Kurgan-Telecom Ru | Информационные технологии

Всем привет!

Telegram меня наконец-то услышал! Ну ладно, не только меня, а может, и не слышал вовсе, но недавний апдейт клиента и вчерашнее обновление Telegram Bot API 10.1 попали прямо в меня.

Дуров и команда ввели Rich Messages — полноценную альтернативу обычным сообщениям, в которых можно конструировать сложную структуру контента с помощью Rich Markdown или HTML-разметки. Кроме того, теперь появилась возможность явно использовать бота в роли полноценного модератора (гварда) на стыке с Mini Apps. Но обо всём по порядку.

Если вам интересны подобные материалы и разработка в целом, подписывайтесь на Telegram-канал «Код на салфетке».

Привет, Хабр!

Я фрилансер! Последние годы зарабатываю только на бирже: ТГ-боты, бэкенды, AI-интеграции, с недавних пор — embedded. В начале года я писал, что разработка с LLM неизбежно станет нормой, и собирал в комментариях привычный скепсис. Так вот — она стала, по крайней мере на том же фрилансе.

К середине 2026 биржа, на которой я вырос с 40 до 270 тысяч в месяц, расслоилась на глазах. Я проиграл заказ человеку, который дал цену в пять раз ниже моей. Я видел ТЗ, где прямым текстом написано: «нужно, чтобы вы вайб-кодили мобильное приложение за 7 тысяч рублей». И я честно покажу свои цифры по доходу — включая те, которые показывать не очень приятно.

Ищете, где сделать постер онлайн или нарисовать афишу без дизайнера? Разбираем и тестируем лучшие нейросети для создания плакатов и баннеров с идеальной типографикой.

Поколенческий коллапс в области грамотности измерим, устойчив и, вероятно, будет только ухудшаться. Академическая сфера реагирует на это импровизацией и иногда — истощением, а не структурной перестройкой, которую требует процесс.

ИИ изменил не только то, как люди ищут работу, но и то, как проходят собеседования и кого мы вообще готовы нанимать.

Меня зовут Марина Ломадзе, я руководитель направления привлечения и найма талантов в Cloud.ru и сегодня расскажу, во что ИИ превратил наем, куда мы все идем и как теперь компании, в том числе мы, ищут сотрудников.

С трепетом и почтением окунаясь в техническую историю, делая погружения к истокам интересующей области, не устаём поражаться, сколь малыми средствами творили предки, этакому их стоицизму, как неизбежному образу жизни. Предлагаю почтенной публике припомнить, как и на чём в бытность работали стеклодувы, какими огневыми средствами располагали и как ими пользовались — речь пойдёт о ранних стеклодувных горелках на жидком топливе, ручных и настольных, в мастерских, в лабораториях. Горелках, на которых изготовлялись сложные химические и физические приборы, без которых были бы немыслимы многие фундаментальные исследования и открытия. 

Однажды предприниматель по имени Малкольм Маклин приехал в морской порт со своим грузом и застрял в очереди почти на целый день. Пока он ждал, он наблюдал, как команды моряков и портовых рабочих медленно борются с бесконечными грудами коробок. 

Последнее время я всё чаще встречаю одну и ту же мысль: бизнес никогда не даст ИИ‑агенту доступ к базе клиентов, заявкам, платежам, CRM или внутренним документам. На первый взгляд звучит логично. Если агент ошибётся, перепутает контекст или выполнит не то действие, ущерб может быть вполне реальным. Но мне кажется, что здесь часто путают две разные вещи.

Давать агенту прямой доступ к базе действительно нельзя. А вот давать ему возможность работать через ограниченный, проверяемый и журналируемый контур действий вполне можно. Примерно так же мы не даём пользователю прямой доступ к PostgreSQL, но разрешаем ему нажимать кнопки в интерфейсе, которые вызывают заранее описанную бизнес‑логику.

В этой статье я хочу как раз таки разобрать, как может выглядеть такой контур на практике: без магии, без «агент всё сам решит», без сырого SQL от модели и без веры в то, что хороший prompt заменяет нормальную архитектуру.

Компания X Square Robot открыла проект XRZero-G0 — аппаратно-программный фреймворк для сбора обучающих демонстраций, генерации политик управления и проверки их на реальных роботах. Проект ориентирован на одну из главных проблем embodied AI: дорогой и медленный сбор качественных данных с помощью физических роботов. Вместо постоянной телеметрии с реального оборудования XRZero-G0 использует демонстрации, записанные человеком через VR-интерфейс и набор камер, после чего эти данные применяются для обучения роботов.

