Kurgan-Telecom Ru | Информационные технологии

TL;DR. Я не пытаюсь сделать кодинг-агента самостоятельным разработчиком. Я задаю для него процесс: SPEC → PLAN → TEST → CODE → REVIEW → LEARN, артефакты на каждом шаге и человеческий accept там, где начинается ответственность. Эта статья — вход в серию про map-framework: хуки, контракты, контекст, память и всё, что я довёл из научных статей до рабочего процесса.

Привет, сообщество. Где-то два месяца назад мне пришла в голову идея, очень простая по своей сути, но ой как обширная, если начать в ней копаться более подробно.

Как мы измеряли удовлетворенность пользователей дизайн-системой

Мы решили отказаться от количественных опросов в пользу качественных, но не сделали этого :), а оставили оба вида исследований

От CRUD на FastAPI до видеоплатформы: история одного pet-проекта:

История о том, как учебный CRUD-проект на FastAPI постепенно превратился в стенд с микросервисами, мониторингом, Kubernetes.

Меня зовут Дмитрий, основатель агенства Сайткрафт. Полгода мы вели контекстную рекламу для онлайн-платформы по оценке и развитию персонала. Это продукт со сделкой в два-три месяца и несколькими согласующими на стороне клиента. Здесь разбираю не теорию, а то, что реально показали кампании и дашборды: почему автостратегия на длинном цикле учится не на том, какие три модели закупки трафика нужны вместо одной и как мы сшили Директ, Метрику и CRM, чтобы видеть путь от клика до оплаты.

Содержание

1. Почему автостратегия на длинном цикле учится не на том?

2. Что отдавать автостратегии вместо заявки?

3. Модель первая: закупка на конверсию

4. Модель вторая: закупка на спрос и охват

5. Модель третья: ретаргетинг и удержание интереса

6. Как мы сшили рекламу, Метрику и CRM в одну картину?

7. Когда какая модель работает и от чего зависит выбор?

8. Почему отчет за две недели врет на длинном цикле?

9. Где чаще всего сливается рекламный бюджет?

10. Частые вопросы

Привет, Хабр!

Хочу поделиться опытом разработки новостного агрегатора HypeNet. Проект работает на связке Cloudflare Workers + Supabase, фронтенд - чистый HTML + Vanilla JS без фреймворков. Сайт хостится на VPS.

Под Windows и macOS есть универсальные форматы инсталлеров, которые работают на всех версиях этих ОС. А вот с Linux ситуация иная. Экосистема Linux фрагментирована. Применяется несколько разных форматов упаковки приложений. Flatpak решает эту проблему. В этой статье мы делимся опытом разработки Flatpak инсталлера для AvaloniaUI приложения.

Привет! Это Анна, руководитель Flutter-команды Friflex. Я иногда провожу технические собеседования с Flutter-разработчиками и вижу, с чем чаще всего сталкиваются начинающие специалисты.

В этой статье я собрала чек-лист для подготовки: как рассказать об опыте, какие темы повторить и как вести себя, если вы не знаете ответ или сильно волнуетесь.

22 июня 2026 года правительственная комиссия по законопроектной деятельности рассмотрела переписанную версию законопроекта о регулировании искусственного интеллекта. Версия, судя по всему, финальная: внести документ в Госдуму планируют до конца месяца. По сравнению с мартовской редакцией Минцифры закон изменился настолько, что говорить стоит не о правках, а о смене жанра — вместо рамочного «запретить и проконтролировать» получился документ о поддержке отрасли.

Разберёмся, что это значит на практике для тех, кто пишет код: для частных разработчиков, для инженеров в продуктовых командах и для тех, кто делает решения под госсектор и критическую инфраструктуру.

Если вы в 2026 году запускаете LLM в продакшене, то почти наверняка больше всего денег тратите на инференс. Одна неоптимизированная модель размером 70B может сжигать десятки долларов в час на нескольких A100, тогда как грамотно оптимизированный стек дает сопоставимый результат за сравнительно меньшую сумму. При активном продакшене это выливается в тысячи долларов в месяц разницы только за счет настройки инференса.

