Kurgan-Telecom Ru | Информационные технологии

Индустрия разработки ПО прошла долгий путь, ее бросало из крайности в крайность. Мы отказались от многостраничных технических заданий, перейдя к устным обсуждениям. Потом обсуждений стало слишком много, а системы слишком сложными, чтобы можно было описать их с помощью стикеров на доске. И мы перешли на гибридные процессы: с зоопарком инструментов и форматов описания требований, размытыми ролями и архитектурой, где паттерны перемешаны в произвольных пропорциях.

Неизменно было только одно – основную ценность представляет код. Код – это истина в последней инстанции. Требования, архитектура, тест-кейсы — не более чем черновики, наброски, которые могут быть уничтожены сразу после начала «настоящей работы» – написания кода.

Но что, если я скажу, что сейчас происходит тихая контрреволюция? Индустрия устала от неопределенности. Когда код — единственная истина, система превращается в «черный ящик». Понять, как она работает фактически, можно только прочитав тысячи строк кода.

Код идеально отвечает на вопрос «как?», но в нем нет ответа на вопросы «зачем?», «для кого?», «почему?».  Без знания ответов на эти вопросы, любая доработка —  это гадание на кофейной гуще.

В этой статье проследим эволюцию: от Водопада к Agile, от Agile к Гибридам и Everything as Code.

Недавняя волна обсуждений, в том числе статья на DTF, показала неприятную тенденцию: ПК-геймеры всё чаще используют геймпады. И причина не в переходе на консоли, а в ощущениях от игры.

Геймпад обеспечивает удобный контроль, эргономику и тактильную отдачу. Клавиатура же создана для набора текста, а не для игр, и состоит из множества бинарных кнопок.

Но как быть, если мы разрабатываем ПК-эксклюзив, а у игрока нет джойстика? Сегодня мы подумаем, как эмулировать геймпад с помощью клавиатуры и мыши, следуя индустриальным стандартам.

Привет! На связи Маша Иванова — старший аналитик в команде монетизации и Азамат Эмирбеков — старший BI-разработчик. Мы помогаем коллегам в командах Авито Недвижимости и Авто — собираем аналитические данные.

Заметили, что менеджеры тратят много времени на создание презентаций для встреч с клиентами. Мы решили, что можем ускорить процесс с помощью автоматизации, и разработали бота, который быстро находит данные, а затем формирует готовые слайды. Расскажем, какие презентации создавали коллеги, почему это занимало много времени и как мы, не применяя ИИ, справились с этой проблемой при помощи бота.

VACUUM в PostgreSQL принято считать универсальным средством поддержания порядка: он очищает мёртвые кортежи, обновляет статистику и вроде бы держит базу «в форме». Но с индексами всё сложнее. В какой-то момент они начинают расти и деградировать так, что это уже влияет на планы запросов и поведение оптимизатора — при том, что формально всё обслуживается корректно.

Разберёмся, где именно возникает это расхождение между ожиданиями и реальностью и что на самом деле происходит внутри B-дерева.

Большинство команд, которые внедрили канбан, на самом деле просто создали доску с колонками. Перетащили стикеры слева направо — и решили, что на этом все. Но канбан — это не формат доски, а метод управления потоком работы.

Мы тут решили дотошно разобраться и рассказать, из чего он состоит на практике: инструменты, принципы, WIP-лимиты и метрики. 

Привет, Хабр!

В прошлой статье мы заглянули под капот ClickHouse и разобрались, как работает движок MergeTree. Мы узнали, как хранятся данные и что такое парт, зачем нужен разреженный индекс и как работает фоновое слияние.

В этой статье мы рассмотрим один из мощнейших инструментов ClickHouse — Materialized View.

2026 год. Если вы активно пользуетесь нейросетями, то ваш список ежемесячных подписок, скорее всего, выглядит примерно так: ChatGPT Plus - $20, Midjourney - $10, Claude Pro еще $20, Runway или Kling для видео - $15, Suno для музыки - $8. И это без учета VPN и танцев с бубном для оплаты. Получается под сотню баксов в месяц, и это еще цветочки.

