Kurgan-Telecom Ru | Информационные технологии

Операционный усилитель можно найти почти в любой аналоговой аппаратуре — в аудиоустройствах, таких как микрофоны, усилители, микшеры и эквалайзеры, в медицинском оборудовании, в измерительных приборах и космических зондах.

Разберёмся, как ОУ устроены и почему они стали универсальным строительным блоком аналоговой техники. Пройдём путь от ламповых конструкций до копеечных микросхем, соберём несколько схем на недорогом LM358 с однополярным питанием — и в финале сделаем своими руками простейший электрокардиограф и снимем настоящую кардиограмму.

Делюсь опытом: собрал прод-агента на Claude для небольшой студии дизайна интерьера. Чат отвечает на Haiku 4.5, генератор концепций — на Sonnet 4.6, фото из Pexels вместо DALL-E. Без LangChain, без векторной базы, без RAG-фреймворка. Один файл main.py на 712 строк, два промпта. В статье разбираю развилки: почему именно так, на каких граблях постоял (порог кэша 4096 у Haiku, парсинг JSON-обёртки от Sonnet), где этот подход начнёт ломаться. Не «гайд от эксперта» — скорее дневник развилок.

Фикстуры в Playwright дают много возможностей, но за это приходится платить пониманием их жизненного цикла. В статье показываю на простых графиках, как фикстуры создаются и очищаются, как работает auto-режим, зависимости и скоупы.

Всем привет! Это первая публикация из цикла статей про распределение сервисов в кластере виртуализации. В статье будет описан один из подходов к решению задачи от определения проблемы до результатов тестов с демонстрацией работы готового решения.

В июне 2026 года SpeShu.AI провела качественное исследование: 86 компаний малого и среднего бизнеса, глубинные интервью с собственниками и топ-менеджерами, 6 ключевых вопросов.

14 из 86 компаний дали открытые данные, которые можно цитировать. Выражаем благодарность за участие и публикуем названиях всех участников в конце статьи.

Результаты оказались неудобными для тех, кто продаёт ИИ как волшебную таблетку, а главным барьером оказались далеко не деньги.

Perplexity — не ещё один чат-бот, а answer engine: модель, построенная вокруг поиска и цитирования источников, а не вокруг свободной генерации текста. В 2026 году компания ушла далеко за пределы простого «поиска с ИИ» — добавила собственный браузер Comet с агентными функциями, режим сравнения нескольких моделей одновременно и инструменты для построения отчетов и презентаций прямо из результатов поиска.

Разбираем архитектуру Perplexity, реальные возможности с честными ограничениями и то, как получить доступ из России обычным пользователям.

Привет, Хабр! На связи Игорь Шишкин, я руковожу отделом разработки облачной платформы Рег.облака. Когда инженеру нужно где-то сложить данные, первая мысль — взять диск побольше. Но внутри нашей инфраструктуры почти всё, что растет и читается параллельно, давно переехало в S3: логи, метрики, бэкапы баз, образы контейнеров, артефакты сборок. Диск остался только там, где он по-настоящему незаменим. В этой статье я расскажу, где именно мы используем объектное хранилище и почему в каждом из этих мест выбрали именно его, а не диск.

Всем привет!

Одна из самых распространённых операций в сфере пространственной обработки и аналитики данных — это геокодирование. Если кратко, это когда вам необходимо по адресу объекта (например: Москва, Красная площадь, 1) или его названию (Государственный исторический музей) получить географические координаты, то есть понять, где находится это место, или же наоборот — получить адрес по координатам.

В интернете можно найти не одну и даже не один десяток статей, посвящённых сравнению этих сервисов между собой. Но обширных исследований, посвящённых точности возвращаемых результатов, мне найти не удалось. Зачастую проверка делается на небольшом количестве адресов 10–20. Понятно, что при такой выборке полученные результаты не могут претендовать на универсальность во всех случаях.

А даже если мы и определим сервис геокодирования, который в проведённом сравнении даст хороший процент корректных ответов, условно 90%, как при запуске на новых адресах понять, какие объекты были определены корректно, а какие нет? И какая доля корректных относительно всех переданных для геокодирования объектов?

И, честно сказать, это положение вещей меня угнетает…

В данной статье я постараюсь выяснить, какой из сервисов даёт наиболее точный результат в рамках Москвы на примере 2 000 адресов, а также предложу способ проверки полученных результатов.

Всем привет! Я Никита, тимлид команды Android в Банки.ру. 

Недавно, внедряя в приложение фичу авторизации без SMS-кода (seamless), мы столкнулись с тем, что она в упор отказывалась работать – но только на Android. Мы дебажили ее полторы недели, перепробовали все возможные варианты и закошмарили всех доступных операторов связи, прежде чем узнали, что все дело было… в энергосбережении.

В статье рассказал про наш путь борьбы с энергосбережением и, возможно, это сэкономит вам десятки часов дебага.

