобно, практично, а главное помогло нам быстро вывести продукт на рынок. Но стор рос, интерфейсов становилось больше, дизайнеры — смелее, а требования — сложнее. И вот настал день, когда мы решили добавить тёмную тему. И всё сломалось. 

Именно тёмная тема вскрыла нашу главную проблему — ранняя структура цветовых токенов не готова к масштабируемости. Любое изменение запускало каскад правок и ломало синхронизацию между макетами и кодом. 

Под катом мы — Элина Шевченко, продуктовый дизайнер RuStore, и frontend-разработчик Андрей Едунов — расскажем историю, как мы полностью перестроили систему, не останавливая разработку, аккуратно вынесли всё из Figma в код и почему теперь можем масштабировать дизайн без драмы, даже если завтра понадобится не только тёмная тема, но и ностальгия по 2008-му, где primary — это чистый #000000, а secondary — оттенок тоски.

Если вы ждали от мартовского кейноута Дженсена Хуанга просто «железок» помощнее, то вы ошиблись дверью. Да, были новые чипы, но за всем этим скрывалось нечто большее. Знаете это чувство, когда мир меняется прямо у вас на глазах, как когда-то это было с интернетом? Это был тот самый момент.

Прошедший NVIDIA GTC был не типичной трансляцией ради рекламы видеокарт. Хуанг подвел логичную черту над первыми двадцатью годами существования CUDA. Наконец, мы увидели, как бизнес движется в сторону новых концепций вроде Agent as a Service, Token Factory, модульной архитектуры железа и не только. И не переживайте, если вы слышите про них впервые — это нормально. 

Привет, Хабр! Меня зовут Александр Тугов, я директор AI-вертикали в Selectel. В этой статье хочу структурировать основные тезисы, озвученные в кейноуте NVIDIA GTC, и поделиться своими мыслями. Призываю к обсуждению в комментариях!

В больших компаниях знания не исчезают. Но и от того, что они есть пользы немного. У вас есть регламенты на десятки страниц, презентации по продукту, записи созвонов с ключевыми клиентами, письма от службы безопасности и комплаенса, но новый сотрудник всё равно идёт спрашивать коллегу «как тут у нас это делается на самом деле». Фактическая экспертиза живёт в головах и локальных чатах, а не в единой системе. База знаний, даже если она есть, играет только роль архива — да, конечно, он тоже нужен. Но! В такой ситуации каждый новый филиал, команда или продукт учится заново, как будто до них никто этим не занимался.

Привет, Хабр! Меня зовут Алексей, и я занимаюсь беспроводными технологиями. Недавно я написал две статьи, посвящённые настройке /etc/config/wireless в OpenWrt. В одной я разобрал настройки секции wifi-device, а в другой wifi-iface. Но этого оказалось мало, и в комментариях меня спрашивали о тонкостях настройки mesh-сети. Что ж, спешу выполнить эту просьбу и представляю на ваш суд наиболее полный гайд, посвящённый сборке и настройке Wi-Fi mesh-сетей на базе OpenWrt.

Но прежде чем перейти к повествованию, хочу сделать важные оговорки.

Первое. Из комментариев я заметил, что, говоря о mesh-сети, пользователи имеют в виду несколько разных вещей. Поэтому эта статья будет написана от простого к сложному от самых азов к тонкостям настройки. В начале я немного по‑теоретизирую, расскажу о mesh-сетях и топологии, о том, как их лучше спроектировать и расположить роутеры, и уже дальше перейду к тонкой настройке конфигурационных файлов. Поэтому если вы считаете себя опытным пользователем, смело пропускайте начало статьи и сразу переходите ко второй её половине.

