Kurgan-Telecom Ru | Информационные технологии

Мы живём в уникальный момент истории — впервые за несколько миллионов лет эволюции на планете появился не просто новый инструмент, а новый тип интеллекта, который не ограничен биологическим носителем. Искусственный интеллект перестал быть лабораторным экспериментом и стал частью повседневной реальности: он пишет код, ставит диагнозы, проектирует здания, ведёт переговоры, создаёт искусство. Но самое важное — он делает это всё лучше с каждым месяцем. Вопрос уже не в том, заменит ли ИИ человека, а в том, как именно изменится мир, когда интеллект перестанет быть исключительно человеческим атрибутом.

TL;DR: Привет, Хабр. С 2 по 12 мая я в режиме нон-стоп писал Doday — кросс-платформенный todo: web, Telegram Mini App, чат-бот. Получилось 317 коммитов, ~40 000 строк кода, 633 теста, 38 модулей в app/. Стек — FastAPI + HTMX + Alpine.js + Tailwind, без единой строчки React. Писал в паре с Claude Code, и не скрываю этого — расскажу как именно и какая часть кода реально моя голова, а какая — клавиатура. Грабли, цифры, ссылки внутри.

Мне всегда было интересно, что там во всех этих 2000+ вакансиях, которые мне выдает hh.ru, когда я туда захожу? Самому хватало терпения просмотреть 20-30, ну от силы 40 вакансий. Понятно, что можно перелететь в конец (или любую страницу) пэйджинга и там глянуть часть вакансий, но это не дает всей картины в целом, а это важно.

А что если перепоручить задачу (ну хоть какую-то её часть) ai-агенту?

Недавно мы в Beeline Cloud делали подборку руководств и обучающих материалов по теме эмбеддингов. Сегодня решили поговорить о распространенном подходе к семантическому поиску на основе косинусного расстояния, а также альтернативных методах. Заодно посмотрим на несколько любопытных проектов, использующих векторные представления на практике — среди них сервис, позволяющий сравнить свои технологические предпочтения с интересами разработчиков вроде Линуса Торвальдса.

Почему один из самых требовательных тестов ИИ уже, похоже, пройден

Тест Лавлейс предложили в 2001 году, чтобы закрыть слабые места более известного теста Тьюринга. Названный в честь Ады Лавлейс - одной из первых программисток, которая сомневалась в творческих способностях машин, - он быстро стал считаться одним из самых жёстких критериев машинного интеллекта. Часто его воспринимают не просто как сложный, а как принципиально непроходимый для ИИ.

Опубликован Prometheus JMX Exporter 1.6.0 — выпуск экспортёра, предназначенного для сбора значений JMX MBean из Java-приложений и выдачи их в виде метрик Prometheus. При соответствующей настройке JMX Exporter также может отправлять данные через OpenTelemetry. Код проекта распространяется под лицензией Apache-2.0.

JMX Exporter можно запускать в нескольких режимах: как Java-агент внутри целевой JVM, как standalone-экспортёр для опроса удалённого JMX/RMI и как isolator Java agent для нескольких изолированных экспортёров в одной JVM. В документации Java agent указан как рекомендуемый вариант для большинства пользователей, так как он позволяет обойтись без настройки удалённого JMX/RMI.

( читать дальше... )

 java, jmx exporter, prometheus

Ещё вчера рекрутеры сами стучались в LinkedIn, джуны выбирали между тремя офферами, а «войти в IT» звучало как план на жизнь. С 2022 по середину 2026 более 824 000 человек в IT потеряли работу (Layoffs.fyi).

Звучит как конец. Но если посмотреть на последние 26 лет, это уже третий «конец».

Если вы когда-нибудь сидели в баре и пытались вычленить из общего гула голос конкретного человека, вы знаете, что такое эффект коктейльной вечеринки. Для людей с нарушениями слуха это ежедневный барьер, ведь слуховые аппараты усиливают звук, но не определяют, кого именно нужно слышать. 

Раньше решения этой проблемы не было, но в мае 2026 года в Nature Neuroscience вышла работа, в которой специалисты доказали, что слуховой аппарат может в реальном времени усиливать голос того, на кого падает внимание. О том, как ученые пришли к этому, при чем тут хорьки и что это может дать тем, у кого отличный слух, — под катом. 

Годами многие японские игры оставались без перевода, имея при этом культовый статус. Часть игр всё же получает перевод — хотя такие релизы правильнее было бы называть «адаптациями». Но есть ещё много таких игр, о которых вы знать не знали, — а они классные и необычные. О том, почему не все японские игры добираются до Запада и почему фанатские локализации малоизвестных игр важны, хотелось бы рассказать в этом материале.

Продолжение статьи про ИИ в реальном мире — по просьбам из комментариев.

Как устроено железо: из чего собран робот, почему компас врёт, дальномер ведёт под шкафы, а пистолет съел неделю вместо дня. Не туториал, а разбор граблей.

Пол-года мой личный ИИ-агент “Паспарту” жил на OpenClaw. Я переехал на опенсорсный self-hosted Hermes — и собрал пятнадцать граблей, чтобы Вы их обошли. Честный разбор переезда + пошаговый гайд, по которому повторите за пару часов.