В техническом отчёте XRZero-G0 авторы описывают систему как совместно спроектированную аппаратно-программную платформу для «robot-free» сбора данных и обучения политик управления. По их данным, сочетание большого массива человеко-записанных демонстраций с небольшим объёмом данных от реального робота позволяет получить качество, сопоставимое с датасетами, собранными только на физических роботах. В экспериментах упоминается соотношение около 10 человеко-записанных эпизодов на 1 эпизод реального робота, что снижает стоимость сбора данных примерно в 20 раз.

По описанию Help Net Security, вместе с XRZero-G0 опубликован G0-Dataset — мультимодальный набор данных, собранный с помощью этого фреймворка. Он включает более 2000 часов проверенных демонстраций, охватывает зрительные, тактильные и аудиомодальности, а также содержит около 3000 различных задач манипуляции — от базовых действий до более тонких семантических сценариев. Часть набора данных доступна на Hugging Face как XRZero-G0-3K.

Система интересна тем, что пытается сделать сбор робототехнических данных похожим не на ручное управление конкретной дорогой машиной, а на масштабируемый производственный процесс: оператор записывает действия в удобной среде, данные проходят контроль качества, затем используются для обучения политики, а результат проверяется на физическом роботе. Такой подход может быть полезен для исследований в области универсальных роботов, dexterous manipulation и переноса навыков между разными робототехническими платформами.

Возможности XRZero-G0

( читать дальше... )

 xrzero-g0, x square robot, роботы

Запустили открытый корпоративный мессенджер, в который можно бесплатно приглашать внешних участников. Проверили его на командах и придумали, как развивать сценарии дальше. Показываем новые идеи.

До сдачи курсовой или диплома осталась неделя. У вас есть тема, 17 открытых вкладок, пара PDF, методичка от преподавателя и внутренний торг: разложить все по плану или просто страдать в Google Docs до трех ночи.

ИИ для курсовой работы может значительно сэкономить время: составить структуру исследования, объяснить и процитировать источники, помочь с формулировками и указать на слабые места. Разберем, какой ИИ использовать для разных этапов курсовой и как не получить работу с выдуманными источниками и подозрительно ИИ-шными предложениями.

Приветствую всех!

Те, кто знакомы со мной и моими статьями, хорошо знают мой интерес ко всякому торговому оборудованию. Тем не менее, предмет сегодняшней статьи я как-то упорно обходил стороной. Самое время восполнить это упущение.

Многие из вас не раз видели эти штуки в магазинах. Сейчас мы посмотрим на то, как устроен и как работает такой девайс, защищён ли он от помех и от накрутки проходов и действительно ли он настолько прост, насколько кажется.

В этой статье мы рассмотрим цепочку радиоактивного распада урана-238 и определим, сколько образуется конечного продукта - стабильного свинца через время t.

У моего клиента есть пара железных серверов, которые используются для хранения и раздачи статических файлов. Все бы ничего, но любое оборудование требует внимания и регулярного мониторинга. Со временем диски, модули памяти и другие компоненты могут выходить из строя. Причем умирают они не сразу, сначала молча сыплются ошибки в логи, а потом уже поздно что-то предпринимать: даунтайм, kernel panic, fatal error, ретроспектива и панические атаки. Поэтому важно своевременно отслеживать состояние инфраструктуры и реагировать на предупреждения до того, как они перерастут в серьезные инциденты.

По-хорошему раз в месяц кто-то должен садиться и изучать логи на аномалии, если нужно — писать тикеты и ждать завершения технических работ с серверами. Вполне логичная и рабочая схема, в которой сама собой напрашивается автоматизация, комплексный сбор логов, выявление узких мест и уведомления в профильные каналы. Но, как ни крути, нужно оптимизировать процессы и резать косты, да и человек не всегда имеет желание следить за показателями. 

Выражение «искусственный интеллект всех заменит» заиграло новыми красками. Нет, от естественного интеллекта я не отказываюсь, но конкретно анализом «здоровья» этих железных серверов теперь занимается локальная ИИшница. Сейчас покажу, что удалось запилить, как я прикрутил локальную модель и написал нишевого агента под нужды клиента, чисто для анализа логов с железных серверов.

В Великобритании 80-е были турбулентным временем: закрывались шахты, гибли традиционные индустрии для островной нации. Но на фоне этого хаоса начался внезапный подъем английских компьютеров — он-то и подарил нам шедевр игростроя, который до сих пор впечатляет своими гениальными решениями в скудных технических условиях.

Property‑тесты умеют находить ошибки на самых неожиданных входных данных. Но настоящая магия начинается после падения теста: вместо списка из сотен случайных значений Hypothesis часто показывает один короткий и предельно понятный контрпример.

Разбираемся, как работает shrinking, почему ручные shrinker'ы плохо масштабируются и за счёт чего Hypothesis умеет минимизировать ошибки практически автоматически.

