Kurgan-Telecom Ru | Информационные технологии

Yttri часто сравнивают с Notion, Obsidian, ChatGPT и облачными сервисами транскрипции - и это логично. В этой статье я разбираю, где эти инструменты реально выигрывают, а где упираются в ограничения: интернет, приватность, стоимость, разрозненность данных и «проект по настройке плагинов».

Сравнение без холиваров: облачные workspace (Notion/Coda/Confluence), локальные конструкторы (Obsidian/Logseq/Joplin), standalone AI-чаты (ChatGPT/Claude/Gemini) и транскрипция как сервис (Otter/Whisper API/Trint). Плюс - почему Yttri решает другой класс задач: единый локальный контур (заметки + почта + календарь + задачи + финансы + встречи), офлайн-режим и AI внутри пространства (RAG + tool calling + локальные модели).

Если вы выбираете «что взять под конкретный сценарий» — эта статья сэкономит время.

Почему Марк Андриссен верит, что мы стоим перед лицом экономической «Мексиканской дуэли», и как стать тем, кто выживет в этой перестрелке.

Этот нарратив повсюду: «Роботы идут. Твоей работе конец. Алгоритм заменит тебя».

Это главная тревога 2020-х. Но Марк Андриссен, человек, написавший код, породивший современный интернет (Netscape), и венчурный капиталист, стоящий за почти каждым технологическим гигантом последнего десятилетия (a16z), считает, что мы все поняли наоборот.

В недавней публикации Андриссен сделал заявление, идущее вразрез с общим мнением:

Привет, Хабр! На связи Just AI. Мы уже долгое время изучаем мир AI-агентов — за это время набили немало шишек и поняли, что создание действительно эффективных и масштабируемых AI-агентов требует глубокого подхода к архитектуре.

В этой статье разберем, почему один «суперагент» почти всегда превращается в монстра, как декомпозиция спасает качество и стоимость, и какие архитектуры мультиагентных систем реально работают в продакшене — с примерами из наших проектов и практическими рекомендациями.

Шел 2025-й год, а наши слабые тела так и не были напичканы аугментациями. Нейроны изучали уже десятки лет, мемристоры были не в новинку, нейроморфная электроника создавала один имитатор нейрона за другим, но живая плоть ни в какую не хотела сочленяться с металлами и полимерами. 

Посвященные знали: проблема проста — масштаб. Кремниевые компоненты работали на напряжениях и токах, которые могли бы выжечь нервную клетку быстрее, чем та успеет передать сигнал. А электрический язык живой материи — это милливольты, наноамперы, пикоджоули. Мысли, речь, память — все реализуется в рамках мощности обычной лампочки — 20 Вт на мозг целиком. Инженеры упорно пытались подчинить мозг правилам кремния, но мозг не сдавался.

Надежда зародилась лишь к концу года — инженеры MIT опубликовали в Nature Communications статью, в которой впервые описали искусственный нейрон, работающий на биологически релевантных величинах. Переходы в мемристоре происходили уже при ~60 мВ и наноамперных токах, а отдельный нервный импульс достигал около 120 мВ и требовал энергию всего в десятки пикоджоулей. Так у человечества впервые появилась возможность когда-нибудь примирить электронику и живое тело — а помощником в этом суждено было стать бомбардирующей грязь электронами бактерии…

Для начала давайте я вас успокою - это не тот AGI, который собирается отобрать у вас работу. Ну, пока что не собирается

Подробный разбор того, как команда OpenAI Codex создаёт своего кодового агента, как его используют другие команды, как он влияет на инженерные практики создателей ChatGPT и что это может значить для будущего разработки ПО.

Чтобы в этом разобраться, я поговорил с тремя сотрудниками OpenAI:

Тибо Соттио (Thibault Sottiaux) — руководитель Codex.

Шао-Цянь Ма (Shao-Qian (SQ) Mah) — исследователь в команде Codex, обучающий модели, на которых тот работает.

Эмма Тан (Emma Tang) — руководитель data-инфраструктуры; она не входит в команду Codex, но её команда активно им пользуется.

В этом разборе:

Как всё начиналось. От внутреннего эксперимента в конце 2024 года до продукта, которым пользуется больше миллиона разработчиков.

Технологические и архитектурные решения. Почему Rust и open source? Подробно о том, как работает агентный цикл.

