Kurgan-Telecom Ru | Информационные технологии

В Gravity Defied я ни разу не играл, но решил собрать её заново — в браузере и без единой библиотеки. Получилась история о том, как из пружин и пары формул собрать мотоцикл, на котором хочется сделать ещё одну попытку.

Всё началось с того, что мы с другом сели за PS5, и он запустил Trials Rising. После сотни попыток на одной трассе мне стало интересно, откуда у этого жанра растут ноги. Сам я рос на Hill Climb Racing на iPod, так что идея была знакомой, а вот первоисточник — нет. Ответ нашёлся быстро. Gravity Defied когда-то помещалась в память кнопочного телефона и держалась на одной простой мысли: мотоцикл нужно чувствовать, а любая неточность в наклоне заканчивается ударом головой о землю.

Полгода назад я показывал ядро OptimaOS — Rust-ядро, которое загружается на реальном x86_64. С тех пор вокруг него появились собственная файловая система (ФС), установщик внутри прошивки, формат исполняемых файлов и модель приёмки, где доказательство можно проверить машинно.

Первая статья собрала много вопросов. Зачем ещё одна операционная система (ОС), чем она отличается от Linux, почему GPL, как относиться к коду, написанному с помощью LLM (large language model, большая языковая модель). Постараюсь ответить на все вопросы.

У всех, кто гоняет GLM-5.3 Prime в проде на ризонинге Max, есть это ощущение: вроде думает, а вроде и недодумывает. Задача у меня стояла зверская — изобрести уровень усилия «Max Extra» чисто промптингом: минимальная вставка в системный промпт, приближенная к обучающим данным, без овер-тхинкинга. И буквально вручную подобрать каждый токен.

Зачем? Я заметил что на Max ризонинге нейронка на «Привет» думает по минуте, а для миграции всего проекта на другой стэк - максимум секунд 15 (*личное ощущение).

Я построил свой бенчмарк: 342 грязных промпта как у живых юзеров (опечатки, «пжпж», «хз», «ну короче»), поровну EN и RU, LLM-грейдер, парные sign-тесты и ~50 тысяч запросов к провайдеру за вечер.

Спойлер: гипотеза «нейронке не хватает глубины мышления» умерла в первой же фазе. А вот что я нашёл вместо неё — интереснее.

В час пик средняя скорость передвижения по Бангалору, по данным рейтинга TomTom, около 14 км/ч. Город на втором месте в мире по загруженности. Чтобы управлять таким движением, нужны данные: где пробки сейчас и что будет на дорогах через пять минут. Дорожных датчиков в городе почти нет, зато есть больше пяти тысяч камер безопасности.

Из их видео можно получить и карту пробок, и краткосрочный прогноз. Но записи в одном месте не собрать: канал не выдержит такой поток, а камеры принадлежат разным ведомствам, и делиться сырыми кадрами те не обязаны.

Исследователи из индийского института IISc предложили другой путь: видео обрабатывать рядом с камерой, а дальше передавать только числа — сколько машин какого типа проехало. Систему назвали TrafficFab и проверили на стенде из 400 видеопотоков.

Почему сэмплеры 4 и более порядков взрываются в диффузии, и как мы это починили: история создания Flow-WLS

Агента сегодня можно собрать за вечер: длинный промпт, пара инструментов — и он что-то делает. Сложности начинаются потом: поведение нельзя проверить, любая правка промпта что-то ломает, а на вопрос «почему он так сделал?» ответа нет.

В этой статье разберём, как спроектировать агента как инженерный объект: со спецификацией, тестами, ограничениями и метриками. Подход собран из Spec-Driven Development (SDD), моделей зрелости и автономности агентов и практики команд, которые уже внедряли агентов в разработку.

Для кого: разработчики и тимлиды, которые уже работают с Claude Code, Cursor или другим агентом и хотят сделать своего — для конкретной задачи команды.

Сквозной пример: агент-ревьюер, который проверяет pull request на соответствие спецификации фичи (spec.md) и оставляет отчёт. Он полезен сам по себе, и на нём хорошо видны все слои: чтение данных, действия с последствиями, эскалация к человеку. Примеры файлов даны в формате Claude Code, но подход переносится на любой инструмент.

Что получится в конце: шесть файлов-артефактов (конституция, спека агента, скилы, эталонные примеры, правила доступа, метрики).

Привет! Это Иван Воробьев, ведущий инженер отдела базового качества рекомендаций в VK Видео (AI VK). 

Эта статья — про механизм рекомендаций, который мы называем стримами. Он появился из довольно обычной инженерной ситуации: рекомендательный пайплайн решал сразу несколько разных задач, что приводило к нетривиальным взаимосвязям, и со временем улучшать элементы системы по отдельности стало трудно. Продуктовой фичей стримы при этом не назовёшь: для пользователя изменения не должны быть видны. Ценность другая — командам становится проще дорабатывать отдельные составляющие рекомендаций, не задевая соседние.