Но как это сделать?

Недавно я наткнулся на подробный гайд по оптимизации инференса на JobsByCulture. Внутри — перевод статьи + мои наблюдения и мысли поверх.

Пока SEO-специалисты обсуждают теорию GEO-продвижения (Generative Engine Optimization), часть рынка уже вовсю получает трафик из ChatGPT, Perplexity и Алисы, и даже не всегда это замечает. Мы провели масштабное аналитическое исследование в промышленном кластере: металлообработка, машиностроение, заготовительное производство. Данные собирались около года. В этой статье я собрал конкретные цифры, неочевидные выводы и практические рекомендации: что именно делать, чтобы ваша компания появлялась в ответах нейросетей.

Я инженер - технолог. Время от времени мне бывает нужно что то посчитать,  обычно хватает excel. Недавно возникла довольно интересная задача (можно сказать вызов) для которой возможностей excel, либо моих навыков в нём оказалось недостаточно. Нужно было откалибровать стенд введя в его математику 4 калибровочных коэффициента подобрав их значения так, чтобы десяток протоколов измерений сошелся к общему знаменателю. Десять разных значений для каждого коэффициента давало 10000 комбинаций помноженное на 10 протоколов которые нужно было пересчитать....

В 2025 году штрафы по 152-ФЗ выросли с 60 тыс. до 18 млн ₽ (ч. 8 ст. 13.11 КоАП — повторная утечка ПДн объёмом 10+ млн записей). Параллельно РКН перешёл на массовые проверки сайтов: за 2024 год — 1 870 проверок и 1,2 млрд ₽ штрафов. Большинство нарушений — технические: нет HTTPS, нет cookie-баннера, форма без чекбокса согласия, политика в Google Docs.

Юристы умеют находить такие нарушения вручную за час. Мы написали сканер, который делает то же самое за 30 секунд. В статье — архитектура, scoring-подход к чекбоксам согласия, реальные грабли (политика в Google Docs, скрытые checkbox в Tilda, многошаговые формы записи в клиниках). Код на PHP 8, без зависимостей, ~1 800 строк.

Привет, мой вожделенный хабравчанин, хабраюзер, хабражитель или просто IT‑специалист — это как тебе удобнее называться. В общем, большой и горячий привет!

Читал ли ты мою предыдущую статью «Ох уж это многопоточное программирование»? Если да, то ты можешь со спокойной душой читать мою статью. Если же нет, то рекомендую сначала прочитать ту предыдущую статью, и уже потом приниматься за этот «десерт».

Приветствую, Хабр! Как уже упоминалось в предыдущих моих публикациях внутренние регламенты отдельных IT-платформ помимо традиционных норм, содержат формулировки, которые в правовом поле можно рассматривать как ущемление прав потребителей.

Рассмотрим это более подробно на примере ToS книжного IT-гиганта, коим является LiveLib. Доминирующее положение, которое IT-гигант занимает среди книжных цифровых платформ и использование формы публичной оферты (договора присоединения) позволило включить в Пользовательское Соглашение ресурса (далее - ToS) формулировки, которые можно рассматривать, как ущемление прав неограниченного числа граждан потребителей.

Вместе с тем, сама публичная оферта IT-платформы, является формой публичного договора. И, априори, устанавливает добросовестность потребителя, фактически подтверждая презумпцию невиновности пользователя в его договоре с сервисом.

Примечательно, что ссылки пользователей на свои персональные страницы, размещённые на Стихи.ру, Litres.ru, используемые авторами для верификации своих авторских прав на свои результаты интеллектуальной деятельности (далее – РИД) трактуются ресурсом как «спам», фактически уравнивая авторов уникального контента с ботами-спамерами.

Применительно к гражданскому законодательству подобная «уравниловка» администрации вызывает вопросы к сервису, поскольку нарушает саму систему ответственности пользователя за «нарушение».

Уравнивая мелкое правонарушение (ссылки на персональные авторские страницы, подтверждающие право автора на опубликованные на платформе РИД) со злостным нарушением ботов-спамеров сервис намеренно нарушает императивные нормы федерального законодательства.