Второе. Статья получилась достаточно большая и может вас утомить. Я долго сомневался, стоит ли делать большую статью или всё же разделить на разные темы. Например, вынести отдельно часть про роуминг и отдельно про настройку конфигов. Но в итоге решил, что полезнее будет иметь полное руководство в одном месте. В конце концов, главная цель этой статьи показать, что при должном уровне настройки беспроводные mesh-сети ничуть не уступают кабелю. Мне по роду занятий часто приходится слышать замечания коллег, которые говорят: «Да всё беспроводное и mesh это фигня, нет ничего лучше кабеля. Вот я купил домой mesh-систему всего из трёх узлов, а она не работает как нужно». Забегая вперёд, хочу сказать, что если всё сделать как надо, можно добиться небывалой производительности. Не без гордости могу заявить, что в моём арсенале есть mesh-сети, состоящие из более чем 50 узлов, построенные исключительно на OpenWrt и без использования внешних контроллеров.

Современные электронные устройства, от смартфонов до мощных серверов, зависят от микросхем. Их производство требует предельной точности и строго контролируемых условий на специализированных фабриках. Даже небольшие отклонения приводят к браку целых партий и срыву поставок.

Сейчас под угрозой оказался один из базовых «кирпичиков» этого производства — гелий. Перебои с его поставками уже начали влиять на работу фабрик и могут в ближайшее время сказаться на объемах выпуска чипов. Чтобы понять масштаб проблемы, разберемся, какую роль этот газ играет в производстве и что там с его доступностью в текущих условиях.

Делюсь разговором с AI/ML-командой Группы Т-Технологии. Это — Анатолий Потапов @anatolii-potapov, который руководит группой фундаментальных технологий LLM, и Даниил Гаврилов, возглавляющий исследования в AI. Получился подробный разбор того, чем занимается AI/ML-команда и Группа в целом в рамках данного направления.

В конце 2025 года группа киберразведки зафиксировала кампанию хакерской группировки Cloud Atlas, нацеленную на российские организации из сферы промышленности и военно-промышленного комплекса. 

Для первичного проникновения использовалась электронная почта: рассылка велась от имени реального контрагента через скомпрометированный почтовый ящик. 

Недавно перед нами встала задача быстро реализовать микросервис для конвертации видео. Стандартным решением для таких целей является FFmpeg, который умеет читать файлы чанками (запросы HTTP Range) с URL и выводить результат в stdout. Поэтому я решил попробовать подход с потоковой конвертацией.

Важно уточнить, что под «потоковой обработкой» здесь подразумевается передача данных в виде последовательности чанков (Chunked Streaming), а не классический Continuous Streaming, как в случае с live-видео.

Привет, Хабр! Меня зовут Анна Ахлестова, я лидер Flutter-команды компании Friflex. В этой статье я расскажу об оптимизации скроллящихся списков, уменьшении лишних перестроений в build() и контроле утечек памяти в приложении на Flutter. Разберу, какие решения помогают снизить нагрузку на интерфейс, где обычно возникают проблемы с производительностью и на что стоит обращать внимание в повседневной разработке.

Привет, Хабр! Меня зовут Артём Аверченко, я преподаю в ОмГТУ дисциплины, связанные с FPGA. В этой статье я обобщу свой десятилетний опыт лабораторных работ в этой области и опишу ошибки, которые чаще всего совершают начинающие. Разумеется, на исчерпывающий список я не претендую — едва ли его здесь можно составить в одиночку. Но постараюсь дать как можно больше полезной информации.

Когда мы измеряем объект, находящийся поблизости — на Земле, в нашей Солнечной системе или где-либо ещё в пределах Млечного Пути — информация, которую мы получаем от приходящего от этого объекта света, относительно проста. Свет от такого объекта, как Солнце, расположенного на расстоянии 150 миллионов километров, до нас доходит после путешествия продолжительностью 500 секунд: именно столько времени требуется свету, чтобы преодолеть это расстояние в космосе. Свет, излучаемый звездой, находящейся на расстоянии 10 световых лет, достигнет нас после 10-летнего путешествия; а свету, излучаемому звездой на противоположном краю галактики, удалённой на целых 80 000 световых лет, потребуется 80 000 лет, чтобы до нас долететь. Для всех этих объектов

красное смещение равно 0,

температура после Большого взрыва составляет всего 2,725 К,

а их расстояние (в световых годах) и время, прошедшее с момента их образования (в годах), одинаковы.

