Все потоки

GPU в Kubernetes становятся гибче

Обычный device plugin работает с GPU как со счетчиком целых устройств: под запрашивает карту и получает ее целиком. DRA делает модель гибче: можно указать модель, поколение и объем видеопамяти, а планировщик подберет подходящее устройство.

Несколько подов можно привязать к одному ResourceClaim. Более гибкое деление GPU между независимыми нагрузками пока остается в beta, а отбор устройств по атрибутам стабилен с Kubernetes 1.34.

Подробнее о DRA и работе с GPU в Kubernetes — в статье.

📬 Мы в MAX

ESM-подход в ритейле: история «Петровича»

Что происходит, когда 80% бизнес-процессов крупной торговой сети держатся на одном монолите, для которого они не предназначены? И можно ли автоматизировать процесс за 10 дней, а не за полгода?

В этом ролике — кейс СТД «Петрович» и его ИТ-команды «Петрович Тех», реализованный вместе с ГК «Медиа-тел» на платформе SimpleOne. Каждый день через магазины проходят тысячи покупателей, а за инфраструктурой стоят более 400 специалистов. Единой информационной среды не было: подразделения работали в своих программах и корпоративной почте, множество операций выполнялось вручную.

Пилотом стала автоматизация актов сверки — внедрение заняло 10 дней, а подготовка одного акта сократилась с 3 дней ручной сборки данных до 1 минуты. Следом — работа с просроченной задолженностью: цикл от выявления долга до взыскания сократился на 15 дней. Затем команда «Медиа-тел» реализовала розничную CRM-систему на базе платформы SimpleOne — с единой карточкой клиента, его объектов и истории обращений. Дальше появились электронные чек-листы с работой в офлайне и корпоративный портал с единым окном для более чем 9 000 сотрудников. SaaS-модель и Low-code No-code инструменты платформы позволили запускать изменения без затрат на инфраструктуру.

Результат вышел за рамки отдельных внедрений — это единая сервисная среда и ESM-подход в ритейле.

Делимся записью вебинара "Применение ЗОСРВ "Нейтрино" и PVS-Studio для разработки ПО согласно требованиям МЭК 61508"! 🔥

На вебинаре разобрали подходы к разработке функционально безопасного ПО для ЗОСРВ «Нейтрино» в соответствии с требованиями МЭК 61508 и показали, какую роль в этом процессе играют инструменты статического анализа.

В первой части поговорили о принципах разработки ПО для «Нейтрино», рассмотрели требования МЭК 61508 к инструментальным средствам, и продемонстрировали работу PVS-Studio в комплекте разработчика «Нейтрино».

Во второй части подробнее остановились на статическом анализе как инструменте для обеспечения безопасности. Разобрали требования МЭК 61508 и МЭК 26262, их связь со стандартами MISRA и рассмотрели, как PVS-Studio помогает контролировать качество и соответствие кода требованиям стандартов.

В завершение рассказали о новой мажорной версии PVS-Studio 8.0: рассмотрели ключевые изменения и нововведения релиза и обозначили дальнейшие направления развития инструмента, включая функциональную безопасность.

Посмотреть можно тут:
- VK Video
- Rutube
- YouTube
- Наш сайт

Пользователь настраивал систему потокового видеовещания OBS Studio с помощью GPT-6 Astra, но в какой‑то момент отвлёкся и перестал отвечать нейросети. ИИ посмотрела на него через камеру и зафиксировала, что человек не обращает на неё внимания и смотрит куда‑то вниз. В этом случае нейросеть сама включила звук на Mac и привлекла внимание пользователя для продолжения работы с ИИ.

Представлен открытый ИИ‑инструмент для создания диаграмм Diagram Design. Решение не требует ни этапа сборки, ни JavaScript, ни внешних изображений. В проекте есть 39 типов схем для Claude Code, Codex, Factory Droid, Pi и других платформ, поддерживающих Agent Skills. Автономный код HTML + SVG.

«Никаких теней. Никакой неряшливости, свойственной Mermaid. Семантические паттерны описывают поведение отдельно от компоновки, поэтому такие элементы, как очередь, трассировка политик или граница доверия, могут использовать ближайший существующий тип без необходимости создавать новые. Статичный HTML используется по умолчанию; для последовательных пояснений доступна опциональная анимация. Инструмент также позволяет перерисовывать схемы из форматов draw.io, Mermaid или Excalidraw, задавая нужный формат, размер и уровень детализации. Никакой Figma. Никаких стандартных блоков со скруглёнными углами. Никаких 30-минутных сеансов подбора цветов», — пояснил автор решения.

Хабр и eLama проведут с 5 по 9 октября 2026 года онлайн‑конференцию под названием «Санаторий маркетолога». Это «пять дней полезной движухи для маркетологов», пояснили организаторы мероприятия.

Мы посмотрели на рынок, собрались рассказать вам что-нибудь умное про CPL, каналы и бюджеты… Поняли, что рассказывать особенно нечего, за год никто так и не открыл супер-гига-мега-секретный рекламный канал, где лиды всё ещё по 100 рублей. 

Поэтому вместо очередной конференции про успешные кейсы мы соберём столько маркетологов с рынка, сколько вообще получится силами Хабра и eLama, и дадим всем поговорить друг с другом.

Будут те, кто уже что-то нащупал. Те, кто пока только понял, что не работает. Те, кто внезапно выстрелил и сам теперь пытается разобраться, за что ему такое счастье. Те, кто собрал такую коллекцию граблей, что её жалко держать при себе. И те, кто просто хочет три дня побыть среди своих — потому что сейчас чужие ошибки экономят бюджеты не хуже, чем чужие успехи.

И если всё сложится, вы уйдёте с целым пакетом рабочих гипотез на конец года. Ну, или хотя бы с парой… но зато своих, рабочих. Для этого, в общем-то, и собираемся.

А почему санаторий? Да потому что нам всем уже в него пора... Пять дней, чтобы отдышаться посреди кризиса и подорожавшего трафика — и при этом не выгореть, не сорваться на подрядчика, не пообещать руководству иксы, которых нет, и не поверить, что вы плохой маркетолог, когда вы просто маркетолог в плохой год.

Я написал, что система умеет откатывать действия агента. Потом открыл код

В анонсе своего проекта я написал: «журнал — это последовательность действий, по нему можно пройти назад и честно остановиться на первом шаге, который отменить нельзя». Фраза мне нравилась. Перед публикацией я решил проверить, делает ли это код.

Код откатывал один шаг по идентификатору. Никакого прохода назад, ни остановки на необратимом. До публикации оставалось несколько часов.

Функцию я написал — вместо того чтобы смягчить формулировку. И на первом же запуске поймал две вещи.

Порядок прохода я задал сортировкой по времени — и получил неправильный порядок. Отметки хранятся с точностью до секунды, несколько шагов делят одну и ту же, а стабильная сортировка при равных ключах сохраняет исходный порядок. При reverse=True часть шагов шла вперёд. Порядок графа задаёт последовательность выполнения, а не строка времени; время решает только, попал ли шаг в окно.

Панель разошлась с движком. Она показывает, что произойдёт, до нажатия кнопки: сколько действий отменится и где проход встанет. Превью обещало остановку на «Сборке пакета», а откат отменил все шесть действий. Превью считало отсутствие ключа признаком необратимости, движок для отсутствующего ключа возвращал компенсацию по умолчанию. Два места, одно правило, разная трактовка.

Это ровно то, против чего всё и строится: обещание отката, которое молча не сработало, хуже отсутствия отката — во втором случае человек хотя бы знает, что разбираться придётся руками. Теперь превью спрашивает правило у самой профессии, а не повторяет его своими словами, и есть тест, единственная работа которого — упасть, если эти двое снова разойдутся.