Сегодня хочу поделиться интересным кейсом для тех, кто работает с интернет-рекламой: что делать, если по действующему договору меняется одна из сторон и как запускать новые рекламные кампании после таких изменений?

Разберу ситуацию на конкретном примере и покажу, как в этом случае корректно передавать данные по новым рекламным кампаниям.

Или: как embedded-разработчик случайно написал визуализатор временных рядов

Это моя первая статья и сразу на тему в которой я разбираюсь примерно никак. Ее можно воспринимать как условный "дневник разработчика".

Статья написана не без помощи LLM, от нее по большей части редактура. Прошу камнями не кидаться

Приятного чтения!

С чего всё началось

В миру я позиционирую себя как Embedded-разработчик, а как принято во многих местах в России разработчик встраиваемых систем - это инженер-разнорабочий. Написать firmware, развести не сложную PCB, поколдовать над ядром Linux,  провести исследования датчиков с китайского завода, напаять концевиков, собрать тестовый стенд, а если еще и осталось время - по возможности спроектировать корпус для устройства и произвести его прототип.

И в этот(и так немаленький список) периодически добавляется потребность в написании ПО под Пк, для работы с разрабатываемыми устройствами/датчиками и т.д. В основном, это несложные внутренние консольные утилиты, которые помогают общаться с устройством, логгировать данные, калибровать датчики и все в таком духе.

Но иногда появляется потребность в визуализации. Пока речь идет о низкочастотных датчиках и малом количестве данных - все довольно просто, но как только данных становится больше, а частоты выше - всплывает множество нюансов. При 70 кГц через 10 секунд работы датчика у меня уже 700 000 точек. Через минуту – 4.2 миллиона. А пользователь при этом хочет масштабировать/панорамировать оси, выделять области, нажимать кнопки – и всё это должно отзываться мгновенно. Стандартный подход «передать всё в библиотеку» ломается очень быстро.

Первый обучаемый нейронный reasoner поверх Vector-Symbolic Architecture. 90% exact multi-hop QA в среднем (100% на 1-2 hop, 70% на 3-hop). 16 КБ тернарный резонатор. Всё на CPU, ни одного GPU.

История о том, как я загнал главную страницу форума с 88 запросов до 15, выяснил, что половину работы делал впустую один невинный аддон, и в конце снял ещё четверть серверного времени строчкой в конфиге — не сломав при этом ничего из того, что работало. А заодно — полная документация на стек из четырёх своих расширений и preload, на которых форум сейчас и держится.

Семь месяцев назад я каждый день наблюдал, как BTC летит вверх, ETH разворачивается, SOL вроде зажимается в боковике. На каждой паре — свои таймфреймы, разные ситуации, разная логика монет. Она сводила меня с ума. Я постоянно переключался между монетами и искал годную точку входа по монетам, а бывало такое: вошёл в позицию, и цена начинает движение против точки входа, начинаешь нервничать и выходить из позиции, или, наоборот, сидишь и держишь её, а потом ликвидация. Невозможно сидеть и смотреть, анализировать за десятью монетами, слишком сложно.

Подумал, а почему бы не сделать так, чтобы система сама мне говорила «смотри, какая монета, и обрати внимание на точки входа»? Но не торговала за меня, всё-таки недоверие было, не хотел полностью убирать себя из процесса, а просто уведомляла монеты, которые, по её расчётам, выглядят интересно.

Первая версия была базовая и простая. Просто скрипт, который считывал RSI и EMA на Python и раз в час слал мне в Telegram текст типа «RSI BTCUSDT–34 — вероятно перепродан». Скрипт был бесполезный, но я догадался, что направление верное и можно реализовать продукт помощнее, нужно было только изучить, как работает рынок, почитать литературу, статьи.

Затем я добавил MACD, Bollinger. ATR: понял, что надо разделять режимы волатильности. Начал изучать ML, меня порадовала находка, книга автора Marcos López de Prado «Финансовое машинное обучение», о методах, которые использовал описанных в ней, ниже статьи есть описание. Получился продукт, и он мне принёс пользу. Теперь объясню, как это устроено внутри.