Kurgan-Telecom Ru | Информационные технологии

Долгое время я использовал WIndows 11, и она меня всем устраивала. Ради эксперимента я всё же решил проверить, каково это: использовать Linux как основную ОС. Мой выбор остановился на Fedora Workstation, который использует GNOME в качестве графического окружения.

Опыт перехода с WIndows на LInux описывался многократно. Я не буду описывать общие проблемы использования LInux, а затрону лишь то, что относится к GNOME.

Привет, Хабр! Я уже давно хотел «пощупать» мини-ПК и неттопы, и постепенно начал их собирать и тестировать. Идей было много, но в итоге решил остановиться на концепции консоли и ретроконсоли. К тому моменту как раз был объявлен выход ГейбКьюб (Steam Machine), а стоит она почти как все эти мини-ПК вместе взятые. Ну, и до нее доберемся.

Мне стало интересно, смогу ли я найти сопостовимое или хотя бы приблизительное решения от тех компаний, что уже обозревал или с чьими решениями сталкивался. Так получилось, что в мои руки попали китайский ПК KVADRA TAU mini, неттоп iRU и мини-ПК от TECNO. С последнего и начнем.

Итак, это первая часть серии обзоров мини‑ПК и неттопов. Встречайте — мини‑ПК TECNO MEGA MINI M1.

Приятного прочтения!

Преподавая в школе «Интеграл» в 2018 году, я наблюдал, как коллеги-педагоги массово скупали Яндекс.Станции и умные лампочки. Один из них, обычный учитель (не IT-специалист), с гордостью рассказывал, как настроил автоматическое включение света через мобильное приложение не только на кухне, но даже в Ванной комнате. А еще он поставил умную RGB-лампу в спальню. Всё работало «из коробки» — нажал кнопку, точнее зажал на некоторое время, подключил, готово.

Меня же это беспокоило. Как учитель информатики и робототехники, я не мог принять идею «черного ящика». Тем более когда можно не просто включить лампочку через Интернет, но получать значения с датчиков освещенности, температуры и влажности... Тогда я начал эксперименты еще на ESP8266, сегодня могу немного рассказать, как это все используется и устроено теперь в моем умном доме.

Майкл Бьюрри, прославившийся благодаря книге и фильму «Игра на понижение» (The Big Short), не разделяет популярную точку зрения о том, что производители микросхем памяти вступили в новый «суперцикл». И в его аргументах есть логика.

В мире корпоративной ИТ-инфраструктуры уже много лет существует дискуссия. На одном полюсе — проверенная временем классическая трёхуровневая архитектура (серверы, сеть, внешняя СХД). На другом — гиперконвергентная инфраструктура (HCI), которая объединяет все компоненты в единую программно-определяемую систему. Выбор между ними — это не просто вопрос "что новее", а стратегическое решение, влияющее на управляемость, масштабируемость, отказоустойчивость и совокупную стоимость владения .

В мире корпоративной ИТ-инфраструктуры уже много лет существует дискуссия. На одном полюсе — проверенная временем классическая трёхуровневая архитектура (серверы, сеть, внешняя СХД). На другом — гиперконвергентная инфраструктура (HCI), которая объединяет все компоненты в единую программно-определяемую систему. Выбор между ними — это не просто вопрос "что новее", а стратегическое решение, влияющее на управляемость, масштабируемость, отказоустойчивость и совокупную стоимость владения .

Казалось бы, что тут сложного? Берём 16-битную консоль Sega Mega Drive. Вспоминаем, что внутри неё уже трудится родной 8-битный процессор Zilog Z80 (он отвечает за звук и обратную совместимость с Master System). Берём легендарный компьютер ZX Spectrum, сердцем которого является... точно такой же Z80!

На первый взгляд, задача для инженера звучит как легкая прогулка на выходные: подкинуть BIOS, смапить кнопки геймпада на порт клавиатуры, и готово — запускай Dizzy или Elite.

У меня накопилось 23 Telegram-канала.

Не потому что я специально их коллекционировал. Просто со временем подписывался на новые. В какой-то момент понял, что читаю всего несколько процентов того, что приходит. Остальное просто пролистываю в поисках чего-то интересного.

Проблема здесь простая. Telegram показывает посты только по времени публикации. Самые новые всегда наверху. Неважно, интересна тебе тема или нет. Никакой персонализации нет. Есть только хронология.

Из-за этого появился CleanNews — бот, который собирает посты из ваших Telegram-каналов и формирует персональную подборку.

В этой статье я покажу, как работает его рекомендательный движок. В основе — пять независимых сигналов, pgvector и контрастный вектор. И всё это без огромного обучающего датасета на миллионы записей.

Наеврно, в жизни каждого геймдева наступает этот самый момент: хоть святых выноси, но игру надо запилить в одну каску. В такой ситуации нейронки действительно выручают и Nano Banana Pro — это настоящий клад.

## 1. Введение

Старые промышленные холодильные машины часто продолжают исправно работать десятилетиями. Механика ещё имеет большой ресурс, теплообменники обслуживаются,ремонтируются, но электронные платы постепенно становятся главным ограничением эксплуатации.

В моём случае проблемой стала специализированная плата защиты и управления компрессорами ССP1 (CPM1) чиллера Carrier 30HXA. Она контролировала токи двигателя, температуру обмоток и цепь высокого давления, а также управляла контактором, масляным соленоидом и соленоидом охлаждения двигателя. Центральный контроллер чиллера циклически обменивался с этой платой данными по промышленной шине.

