Kurgan-Telecom Ru | Информационные технологии

Серия: redb ecosystem (анонс, разбор позже)

В 3.1.0 у redb.Route вышло два новых транспорта: redb.Route.Llm (24-й) и redb.Route.Exec (25-й). LLM теперь — обычный endpoint наравне с Kafka, RabbitMQ и HTTP: вызов модели — это шаг .To("llm://claude"), инструмент агента — это маршрут с .AsLlmTool("shell"), периодический агент — From("llm://factory?schedule=5m"). Exec — спавнер процессов с allowlist, working-dir и таймаутом; работает и как backend shell-инструментов агента, и как самостоятельный scheduled consumer (cron-less health-probes, бэкапы и т.п.). Никаких «отдельных AI-фреймворков рядом с ESB»: всё внутри той же DSL, тех же retry/throttle/circuit-breaker/audit, тех же OpenTelemetry-трейсов.

Это анонс. Подробный разбор внутренностей — отдельной статьёй позже. Здесь — что появилось, как это выглядит в коде, и что честно ещё не сделано.

Если читаете про redb.Route впервые — короткий контекст из предыдущих статей серии:

redb.Route — Apache Camel для .NET — зачем вообще, и почему «Apache Camel под .NET»

redb.Route изнутри: четыре in-memory канала и Exchange — как устроен runtime

redb.Route 3.0.1 — плоская навигация по DSL, рефакторинг CRTP и тихий null — предыдущий патч перед 3.1.0

Самое короткое объяснение

From("kafka://orders") .To(Llm.Factory("claude").Temperature(0.2).MaxTokens(1024).AsUri()) .To("kafka://orders.translated");

Когда команда срывает дедлайн, первое объяснение обычно звучит так: сотрудники прокрастинируют и ленятся, плохо планируют время или недостаточно ответственно относятся к задачам. Но если сроки горят регулярно, проблема редко бывает в конкретном человеке.

В этой статье разберу шесть распространённых причин, из-за которых команды срывают сроки даже тогда, когда никто не бездельничает. Расскажу, как можно сделать так, чтобы задачи были более понятными и не приходилось срочно их выполнять в последний момент. В конце статьи чек-лист, который поможет понять — проблема в людях или в системе.

Наш Neko выиграл Red Dot Design Award. Это Оскар в мире промышленного дизайна. Его получали Apple, Porsche, Dyson и т.д.

Ещё в процессе разработки, когда мы сами поняли, что именно за гаджет делаем — зачем он, какие у него функции, как выглядит, etc. 

В тот момент решили подать заявку на конкурс Red Dot — что, конечно, очень амбициозно для такой небольшой команды, как мы.

Лонгрид про то, как ломается крошечная LLM, почему «первый токен решает всё», и как метрика дважды наврала мне в лицо

Качество работы с кодящим агентом почти не зависит от того, какая под капотом модель. Я довольно долго в это не верил — менял модели, крутил промпты, ждал следующий релиз. А разница, оказалось, не в модели. Она в том, что вокруг модели: есть ли у агента память между сессиями, карта проекта, правила, руки и место под результат. Голая модель — это эрудит без рабочего места. Каждый разговор она начинает с чистого листа.

Вот это всё вокруг модели — память, карта, правила, руки — и называется харнесс. Ниже — разбор моего харнесса целиком, слой за слоем, на одном реальном проекте: пять сервисов, Kubernetes, прод. Не идеальная схема из README, а то, что видно в логах: что реально вызывается каждый день, а что я нагородил и забыл. Спойлер: половина подключённых MCP-серверов за 98 сессий не вызвалась ни разу. Сразу оговорюсь: сессии сохранились не все — у Claude Code, похоже, есть ротация логов, часть истории потерялась. Так что мои числа — это нижняя граница, реальные ещё выше.

Баннер с запросом согласия на cookie есть почти на каждом сайте. Но часто он существует «для галочки» — данные в аналитику улетают сразу при загрузке страницы, независимо от того, что выбрал пользователь. И если раньше это была просто недоработка, то с 1 сентября прошлого года в 152-ФЗ (Федеральный закон «О персональных данных») был внесен ряд изменений, в том числе, появились новые требования к оформлению согласия на обработку персональных данных. Во-первых, оно должно быть получено в явном виде, а во-вторых, существенно вырос штраф за несоблюдение этого пункта. Компаниям было дано время на устранение несоответствий закону, а со второй половины этого года должны начаться массовые проверки того, как компании собирают и хранят персональные данные. Так что если вы до сих пор не привели эту часть вашего сайта в порядок — сейчас самое время этим заняться.

Разберемся с этими настройками на примере нашего сайта cleverdata.ru: если ничего не делать/использовать дефолтные настройки/использовать стандартный набор Tilda с Яндекс метрикой, то ... баннер отображается, но Яндекс.Метрика загружается и собирает данные ещё до того, как пользователь успевал нажать хоть какую-то кнопку. Конечно, такие настройки использовать нельзя — это нарушает требования 152-ФЗ и GDPR, которые обязывают получить явное согласие пользователя до начала сбора данных. И мы так, естественно, не делаем. А можно ли как-то исправить эту ситуацию? – Можно!