Двумя неделями раньше — ошибка того же рода

Журнал, который проверяет только автор, ничего не доказывает. Поэтому верификатор написан на другом языке: пишет Python, проверяет TypeScript.

На тесте, где JS-верификатор читает журнал, созданный Python, выяснилось, что json.dumps сериализует 0.0 как "0.0", а JSON.stringify то же число — как "0". Строки разные, хеши разные, одна и та же честная запись хешируется по-разному.

Последствие: система объявила бы настоящий журнал поддельным. Не пропустила бы подделку — обвинила бы в подлоге того, кто ничего не подделывал.

def _jcs_numbers(value: Any) -> Any:
    """Приводит числа к форме, одинаковой в Python и JavaScript."""
    if isinstance(value, bool):
        return value
    if isinstance(value, float) and value.is_integer():
        return int(value)

Проверка на bool не паранойя: в Python True — экземпляр int, без этой ветки булево уехало бы в числовую нормализацию.

Писал бы верификатор я сам, на том же Python, — ошибка дожила бы до первого спора с клиентом.

Функция, которой намеренно нет

Проект отдаёт наружу MCP-сервер, JSON-API и ноду n8n. Все три умеют выполнять шаги, спрашивать разрешение и читать журнал. Ни один не умеет подтверждать.

Если бы модель могла вызвать confirm, человек исчез бы из цепочки: агент сам себе разрешал бы необратимое действие. Поэтому карточка подтверждения уходит человеку, а в списке инструментов MCP такого инструмента нет — и есть тест, который упадёт, если он там появится. По той же причине там нет отката: он пишется в журнал как решение оператора, и агент, отменяющий свои действия, расписывался бы чужим именем.

Что вынес

Проверка на другом языке ловит то, чего не видит ни один тест, написанный в той же голове и в той же экосистеме. Разница между 0.0 и 0 не находится ревью.

И второе, менее приятное: между «я написал это в описании» и «это работает» расстояние больше, чем кажется. Я поймал у себя обещанную и несуществующую функцию за несколько часов до анонса — просто потому, что решил открыть файл и прочитать, что там написано.

Альфа, 115 тестов, ноль зависимостей, AGPL-3.0: github.com/oleg-vdv/kepil. Верификатор отдельно и под MIT: agent-trace.

Новые технологии без лишнего шума: что будем разбирать на вебинарах на этой неделе

Каждый месяц появляются новые фреймворки, модели и инструменты, которые обещают изменить разработку. Но между экспериментом на выходных и технологией, которая действительно помогает решать рабочие задачи, есть большая разница.

На бесплатных демо-уроках этой недели разберём современные подходы на практике: посмотрим, как работают ИИ‑агенты, ML‑модели, базы данных, архитектурные решения, инструменты разработки и подходы к управлению командами. Выбирайте нужную тему и присоединяйтесь:

ИИ и машинное обучение

• 14 сентября, 20:00. «AI‑агенты против Junior‑разработчиков: кто кого заменит к концу 2026 года». Записаться.

• 15 сентября, 20:00. «Настройка виртуального окружения — уверенный старт в мире Python и ML». Записаться.

• 16 сентября, 18:00. «Задача классификации от 0 до 9». Записаться.

• 17 сентября, 18:00. «Создаём ИИ‑ассистента для системного аналитика за 1 час». Записаться.

• 17 сентября, 20:00. «Обзор ИИ‑технологий для разработчиков. От идей до рабочих решений». Записаться.

Разработка и архитектура

• 17 сентября, 20:00. «RabbitMQ в Production: Transactional Outbox, идемпотентность и DLQ в ASP.NET Core». Записаться.

• 17 сентября, 20:00. «Создаём первое приложение на Vue 3 с Composition API». Записаться.

Данные и базы данных

• 15 сентября, 20:00. «Моделирование данных для DWH». Записаться.

• 16 сентября, 20:00. «Темпоральные данные в PostgreSQL 18: история и версии без триггеров». Записаться.

Аналитика и бизнес‑процессы

• 15 сентября, 20:00. «Как аналитик 1С ведет задачу от интервью до приемки: сквозной кейс интеграции с мобильным рабочим местом». Записаться.

• 17 сентября, 20:00. «Событийные подпроцессы в BPMN 2.0: как моделировать процессы, реагирующие на события». Записаться.

• 17 сентября, 20:00. «Управление релизами в 1С: GitFlow, code review и CI/CD на практике». Записаться.

Управление командами

• 14 сентября, 19:00. «Анти‑паттерны управления: Почему "помощь" заказчиков убивает проекты и как вернуть контроль». Записаться.

• 16 сентября, 20:00. «Диагностика команды: как выявить проблемы до того, как они повлияют на результат». Записаться.

• 16 сентября, 20:00. «Сложные разговоры в команде: как давать обратную связь без эскалации». Записаться.

Инфраструктура

• 17 сентября, 20:00. «Где Linux хранит настройки и логи: разбираем файловую структуру на практике». Записаться.

Открытые уроки — хорошая возможность пообщаться с экспертами — преподавателями курсов, а также посмотреть на технологии изнутри и понять, какие подходы действительно стоит добавить в свой рабочий инструментарий.

А полный список бесплатных уроков сентября можно посмотреть в дайджесте.

Заметил, что на гитхабе по непонятным мне причинам в целом отсутствует правильная культура репорта багов.

У меня есть несколько open source проектов, связанных с геймдевом. Они весьма нишевые. Но в рамках своих ниш обладают определённой популярностью.

Увы, многие разрабы репортят баги совершенно неправильно. А именно прибывают на дискордик. Вываливают скрин своего проекта. И вопрошают: "не баг ли это?".
Некоторые даже делают это в ЛС.

Поэтому хотелось бы написать правильный алгоритм репорта бага:

1. Обязательно убедитесь, что баг именно в либе, которой вы пользуетесь. И что вы используете её правильно.

2. Создайте минимальный сэмпл, воспроизводящий баг. В эру вайб-кодинга это делается за 5 минут.

3. Вооружившись сэмплом, открывайте кейс в гитхабе(не в дискордике, он для саппорта). Лишь для самих примитивных багов сэмпл не нужен.

4. Всё.

Удивляет, что этот алгоритм известен, наверно, 95% разрабов. Однако следуют ему единицы. Может это специфика именно геймдева.

В университета Кёльна опубликовали подборку из 7 учебных курсов по поиску и анализу нейронов дрозофилы. материалы уроков структурированные, практические, с примерами и иллюстрациями.

Поездки и перелёты

Прямо перед отправкой поезда в купе ворвались парень с девушкой: «Фуух, успели!». Ребята, как и мы, возвращались с Казанского марафона в Москву, но перепутали вокзалы. Таксист заломил цену в 5000₽. Делать нечего, пришлось платить. Ж.-д. билеты на майские праздники покупаются сильно заранее. Немудрено за это время забыть, с какого вокзала отходит поезд.

Мне часто приходится путешествовать с семьёй и по работе (только в этом месяце запланировано пять поездок). Я не люблю нервничать во время сборов, поэтому выработал правило: сразу после покупки билетов все поездки и перелёты заносятся в календарь. Название события содержит номер рейса, вагон, места и аэропорты/вокзалы. Примеры:

✈️ SU-2134 SVO-C — IST

🚆 18АА/2/81-84 Ленинградский вокзал — Петрозаводск

• Виджет календаря добавлен на главную страницу смартфона, поэтому информация сама появится на экране накануне поездки, а номер вагона не придётся искать в электронной почте.

• Добавление поездок в Совместный календарь позволяет делиться информацией с партнёром и там же отражать переносы авиарейсов.