С помощью стримов мы разделили один большой пайплайн на несколько специализированных поменьше, у каждого из которых своя задача и своя конфигурация. В рекомендациях VK Видео этот подход уже внедрили, а затем через платформу сделали доступным и для других продуктов.

Вам знакомо, когда под понятием air gap в компании подразумевают только сетевое закрытие контура? Отрезали выход в интернет — и вроде бы всё под контролем. Обычно с этого допущения и начинаются самые эпичные аварии.  

Меня зовут Алиса Кириченко, я отвечаю за разработку контейнерной платформы «Штурвал». Сегодня расскажу об уязвимостях в air gap-среде, о которых забывают и в которых чаще виноваты не злодеи снаружи, а мы сами. Один реестр образов на все зоны, неподписанный артефакт, устаревшая база уязвимостей и автоматическая политика, которая в порыве заботы готова отключить кластеру сеть. Под катом — четыре практики, которые держат на плаву закрытые мультикластеры.

Теория броуновского движения основана на использовании стохастического уравнения Ланжевена. Как обсуждалось в предыдущих статья, физическая теория придает смысл проводимым экспериментам. В этом случае формальный ответ на вопрос, вынесенный в заголовок, звучит следующим образом: броуновская частица движется случайным образом, но это все, что можно сказать, и мы не знаем траекторию движения броуновской частицы. Цель настоящей статьи заключается в более подробном рассмотрении происходящего при экспериментальном изучении движения броуновской частицы.

Вначале разобрано безынерционное стохастическое уравнение Ланжевена, а затем рассмотрено, каким образом математический формализм выглядит в глазах математика и физика. Формально физическая величина (коэффициент диффузии) связана с моментом случайной величины (средним квадратом смещения броуновской частицы). Таким образом, экспериментально измеряемое положение броуновской частицы является испытанием случайной величины, а выборка измерений позволяет провести оценку физической величины как момента случайной величины.

Проведенный анализ раскрывает озвученный вывод - теория задает вероятность перехода броуновской частицы, поэтому без проведения измерений можно только говорить о вероятности нахождения частицы. Далее в обсуждении затрагивается вопрос связи случайной величины с миром и о достоверности проводимых экспериментов. В случае броуновского движения механизм связан с наличием флуктуаций. Переход к квантовой статистической механике сдвигает вопрос о появлении стохастичности на другой уровень, но в то же время это не влияет на обсуждение достоверности экспериментальных результатов.

Хотел внедрить таск-трекер и получить премию. Вместо этого получили цифровую бюрократию, приоритет «Петрович» и мужика, который заводил задачи за сигареты. Через месяц мы тратили на оформление задач больше времени, чем на их выполнение. Рассказываю, как мы с мужиками цифровизировали госконтору.

Пару лет назад делал детальный обзор одного из фейковых планшетов, которыми были забиты маркетплейсы. Несмотря на то, что история ушла в народ (собрав в сумме почти миллион просмотров), фейков в продаже меньше не стало. Наоборот, мошенники стали приспосабливаться.

Во-первых, перестали упоминать в карточках товаров бренд Lingbo, под которым идет большинство фейков. Во-вторых – задрали цены. Если ранее фейки дороже 12 тыс. почти не встречались, то сейчас много предложений по 20-30 тыс. Ведь фантастическая конфигурация с 32 ГБ ОЗУ и 2 ТБ накопителем не может стоить совсем дешево?

Ну а что там на самом деле за «железо» в этот раз – кратко, но емко разберем под катом.

ChatGPT может безошибочно посчитать метрики, найти тревожные тренды и предложить план действий — даже если в данных нет ничего, кроме случайного шума. В эксперименте на синтетических данных интернет‑магазина AI‑ассистент сделал 30 аналитических утверждений, ни одно из которых не выдержало статистической проверки. Разбираемся, почему возникают такие ложные инсайты и как проверять выводы ИИ, прежде чем принимать на их основе бизнес‑решения.

Привет! На связи Данил, TypeScript‑разработчик в команде Platform V DataSpace в СберТехе. DataSpace — это модуль платформы для визуальной (low‑code) разработки бизнес‑приложений и управления данными. Он предоставляет GraphQL API для работы с базой данных. Мы развиваем продукт уже несколько лет, но сейчас из‑за бурного развития ИИ и MCP появилась вполне ожидаемая задача: подключить этот API к ИИ‑агентам через Model Context Protocol (МСP).

MCP нужен, чтобы ИИ‑клиент мог обнаруживать инструменты, понимать их входные параметры и вызывать внешние системы через стандартный протокол. На первый взгляд GraphQL хорошо подходит на роль источника MCP‑инструментов: схема уже описывает типы, входные аргументы и форму результата, но сама по себе не отвечает на главный вопрос: «какую часть API и с каким уровнем свободы следует открыть агенту?».