Привет, Хабр! На связи команда Data Sapience. С последней публикации результатов тестирования MPP-движков прошло уже несколько месяцев. За этот период произошел ряд изменений в базовых версиях open source движков и фреймворков, а также наша команда разработки внесла ряд улучшений и доработок. Все это может повлиять расстановку сил в рейтинге.

В сегодняшней публикации мы представим максимальное число претендентов, среди которых: Spark 3.5.*, Spark 3.5.* + DataFusion Comet, Spark 4.0.1, Spark 4.0.1 + DataFusion Comet, StarRocks (core based 3.5+, 4.0+), Impala (core based 4.5), Trino (459, 476, 479) и новичок нашего рейтинга — Apache Doris.

Статья поможет вам ответить на вопросы: стоит ли переходить на Spark 4 в поисках производительности; Как нативные вычисления влияют на результаты Spark; Как улучшилась производительность Trino за последние полгода; нужно ли присмотреться к Apache Doris, если вы ищете альтернативу Impala и StarRocks, и как эти проекты связаны между собой; какие оптимизационные улучшения были добавлены нами в StarRocks и Impala за последнее время.

И на десерт мы покажем вам сравнение Greenplum, Cloudberry и StarRocks в режиме Shared-Nothing MPP.

Наверное, многие из вас хоть раз в жизни пытались выработать у себя какую-нибудь полезную привычку с помощью трекера привычек (я имею в виду и приложения в телефоне, и просто записи в обычном бумажном блокноте). Я не раз начинал это дело с большим энтузиазмом, а потом что-то шло не так, и через месяц его уже и открывать стыдно. 

Конечно, сначала все отлично. Новенькое приложение, красивый ежедневник или просто табличка на холодильнике. И вот первые недели две, наверное, я исправно там отмечался и радовался, какой же я молодец. Потом появлялся первый пропуск. Потом второй. Еще пара. Ну и все, собственно. Сценарий один и тот же раз за разом. Сначала дофамин, потом раздражение (даже от самой необходимости отмечаться), а в конце вообще чувство вины и желание не видеть этот интерфейс вообще никогда. Что именно в этой схеме ломается, если идея отслеживать привычки сама по себе звучит вполне разумно? 

Нет, трекер действительно помогает, но только поначалу. Он заставляет наконец-то посмотреть на свои действия, на конкретные сделал/не сделал и делает результат более наглядным. Ты видишь красивый столбик из галочек, например. А еще он дает, скажем так, маленькую награду за каждый шаг. Поставить очередную галочку за что-то полезное - довольно приятное ощущение. И на старте этого достаточно, чтобы сдвинуться с мертвой точки. 

Проблемы начинаются потом. Когда первый азарт проходит, а привычка еще не успела стать частью жизни. Мозг быстро привыкает к тому, что отметка и есть завершение действия. И поначалу все как будто бы честно. Сделал - отметил - порадовался. А через какое‑то время границы размываются. Бывает день, когда руки не дошли, но портить красивый ряд отметок пропуском не хочется. И вот ты отмечаешь уже авансом - попозже сделаю, а сейчас отмечу, чтоб не забыть. Формально как бы ничего страшного. Но фактически ты получаешь свою маленькую награду в виде дофамина не за действие, а за факт отметки. А разницы по ощущениям не так много. 

Привет, Хабр!

Пожалуй, многие из вас, как и я, неравнодушны к музыке, особенно когда она звучит по-настоящему качественно. В прошлых своих статьях я уже делился опытом реализации портативной беспроводной акустики, где в качестве транспорта аудиопотока используется Wi‑Fi вместо «классического» Bluetooth. Но год эксплуатации и накопленный пользовательский опыт подтолкнули меня к созданию улучшенной версии. А что из этого вышло – читайте далее.

Хочу анонсировать свой фреймворк Point0. Это первый Bun FullStack фреймворк сопоставимый по функционалу с Next.js и TanStack Start. Однако, имеет кардинально другой DX, ради которого и был создан.

Мне всегда не нравились существующие фреймворки, особенно Next.js и Remix (React Router). Но я думал, что, видимо, по-другому фреймворки просто не получаются, поэтому и не делают. А громоздкость, чужие строгие соглашения, неповоротливость архитектуры, это просто необходимое зло, с которым я должен смириться.

В какой-то момент во мне накопилось критическое ощущение, что всё же должно быть совершенно по-другому. И я подумал, а напишу-ка я псевдокод на воображаемом фреймворке, который бы меня устраивал, вообще не взирая на возможность реализации. Просто буду писать проект, будто бы идеальный фреймворк существует.

И получилось так здорово, что я просто забыл обо всём на свете и 10 месяцев пилил реализацию этого фреймворка, а 3 месяца назад даже уволился с работы, чтобы уже скорее его добить. И вот добил, и хочу поделиться с вами.