• Важно учитывать часовые пояса. Для полётов время в билетах указывается по местному времени, а для ж.-д. поездок — по московскому.

Найден способ использовать безлимит на Google Photos (загружать фото и видео так, чтобы они не занимали место в аккаунте). Google давно выдал бессрочную льготу для контента, сделанного с первым Pixel XL. Открытый проект gotohp позволяет создавать загрузки в Google Photos с профилем первого Pixel XL. А вот доя iPhone понадобится джейбрейк или приложение Sideloadly на ПК/macOS для установки модифицированного клиента GoToHP for iOS — Gunshot.

Вышел подробное руководство по GPT-6 Astra — разработчики из OpenAI показали, как работать с нейросетью наиболее продуктивно. Astra работает иначе, чем другие модели, поэтому обычные промпты ей не подойдут. Также опубликован запрос, который позволяет проверить GPT-6 по гайду.

"На основе статьи ниже проверь AGENTS.md и Skills на настройки, которые могут приводить к лишней работе, конфликтам инструкций или ненужным ожиданиям. Объясни причины и предложи минимальные изменения: https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra".

«Просто продолжай. 10 способов оставаться креативным в любые времена» Остин Клеон

Книга короткая – там много картинок и инфографики. При этом – полезная и вдохновляющая. Но почему-то очень дорогая 😊. И, говорят, в электронном виде – не особо читабельная. Я читал на бумаге.

Не совсем согласен с названием – книга не о столько том, как оставаться именно креативным. Слово «креативный» создаёт ненужный фильтр – как будто представителям «не креативных» профессий нужно бежать искать что-то другое.

Книга помогает просто продолжать – делать то, что делаешь. Не опускать руки, не бросать, не сдаваться, не отвлекаться на гнетущие обстоятельства, возникающие у любого человека каждый день. Обстоятельства, которые кажутся значительными, важными, срочными, требующими всё наше внимание, целиком, и не оставляющие места для дела.

Эта книга помогла мне сформулировать один из основополагающих принципов моей работы. Дошёл я до него раньше, но «Просто продолжай» всё уложила в одну простую формулу. У меня принцип звучал, как «Пофиг, херачь». Каждый раз, когда наваливалась какая-то шняга, прилетало с разных сторон, всё валилось в тартарары, планы рушились, понижали в должности, подрезали зарплату – я садился и просто делал Дело. Вот какое было в тот момент Дело, то и херачил.

Программировал, руководил, менял систему мотивации, писал статьи, вёл блоги – больше, глубже, мощнее, чем в состоянии «у меня всё хорошо». И всё, что в моей карьере можно назвать достижениями, было создано в самые тёмные времена моей работы. Трындец вокруг очищал голову, кристаллизовал мотивацию, неожиданно добавлял работоспособности.

Теперь этот мой принцип звучит в честь книги – «Просто продолжай».

P.S. Книгу взял почитать мой друг, года два назад, так и не вернул. Читай, дружище, вдохновляйся, искренне хочу, чтобы книга помогла и тебе. Я пошёл по пути книги дальше, нашёл для себя «Икигай», стоицизм и Райана Холидея – дойдёт очередь в стеке и до них.

Это 18-я книга из Книжного стека.

Ликбез. Как работает ИИ.

ИИ мало кто пытается объяснить просто и это создает огромное количество предрассудков и теорий заговора. Но чем подробнее люди пытаются объяснить, как он работает, тем больше начинает казаться, что они просто пудрят нам мозг. Основной принцип шИИ же очень прост: он продолжает текст.

Допустим, пользователь написал: «мама мыла».

Модель оценивает, что может идти дальше. «Раму» - очень вероятный вариант. Фраза из букваря растиражирована примерно везде, поэтому такое продолжение встречалось ей огромное количество раз. «Пол» - тоже вполне разумно: мамы существуют, полы существуют, люди их моют и регулярно пишут об этом. «Межконтинентальную баллистическую ракету» выглядит значительно хуже, но полностью исключить тоже нельзя, мало ли что там обсуждали любители Вархаммера на своих форумах.

Дальше модель выбирает подходящее продолжение и задача повторяется. Теперь у нее есть уже не «мама мыла», а, например, «мама мыла пол», и нужно решить, что поставить дальше. Потом еще раз. И еще. Так, небольшими продолжениями, постепенно возникает весь ответ.

Есть еще одна важная деталь. ИИ смотрит не только на запрос. Если перед «мама мыла» пользователь спрашивал, почему хлорка так пахнет, и этот разговор еще находится в доступной модели части переписки, ситуация меняется. Теперь рядом оказываются хлорка, запах и «мама мыла». «Раму» никуда не исчезла и по-прежнему остается очень известным продолжением, но «пол» уже выглядит гораздо уместнее. Предыдущий разговор изменил то, какое продолжение лучше подходит сейчас.

Пример очень простой, но примерно так же строится и ответ на гораздо более сложный вопрос. Только вместо выбора между рамой, полом и ракетой модель учитывает огромное количество связей между словами и понятиями. Каждая новая часть текста немного меняет то, какие продолжения лучше подходят ко всему написанному до этого. Поэтому после описания производственной проблемы она может предложить причины, после куска программы - найти ошибку, а после вопроса по истории - рассказать, что происходило несколько веков назад. Но основной принцип остается тем же: исходя из уже написанного определить, что разумнее написать дальше.

Отсюда становится понятна и одна из главных проблем ИИ. У него нет обязательного этапа «сначала убедись, что это правда». Если правильное продолжение хорошо следует из вопроса, предыдущего разговора и того, чему модель научилась, она даст правильный ответ. Если знаний не хватает, задача никуда не исчезает: ей все равно нужно решить, что написать дальше. Поэтому иногда она может совершенно уверенно продолжить текст выдуманным фактом. У нее нет встроенного требования отличать правдоподобное утверждение от истинного. Собственно, люди тоже периодически могут специально или не очень нести чушь.

Именно поэтому фраза «ИИ просто продолжает текст» одновременно верна и сильно преуменьшает происходящее. Мы взяли огромное количество человеческих текстов и научили машину находить в них связи настолько хорошо, чтобы продолжать почти любой начатый текст.

А поскольку в текстах люди объясняют, спорят, сравнивают, ищут причины, пишут программы и решают задачи, машина научилась продолжать и это. Не потому, что ее отдельно учили программировать, рассуждать или объяснять историю. Все это оказалось частными случаями одной и той же задачи: понять написанное до этого и подобрать подходящее продолжение.

Голосовой ассистент в мессенджере Bitcord: живой разговор вместо переписки.

Наконец могу объявить о внедрении новой фишки в мессенджере Bitcord — функция живого голосового диалога с AI‑ассистентом. Не голосовое сообщение «записал — отправил — жду», а обычный разговор: говорите и сразу слышите ответ. При этом можно выбирать голос асистента и задавать его личные настройки: пол, возраст, манеру общения и прочее.

КАК ЭТО РАБОТАЕТ

1. Запускаете мессенджер Bitcord.

2. Выбираете в меню пункт - "GPT voice live".

3. При необходимости настраиваете стиль ответа (промпт) и голос.

4. Нажимаете «Connect».

5. Удерживаете кнопку с изображением микрофона, пока общаетесь.

6. Отпускаете кнопку - микрофон выключается для экономии ресурсов смартфона.

7. Нажимаете снова и продолжаете общаться.

Это режим push-to-talk: контроль остаётся у вас. Пока кнопка зажата - идёт ваша речь; отпустили - микрофон выключается. Если ассистент ещё говорил, ответ можно оборвать тем же жестом.

Вcё ради удобства

Скорость. Иногда удобнее сказать в голос, чем набирать текст - особенно в пути, за рулём (если это безопасно) или когда руки заняты.