В DataSpace сценарий получился таким:

- есть API GraphQL поверх модели данных;

- есть ИИ‑агент, которому нужно выполнять прикладные действия;

- между ними нужен MCP‑адаптер;

- команда бэкенда хочет сохранить контроль над контрактом, типами и безопасностью.

Вопрос оказался не в том, можно ли подключить GraphQL к MCP. Можно. Интереснее другое: какой формы должен быть MCP‑адаптер для API GraphQL?

В этой статье я расскажу про несколько вариантов таких адаптеров и про наш выбор: генерировать MCP‑инструменты из заранее подготовленных GraphQL-операций.

Привет сообществу. Это мой первый пост. Если что не судите строго.

Случившийся с нами в последние годы ИИ-шный катарсис с бесплатным доступом к большим облачным моделям навёл немало беспорядка в молодых и не очень головах. И наверно много кто из вас, как и я столкнулся с проблемой, когда помнишь, что буквально недавно обсуждал какой-то важный вопрос с "Гаврюшей", но не помнишь с каким и в каком сервисе. Часто приходилось открывать новый чат где попало и задавать вопрос по новой.

Браузер - классное решение для доступа, но с отсутствием одной важной функцией о которой я скажу чуть позже. Поиски десктопного софта не увенчались особым успехом. Хотелось что-то быстрое, кроссплатформенное и красивое. Родные приложухи от больших игроков это полный треш - открываются долго и нудно, постоянные лаги и подвисания - несколько раз ставил и через время сносил - бесит. Софт отдельных энтузиастов по большей части направлен на доступ к большим облачным моделям по api, а с бесплатными акками это не работает, да и plus и pro тоже отпадает, как выяснилось. У меня была подписка Perplexity pro и сейчас ChatGPT Plus и с помощью этих приложух я не могу подключиться к своим аккаунтам и работать.

Копнул поглубже и нашёл неплохую апку https://github.com/onlyvictus-bit/ai-bank, которая подходила под мой запрос. Апка подключалась к чатам по обычному https и вроде да, но к сожалению главной функцией этой программы была возможность отправить один промпт одновременно всем подключённым моделям сразу и затем сравнить ответы. И даже она походу была сломана. Короче решил задать вопрос недавно установленному агенту, а можем ли мы её переделать в то, что я хочу.

В прошлой статье я писал про GitBor, git-клиент, через который я проверяю, что на самом деле наворотил ИИ-агент. Эта статья про самого агента. Делал я их параллельно. Один инструмент пишет код, второй показывает, что получилось.

Корпоративная модель у нас хорошая, но контекст около 100 тысяч токенов, а популярные агенты тратят его не задумываясь. Рассказываю, как переделал агента под закрытый контур: экономия контекста, несколько задач во вкладках, голосовой ввод без интернета — и почему расширение для VS Code прошло туда, куда программу с ИИ не пустили.

Летом я написал бота, который сам искал вакансии на hh.ru, оценивал их через LLM, писал сопроводительные и откликался. За два месяца он разобрал 1518 вакансий и отправил 339 откликов. Рассказываю, что из этого вышло: воронка, какие правки поднимали конверсию и почему расширение поиска ее уронило.

Картина знакома почти каждому, кто работал в команде ИТ‑департамента внутри компании. Задачи прилетают в мессенджер конкретному аналитику/программисту, приоритет определяется громкостью заказчика, доработки проверяются прямо в рабочей базе. Бизнес недоволен скоростью и качеством, ИТ — бесконечными пожарами и невозможностью что‑либо планировать и распределять ресурсы.

При этом все понимают,что необходимы изменения и организация рабочих процессов.

Почему же ничего не меняется? Неожиданный ответ мне подсказала теория игр (спасибо университету за это!) и она же подсказывает, как из этой ловушки выбраться.

У меня есть бот-консультант на aiogram 3 и FastAPI, который оформляет заявки через Claude. Когда Telegram стал открываться у клиентов через раз, я добавил второй канал, MAX, не переписывая логику. В статье: что в MAX Bot API устроено иначе, чем в Telegram (сертификат Минцифры, вебхук, который глушит polling, лимиты, кнопки), как держать пользователей двух мессенджеров в одной таблице, где я потерял час и как всё проверялось без боевого токена.

Сегодня на первый план выходит не знание кода или алгоритмов, а навык решения конкретной поставленной задачи и нестандартное мышление, которое вместе с ИИ даёт колоссальные возможности в работе.

Старый способ найма устарел и перестал отвечать рынку. Хочу рассказать свой опыт нестандартного найма, который показал свою эффективность.

Недавно нам на глаза попался APK-файл с интригующим и внушающим доверие названием «Антивирус ФСБ.apk».

Установив его, мы обнаружили, что при запуске пользователя встречает интерфейс известной программы для управления звонками на Android — Right Dialer от разработчика Goodwy.

Вероятнее всего, выбор злоумышленников пал именно на это приложение, так как оно запрашивает большое количество разрешений: работа с контактами, выполнение звонков, доступ к камере и так далее.