Ягодки начинаются, когда понимаешь, что у каждого сервиса свой интерфейс, своя логика, свои лимиты. Midjourney живет в Discord, где нужно не запутаться в каналах. ChatGPT - в отдельном окне. А если ты из России, то добавить сюда проблемы с оплатой зарубежных подписок и блокировки, и желание творить с помощью ИИ может поугаснуть.

Здесь на сцену выходят агрегаторы нейросетей. Платформы, которые собирают десятки моделей под одной виртуальной крышей. Ты платишь один раз (или пополняешь один баланс) и получаешь доступ и к ChatGPT, и к Midjourney, и к Claude, и к куче других моделей в едином окне.

Но среди этого зоопарка сервисов легко заблудиться. У каждого своя философия оплаты, свой набор моделей и свои подводные камни. В этой статье мы проведем честное сравнение главных игроков на российском рынке AI-агрегаторов.

После моего первого поста о старте в товарке мне знатно «насовали» в комментариях. Кажется это помогло мне определиться с целью: создание автоматизированного магазина по перепродаже уценённых товаров.
Почему именно уценка и автоматизация?
УТП такого товара - минимальная цена. Чем больше людей в цепочке, тем дороже товар. Автоматизация позволяет работать с минимальной наценкой и легко масштабироваться.

За прошедшую “неделю”  выяснились:

1) Неприятные детали о поставщиках:
Серый рынок: Большинство продавцов палет (с ценой 20–30% от рынка) работают «в серую или в черную».
Белый рынок: Те, кто работает официально, либо не имеют стабильного потока, либо задирают ценник на 80–200% выше. Плюс сложности с сертификацией и «Честным знаком».
Строить систему на «сером» рынке я не планирую, но и уходить в бюрократию на этапе MVP не готов. Сейчас задача — создать работающий прототип, который заменит ручной труд. Пока распродаю остатки и изучаю будущую схему с участием Честного знака, сертификатами, актами и т.п. К следующей закупке готовлю схему масштабирования через ИП или самозанятость.

2) Местные старожилы ненавидят посты с призывом "подписывайтесь на мой канал". Но к моему чату присоединилось более 50 человек, у меня случилось 3 интересных и целевых знакомства с разработчиком, продавцом товаров и продавцом паллет с товарами. Так что эти ненавистные приглашения работают как доступный нетворкинг, потому приходите в мой чат: t.me/skidsonchat ;-)

3) В ресейле есть проблема - плохие фото. У мелких продавцов нет денег на студию, поэтому даже крутые вещи выглядят как ветошь и плохо продаются. Из-за низкой цены качество фото почти у любого продавца оставляет желать лучшего. Тут тоже мне помогает ИИ.

Как оказалось, в нашем мозге работает специфическая стратегия координации. Это открытие переворачивает с ног на голову текущее понимание химического дисбаланса. В новом исследовании ученые обнаружили, что в полосатом теле, а это центр движения и обучения мозга, ацетилхолин не просто работает вместе с серотонином. На самом деле, ацетилхолин способен фактически «взять управление на себя». Что объясняет природу того же ОКР.

Последние несколько месяцев в сети идет очень жаркий спор на тему ИИ и нейросетей в игровой индустрии. Если свести все претензии в одну, то можно сказать однозначно: нейронки геймеры не любят и готовы отменять целые студии за их использование (привет, Свен Винке из Larian и разработчики Expedition 33) под одобрительный рев толпы. 

Но что, если отбросить эмоции и посмотреть на проблему более трезво и без предвзятости? Насколько ли губительна роль ИИ в разработке? Сегодня и узнаем.

Это означает, что любой человек может свободно реализовывать алгоритм Slug для любых целей без лицензии, и не нужно беспокоиться о нарушении каких‑либо прав интеллектуальной собственности.

Для всех юридических экспертов, читающих это: моя компания подала форму SB/43 в USPTO и оплатила пошлину за отказ от конечной части срока действия патента № 10 373 352, действующий с 17 марта 2026 года.