Естественность. Голосовой ответ воспринимается как короткий созвон, а не как переписка с ботом. Удобно уточнять детали, просить перефразировать, вести диалог "вопрос - ответ" без лишних тапов.

Контроль. Нет постоянного прослушивания: микрофон работает только пока вы держите кнопку. Настройки голоса и поведения ассистента сохраняются и применяются при создании новой сессии подключения.

Доступность. Голосовой канал проще для тех, кому тяжело много печатать, или когда экран неудобен.

Для чего в мессенджере?

Ассистент остаётся рядом с чатами, файлами и звонками - в том же привычном пространстве. Можно быстро спросить, уточнить формулировку, набросать план или просто "проговорить" мысль, не переключаясь в отдельное приложение. Можно настроить системный промпт на любого персонажа и даже включить взрослый контент. Указать имя, пол, возраст, описать игровую ситуацию и включиться в ролеплей без "тормозов".

Дальше, используя голосовой интерактив, планирую реализовать командный процессор, который будет вызывать другие сервисы: проверка погоды, курсы валют, актуальные новости с фильтром по теме и многое другое. И это в мессенджере размером в 3,5 мегабайта!

Что думаете?

Представлен открытый проект No AI Slop, который чистит ИИ-тексты от 20+ типичных ИИ-штампов. Под зачистку попадают «это не X, это Y», «будущее уже здесь», но и излишний пафос и ссылки на безымянных экспертов. Скилл даёт модели правила редактирования: сохранять авторский юмор, лексику и ритм, а после правок объяснять, что поменялось. Можно отдельно попросить найти штампы в тексте.

Прощай vibe coding. Здравствуй deep crafting

Андрей Бадин, основатель Product Lab, придумал название для подхода к работе с ИИ, которым занимался уже давно.

Он назвал его дипкрафтингом (deep crafting).

Если вайбкодинг — это возможность быстро получить результат, не погружаясь глубоко в детали, то дипкрафтинг — попытка разобраться в сути и дойти до первооснов.

Андрей Бадин тоже экспериментировал с вайбкодингом, но понял, что его интересует другое.

Сначала он называл этот подход vibe creation, или вайб-творчеством, но название не прижилось.

Вайбкодинг, по определению Андрея Карпатого — это способ программирования, где человек может отдать часть работы ИИ и не разбираться в каждой детали. Для небольших проектов и быстрых экспериментов такой подход работает.

Но дипкрафтинг устроен иначе.

Если давать определение, то дипкрафтинг – это создание нового вместе с ИИ, в котором роли между человеком и моделью разведены и не смешиваются.

ИИ в этой конструкции работает сразу в трех амплуа: как библиотекарь, как исследователь и как критик. Он достает любое знание, до которого дотягивается, находит работы, на которые человек сам вышел бы разве что по счастливой случайности, и методично убивает идеи до тех пор, пока какая-нибудь из них не выдержит удар.

Человек в это время держит рамку. Он задает вектор, решает, до какой глубины имеет смысл копать в каждом конкретном случае, и сшивает между собой несвязанные области, которые модель сама никогда не соединит.

Само слово собрано из двух частей, и каждая отвечает за свою половину процесса. Deep – это про то, как глубоко ты разбираешь предмет, до самых его оснований. Craft – это про то, как ты собираешь его обратно, и здесь важно, что речь идет о ручной работе, а не о сборке из готовых блоков: ты снимаешь все лишнее до тех пор, пока не останется только то, что держит форму. По-русски все вместе и получается глубокое создание. За время практики схема сложилась в четыре режима.

1. Мета-уровень

Иногда человек сталкивается с областью, в которой он не эксперт и даже не знает, какие вопросы задавать.Тогда ИИ получает не готовый запрос, а саму проблему: что происходит, какие существуют теории и как на это смотрят в науке. Так постепенно появляется карта новой области и связь между теорией и практикой.

2. Первоосновы

На этом этапе никакая методология не принимается как данность.Будь то JTBD, ТРИЗ или другой подход, задача — понять, на чем он действительно основан.ИИ помогает искать исследования и источники, но все приходится перепроверять: модель может ошибаться, придумывать ссылки и делать неверные выводы.После разбора до базовых элементов становится видно, что является основой, а что только внешней оболочкой.

3. Новая система

Дальше человек собирает собственную систему: связывает идеи с найденными первоосновами, убирает лишнее и оптимизирует оставшееся.На этом этапе ИИ может быть партнером по идеям: иногда он предлагает неожиданные связи.Но самая ценная роль модели проявляется после сборки, когда ее просят разрушить созданную систему.

4. Методология

Последний этап — сделать новую систему понятной для других.

Для этого нужны простые формулировки, структура и новые слова. Здесь ИИ помогает искать варианты упрощения и упаковки, но окончательное решение остается за человеком.

Андрей Бадин пришел к этой идее во время работы над книгой, выпуск которой постоянно откладывает. Причина в том, что он сам занимается дипкрафтингом: разрабатывает новую методологию создания продуктов в эпоху ИИ.

По его мнению, это уже выходит за рамки классического продакт-менеджмента и требует другого способа мышления.

Раньше разбор сложных методологий до оснований мог занимать годы: нужно было изучать первоисточники, научные работы и самостоятельно находить связи между разными областями.

Сегодня часть этой работы можно ускорить до недель или даже дней.

Вот это и есть дипкрафтинг: глубоко прокопать область знаний и собрать ее в ценную для других методологию или инструмент на основе первооснов.

Из иммуногенетики в стартапы

Юлия Чумачева, биолог по образованию и основательница Health Hero, так описывает начало своего пути: «Я никогда не мечтала стать предпринимателем или открыть свою компанию». Ее проект вырос из желания помогать друзьям разбираться в результатах анализов и в итоге привлек первые 15 млн рублей.

Слушайте интервью с основательницей стартапа Health Hero:

Поговорили о том, как научная идея превращается в стартап (не без помощи ИИ, естественно), где искать первые деньги, как выбрать инвестора и почему после сделки у основателя появляется еще больше поводов для тревоги.

Если вам понравится выпуск, буду рад вашей подписке. Приятного прослушивания!

Где послушать подписаться и лайкнуть:

🎧 Яндекс Музыка • 📺 YouTube • 🎧 Apple Podcasts • 🎧 Spotify • 🎧 mave.stream • 🌐 На сайте подкаста

Это первый выпуск спец-сезона «До и после инвестиций», который был создан при поддержке X.Технологии «Ростелекома».

💙 Подписывайся на подкаст в Телеграм: @podcaststartup

Собрал я, значит, несколько своих статей на Хабре и опубликовал в виде книги. Выбирал целенаправленно - истории про программистов. Получилась какая-то тематическая подборка на тему.

Если спросите, зачем - не смогу чётко ответить. Точно не с целью заработать - книга бесплатная. Просто в какой-то момент понял, что написал статей только на Хабре примерно на 7-8 книг. Знаю, что большинство статей - весьма проходные, но есть и те, что вам понравились. Такие и старался выбирать.

Книга может решить простую задачу, которой читателю лень заниматься самостоятельно: сделать выборку статей на определённую тему и удобно прочитать. В книге я сделал выборку сам. Наверняка в чём-то ошибся, но вряд ли слишком сильно.

Если лайкнете книгу на Литресе - буду очень вам признателен.

Книга лежит здесь - https://www.litres.ru/book/ivan-belokamencev-32891605/eto-vsio-programmisty-74445398/

Одним из самых популярных типов проектов - за который берутся начинающие разработчики - это собственные игровые движки.

Причины понятны: интересно, интеллектуальный вызов, хочется получить красивую картинку и т.д.

