Kurgan-Telecom Ru | Информационные технологии

Когда профилируешь вычисления или инференс небольших моделей в Python, часто натыкаешься на странную вещь: вроде бы под капотом у NumPy крутится мощный OpenBLAS или Intel MKL, но на небольших матрицах (16x16, 32x32) умножение A @ B работает подозрительно медленно — по 3–5 микросекунд на одну операцию.

Если ты перемножаешь матрицы 2048x2048 раз в минуту — эти микросекунды незаметны. Но когда у тебя токенная генерация с batch=1, фильтр Калмана, физический движок или обработка сенсоров в реальном времени с миллионом итераций, профайлер начинает показывать, что программа большую часть времени просто простаивает на оверхеде библиотек.

Я решил разобраться, откуда берётся этот лаг, и написать предельно компактное решение на Си с AVX2 без зависимостей, чтобы выжать максимум из одного потока процессора.

Привет, Хабр! Уже несколько месяцев я в роли подопытного кролика автора работаю с редакцией МТС через их сервис TeamStream: через него мне приходят правки, «развивающая обратная связь» и мнение редактора о написанном тексте. Я рассказывал о первых впечатлениях и переходе на работу с короткими видеороликами. 

В рабочей видеотеке быстро наступает момент, когда записей становится больше, чем времени у людей. Созвоны, фидбэки, инструкции, разборы задач со временем превращаются в архив, который лежит мертвым грузом. MWS предлагает решить эту проблему через MCP: дать доступ к записям внутри TeamStream ИИ-ассистенту и позволить ему искать и обрабатывать нужные фрагменты. Что ж, отличный повод попробовать это в деле.

В этом посте покажу, как превратить видеотеку в рабочую базу знаний. Для этого разберу пять кейсов — от инвентаризации и поиска по содержанию до сводки сразу по нескольким записям. 

У Spring за один день вышел 91 CVE — больше, чем за весь прошлый год, — и нашел их в основном AI-сканер. Oracle впервые за двадцать лет выпустила патч безопасности вне квартального цикла. А еще уже совсем скоро (15 сентября) выходит JDK 27. Обо всем этом и не только рассказываем в свежем выпуске

В данном тексте я выполнил обзор одного широко известного и очень распространенного мультиметра модели XDM1241.

При тестировании электронных плат часто надо делать множество однообразных измерений напряжений. Например для проверки линейности ADC пинов на автомобильных ECU. Чтобы исключить человеческий фактор надо автоматизировать данную задачу.

В этом тексте я показал как опрашивать мультиметр по последовательному порту без использования лицевого HMI.

Два отчёта показывают один показатель за один период. Название одинаковое, подразделение выбрано одно и то же, но значения различаются. В этот момент обсуждение часто сводится к поиску «неправильной цифры»: аналитики проверяют формулы, разработчики перезапускают загрузку, пользователи сравнивают выгрузки вручную.

Проблема в том, что совпадения названия, периода и формулы недостаточно. Один отчёт может считать текущее состояние объектов, другой - события за период. Один использовать время совершения операции, другой - время загрузки записи. Один пересчитывать историю после исправлений, другой хранить опубликованный срез. Оба расчёта при этом могут быть технически корректными.

В проектах с BI-отчётностью я работал с контуром, где данные проходили путь от операционных систем и общей базы через API и выгрузки к ручной обработке, отчётам и справкам. При такой схеме итог зависит не только от SQL-запроса. На него влияют состояние источника, дата среза, справочники, правила исключения, ручные преобразования и момент обновления каждого звена.

Поэтому расхождение лучше расследовать не как спор двух чисел, а как сравнение двух воспроизводимых расчётов. В этой статье разберу, из каких слоёв состоит показатель, как локализовать различие и что изменить в аналитическом контуре, чтобы одинаковая бизнес-метрика не реализовывалась заново в каждом отчёте.

У небольшого бизнеса с рекламой всё довольно просто. Есть 500 тысяч рублей. Их нужно потратить так, чтобы получить клиентов дешевле той суммы, которую бизнес на них заработает. Нашли блогеров, запустили рекламу, посчитали заявки и продажи. То, что сработало, закупаешь повторно, то, что не сработало, убираешь. Логика прозрачная и управляемая.

А теперь представим, что компания выросла и вместо 500 тысяч ей нужно эффективно тратить 50 миллионов рублей в месяц. Взять рабочую кампанию и просто умножить бюджет на сто не получится: лучшие площадки заканчиваются, у сильных блогеров заканчиваются рекламные слоты, аудитории начинают пересекаться, а самые очевидные покупатели уже собраны. Каждый следующий миллион размещать с прежней эффективностью становится труднее — performance при этом продолжает работать, просто дальше одного его перестаёт хватать.