Решил с понедельника открыть сезон стримов на Ютубе. Идея банальная: показывать вживую, как я проектирую и вайбкодю пет-проект. Ну как пет-проект… В мае ему уже исполнится год и по архитектуре и функциям он разросся настолько, что уже приходится относиться к нему со всем уважением :-)

Пошёл в ChatGPT, поделился идеей. «Идея замечательная!» — сказал чат и начал уже было расхваливать меня, но я его остановил. «Мне нужна помощь с OBS: хочу сделать в стриме плашку с информацией: кто я, что прямо сейчас делаю, ссылки, время, вот это всё». «Спокойствие, сейчас всё объясню!» — сказал ChatGPT — и именно с этого началась моя история, в которой я впервые за долгое время реально разозлился на ИИ.

Это ведь когда-то должно было произойти...

В мире уже есть примерно бесконечное количество туториалов формата "OpenGL Tutorial" (раз, двас).

Возникает логичный вопрос: Зачем ещё один?

Ответ: Чтобы наконец перевести их!

Так что я просто их решил перевести с С/С++ на PHP. А вы что подумали? Я с английского их переводить собрался?

18 марта 2026 года компания MiniMax официально представила новую версию своей языковой модели MiniMax‑M2.7. Главная особенность релиза — реализованный в модели механизм «самообучения» (self‑evolution), который позволяет ИИ активно участвовать в собственном совершенствовании. Одновременно с анонсом стало известно, что M2.7 можно использовать через облачные развёртывания Ollama — популярной платформы для запуска больших языковых моделей.

В этой статье мы подробно разберём, что представляет собой MiniMax‑M2.7, как именно организована её работа через Ollama в облаке, какие существуют способы развёртывания и каких результатов можно ожидать от модели в реальных задачах. Вся информация основана исключительно на проверяемых источниках, актуальных на март 2026 года.

Нейросети постепенно снимают со специалистов рутинные задачи и ускоряют производство контента. С их помощью можно создавать анимацию и спецэффекты, улучшать качество роликов, исправлять артефакты и быстро монтировать видео. Эксперты click.ru собрали популярные AI-сервисы, которые помогают генерировать, редактировать и обрабатывать видео.

Автотесты E2E еще проще, но все равно надежные...

Вначале было Автотесты E2E для самых маленьких. А теперь в simpleE2E есть еще и автоматическое записывание шагов в браузере

Мы можем взаимодействовать с браузером и автоматически записывать шаги. Поддерживается

* Клик

* Ввод текста

* Эталонный скриншот

* Видимость и НЕ видимость элемента

* Проверка содержимого текста (полное совпадение или частичное, или наоборот НЕ совпадение)

* Снятие эталонного скриншота для дальнейшего сравнения

Алгоритм Slug, используемый для рендеринга на GPU шрифтов непосредственно из кривых Безье, был разработан осенью 2016 года, а значит, в этом году мы отмечаем десятилетие его рождения. В середине 2017 года я опубликовал в JCGT статью об этой методике, а вскоре после этого моя компания продала первую лицензию на версию 1.0 Slug Library. С тех пор Slug многократно лицензировался разработчиками видеоигр, а также компаниями, специализирующихся в научной визуализации, CAD, редактировании видео, медицинском оборудовании и даже создании планетариев. Среди наших клиентов Activision, Blizzard, id Software, 2K Games, Ubisoft, Warner Brothers, Insomniac, Zenimax и Adobe. Slug оказался моим самым успешным программным продуктом.

Изначально я создавал Slug с целью улучшения рендеринга текста в C4 Engine, шрифты которого должны выглядеть идеально не только в GUI, но и внутри игровых уровней, где они могут быть очень крупными и отображаться под разными углами. Недавно я использовал Slug в создании редактора формул Radical Pie, в котором, разумеется, необходим крайне качественный рендеринг шрифтов, а также векторной графики для таких обозначений, как скобки, знаки корня и чисто графических элементов наподобие стрелок и выделения математических выражений. Кроме того, Slug используется для рендеринга всего интерфейса пользователя внутри основного окна редактирования и всех диалоговых окон.

