Kurgan-Telecom Ru | Информационные технологии

Собрал в один небольшой текст с прибаутками свой опыт работы с телесуфлёрами, который кому-то может оказаться полезен.

Сначала пишется собственно материал, канва. На какие-то общепонятные темы это сейчас можно поручить иишнице, хотя я так не делаю и другим не советую (я и книжки перевожу целиком вручную, и материал для своих комментариев и сносок к ним тоже подбираю и пишу вручную — но я сам себе издатель и это хобби). Затем делается ФАКТЧЕКИНГ, который включает перекрёстную проверку не только достоверности информации (если речь идёт о документалке и infotainment), но и УДАРЕНИЙ. Потом этот текст проговаривается, разбивается на более короткие предложения и читается ещё раз — для проверки на восприятие.

После этого, если нужно подогнаться под хронометраж, текст редактируется ещё раз-другой-третий, снова читается вслух. Обычно, правда, хронометраж задаётся объёмом материала и манерой подачи — но это если не делается фильм для телевидения с его жесточайшей эфирной сеткой, или, наоборот, рилсы и сторис с их длительностью в минуту-две, что сейчас актуальнее. Но минутный текст бывает проще вызубрить — это необходимый навык для полевого корреспондента.

В C++ исключения принято считать бесплатными, пока дело не доходит до throw. Но один бросок через 128 кадров стека может обойтись в 26 микросекунд, а отсутствие noexcept — заставить std::vector копировать объекты вместо перемещения. Разбираемся на замерах и примерах кода, откуда берутся эти накладные расходы, как на них влияет многопоточность и когда исключения становятся проблемой для производительности.

А помните, как дома просили не трогать телефон, потому что кто-то сидит в интернете? Модем пищал, иногда с первого раза вообще не подключался, страницы открывались медленно, а картинки могли грузиться по несколько минут? Большие файлы ставили качаться на ночь и утром проверяли, докачались они или нет? Эххх… ностальгия.

Потом интернет перестал мешать телефону (и мама перестала ругаться, что все деньги ушли на скачивание музыки), появился Wi-Fi, мобильная связь стала быстрее, и в какой-то момент мы вообще перестали думать о том, как именно подключаемся к сети. 

А сейчас вообще можно взять с собой спутниковый терминал и выйти в интернет хоть в поле. Видели уже? 

Я застал почти все эти этапы. И в этой статье хочу с ноткой грусти вспомнить, как и с помощью чего мы выходили в интернет все эти годы — от dial-up и ADSL до мобильных сетей и спутника.

График скрывает выброс, старые показания выглядят свежими, а «Готово» означает только принятую команду. Шесть проверок для внутренних интерфейсов и MD-инструкция для аудита своей админки.

В собственном маркетплейсе я однажды обнаружил ошибку в обработчике платежей. Логика выглядела правильной: проверить статус PENDING, перевести операцию в SUCCESS и начислить баланс. Но при одновременной обработке двух webhook’ов оба запроса могли пройти проверку и начислить деньги дважды. Этот код я написал сам, без AI.

Сегодня AI-агент может реализовать такой обработчик за минуты. Но функционального описания недостаточно, чтобы гарантировать корректность при конкурентных запросах. Кто должен определить эти ограничения и сформулировать требования до начала разработки?

На пяти ситуациях из собственного маркетплейса и мультибрендовой платформы разбираю, какие решения приходится принимать заранее: идемпотентность платежей, миграции данных, доставка сообщений между экземплярами сервиса, интеграции провайдеров и архитектура брендов. В конце — чек-лист из 12 вопросов перед генерацией кода.

Я делаю ИИ-секретаря Лизу Петровну — бот в Telegram и MAX, внутри которого секретарь раздаёт задачи агентам. С 30 мая ей написали 8568 запросов 118 человек.

За 30 дней языковые модели для всех агентов обошлись в $77. Рассказываю, как устроен выбор модели (с кодом), почему 88% ответов даёт DeepSeek, как работает память на pgvector, что люди на самом деле просят у ИИ-секретаря (календаря меньше 5%) и где он до сих пор ошибается. Все цифры с прода.

«Мир Квестов» агрегирует квесты в реальности, и клиенты пишут в чат, чтобы подобрать игру и забронировать. С третьего квартала 2026 года первым в чате отвечает бот Квестоша. Рассказываем, как он устроен: вики из markdown-файлов вместо дообучения, маскировка персональных данных до модели, каталог сайта по MCP, ночной цикл правок с экзаменом и сравнение пяти моделей по двенадцати гейтам безопасности. Вторая часть про людей: карта стейкхолдеров, ожидания смежных команд и пять уроков для тимлида.