Причём многие прекрасно понимают, что их проект это исключительно хобби/прокачка скиллов. Он не выстрелит и станет одним из сотен подобных.

Но есть и такие, которые искренне верят, что когда они выкатят рендер Sponza, то геймдев сообщество ахнет и поспешит портировать свои игрульки на их движок. Одновременно щедро осыпая их донатами.

Этого не произойдёт.

Мы живём в эпоху жесточайшей конкуренции среди игровых движков. Где все ниши заняты(причём порой одна ниша может быть занята сразу несколькими проектами). И их поделку никто даже не заметит.

Один из последних движков/фреймворков - который смог - это raylib. Но это произошло за счёт нахождения уникальной ниши: чистый C (с минимум зависимостей), простой API, старое доброе процедурное программирование, относительно богатый функционал и тд. Причём у разраба ушло на его разработку 13 лет.

Всё это нужно понимать, прежде чем приступать к делу. И трезво смотреть на вещи.

Все видеозаписи конференции EuroPython 2026, проходившей в Кракове (Польша) с 13 по 19 июля 2026 года, теперь доступны онлайн для всех пользователей (включая фото). Также опубликован краткий обзор мероприятия от организаторов.

Организация экономического сотрудничества и развития (ОЭСР) проверила более 760 тысяч 15-летних подростков из 91 страны на тесте PISA. Средние результаты по чтению, математике и естествознанию оказались самыми низкими за всё время наблюдений:

• за десять лет чтение просело на 28 баллов, математика — на 22, что соответствует потере чуть больше года обучения;

• случаи чтения по диагонали, когда текст читают быстро, но неточно, почти удвоились с 2018 года — до 9%;

• каждый пятый школьник не достигает базового уровня сразу по всем трём предметам. В 2022-м таких было 16%;

• с проверкой информации тоже беда: только 46% учеников говорят, что проверяют надёжность источников и доверяют научным доказательствам больше, чем своим мыслям;

• 46% учащихся используют нейросети для учёбы минимум раз в неделю;

• при этом разница в уровне знаний между учениками из богатых и бедных семей сократилась — просто обеспеченные дети стали учиться хуже.

Написал статью: Хабр проиграл войну с нейрослопом
Лучше прочитайте её, а не этот пост. В ней более детальная информация.

…

Продолжаю борьбу с нейрослопом на хабре.

Посмотрите на статьи этого пользователя: https://habr.com/ru/users/r_o_m_k_o_l_a/articles/

У него 12 статей за 20 дней. Я проверил 2 статьи детекторами ИИ слопа. Результат проверки: статьи на 100% написаны ИИ.

Проверил 3 его комментария. Результат такой же.

Статью из предыдущего поста не удалили, хотя она тоже написана с помощью ИИ.

Вопросы к модераторам:

1. Почему существует нейрослоп на хабре?

2. Насколько сложно подключить любой ИИ детектор для проверки статей и комментариев?

Кстати, пользователя 25 августа пригласил НЛО. Это значит модераторы хабра одобрили его статью из песочницы и дали инвайт.

Я посмотрел эту статью, она также на 100% написана с помощью ИИ.

ИИ слоп запрещён по правилам хабра, но модераторы не проверяют статьи на ИИ слоп даже в песочнице.

В ChatGPT появилась новая пасхалка - «Змейка»

В ChatGPT заметили необычную пасхалку: пока ИИ генерирует изображение, можно сыграть в классическую игру Snake, нажав на заставку изображения.

OpenAI сообщила о доработке сервиса ChatGPT Sites, который позволяет по описанию от пользователя создавать, публиковать сайты и простые веб-приложения. Теперь над ИИ-проектом сайта могут работать несколько пользователей.

Вот несколько способов начать работу с сервисом Sites, если пользователем нужно вдохновение:

• запускайте панели управления для отслеживания и обмена результатами;

• личные портфолио, чтобы помочь вашей работе выделиться;

• центры онбординга, чтобы помочь новым коллегам быстрее войти в курс дела;

• игры (например, викторины) для дня рождения;

• карты ваших любимых местных мест для гостей из других городов;

• планы поездок, чтобы все были на одной волне.

LiveStreet Yii 3 для вебмастеров: полное описание CMS Практический разбор бесплатной CMS для сообществ и блогов: что умеет ядро, как поставить на обычный хостинг, чем отличается от классического LiveStreet и что учесть перед запуском в прод.

Что это за продукт LiveStreet Yii 3 (также: Livestreet Yii3) — бесплатная CMS для коллективных блогов и онлайн-сообществ. По смыслу это наследник идеи классического LiveStreet: лента топиков, личные и коллективные блоги, комментарии, рейтинг, закрытые разделы, профили, личные сообщения. По коду — новый продукт с нуля на PHP 8.2+ и Yii 3, без движка старого LiveStreet внутри.

Рассчитан на вебмастера shared hosting: SQLite по умолчанию, file cache и sessions, ZIP-деплой без обязательного Composer на сервере, document root в каталоге public/, веб-установщик /install (после установки отдаёт 404).

Лицензия — GPL-2.0-or-later. Обязательное условие использования: на публичном сайте с этим продуктом должна быть как минимум одна рабочая гиперссылка на сайт разработчика https://poluyanov.ru (в подвале по умолчанию название CMS уже ведёт туда).

Кому подходит Вебмастеры на обычном хостинге — нужен живой движок сообщества без обязательного VPS, Docker и отдельного поискового кластера. Владельцы старых LiveStreet 1.0.3 / 2.0 — хотят уйти с уязвимого стека, сохранив пользователей и контент через CLI-миграцию. Команды и агентства — нужен предсказуемый стек PSR-4 / Composer / Yii 3, REST API и админка без «базовых функций за деньги». Редакции и сообщества — блоги, рейтинг, закрытые разделы, жалобы, SEO и уведомления из коробки. Если нужен только одностраничный блог без пользователей и рейтинга — проще взять статику или WordPress. LiveStreet Yii 3 имеет смысл там, где есть сообщество: авторы, комментарии, кармы, модерация, закрытые блоги.

Автор: Полуянов Сергей Сайт разработчика: https://poluyanov.ru Страница продукта: https://poluyanov.ru/application/livestreet-yii3/ Версия на момент статьи: 1.2.0

OpenAI открыла GPT‑Live‑1 в API для голосовых агентов: ИИ-модель умеет слушать и говорить одновременно, естественно реагируя на паузы и перебивания. GPT‑Live‑1 может передавать сложные рассуждения и вызовы инструментов другим моделям, а голосовой слой стоит $0,05 за минуту.

Ребят, возможно пригодится тем кто пользуется trusttunnel vpn на компе. Надоело перебирать bat'ники подумал, сейчас с клодом на питоне можно что угодно сделать. Cобрал небольшую программку, она запускается из любой директории (с правами админа, иначе vpn не подключится). В папке необходимы файлы самого сервиса trasttunnel и конфиги (в инфо есть как их надо обозвать). Удобно что видно когда впн подключился, проверяет сразу ваше местоположение и ip. Есть переключение на англ язык. Возможность менять сервера. Виден лог подключения. Сделал для себя, но решил поделиться. Выложил по совету товарищей на github - https://github.com/mobitop/trusttunnel
Хотя по мне - просто хотел поделиться. Могу залить исходный код, только не знаю как :) Всем добра!

Что такое рациональность?

Под рациональностью участников рынков понимается, что они принимают решения осознанно и стремятся получить максимальную доходность при приемлемом для них уровне риска.

Рациональный участник рынка:

• анализирует доступную информацию;

• оценивает возможную доходность и риск;

• выбирает наиболее выгодный для себя вариант;

• не принимает решения исключительно под влиянием эмоций;

• пересматривает решение при появлении новой существенной информации.