В данной статье рассмотрим попытку использования решения Kaspersky Web Traffic Security (KWTS) в качестве обратного прокси (Reverse Proxy). Такой вариант использования не является стандартным и описанным в документации, поэтому данная статья может быть полезной для тех, кто уже выбрал это решение или планирует его использовать в качестве обратного прокси.

Сценариев применения много – например, таким образом можно защитить внутренние ресурсы от внешних атак, основанных на вредоносных файлах. Основная фишка KWTS – это база файловых угроз, которая регулярно обновляется и пользуется заслуженной популярностью. Протокол ICAP позволяет использовать решение в разных сценариях. Я не буду сравнивать другие решения, позволяющие реализовать такой функционал: их безусловно много. Сфокусируюсь только на возможностях именно решения KWTS, проверю его в деле, и покажу, что оно работает как ожидалось. Статья содержит инструкцию по установке, примеры конфигов и результаты проверки решения файлами с «вредоносами». Также будут отмечены некоторые особенности и «неудобства».

Всем привет! С вами снова я, тимлид команды разработки «Графини» Павел Мирошин. Надеюсь, вы успели отдохнуть и не слишком грустите по ушедшему лету. Я вот не успел — трудился над новым релизом. Но оно того стоило.

Этот маленький промежуточный релиз с летним вайбом — 2026H1.1 «Салон» — скрывает в себе очень важную и долгожданную фичу: «Алертинг» или, по-нашему, «Оповещения». Мы не стали копировать решение у наших зарубежных коллег, а разработали своё видение этого сервиса.

Под катом обзор этого функционала, а также рассказ о других обновлениях релиза.

Поступление в вуз меняет не только расписание. Для многих это первый самостоятельный переезд, поиск работы и необходимость решать бытовые задачи без родителей. Вместе с этим меняется и структура спроса.

Мы в Авито Рекламе сравнили поведение школьников, студентов и их родителей в начале учебного года и посмотрели, какие категории растут вместе с переходом на новый жизненный этап. Данные показывают: за одним очевидным запросом часто следует целая цепочка смежных потребностей.

Прочитать содержание QR кода невооружённым глазом можно, но весьма непросто. Поэтому лучше ещё при создании QR кода разместить внутри него визуальную информацию для людей, например, чтобы и без телефона было понятно, куда ведёт этот код.

Введение: Почему я решил «сидеть на попе ровно» и что из этого вышло

Зачем аналитику и архитектору AI-агент, а не просто чат в браузере  

Дошли руки распробовать такой  инструмент как OpenCode. С искусственным интеллектом через браузер я, как все, давно балуюсь и небалуюсь. Почти сразу возникла необходимость в инструменте, который не просто отвечает на вопросы и советует как опытный специалист, но и сам что-то делает на компьютере.

Браузерный ИИ сначала вызывал море восторгов и реальный прирост личных компетенций, с помощью него я решил много своих задач, но, достаточно быстро, он дал мне, человеку, почувствовать себя мартышкой при ИИ. Все его советы и подсказки мне приходилось реализовывать моими руками методом контролцэ-контролвэ. Одно копируешь, в терминал вставляешь, другое в файл размещаешь, шаришься по каталогам, открываешь и запускаешь файлы, ему обратно выдачу с терминала и принтскрины с файлами передаёшь.

Перевод интерфейса меняет текст, но сам по себе не создаёт отдельную языковую страницу. Один адрес /search/music может показать английский или русский интерфейс в зависимости от client state, cookie или настроек браузера. URL при этом остаётся тем же.

Для поисковой индексации языковые версии удобнее разделить адресами:

У маркетолога давно есть ИИ. Только работает он курьером между вкладками.

Сначала нужно обсудить с моделью аудиторию, затем открыть Wordstat, Директ, Метрику и Яндекс Аудитории. Собрать цифры, перенести их обратно в чат, снова объяснить контекст — и повторить цикл для следующей задачи.

Мы объединили эти сервисы в одном окне Cursor. Агент получает данные через API и помогает в пяти процессах: анализе аудитории и JTBD, сборе семантики, подготовке объявлений, еженедельной оптимизации и ретаргетинге. Перед записью он согласовывает будущие изменения, запускает dry‑run и ждёт решения человека.

В ходе Дальневосточного экономического форума глава Сбербанка Герман Греф снова заявил, что экономика России переохладилась, но на этот раз рядом не оказалось Эльвиры Набиуллиной, которая могла бы с ним поспорить. Нейросеть Алиса AI, оценив его мнение, пришла к выводу, что Греф «читает экономику правильнее» и «ставит более точный диагноз», хотя и покритиковала его предложения.

Дискуссия об экономике между двумя банкирами началась летом текущего года на Финансовом конгрессе Банка России, где они публично поспорили на сцене перед целым залом внимательных слушателей.