Менеджеры считают, что ИИ-агенты ускорят разработку в десять раз. Математика говорит, что ускорится только написание. Проверять смысл по-прежнему будут люди, с конечной скоростью, и очередь выстроится к самым опытным. PostgreSQL 19 не вышел в срок. Не потому, что ИИ нашёл много багов, а потому что ИИ научился генерировать правдоподобные отчёты быстрее, чем люди успевают их читать. В статье разбираю, почему так, где настоящий предел и что меняется.

В локальном прогоне на RTX 5070 Ti Qwen3.8-27B IQ3 получил успех на моих задачах в 91.1%, индекс 82.3 со скоростью работы 68.3 tok/s в один поток при контексте 131K.

Читал и лично слышал очень много мнений, что 131К контекста - мало, IQ3 - глупый, но у меня есть что вам рассказать.

Почасовой тариф на GPU давно стал главным аргументом при выборе облачной площадки. Открываешь таблицу, находишь минимальную ставку, запрашиваешь коммерческое предложение. Логика понятная: дешевле час — дешевле проект.

На практике бюджет ИИ-проекта определяют не тарифы. Его определяют простои, скорость хранилища и сети, время инженеров на настройку и отладку. Проект, который начинался как выгодный по прайс-листу, уходит в перерасход, и заметно это становится только к середине работ.

Привет, Хабр! Меня зовут Миша Воронин, я менеджер продукта GPUaaS в K2 Cloud. С статье расскажу почему дешёвая аренда GPU даёт обратный эффект и какие вопросы задать поставщику до подписания договора, чтобы не считать деньги дважды. А также как выбрать площадку, на которой проект быстрее и надёжнее даст результат.

Все начиналось, как нельзя лучше. Долгожданный запланированный отпуск, прекрасный отель, изумительный пляж. На третий день отпуска Максим почувствовал, что заложило ухо, будто внутри осталась вода. Боли не было, слух почти не изменился, поэтому он решил не придавать этому значения. Через несколько дней ухо стало болеть всё сильнее, а обратный перелёт превратился в настоящее испытание.

Разберём клинический случай из практики отоларинголога и выясним, какие симптомы нельзя оставлять без внимания, даже если отпуск ещё в самом разгаре.

12 октября утром не открылся TGBooster, через который я веду рекламу в Telegram. Неделю назад я уже чинил его доступ при включённом VPN, и всё работало. Оказалось, сервис за это время переехал на новый IP, а моё исключение осталось на старом. Это был восьмой рабочий сайт за неделю, который отвалился у меня из-за VPN. И каждый раз причина была своя.

Продолжение статьи, набравшей почти 600 тысяч просмотров. Разбираем SEO, поиск внутри Telegram, каталоги, внешние источники трафика, рекламу и аналитику. С поправкой на реалии российского рынка.

В феврале 2023 года я опубликовал на Хабре статью «15 проверенных методов продвижения канала в Телеграм». На момент написания этого материала она набрала почти 600 тысяч просмотров.

Признаться, когда писал тот текст, на такие цифры не рассчитывал. Хотел собрать в одном месте методы, с которыми сталкивался при разработке и продвижении Telegram-проектов, и избавить других от необходимости искать информацию по десяткам сайтов.

Прошло больше трёх лет. Статья продолжает получать просмотры, хотя трафик уже не тот, что раньше. Что вполне объяснимо: часть рекомендаций устарела, некоторые инструменты изменились, а ситуация с Telegram в России стала совсем другой.

И я решил не переписывать старую публикацию задним числом, а подготовить продолжение.

Тем более за это время изменилось моё отношение к самой задаче продвижения. Раньше я рассматривал её преимущественно как набор способов привлечения подписчиков. Сейчас считаю, что главная проблема большинства каналов не в отсутствии методов продвижения, а в отсутствии нормальной системы привлечения и удержания аудитории.

Итак, что осталось от рекомендаций 2023 года, какие инструменты появились и на что я бы тратил время и деньги в 2026-м?

В среду утром мне пишут в мессенджер: «Привет! Нужна полная инвентаризация, ты же знаешь, где что стоит?» Знаю, конечно. Знаю, что в системе числится монитор, которого я не видел с прошлой осени, а в кабинете напротив стоит ноутбук, которого в системе нет и никогда не было. Полная картина существует только у меня в голове, и по закону жанра именно её и просят выгрузить к пятнице.

Чтобы сделать видео из фото нейросетью, нужны кадр и описание движения. Разбираю связку Nano Banana 2.1 и Hailuo 3.0 (MiniMax H3).

Экстремальное событие почти никогда не возникает на ровном месте. Эпилептический приступ, отказ авиадвигателя, обвал рынка - всё это финал процесса, который сначала зародился в одном месте системы: в одной области мозга, в одном модуле двигателя, в одном секторе рынка. Потом процесс распространился по связям и стал заметен везде.