Например, если компания публикует отчёт об ухудшении финансового положения, рациональный инвестор заново оценит перспективы её акций и, возможно, продаст их. Он не станет сохранять бумаги лишь из-за привязанности к компании или надежды на рост, не подкреплённой объективными данными.

При этом рациональность не означает, что инвесторы всегда принимают правильные решения или способны точно предсказывать будущее. Они могут ошибаться из-за недостатка информации и неопределённости. Важно, чтобы их решения были логичными, соответствовали имеющимся данным, собственным целям и отношению к риску.

В экономической теории такое поведение обычно описывается с помощью теории ожидаемой полезности фон Неймана - Моргенштерна. Согласно ей, инвестор выбирает между рискованными вариантами, учитывая не только возможную доходность, но и субъективную ценность каждого результата.

Например, инвестор выбирает между:

• гарантированными 100 000 рублей;

• вероятностью 50 % получить 250 000 рублей и вероятностью 50 % не получить ничего.

Он сопоставляет не только суммы, но и полезность возможных исходов с учётом собственного отношения к риску.

Такой выбор считается рациональным, если предпочтения инвестора соответствуют определённым аксиомам:

• полнота - инвестор способен сравнить любые два варианта;

• транзитивность - если вариант A предпочтительнее B, а B предпочтительнее C, то A предпочтительнее C;

• непрерывность - между вариантами нет необъяснимых скачков предпочтений;

• независимость - добавление одинакового вероятностного компонента к двум вариантам не меняет предпочтение между ними.

Если эти аксиомы выполняются, поведение человека можно представить как максимизацию ожидаемой полезности.

Важно различать два уровня анализа. Рациональность фон Неймана - Моргенштерна описывает отдельного инвестора, принимающего решения в условиях риска. Гипотеза эффективного рынка описывает итоговое поведение рынка и механизм формирования цен. При этом она не требует, чтобы абсолютно все участники соблюдали аксиомы рациональности: достаточно, чтобы иррациональные ошибки взаимно компенсировались или исправлялись рациональными арбитражёрами.

Хорошего дня! заходите на тг канал https://t.me/TradPhronesis

В начале года я опубликовал статью Прививаем машине музыкальный вкус: фильтруем плейлист на основе предпочтений

Результат был хорош, но далеко не идеален - обучение занимало много времени, качество незначительно росло, хотя размеченных данных стало заметно больше. Да и ощущение, что решение должно быть красивее, но я его не вижу в силу отсуствия экспертизы, сохранялось

Поэтому спустя полгода после релиза первой версии я дал исходный контекст задачи кодагенту. Без ссылки на код проекта и без подсказок стека и каких бы то ни было подходов к реализации - только цель и ограничения, а именно:

• использовать только аудиоданные

• использовать только CPU

• уверенно меньше 20% ложных не\срабатываний для обеих классификаций - exclude_disliked and include_liked

Над решением успели поработать opus 4.8 (основная архитектура решения), fable 5 (ревью архитектуры; да-да, надо было наоборот, но архитектура была собрана до выхода fable) glm-5.2 (прикладные планы реализации задач) и 5.3 (прикладные планы+доведение пайплайна до рабочего состояния)

По архитектуре железный друг: 

• предложил тот же подход, что я использовал, но выкинул polars, вместо которого решил использовать duckdb. Когда он понял, что его не получится нормально развернуть на nfs, мы сошлись на хранении фич файлами parquet, а duckdb-базу билдить локально при запуске обучения - уж очень удобно ее использовать

• отделил пайплайны извлечения фич от обучения. Изменение довольно капитанское, но так реально гораздо быстрее проводить эксперименты и улучшать модель. Появляются четкие артефакты с сырыми фичами, которые можно анализировать сами по себе

• для процессинга агент сам предложил взять ту же essentia, но вместо навеса моделей на нее - предложил взять panns

• примитивы обучения взял те же: mean k-NN distance+GMM log-likelihood+IsotonicRegression. Предложил обучать по одной single-class модели на include_liked и exclude_disliked, но делать это за один проход. На метрику какой из моделей смотреть - решаем на уровне подписки

Когда мы собрали решение - ничего не заработало. Качество детекции было едва выше случайного. И вот тут реально LLM оказались суперполезны, т.к. в анализе данных они понимают сильно больше меня и компенсировали пробелы в экспертизе:

• модель подкинула критерий, который позволяет выделить фичи наиболее различные в датасетах. Не просто PCA, а выбрать те фичи, за счет которых мы различаем liked/disliked. 4k фич сжались до 64х - это значительно повысило точность ML-моделей за счет размерности

• но даже после этого exclude_disliked продолжала сильно страдать false positive'ами - эксклюдила что нужно и что не нужно. И тут агент предложил балансировать вывод этой модели выводом include_liked классификатора. Т.е. если exclude_liked считает, что трек надо выкинуть, то прежде чем вернуть это решение мы смотрим на include_liked скор этого трека. Если он высокий - трек остается. С таким подходом качество модели стало выше, мой исходный подход показывал когда-либо

В итоге получилось решение, которое работает проще и быстрее, при этом качество его выше, чем было у меня в первой итерации. Время извлечения фич на датасете из 2k треков сократилось с нескольких дней до нескольких часов, а модель стала весить на порядки меньше

Единственной сохранившейся проблемой остается довольно высокое потребление памяти при процессинге - каждый воркер, извлекающий фичи из аудио, потребляет 1.5-2ГБ. Но размен памяти на процессинг на CPU - вполне приемлем при локальном использовании

Летний ТехФест 2026: главные итоги

Мы объехали офисы партнёров, встретились с коллегами и обсудили самое актуальное: AI в разработке, продуктовые циклы, управление изменениями и не только. На практических сессиях разбирали реальные кейсы, а на дискуссиях искали ответы на сложные вопросы.

Собрали цифры нашего фестиваля, чтобы показать масштаб:

• 5 площадок

• 5 компаний организаторов

• Более 600 участников

• 10 докладов от экспертов отрасли

• 3 активности — мастермайнд, круглый стол и практикум с живыми кейсами

• 12 экспертов и спикеров

• 5 кейсов решено на практикуме по инженерной оптимизации.

Отдельное спасибо организаторам — вы сделали эту неделю незабываемой. Увидимся в следующем году!

Финальный день: как это было.

Ещё больше о мероприятиях — в нашем TG-канале.

История про косяки и разработку агентов для контента, написанная во время перелёта в Москву без доступа к ИИ

То, о чём я сейчас буду рассказывать, наверняка очень хорошо известно любому разработчику. И даже может вызвать у них улыбку. Итак, первую половину года я постоянно писал агенты для контента. Проектировал, вайбкодил, дописывал руками, что не нравилось, снова вайбкодил. Постоянно хотелось что-то улучшить, ускорить, оптимизировать, а затем опять усложнить. На каком то этапе там появился пайтон, экшены в гитхабе, синхронизация с другими репозиториями. И в какой-то момент для меня самого стало казаться, что этот процесс бесконечный.

Почему я вспомнил разработку в начале. Довольно часто знакомые программисты рассказывали, что долго не решались показать какой-то новый продукт, потому что опасались критики и провала. Процесс доработки становился бесконечным, а пока они стремились к идеалу, конкуренты выпускали сырую версию и уже начинали на ней зарабатывать.

Я свой mvp, конечно, раскатал на коллег практически в первые месяцы, но ситуация похожая. От той первой версии, которую забрали коллеги, до следующей анонсированной прошло три-четыре месяца. По своей внутренней нумерации я скакнул от v.1 до 4.55. Это приблизительно, в самолёте не посмотришь ченжлог, да и смысла в этом нет. То есть после первой раскатки я просто ушёл в лютые доработки и не смотрел по сторонам.