Выбор языка программирования (ЯП) отражает стиль мышления разработчика. Однако если какой-то язык называют «популярным», это вовсе не значит, что он самый перспективный и единственно достойный глубокого изучения. Просто в данный момент он чаще на слуху по разным причинам. Это может быть следствием лёгкости освоения, востребованности в какой-то быстро растущей и специфической отрасли, ошибкой интерпретации статистических данных или просто хайпом. В этой статье вместе с разработчиками и исследователями компании «Криптонит» мы проследим динамику рейтингов ЯП, разберёмся, что скрывается за всплесками интереса к разным языкам, какие из них действительно востребованы и почему.

Для понимания общей картины рассмотрим подробнее, что говорят о популярности ЯП в источниках с разной методологией и оценим динамику.

В проекте пользователям регулярно нужно скачивать наборы документов в виде архива. Изначально архивы формировались только из файлов внутри системы, но задача усложнилась, когда потребовалось добавлять внешние источники. В статье я разбираю решение на базе nginx mod_zip и потоковой генерации архива, позволяющее собирать ZIP «на лету» с минимальной нагрузкой на сервер. Также я подготовил простое демо, где можно всё попробовать самостоятельно.

Любое современное приложение работает с конфиденциальной информацией. Персональные данные пользователей, финансовые данные, внутренние документы компаний — все это хранится, передается и обрабатывается в облачной инфраструктуре. И чем больше критически важных данных оказывается в облаке, тем острее встает вопрос их защиты.

Привет, Хабр! Меня зовут Никита Трунов, я — разработчик команды инфраструктурных сервисов K2 Cloud. Сегодня расскажу вам о нашем новом облачном сервисе управления ключами KMS и как он помогает с шифрованием данных в облаке. В этом материале мы разберемся, какие данные приходится защищать, какие существуют модели доверия к облачному провайдеру и как устроена архитектура современного сервиса управления ключами.

Привет, Habr! Меня зовут Валентин, я DevOps-инженер команды Platform V Kintsugi. Мы занимаемся развитием облачного сервиса и на практике регулярно сталкиваемся как с архитектурными задачами построения распределённых систем, так и с вопросами обеспечения их безопасности.

В предыдущей части мы подробно разобрали механизм делегирования TLS-соединения на уровень Service Mesh и показали, как Egress Gateway может выступать полноценным участником PostgreSQL handshake. Однако этот сценарий рассматривался в упрощённой конфигурации — один сервис, один сертификат, одно подключение.

Классический сценарий: снимок получился практически безупречным, но на заднем плане зафиксирован случайный объект, а особенности инсоляции увели лицо модели в глубокую тень. Буквально несколько лет назад исправление подобных дефектов требовало кропотливой ручной работы с инструментами ретуши в десктопных графических пакетах. В 2026 году продвинутая нейросеть для обработки фото решает аналогичные задачи за пару мгновений — пользователю достаточно выделить проблемную область маской и текстовой командой описать желаемые изменения.

В данном материале проведена граница между мощными ИИ-движками для глубокого редактирования изображений и маркетинговыми проектами с обещаниями. Если перед вами стоит задача интегрировать новый объект в существующую сцену, перенести персонажа из привычной локации на морское побережье или качественно отредактировать картинку без погружения в сложные технические нюансы — это руководство поможет определиться с выбором. Мы подробно изучили весь спектр решений: от тяжелых корпоративных систем уровня Gemini до узкоспециализированных нишевых инструментов.

Я врач с более чем 30-летним стажем, последнее время работал доцентом медицинского вуза. Недавно вышел на пенсию и получил то, о чем мечтал всю трудовую жизнь — много свободного времени, и часть его желательно тратить с пользой (а не только играть на ПК, что я, конечно, тоже люблю).

Я давно, со студенчества, интересовался проблемами старения организма. Поработав с десятками тысяч пациентов, я уже не удивлялся, что паспортный (хронологический) возраст и реальное состояние организма — это две разные вещи. Один пациент в 60 бегает марафоны, другой в 45 еле ходит по дому. Но причины этого медицине, честно говоря, до ситх пор непонятны. Мне хотелось как‑то объективизировать, оцифровать, что ли, эту разницу без сложных анализов и дорогостоящих исследований. И чтобы каждый человек мог легко и просто оценить свой биологический возраст — не просто для того, чтобы его узнать — а сделать определенные выводы и, возможно, изменить свои привычки и даже обратиться к специалистам. Теперь для этого есть общедоступные инструменты — смартфоны с фотокамерой, искусственный интеллект и модели, способные анализировать, состояние кожи и другие показатели по фотографии. Надо попробовать, решил я. Но для этого нужно создать мобильное приложение. Раньше я бы на такое не замахнулся, ну а сейчас — время есть, инструменты есть, желание есть — why not?

Вы когда-нибудь задумывались, зачем нужны библиотеки для навигации в Jetpack Compose? Почему мы не можем просто взять mutableStateOf со списком экранов и переключаться между ними? Оказывается, если мы попробуем реализовать такой наивный подход, то столкнёмся с рядом проблем: rememberSaveable не работает, ViewModel не очищаются после ухода с экрана, Lifecycle не работает корректно и многое другое.

В статье разберём, как работают библиотеки навигации в Jetpack Compose и какие задачи они решают на примере библиотеки навигации Modo.