Привет! Меня зовут Саша Журавлев. Я основатель и управляющий партнер фонда Mento VC. Мы инвестируем в технологические компании на стадиях Seed / Series A в США, Великобритании и Израиле, а в своем телеграм-канале рассказываю, как вижу рынок и принимаю инвестиционные решения.

Одна из вещей, которую я заметил за много лет в венчуре – решения крупных фондов могут быть не так независимы, как принято считать. Мы со-инвестируем с top-tier фондами и пристально за ними наблюдаем. И со временем начали замечать паттерны: одни и те же фонды снова и снова вместе оказываются в одних и тех же сделках. Потому что у них похожий фокус, или есть еще какая-то связь?

Мы с командой Mento VC решили проверить это на данных. Проанализировали тысячи раундов топ-36 фондов мира – и обнаружили 8 устойчивых кланов Кремниевой долины (вообще-то, 11, но при более пристальной проверке трое как кланы не подтвердились). «Кланами» мы считаем группы фондов, которые связаны не только через стартапы, в которые инвестируют, но и рабочими, дружескими и даже семейными связями. Про это не принято говорить вслух, но кто вам еще расскажет если не мы?

В этой статье представлен подробный перевод личного кейса разработчика Marwan по созданию воксельных 3D-моделей. Вы узнаете, с какими проблемами оптимизации полигонов сталкиваются разработчики при импорте вокселей в игровой движок Unity, как работает алгоритм Greedy Meshing для отсечения невидимых граней и как создавать кастомные инструменты ландшафта (Terrain Tools) и систем сетки (Grid System) для ускорения разработки игровых миров. Статья будет полезна всем, кто интересуется GameDev и оптимизацией трехмерной графики.

Спойлер: В тексте много картинок без спойлера.

Здравствуйте, дорогие читатели! Сегодня - ещё одна статья из рубрики джангологии.

Раньше я уже писал о своих идеях (1 и 2) о том, как сделать django асинхронным. Они основывались, вслед за sqlalchemy, на использовании гринлетов. Несмотря на то, что proof-of-concept был успешно получен, а трудностей - встречено меньше, чем ожидалось, я всё-таки отказался от этого подхода: во-первых, он уже применяется в sqlalchemy. Во-вторых, это ведёт к усложнению, и растёт так называемая test matrix - потому что поддерживается как синхронный случай, так и асинхронный. А simple, как мы знаем, is better than complex.

Так вот, я решил возобновить эти свои попытки, изменив подход на более радикальный. А именно, необратимо переписать django на async-only, сломав совместимость полностью. Для этого потребуется заменить в половине функций def на async def и добавив await при их вызове. Я уверен, что такой подход лучше.

Не то, чтобы асинхронный django был очень кому-нибудь нужен, особенно теперь, или от этого будет какой-то фантастический выигрыш в производительности - дело в том, что я хочу попробовать на практике агентное программирование, а это, как раз подходящий проект: есть чёткий план и много кода, который нужно менять.

По пути Японией пошли Китай и Южная Корея, и сейчас, когда региональная вычислительная школа ЮВА занимает наряду с США лидирующие позиции в сфере вычислительных технологий повторяется история с японским проектом FGCS. Только на этот раз речь идет не просто об умных суперкомпьютерах, а об ИИ и управлении криптовалютами и массивами big data, каковые были слишком сложными для их обработки с помощью традиционного ПО. За последние десять лет два очередных съезда компартии Китая среди прочего принимали решение сделать ИИ достоянием всего человечества, устранив «интеллектуальный разрыв» в этой области между передовыми и слаборазвитыми странами. Министры иностранных дел КНР, Японии и Южной Кореи объявили о достигнутом ими соглашении трех этих стран о совместном сотрудничестве в области искусственного интеллекта, блокчейна и больших данных. Американцы снова не на шутку обеспокоились всемирным ИИ под управлением теперь Китая и объявили о санкциях, призванных обуздать заботу региональной вычислительной школы ЮВА о всем человечестве. Словом, все пошло по второму кругу.

Чтобы лучше понять это очередное, на этот раз американо-китайское бодание за лидерство в IT-отрасли, надо вернуться в 80-е годы, когда с появлением ПК и компьютерных сетей национальные суверенитеты в вычислительных технологиях приобретают новый смысл. Затратная в целом IT-отрасль, работавшая прежде всего на ВПК сверхдержав и их престиж в научных и космических исследованиях, она превращается в отрасль, вполне доступную любой развитой стране и – главное – сулящую, как тогда казалось, невиданные сверхприбыли. Делить их с заграничными дядями и акционерам транснациональных корпораций ни одна развитая европейская страна, будучи в здравом рассудке, не желала.