В этом посте я расскажу об изменениях в методике рендеринга с 2017 года, когда была опубликована научная статья и выпущена первая версия Slug Library. Завершается статья важным объявлением для тех, кто захочет реализовать алгоритм Slug в собственных проектах.

Замечаю на занятиях парадоксальную ситуацию: мои студенты-айтишники хорошо говорят на английском, в теории все знают, но стоит начаться реальному неподготовленному спору, язык скатывается до уровня “не помню про -s в Present Simple” и “английские времена? не, не слышал”.

Мы вместе пытаемся разобраться в причинах. Ребята выдвинули гипотезу, что дело в их “левополушарности”. Большинство задач, которые они решают на работе - это программирование, вычисления, логика, за которые, как известно, отвечает левое полушарие мозга. Мои студенты предположили, что они бессознательно забивают на грамматику, когда спорят, потому что не привыкли активно использовать правое полушарие. Так ли это? Давайте разбираться.

Полтора года назад я устроился в компанию на газохимический проект. Масштабы стройки произвели на меня большое впечатление. Стал постепенно осваивать новую для себя сферу деятельности. В плане цифровизации, приятно удивил уровень оснащения рабочих мест. Хорошие офисные ноутбуки, разного рода программные комплексы, в целом удобные и достаточно быстрые системы управления проектами. Впервые увидел систему Sarex. Первое время разглядывал аэрофотоснимки за разные периоды в обнимку с генпланом и пытался понять, где что находится. Стало понятно, что объектов непросто много, а очень много, к тому же они достаточно плотно расположены. Стоит отметить, что благодаря Sarex сложилось более или менее четкое визуальное представление о заводе и его масштабах. Разработчикам этой системы отдельное спасибо. Но проблема поиска местоположения объектов обозначилась сразу.

В целом работа шла хорошо, до того момента, пока не звонил телефон. Часто при разговоре могло звучать название объекта, либо его цифровая маркировка.

Звонившим мог быть не только высококвалифицированный специалист, который мог объяснить во всех подробностях суть своего вопроса, но и простой работяга из ближнего или дальнего зарубежья, который на ломаном русском пытался донести информацию в надежде, что его поймут.

Тут и выявилась проблема отсутствия единого понимания о расположении объектов на территории завода. Которую, как уже упоминалось выше, можно было выразить вопросом: «Где это находится?». Вопрос как выяснилось непростой и важный, особенно для предприятия площадью несколько квадратных километров с множеством объектов, в режиме круглосуточной стройки, словно муравейник, с числом строителей, как в небольшом провинциальном городке нашей необъятной страны.

Привет, Хабр!

Менеджеры продаж не всегда вовремя и полно заносят данные о сделках в CRM после звонка. Часть информации может забыться, а часть может быть записана сокращенно.

Прослушивать звонки вручную и восстанавливать детали слишком трудоёмко, а ресурсов на это часто не хватает. Поэтому в этом материале соберём MVP-сервис на Python, который получает событие о завершённом звонке из МТС Exolve, забирает текст разговора, выделяет из него ключевые поля через YandexGPT и записывает результат в Bitrix24. На выходе получится рабочий пайплайн: вебхук, транскрибация, извлечение полей квалификации и обновление существующей сделки в CRM.

За основу возьмём BANT — базовый фреймворк квалификации лида: Budget, Authority, Need, Timing, то есть бюджет, лицо, принимающее решение, потребность и сроки. И расширим его, добавив оценку интереса клиента, фиксацию конкурентов и возражений. Такого набора достаточно, чтобы квалифицировать лид, приоритизировать сделку и сохранить контекст следующего контакта, но не превращать карточку в анкету на десятки полей.

Стек: Python 3.10+, Flask, SQLite, Call Transcribation API МТС Exolve, YandexGPT API, Bitrix24 REST API.