К чему это привело лично для меня:

Сложность и монструозность системы. Для всех кроме меня

Я то знаю, почему и зачем все эти проверки и экшены. И даже документацию написал, но кто её читает. Система, которую нельзя объяснить за десять минут, принадлежит одному человеку, даже если лежит в общем репозитории.

Я оптимизировал то, что видел сам

Да, видел много, но только по своим направлениям. Четыре месяца я честно доводил систему до идеала на выборке, которую сам же и составил. В ML для этого есть точное определение: переучился на тестовом наборе. Загуглите сами, что это.

Коллеги остались с v.1

Вот, кстати, это больнее всего. Пока я разгонялся, у них работала первая версия и они к ней приспособились. Придумали обходные пути, завели свои агенты и скиллы, привыкли к её странностям. Моя новая версия для них стала не улучшение, а ломкой того, что уже как-то жило. Чем дольше пауза, тем дороже обходится каждое обновление.

Точка остановки не наступила сама.

Я почему-то ждал, что в какой-то момент станет «готово» и я сам это почувствую. Не чувствуется. Список идей не заканчивается никогда, каждая следующая выглядит как последняя недостающая. Остановиться можно только решением, а не ощущением.

Следующие пару месяцев я не трогал ничего. Просто работал с системой как обычный пользователь, слушал коллег и смотрел по сторонам.

Первое, что выяснилось: половина того, что я написал, используется только мной. Не потому что плохо сделано, потому что не нужно. Я решал задачи, которые люди предпочитают решать другими способами. А то, что реально болит, казалось мне скучным, и я это четыре месяца обходил стороной. Теперь нагоняю.

Второе: пока не трогаешь, наконец видишь, что ломается. Когда каждую неделю выкатываешь новую версию, любой сбой списывается на свежие правки. Когда система стоит неподвижно, становится ясно, что она разваливается стабильно и в одном и том же месте.

Третье, и самое неприятное. За эти два месяца вышло столько всего нового, что какие-то мои проверки и промпты просто перестали иметь смысл. Я месяцами обходил ограничения, которое теперь снято на уровне инструмента. Смотреть по сторонам тоже работа, и я её не делал, потому что был занят.

Так что пауза оказалась не простоем. Она оказалась единственным способом узнать, что строить дальше. Разработка ослепляет: пока пишешь, видишь только следующий шаг.

Теперь стараюсь держать ритм: месяц строю, месяц живу с тем, что построил. Второй месяц даёт больше, чем первый, хотя это до сих пор кажется мне контринтуитивным.

P.S.: А ещё в канале выложил два скилла в опенсорс для поиска ИИ-паттернов в тексте и оптимизации текстов под ИИ-выдачу. Забирайте.

ТехВилл победил в премии ШТОРМ-2026: что помогло нам построить HR-бренд с нуля

ТехВилл — «Технологии ВкусВилл» стал победителем премии ШТОРМ-2026 в номинации
«HR-бренд» с кейсом «От логотипа к культуре про людей, фрукты и технологии».

В 2025 году после присоединения ко ВкусВиллу части структур группы «Автомакон» появилась новая технологическая компания, ТехВилл, или «Технологии ВкусВилл».

Перед нами стояла задача не просто объединить команды под новым названием, а создать среду, в которой сохраняется экспертиза, появляются общие проекты и формируется собственная культура.

За год вокруг ТехВилла появилось несколько инициатив, которые и стали частью этого пути.
TechTalks стали площадкой для обмена опытом в AI, LLM, разработке и других технологических направлениях. TechJam стал внутренним хакатоном, на котором команды создавали AI-агентов, автоматизировали процессы и тестировали новые идеи.

Параллельно мы развивали сообщество IT-экспертов. Сегодня в нём уже 56 человек. Коллеги выступают на конференциях, пишут статьи и делятся реальными технологическими кейсами внутри и за пределами компании.

Ещё один важный проект, GROW, наша система признания. Она помогает замечать вклад коллег, благодарить за идеи, экспертизу и результаты и поддерживать культуру взаимного признания внутри команды.

А сопровождать ТехВилл во внутренних коммуникациях помогает наш маскот Рут. Он стал частью визуального языка компании, появляется в проектах и мероприятиях и помогает говорить о технологиях и внутренней жизни команды чуть менее формально.

В итоге ТехВилл для нас это уже не только название, айдентика и коммуникации. Это проекты, экспертиза, внутренние привычки и сама команда. А победа в ШТОРМ-2026 стала приятным подтверждением того, что за новым брендом действительно появилась своя технологическая культура, и она продолжает развиваться вместе с техвилловцами.

Привет! Совсем скоро у нас выйдет подробная статья про критерии выбора железа для ИИ-нагрузок, в которой мы поговорим о GPU, системах хранения и, само собой, об охлаждении (без него вообще все сложно). Пока же —  небольшой тизер того, что вас ждет.

Всем интересующимся железом для ИИ мы обычно предлагаем пробежаться по небольшому чек-листу — в нем есть пять важных нюансов, с которыми стоит определиться на берегу. В нашем ПАК мы заранее все реализовали, но если вы подбираете оборудование самостоятельно, вам пригодится гайд для самопроверки.

1. Уточняйте, как конкретно рассчитано энергопотребление. Советуем запросить у вендора не просто номинальный TDP, а именно пиковые параметры под реальной ИИ-нагрузкой, включая ресурсоемкие задачи обучения, — на этом отдельно остановимся в статье. В идеале узнать и схему резервирования PSU и уточнить, сохранит ли система при отказе одного PSU или ввода питания полную производительность.

2. Узнайте, какой тепловой пакет на стойку, и что еще предусмотрено в ЦОДе. Скорее всего, вам ответят что-то вроде «Стандартная у нас стойка» — это повод уточнить, сколько кВт эта стандартная стойка держит и сколько в ней предполагается GPU-узлов.

3. Устройство сетевой сегментации на уровне железа. Это тоже то, что будет полезно знать — в идеальном мире трафик от ML и бэкап-трафик должны идти по разным физическим сегментам. Иначе в один прекрасный день ночной бэкап просто “положит” обучение. К слову, об этом мы напишем отдельную статью.

4. Уточните у производителя / поставщика, как будет продолжена работа с ИИ-приложениями, в случае отказа одного GPU-узла. Если в ответе вы услышите что-то про аварийное выключение со стратегией сохранения чекпоинтов, а также про автоматическую миграцию нагрузки — поздравляем, это правильный ответ.

5. Как дела с мониторингом на уровне железа и ИИ-приложения. Да, да, не кубером и IPMI-консолью едиными. В observability-стеке обязательно должны быть GPU die temp, температура памяти, ошибки NVLink, power draw.

С этим Топ 5 уже можно идти и собирать хорошую рабочую инфру под ИИ-задачи в нужных вам масштабах. Подробнее про каждый из этих пунктов, экономику процесса (и когда она бывает ложной), избыточные и недостаточные параметры железа, отдельные сценарии инференса и многое другое — совсем скоро в нашем материале.

В IoT-системах часть данных нужна для быстрой локальной реакции, а часть — для долгосрочного хранения и аналитики. Последние показания датчиков, состояние устройств и активные аварии можно держать в оперативной памяти на edge-узле. Более объемные локальные данные — на диске, а историю передавать в центральное хранилище.

В карточках разбираем, как распределить данные между этими уровнями и какую роль здесь может выполнять Tarantool.

Как распределить IoT-данные между edge и центром

Горячие данные можно хранить в оперативной памяти на edge-узле, менее горячие — на локальном диске. Данные для долгосрочной аналитики передают в центральное хранилище.