Но это только потому, что наша планета, наша Солнечная система, наша галактика и даже наша Местная группа связаны между собой силами гравитации. Пространство, разделяющее две точки внутри этих структур, не расширяется, но если мы обратим взор на более обширную Вселенную и на все галактики, удалённые более чем на 5 миллионов световых лет, то расширение Вселенной начинает играть важную роль. У нас есть несколько различных параметров, которые мы можем использовать для описания любого удалённого объекта, включая красное смещение, космическую температуру, расстояние до него или «время обратного взгляда» на него, но взаимосвязь между ними сложна. Вот как они все связаны между собой.

Давайте рассмотрим реализацию конвеевской игры «Жизнь» при помощи графической карты. Я хочу поэкспериментировать с разными библиотеками и методиками, чтобы понять, как обеспечить наилучшую производительность. Начнём мы с простого и постепенно будем повышать сложность.

Игра «Жизнь» — это простой клеточный автомат, поэтому она должна хорошо поддаваться GPU-ускорению. Правила просты: каждая ячейка в двухмерной сетке или жива, или мертва. На каждом шаге мы подсчитываем живых соседей ячейки (включая диагонали). Если ячейка жива, она остаётся живой, если живы два или три её соседа. В противном случае она умирает. Если клетка мертва, она оживает, если живы ровно три соседа. Из этих простых правил возникает потрясающий объём сложности, о котором написаны подробные статьи.

Для простоты я буду рассматривать только сети N×N и пропущу вычисления на краях. Всё будет работать на Nvidia A40, а бенчмарк производительности я буду проводить при N=216. Пока мы будем хранить каждую ячейку в виде 1 байта, поэтому весь массив займёт 4 ГБ.

Весь код выложен в репозитории GitHub.

Когда говорят о загрязнении, городские жители в первую очередь подумают о качестве воздуха. Действительно, в городах с активным транспортом и промышленными предприятиями в городской черте — загрязнение воздуха составляет серьёзную и весьма наглядную проблему.

Но существует ещё один тип загрязнения, который до недавних пор не получал должного внимания: это загрязнение шумом.

Мы/маркетологи — «дети» существующей экономической формации. И, как это обычно и бывает, «дети» не готовы признать необходимость перемен в себе до первого мощного кризиса — развода, потери работы, неудачей в главном проекте.

Я думаю, что сейчас — именно такой момент для маркетинга.

Хотя маркетологи любят рассуждать про рынок и потребности, но мы сами не готовы препарировать нашу специализацию в этих терминах. А кто наш потребитель?

Давай честно, целевая аудитория маркетолога: 1. акционер, генеральный директор (CEO), 2. рынок. И если с CEO — все понятно, то про рынок не так очевидно. Важно понимать, что маркетинг — всегда такой, который нужен текущему состоянию рынка.

Состояние маркетинга прямо коррелирует с состоянием рынка.

Предмет моего размышления — это не критика маркетологов, а анализ причин, приведших к текущему состоянию профессии, а также прогноз ее будущего.

Дисклеймер: Я понимаю, что маркетинг — это объемное направление, по‑разному раскрывающееся в сегментах, отраслях, размерах, и осознанно обобщил информацию.

В сводной Таблице 1 вскрыт системный разрыв между запросами бизнеса и реальными действиями маркетинга: если в 2000-е маркетинг отвечал за продукт и прибыль, то к 2025 году он свёлся к генерации «вайба» для уставшего CEO, утратив связь с финансами, производством и долгосрочной стратегией.

Таблица 1. 25 лет маркетинга в РФ

Сотрудник месяц работал за идею. Горел, оставался допоздна, приходил с инициативами. Его заметили, обрадовались и дали бонус — справедливо. Через квартал он пришёл с разговором: «Меня не устраивает уровень дохода». Хотя до бонуса — устраивал.