Как Codex создаёт сам себя. По оценкам команды, более 90% кода приложения написано самим агентом. А ещё: интересные инженерные практики — как проводят код-ревью, самотестирование Codex и онбординг новых инженеров.

Исследования. Обучение следующей модели с помощью текущей и параллели с разработкой ПО. Запуск eval'ов, A/B-тестирование и внутренний догфудинг (использование сотрудниками собственных наработок в повседневной работе — прим перев.).

Использование Codex в OpenAI. Количество PR стало таким, что традиционный процесс ревью начинает трещать по швам. Мысли команды про то, что с этим делать.

Как меняется разработка ПО в OpenAI. «Правило 30/70», возвращение некоторых инженеров к tab completion и значение «инженерного вкуса».

Flutter & GitLab CI/CD. Доставка мобильного приложения в Significa, TestFlight и Google Play

Привет! Меня зовут Данил Абдрафиков, я мобильный разработчик в компании TAGES. После успешной настройки сборки и подписания Flutter-приложений во второй части, остался последний, но не менее важный этап — дистрибуция приложения.

В современных условиях автоматизация деплоя на такие платформы, как Google Play, TestFlight и Significa, становится необходимостью. В этой статье мы разберем, как с помощью GitLab CI/CD настроить автоматическую отправку ваших приложений в магазины, чтобы вы могли сосредоточиться на разработке, а не на рутинных задачах.

Привет, Хабр! Я Вика, системный администратор в Selectel. Под катом разберемся, какие типы дисков существуют, чем они отличаются и как выбрать подходящий вариант под конкретную задачу. А заодно покажем новый тип дисков с регулируемой производительностью — он появится в Selectel уже в марте.

Прошло много лет работы над созданием чрезвычайно чувствительного прибора — и наконец учёные Чикагского университета стояли и смотрели, как он взлетел и исчез из виду в ярко-голубом небе Антарктиды.

Прибор запустили 20 декабря, и в течение следующих 23 дней он путешествовал на воздушном шаре НАСА по самым высоким слоям атмосферы, сканируя континент Антарктида с высоты 36000 метров в поисках крошечных посетителей из космоса, известных как нейтрино.

Миссия, известная как Payload for Ultrahigh Energy Observations (PUEO), вернулась на Землю 12 января, приземлившись в нескольких сотнях километров от Южного полюса.

Код, сгенерированный нейросетями, нередко содержит уязвимости, ошибки и скрытые недочеты, поэтому его важно проверять на безопасность и корректность.

Мы в Beeline Cloud собрали несколько open source инструментов, которые помогут решить эту задачу: одни позволят запустить такой код в изолированной среде, другие — вести учет сгенерированных фрагментов кода в репозиториях.

Сегодня наконец-то у нас появилась возможность рассказать  об одном из самых интересных и сложных технических проектов Engee - модернизации системы управления испытаниями автоматики для «Транснефть - Автоматизация и метрология». Совместный проект подтолкнул разработчиков Engee к ускорению реализации поддержки Modbus TCP в пакете Engee.Интеграции. С коллегами мы примерили несколько вариантов решения - и с использованием генерации кода, и со стендом реального времени, и с пакетом Engee.Интеграции и командным редактированием моделей. А началось всё с существенной боли...

Многим знакома ситуация: в компании есть база знаний, которая на практике не работает. Внешние и внутренние пользователи не находят нужную информацию, а руководство не понимает, зачем вообще инвестировали в этот инструмент. 

4:30 утра, в горах Архыза темно и холодно, но будильник не вызывает раздражения — это редкий случай, когда ты сам себе завидуешь. Я и мой сосед молча надеваем тёплые куртки, выходим в коридор, освещённый мягким красным светом, и спускаемся к обсерватории. Красные фонарики, чтобы не сбивать ночное зрение, тишина гор и звёздное небо над головой — всё это очень далеко от офисной рутины и городских огней, но именно ради этого мы сюда и приехали.

Пока я сажал зрение ночами рассматривая черные фотографии Луны в поисках «Луны-9», группа британских и японских ученых решила поручить ту же работу искусственному интеллекту. В результате, к 60-й годовщине первой мягкой посадки на Луну, вышло сразу два исследования с попытками обнаружить советский космический аппарат «Луна-9» на поверхности естественного спутника Земли. Обе команды показали предполагаемое место посадки, но это разные места.