Классическая статистика экстремумов хорошо отвечает на вопрос «насколько это редко?». Но для врача, инженера или аналитика важнее другое: когда начал развиваться процесс, который привёл к экстремальному событию, и где он зародился. Существующие методы отвечают на эти вопросы по отдельности и разными инструментами, а вопрос «какой узел был источником?» часто остаётся открытым.

Мне стало интересно, как применить вот такие подходы:

- теория экстремальных значений отвечает, когда система вышла за рамки своего обычного поведения;

- граф связей между каналами показывает, куда процесс мог распространяться;

- графовая нейросеть и несколько независимых линий доказательств указывают, где он начался.

Шагов много, и на каждом легко ошибиться. Поэтому весь путь я доверил простому агенту. Он даёт один воспроизводимый конвейер «когда → куда → где» вместо набора разрозненных методов;

Дальше расскажу, на чём это всё держится и что получилось на практике. И у меня там ещё небольшой обзор истории развития почти за сто лет теории экстремальных событий.

Когда стоит задача научить ИИ ловить аномалии, мы первым делом смотрим, на чём эта модель будет учиться. Справочники и источники данных можно привести в порядок заранее — это делается до всякой модели, про такую подготовку был отдельный разбор. С разметкой фокус не проходит. Её нельзя подготовить впрок: никто никогда не отмечал задним числом, где была аномалия, а где норма, и этой истории не существует, пока кто-то не начнёт выносить вердикты на живом потоке. Собирать её отдельным этапом — это полгода, а то и год ждать, прежде чем система хоть что-то начнёт делать. Мы этот путь сокращаем: разворачиваем пилот, который производит разметку сам, пока уже работает и приносит пользу.

Меня зовут Алексей, я руковожу ML-направлением в компании. Приём сбора разметки пилотом у нас отработан на разных задачах; покажу его на контроле закупок — поиске завышенных цен, нецелевых и внетендерных закупок. Та самая задача, где эталон рыночной цены я в прошлый раз честно оставил открытым вопросом: на ней как раз и видно, что запускаться можно, не дожидаясь, пока этот эталон появится.

Почему тут нельзя просто взять модель, я уже разбирал отдельно: supervised обучать не на чем, unsupervised на редких событиях сыплет ложными, LLM без эталона уверенно называет завышенную цену рыночной. Итог один: сперва слой на правилах, модель — сверху и позже. Дальше — про то, как именно этот слой превращается в машину для сбора разметки.

Вы просите ИИ составить ТЗ и отправляете разработчику. Его нейросеть отвечает: «Непонятно, какой блок менять». Вы копируете вопрос в свой ИИ, он переписывает, вы отправляете снова. Три‑четыре круга, и вы уже не помните, что в ТЗ написано. Это и есть «мясной прокси» — человек как кабель между двумя ИИ.
Я собрала пять скилов для Claude, чтобы эти круги проходили до отправки, а не после.

С 8 по 11 октября 2026 года атаки БПЛА вывели из строя три дата-центра Яндекса. Сасово и Владимир остановлены полностью, в Калуге потеряно несколько модулей. На этих площадках работают сервисы самого Яндекса, его суперкомпьютеры и Yandex Cloud: 84 сервиса платформы и около 64 000 клиентов.

Есть профессии, ценность которых определяется не только тем, что человек умеет делать, но и тем, насколько редким остается ресурс, которым он управляет.

В IT таким ресурсом много лет была разработка. Хороших инженеров не хватало, бэклог почти всегда был длиннее возможностей команды, а любое заметное изменение продукта стоило времени и денег. Поэтому вместе с хорошей идеей возникал вопрос: хватит ли у разработки людей, времени и бюджета?

Вокруг этого ограничения выросла привычная структура. Бизнес приносит идеи, продакт расставляет приоритеты, разработка говорит, сколько можно сделать и когда. Потом начинаются дорожные карты, планирование и торг за ресурсы.

Влияние тоже концентрируется там, где дефицит: если без вашей функции следующий шаг невозможен, ее мнение весит больше.

Теперь это ограничение ослабевает. Разработка перестает быть настолько дефицитной, и вместе с этим начинают меняться ценность ролей, ответственность и влияние внутри команды.

Что же изменилось на самом деле?

Самое простое объяснение обычно звучит так: AI теперь пишет код вместо людей.

От этой фразы у разработчиков часто дергается глаз, и это понятно. Сложные системы не стали простыми. Архитектура никуда не делась, legacy тоже, а прод по-прежнему умеет падать ночью.

Меняется другое. Само производство кода ускоряется, а весь путь от идеи до работающего продукта сокращается куда медленнее.

JetBrains весной 2026 года сформулировала это довольно приземленно: генерация кода становится дешевой и перестает быть главным бутылочным горлышком. Главная сложность смещается к вопросу, соответствует ли результат замыслу, и сколько вся система в итоге стоит.