Греф привел пять аргументов в пользу переохлаждения

Тогда Герман Греф утверждал, что в ЦБ говорят, будто экономика охлаждается, но не переохладилась, и риски инфляции и переохлаждения находятся в равновесии, но, по его мнению, асимметрия уже очевидна, и точку равновесия уже прошли. В качестве обоснования своих слов он сослался на падение инвестиций в течение последних четырех кварталов. Эльвира Набиуллина факт сокращения инвестиций не отвергла, но заявила, что о переохлаждении, по ее мнению, говорить нельзя, так как в стране нет незадействованных трудовых ресурсов.

На Дальневосточном форуме глава Сбербанка решил расширить свою аргументацию, и кроме инвестиций указал еще 4 фактора, которые, по его мнению, говорят о переохлаждении. Он подчеркнул, что текущие экономические показатели уже позволяют однозначно говорить об этом, и если в конце прошлого года об этом еще можно было спорить, то на сегодняшний день все уже ясно.

6 сентября 2026 года исполняется пять лет с момента запуска программы Бета-тестирования ОС Аврора. За это время закрытое сообщество из первых 10 участников выросло до 700 человек из 17 городов России. А общее количество заявок на участие в программе сегодня превышает 25 тысяч. Бета-тестеры пробуют новые версии операционной системы и других продуктов платформы Аврора, участвуют в UX-исследованиях, первыми тестируют устройства и приложения партнеров, и помогают делать ОС Аврора удобнее.

Представьте себе систему, которая позволят собрать разных ИИ‑агентов в команду и дать им задачу, над которой они будут работать вместе. Каждый агент будет делать то, в чем лучше всего разбирается. Это называется ИИ‑оркестрацией.

Сегодня мы поговорим о том, что такое ИИ‑оркестратор. И чем он реально полезен.

Ответим на главные вопросы:

Чем оркестратор отличается от обычного агента? Как устроены мультиагентные системы? Где оркестраторы работают хорошо — и где не очень?

Если у вас когда-нибудь ломалась SD-карта, то вы знаете, как обычно решают эту проблему: снова попробовать вставить её в фотоаппарат, сменить кард-ридер, проверить на другом компьютере и, если вообще никто её не обнаруживает, признать карту мёртвой.

Но почему она умерла?

Это уже гораздо более интересный вопрос, потому что смерть SD-карты необязательно означает смерть памяти NAND, и совершенно не подразумевает потерю хранящихся на карте данных.

Монолитные SD-карты особенно любопытны тем, что бóльшая часть их электроники заключена в один сплошной корпус. Нельзя просто взглянуть на плату и сразу же распознать контроллер, чипы NAND, конденсаторы, резисторы и другие элементы, из которых состоит традиционное флэш-устройство.

Недавно нам встретился прекрасный пример этого. Переданная клиентом SD-карта SanDisk Ultra 32GB ничем не распознавалась. Изначально казалось, что потребуется сложное восстановление флэш-памяти, но в результате всё свелось к двум микроскопическим компонентам, спрятанным внутри карты. Я решил, что это будет подходящей возможностью продемонстрировать процесс восстановления.

Чтобы всё ещё ощущать себя человеком, по выходным я пишу код вручную.

Недавно я поставил перед собой задачу создания интерпретатора в 512 1024 байта старого доброго кода на C. И да, без хитростей с макросами и библиотеками.

def buzz():
for n in range(101):
if n % 15 == 0:
print("FizzBuzz")
else:
if n % 3 == 0:
print("Fizz")
else:
if n % 5 == 0:
print("Buzz")
else:
print(n)
buzz()

Наверно, мне не удастся уместить весь язык Python в интерпретатор такого размера. Так что же можно уместить в этот код?

Эта программа fizzbuzz явно выглядит, как Python. В ней есть def, двоеточия, отступы и отсутствуют скобки в операторах if. Мне кажется, это вполне походит на Python! Разумеется, наряду с использованием только подмножества синтаксиса придётся добавить и другие ограничения.

Но моя первая попытка оказалась неудачной.

Продолжаем обзор причудливых, неудобных и временами откровенно дурацких технологий, которые были обречены на забвение. (Хотя некоторые опережали время).

В статье - практический кейс создания корпоративного RAG-сервиса для поиска по внутренним регламентным и нормативным документам. Мы прошли путь от стандартного пайплайна на n8n и Qdrant до гибридной архитектуры с BM25, embeddings, RRF, reranking, структурным chunking и обработкой сложных таблиц и документов. Отдельно разбирается, почему обычная нарезка текста плохо работает на нормативных документах, как мы использовали Natasha, словари корпоративных терминов и мультимодальные модели, а также как построили систему измерения качества через Arize Phoenix и LLM-as-a-Judge. Показаны реальные результаты A/B-теста с реранкером по 9 метрикам с объяснением, почему в production-RAG важнее не «самая умная LLM», а качество подготовки документов, retrieval и воспроизводимая оценка изменений.