При выборе уровня важно учитывать не только объем данных, но и допустимую задержку: все, от чего зависит локальная реакция системы, лучше оставлять ближе к источнику.

Зачем обрабатывать события на edge

Центральная платформа подходит для хранения истории, аналитики и управления устройствами. Но некоторые решения нужно принимать локально: задержка сети или потеря связи не должны останавливать работу системы. Edge-узел продолжает принимать и обрабатывать события даже при временной недоступности центрального контура, а после восстановления связи может синхронизировать накопленные данные.

Например, edge-узел может обнаружить аномальный сигнал, остановить линию или изменить режим контроллера.

Что хранить в оперативной памяти

В RAM имеет смысл держать горячие данные, к которым система обращается постоянно:

• последние значения датчиков

• состояние устройств

• активные аварии

• локальные агрегаты и правила.

В Tarantool для такого рабочего набора можно использовать memtx.

Что хранить на локальном диске

Более объемные данные, для которых не нужна минимальная задержка, можно вынести в дисковый слой. Например, локальный backlog событий или менее горячие данные.

В Tarantool для этого можно использовать vinyl, если его профиль задержки и I/O подходят под нагрузку. Критичные для локальной реакции данные лучше оставлять в memtx.

Что передавать в центральное хранилище

Центральная платформа нужна для долгосрочного хранения, аналитики, обучения моделей и управления парком устройств.

Например, последние значения датчиков могут оставаться на edge, а сырые показания за длительный период — передаваться в центр.

Если связь пропала, edge-узел может временно буферизовать события и отправить их после восстановления канала.

Как Tarantool используют на edge

В memtx можно хранить горячее состояние, а Lua использовать для локальной обработки событий. Например, проверить порог, обновить состояние устройства или создать аварию.

WAL и снэпшоты позволяют восстановить данные после перезапуска. Репликация помогает повысить доступность внутри площадки, а vshard — распределить данные между узлами, если ресурсов одной ноды уже недостаточно.

Что проверить перед запуском

Размер такого буфера ограничен, поэтому заранее нужно определить, что делать при его заполнении. Например, сильнее агрегировать данные, переносить их на локальный диск или поднимать аварийный сигнал.

Начните с небольшого прототипа на 2–3 реальных типах событий. Проверьте фактическую частоту записи, выбранные индексы и режим WAL.

На целевом оборудовании измерьте время восстановления и задержки p95/p99. Отдельно протестируйте потерю питания или остановку процесса.

Подробнее о возможностях Tarantool и сценариях его применения — на сайте Tarantool.

Границы между системным администрированием, DevOps и DevSecOps сегодня настолько размыты, что часто на сайтах поиска работы пишут: «Ищем DevOps-инженера со знанием безопасности».

Отсюда разнятся и ожидания от специалиста. Одни думают, что DevOps будет чинить принтеры и одновременно обслуживать базы данных, другие — что это инженер, проектирующий и развивающий ИТ-инфраструктуру.

Обсуждаем это всё в новом подкасте #Криптонит_говорит о системных инженерах!

Смотрите на любой удобной платформе:

• VK Видео

• YouTube

• Rutube

• Подкаст в telegram

• Я.Музыка

В выпуске приняли участие:

• Александр Телевной, директор департамента инфраструктуры в «Криптоните»;

• Артём Пузанков, руководитель отдела консалтинга безопасной разработки в «Бастионе»;

• Иван Морщагин, ИТ-консультант

Ближайшие бесплатные вебинары:

🎬 «Как ИИ уже изменило тестирование ПО»
14 сентября, 18:00–19:00 (Мск).
Разберём, что реально делегировать, где нужна экспертиза человека и сколько это стоит. Отдельно обсудим роль QA как дирижёра ИИ-процессов, контроль стоимости токенов и логирование, а также инфраструктурные задачи и кейсы автоматизации рутины. В финале — риски: безопасность данных в LLM, рост затрат, организационные сложности и снижение компетенций при чрезмерной зависимости от ИИ.
✍️ Записаться

🎬 «Один SQL над Iceberg, PostgreSQL и ClickHouse: как Trino выполняет федеративные запросы, и где они начинают тормозить»
15 сентября, 17:00–18:00 (Мск).
Один SQL над Iceberg, PostgreSQL и ClickHouse: как Trino выполняет федеративные запросы и где они тормозят. На живом примере с EXPLAIN ANALYZE — план выполнения и способы ускорения, от фильтрации и материализации до вычислений в источнике. В финале — сравнение с PostgreSQL/Greenplum, ClickHouse и Spark SQL и что меняется в проде.✍️ Записаться

За день мы успеваем прочитать десятки сообщений, переключиться между задачами, разобраться в новом инструменте и принять несколько решений, не всегда имея полную картину. В таком потоке особенно важно не терять главное, видеть связи и оставлять себе время подумать.

Собрали на осень пять книг, которые помогают тренировать эти навыки и по-другому смотреть на привычные рабочие ситуации 📚🧡

• «Системное мышление», Донелла Медоуз

Медоуз объясняет, как устроены сложные системы и почему решение одной проблемы может привести к неожиданным последствиям. Книга помогает видеть связи между элементами и глубже разбираться в причинах происходящего.

• «Думай как математик», Барбара Оакли

Книга не столько про математику, сколько про то, как мы учимся и решаем сложные задачи. Оакли объясняет, как сочетать концентрацию и рассеянное внимание, лучше усваивать новое и не застревать на одном способе решения.

• «Принцип ставок», Энни Дьюк

Дьюк разбирает, как принимать решения в условиях неопределенности и учитывать роль случайности. Книга помогает отделять качество решения от его результата и точнее анализировать собственный выбор.

• «Гиперфокус», Крис Бэйли

Книга о том, как управлять вниманием и выбирать подходящий режим для разных задач. Бэйли объясняет, когда нужна глубокая концентрация, а когда полезно позволить мыслям переключаться и искать новые связи.

• «Алгоритмы для жизни», Брайан Кристиан и Том Гриффитс

Авторы показывают, как принципы из информатики помогают принимать решения в обычной жизни и работе. Книга — про выбор, приоритеты, распределение времени и поиск достаточно хорошего решения.

7 новых ИИ-моделей в Рег.облаке: от агентских сценариев до глубокой аналитики

Расширяем каталог нашей ИИ-платформы в Рег.облаке — подключили семь новых ИИ-моделей. И это действительно свежие релизы: большинство вышли в июле-сентябре 2026 года, а некоторые появились буквально на днях. Обо всем по порядку. 

• Совсем свежая — сентябрьская. Claude Fable 5.1 от Anthropic, вышедшая 1 сентября: контекст 1M токенов, а в агентных задачах Terminal-Bench 4.0 результат вырос до 55,8% против 42,0% у предыдущей версии. 

• Летние флагманы. Qwen 3.8 Max от Alibaba — это мультимодальная модель с 2,4 трлн параметров и контекстом 1M токенов. Еще одна новинка — Kimi K3 от Moonshot AI, open-weight модель с 2,8 трлн параметров, занявшая первое место в Frontend Code Arena по версии Arena.ai. А также MiMo v2.5 и MiMo v2.5 Pro от Xiaomi — настоящие флагманы для агентских задач. И, конечно, GPT 5.6 Sol от OpenAI, появившаяся в общем доступе 9 июля и которая примерно вдвое дешевле при сопоставимом качестве.

• Поисковая модель. Sonar от Perplexity — модель для работы с актуальной информацией из интернета, дает 128K токенов и запускает поисковые запросы для подготовки аналитических отчетов.

Все семь моделей уже доступны в личном кабинете в Рег.облаке. Мы продолжим подключать новинки — следите за нашими обновлениями и делитесь в комментариях, что подошло именно вам.