НАСТОЯЩИЙ МАТЕРИАЛ (ИНФОРМАЦИЯ) ПРОИЗВЕДЕН, РАСПРОСТРАНЕН И (ИЛИ) НАПРАВЛЕН ИНОСТРАННЫМ АГЕНТОМ ЕГОРОВЫМ ВИТАЛИЕМ ЮРЬЕВИЧЕМ ЛИБО КАСАЕТСЯ ДЕЯТЕЛЬНОСТИ ИНОСТРАННОГО АГЕНТА ЕГОРОВА ВИТАЛИЯ ЮРЬЕВИЧА

Как часто, глядя на Terraform-конфигурацию, вы думали: «Это можно сделать изящнее»? Или, открывая документацию провайдера, ловили себя на мысли, что она не отвечает на вопрос «почему именно так»? Новая книга «Terraform. Сборник рецептов» — это попытка закрыть разрыв между официальной документацией и реальными инженерными задачами.

Мы рады представить очередную «поваренную книгу» от O'Reilly — «Terraform. Сборник рецептов» Керима Сатирли (HashiCorp) и Тейлора Долезала (CNCF).

История эксперта по цифровизации, который не нашел решения на рынке и написал свой инструмент. Теперь он сокращает время приемки в 5 раз, восстанавливает метаданные (КИЗ, серийные номера) и стоит копейки.

Часть 1. "Слепая зона" FBS: Почему возвраты — это боль

Если вы торгуете на Wildberries по системе FBS, вы знаете, что продажа — это только половина дела. Настоящий хаос начинается, когда товар возвращается.

Главная проблема любого селлера на этапе возврата — полная потеря идентификации. К вам приезжает коробка. На ней может быть стикер WB, но для вашей учетной системы это просто «черный ящик».

Сложно поддерживать CI/CD, когда граф пайплайна в GitLab превращается в бесконечную «простыню», параллельные запуски terraform apply приводят к блокировкам, а для игнорирования некритичных ошибок приходится писать || true. 

Может показаться, что для решения этих проблем нужны «костыли» или переход на enterprise-лицензию. На деле же с ними помогут встроенные возможности GitLab CE. В статье разбираем неочевидные ключевые слова .gitlab-ci.yml, которые сэкономят вам время и нервы.

LLM ошибаются в элементарной математике. Корпорации тратят миллиарды, но в конечном счете вынуждены прикручивать калькуляторы к вычислительным машинам невероятной мощи. Все попытки исправить через Chain-of-Thought, fine-tuning на задачах счёта, увеличение контекста не сработали.

Я провёл серию экспериментов чтобы понять почему, и пришел к выводу, что нейросети просто не предназначены для дискретной арифметики. Их предназначение непрерывные трансформации.

В этой статье описывается реализация новой архитектуры нейросетей, объединяющая точность символьного ИИ и способность к обобщению LLM. Код как всегда прилагается.

Что такое осень нам уже объяснил Юра Шевчук, но вот что такое разум покамест менее ясно. На фоне бурных дискуссий последних лет по поводу того, к чему в итоге может привести развитие LLM и прочих современных технологий ИИ (Технологические Сингулярности там всякие и т.д.), хочу изложить свои мысли, как и почему мы, собственно, оказались в той точке, к которой пришли. Возможно, это в какой-то мере поможет так же заглянуть и в наше недалёкое будущее. Сегодня публикую первую статью на эту тему. Начнём мы с геномного разума.

.

По всему миру сельское хозяйство сталкивается с ростом потребности в продуктах питания и ограниченностью водных ресурсов. Эффективность выращивания культур во многом зависит от того, насколько точно удаётся описывать и предсказывать процессы, определяющие фотосинтез и потерю воды у растений. Одну из ключевых ролей здесь играют устьица, микроскопические поры на поверхности листьев, которые регулируют поступление CO₂ и испарение влаги.

В 2025 году исследователи из Иллинойсского университета в Урбане-Шампейне представили систему Stomata In-Sight, которая объединяет конфокальную микроскопию, газообменные измерения и автоматизированный анализ изображений на основе ML. Такой подход позволяет получать количественные оценки геометрии устьиц в условиях контролируемой среды и сопоставлять их с измеряемой проводимостью и фотосинтезом. Это важно не только для физиологии растений, но и для прикладных задач, связанных с эффективностью использования воды и устойчивостью урожая при засухе. В этой статье я расскажу о самом исследовании и о том, как устроена Stomata In-Sight.