Если ваш проект перерос стадию “просто собрать” и теперь требует бесперебойной работы в проде, простого пайплайна больше недостаточно. Главная боль — как исключить downtime и иметь возможность мгновенного отката? В третьей части цикла разбираемся с GitLab Container Registry.

Мы настроим хранение версий Docker-образов, разберем подводные камни Docker in Docker (dind) и SELinux, а также автоматизируем тестирование перед выкатом. Наконец простейший скрипт для запуска контейнера на production-сервере из вашего приватного Gitlab Registry.

Что, если бы сканируемый код не был обязан выглядеть как набор квадратов и полосок? Что, если он выглядел бы как залитый дождём ночной город — и при этом всё равно безошибочно считывался?

Это NoiR Code. Он кодирует текст в изображение, которое читается как чёрно-белый нуар-кадр: полутоновый силуэт города, луна, штрихованные тени. Наводишь камеру в специальном приложении или веб-сервисе, созданном для поддержки этого формата, и получаешь своё сообщение обратно. Попробовать можно здесь: noir-code.suncake.xyz

Личный кейс из телекома: как мы сопоставляли биллинг, 1С, адреса, услуги и партнерскую платформу, чтобы найти, где нарушается синхронизация.

Когда говорят про DWH, чаще всего обсуждают управленческую отчетность, BI-дашборды, витрины данных и красивые графики для руководителей.

Но моя боль была в другом, и сейчас я знаю, что ценность DWH неизмеримо больше: он помогает не просто смотреть на бизнес сверху, а находить конкретные операционные ошибки, которые годами живут внутри сложной ИТ-инфраструктуры.

О том как информационная безопасность влияет на архитектуру.

Идеальная архитектура часто умирает в тот момент, когда сталкивается с первым серьезным требованием информационной безопасности. В этот же момент умирает и сама безопасность, превращаясь в "бумажную" надстройку, которую проектная команда будет саботировать при любой возможности. Итогом этого столкновения становится "безопасный труп" — система, которая теоретически защищена от всего на свете, но практически не способна эволюционировать, масштабироваться и приносить деньги бизнесу.

Проблема не в жесткости регуляторов, а в системном сбое: мы привыкли воспринимать информационную безопасность как внешний фильтр, а не как фундаментальное свойство дизайна. В результате архитектор проектирует "воздушные замки", а ИБ-специалист строит вокруг них бетонные стены. Мы заигрались и забыли, что мы — это лишь сервис для обеспечения работы продукта.

Nano Banana 2 мощный ИИ для генерации красочных изображений и реалистичных фотографий. Разбираем алгоритмы работы нейросети, принципы составления запросов и делимся 45 готовыми промптами и идеями для ваших проектов.

Представьте: вы сидите перед ChatGPT. Вам нужно решить сложную математическую задачу или рассчитать налоги. Что вы напишете в промпте? Наверняка что-то вроде: «Действуй как профессиональный аналитик, решай пошагово, используй строгую логику…» И это кажется единственно верным подходом. Мы привыкли думать, что языковые модели — это цифровые калькуляторы, которым для успеха жизненно необходим четкий алгоритм.

А теперь представьте другое. Вместо стройного контекста вы отправляете ИИ это: «Ты — хранитель старого маяка, смотрящий на ртутное море» или «Ты — ткач древних гобеленов». Никаких формул. Никаких «пошагово». Звучит как бред сумасшедшего? Абсолютно.

Но происходит невероятное: получив эту бессмысленную фэнтези-ролевку, нейросеть вдруг начинает выдавать более точные и качественные результаты, чем с самой безупречной логической инструкцией.

Свежее исследование «Spurious Prompts» наносит сокрушительный удар по нашим представлениям о промпт-инжиниринге, вводя в обиход “подложные промпты”.

Ты уже пользуешься языковыми моделями — спрашиваешь, генерируешь, отлаживаешь код. Но откуда берётся сама способность отвечать? Не «где хранятся данные», а именно — как из случайно инициализированной матрицы чисел вырастает нечто, способное объяснить теорему Пифагора, написать резюме или найти баг в чужом коде?

Ответ не в магии и не в «огромной базе данных». Под капотом — три последовательных этапа обучения. Каждый решает строго свою задачу, и без предыдущего следующий просто невозможен. Разберём каждый по очереди.

Разбираю, как я отделил жизненный цикл задачи от владельца следующего действия, чтобы AI-агент видел не просто список дел, а очередь: что можно брать в работу, что ждет человека, что требует ревью и что заблокировано.

pip install, requirements.txt, virtualenv, black, isort, flake8, mypy, setup.py... Если вы настраиваете Python-проект так же, как в 2020 году, эта статья для вас. Показываю современный стек, который заменяет всё вышеперечисленное.

В 2026 году экосистема Python-инструментов наконец собралась в нечто цельное. Два инструмента (uv и ruff) + один файл (pyproject.toml) заменяют 7+ отдельных утилит. Вот как это работает.