Найти новую плату оказалось сложно. Покупка бывшего в употреблении экземпляра не решала вопрос надолго: возраст компонентов был примерно таким же, а проверить остаточный ресурс до установки невозможно. Поэтому была поставлена другая задача: заменить плату CCP1 (CPM1) на чиллере 30HXA программно-аппаратным эмулятором на базе Wiren Board 8.5, сохранив штатный центральный контроллер, интерфейс оператора и существующую логику чиллера. Центральный контроллер платы MBB должен был увидеть на шине ожидаемое устройство, получать от него правдоподобные измерения и состояния защит, а команды должны были исполняться с предсказуемой задержкой.

## 2. Что требовалось заменить

Оригинальная плата обслуживала два компрессора A1 и В1. Для каждого необходимо было реализовать:

- измерение трёх фазных токов;

- измерение температуры обмоток двигателя;

Модуль ядра может собраться без предупреждений, успешно загрузиться и несколько минут выглядеть полностью исправным. А потом под нагрузкой поймать гонку, зависнуть на блокировке или уронить всю систему. Разберём пять типичных ошибок, которые не видит компилятор, но хорошо видит продакшен.

Мне понравился проект стойки 10 дюймов Lab Rax , я его распечатал и увидел, что мне не всё нравится в конструкции.

Я решил в качестве эксперимента собрать первую линию email-поддержки вокруг локальной LLM — без файн-тюнинга и попыток сразу заменить всю службу поддержки. Взял Hermes как агентную оболочку, развернул Qwen3.6-27B на RTX 5090, арендованной на GPUGO, подключил почту и базу знаний, а между моделью и клиентом поставил маршрутизацию, фильтры риска и ручную модерацию спорных ответов.

В статье покажу архитектуру проекта и насколько жизнеспособной оказалась такая система на тестах.

Привет! Я Владимир Крылов, продуктовый дизайнер и тимлид. В этой статье я поделюсь опытом проведения ретроспектив по методологии Squad Health Check, придуманной в Spotify. Расскажу, почему нам не подошел стандартный формат ретроспектив, в чём суть метода, какие темы для анализа проблем мы выбрали и к каким результатам в итоге пришли.

Пример реализации простого кэширующего прокси для пакетов npm, composer и pip на базе node.js для Windows и Linux.

Стартап PrismML представил Bonsai 27B — сжатые версии открытой модели Qwen3.6-27B, младшая из которых стала первой нейросетью такого класса, которая помещается в память смартфона. Веса выложены на Hugging Face под лицензией Apache 2.0, а в демонстрациях PrismML модель работает прямо на iPhone 17 Pro Max — рассуждает, вызывает инструменты и разбирает скриншоты без единого обращения к облаку.

Классический RAG хорошо ищет отдельные факты, но может пропускать исключения и связи между разными разделами документации. Я проверил альтернативный подход: мультиагентный граф, в котором роутер направляет запрос экспертам по отдельным доменам знаний.

В статье — архитектура на LangGraph, сравнение с наивным RAG на датасете из 40 вопросов, метрики качества, задержки и стоимость запросов. А главное — разбор, когда дорогой в эксплуатации агент может оказаться выгоднее дешёвого RAG за счёт экономии инженерного времени.

То, что ИИ заменил кодеров, уже ясно. А электронщиков ещё нет. Или уже?

Я решил проверить, какова ситуация сейчас, и применил ИИ везде, где смог, при разработке универсального сенсора присутствия.

Я сделал плату с радаром на 60 ГГц и прошивку к ней, и почти на каждом шаге использовал Claude, чаще всего Fable 5. Он подбирал мне микроконтроллер, планировал функции выводов, анализировал комплектацию, писал скрипты для Altium, драйверы и прикладной код. И знаете, практически получилось с первой итерации!

В первой статье цикла мы гоняли по 12 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro. В комментариях нас несколько раз спросили: а что там у моделей попроще и, главное, у отечественных? Спрашивали — отвечаем. Сегодня на ринге средний класс: три поколения рабочей серии Anthropic — Claude Sonnet 4.5, Sonnet 4.6 и свежий Sonnet 5 — против старших отечественных моделей: GigaChat-2 MAX от Сбера и YandexGPT Pro от Яндекса.

Сразу о главном: почему такой состав. Мы долго думали, по какому принципу собрать пятерку, чтобы сравнение не превратилось в избиение младенцев, и остановились на цене. Fable 5 и GPT 5.5 Pro из прошлой статьи — это «Формула-1»: один запрос с большим вложением у них стоил сотни, а то и тысячи рублей. Сегодняшние участники — то, чем реально возят грузы: Sonnet у Anthropic — массовая серия, в разы дешевле Opus, а GigaChat-2 MAX и YandexGPT Pro хоть и старшие модели своих экосистем, но по цене токена играют в той же лиге, что и Sonnet, а не в лиге западных флагманов. Забегая вперед: по нашим же чекам типовой запрос без вложений у всей пятерки стоит единицы рублей. Один ценовой класс — значит, сравнение равных. А вот внутри класса, как выяснится, разброс возможностей огромный.

Методика не меняется. Никаких бенчмарков и маркетинга — только реальные будничные задачи. Тестируем через агрегатор нейросетей BotHub: он работает по API, а этот метод избавлен от подпорок и костылей, которые неявно помогают моделям в их веб-интерфейсах. Заодно сразу видим, во сколько каждое решение обходится по деньгам. Затраты по-прежнему измеряем в CAPS — внутренней валюте BotHub, привязанной к числу затрачиваемых токенов. Напомним, за рубль можно купить от 4000 до 6500 CAPS в зависимости от объема покупки, считаем по курсу примерно 1 рубль = 6370 CAPS.

Rust-компилятор не просто превращает код в машинные инструкции — он проверяет безопасность программы ещё до запуска. Разбираем, как устроен конвейер компиляции, зачем Rust использует сразу несколько промежуточных представлений (HIR, THIR, MIR) и какую роль во всём этом играет LLVM.