Привет, я Анна Таюрская, инженер технической поддержки (L1) компании CleverData. Я знаю, как решить эту проблему.

Последние дни на фондовых площадках ознаменовались падением акций бигтехов по всему миру. Цепную реакцию запустила отчётность Broadcom, позже добавились ожидания возможного повышения ставки ФРС.

Давайте проведем разбор причин обвала Nasdaq и азиатских рынков, экспертные оценки и конкретные рекомендации по акциям технологического сектора.

Под колпаком пузыря: как хайп позволяет вырастить гигантов — и что происходит с теми, кто не успел вырасти

Недавно поймала себя на мысли: в любом хайп-цикле инвесторы и медиа смотрят туда, где максимальный коэффициент выигрыша. На самые громкие ставки, самые амбициозные обещания. А те, кто строит понятный бизнес с реальными клиентами и сходящейся экономикой, — просто работают.

Результат предсказуемый: компании с нормальной юнит-экономикой и живыми клиентами хронически недоинвестированы. Не потому что плохи — а потому что неинтересны на фоне тех, кто обещает изменить всё.

Это не новая история. Именно так выглядел рынок во время доткомов. Только мало кто тогда понимал, на что на самом деле стоит смотреть — и чьи акции покупать.

Попробовала разобраться. Получилось эссе про то, как пузыри работают изнутри, кто из них выходит победителем — и почему победители почти никогда не те, на кого все смотрели.

В новом релизе Pizza Legacy v0.1.0 появилась возможность выиграть игру, как в оригинале.

Когда я играл в Pizza Tycoon (1994 год) в детстве, то не особо задавался вопросом, как победить. Мне просто нравилось открывать рестораны и придумывать пиццы, а также приторговывать оружием для финансирования роста моей империи пиццы. Но выигрыш? Я никогда до него не доходил и, вероятно, даже не задумывался о нём.

Когда я принялся за проект воссоздания этой игры, то начал изучать файлы данных Pizza Tycoon, обнаружив графический файл ENDE.VGA и текстовый файл ENDE.E, сообщающий нам, что происходит в случае выигрыша:

Первая строка ENDE.E:

Вы достигли немыслимого! Вы — король всего западного рынка фастфуда! Вы — тот самый, МАГНАТ ПИЦЦЫ.

Это даёт нам понять, что игру как-то можно выиграть, но не как именно.

Я просто забыл об этом вопросе, ведь мне предстояло реализовать столь многое до того, прежде чем задумываться о победе игрока, но однажды наткнулся на пост «Я "выиграл" в Pizza Tycoon? (Как это произошло?)». После нахождения этого поста мне стало любопытно, но не настолько любопытно, чтобы заниматься расследованием, поэтому я поискал условия конца игры в ассемблерном коде и попросил Claude проанализировать их. Он сказал следующее:

end_of_week_processing раз в неделю проверяет, есть ли у текущего игрока >= доля рынка 5% во ВСЕХ 10 городах.

Это соответствует моим представлениям: логично с точки зрения геймплея и текста, найденного в ENDE.E. Однако это не соответствовало написанному пользователем Reddit: он утверждал, что у него были рестораны только в Париже и Берлине; возможно, он опустил какие-то подробности или у него просто был повреждённый файл сохранения? Я написал ему, но не получил ответа...

28 мая мы провели в Альпине закрытую мастер-встречу про то, как растить ИИ-компетенции в команде без миллионных бюджетов. На встречу подключились более 150 специалистов из фармы, ритейла, IT, логистики и банков. Я рассказывал про наш путь в AlpinaGPT, коллеги показывали свои кейсы в маркетинге, продажах и разработке, в зале задавали вопросы CTO и L&D-директора крупных российских компаний. После трёх часов разговоров у меня осталось одно главное наблюдение — то, ради чего я и пишу эту статью.

Меня зовут Жемал Хамидун, я CPO AlpinaGPT, Head of AI Alpina Digital и автор тг-канала «Готовим ИИшницу». Главное наблюдение простое: разрыв в ИИ-компетенциях растёт. Одни сотрудники работают с моделями ежедневно, у них уже свой стек, свои шаблоны, своя память между сессиями и встроенные в рабочий процесс агенты. Другие открыли ChatGPT один раз, написали что-то вроде «составь мне отчёт», получили шаблонный текст без контекста, решили, что инструмент бесполезный, и закрыли вкладку. Между этими двумя сотрудниками разрыв растёт каждый месяц быстрее, чем компании успевают его закрывать обучением. 

Разрыв в компетенциях растёт быстрее, чем обучение его закрывает

Главная цифра, которую я показывал на мастер-встрече, — из свежего отчёта DataCamp и YouGov State of Data & AI Literacy 2026 (опрос 517 enterprise-руководителей в США и Великобритании, декабрь 2025 — февраль 2026). 82% компаний уже предоставляют ИИ-обучение для сотрудников, и при этом 59% этих же компаний сообщают, что разрыв в ИИ-компетенциях у них всё равно сохраняется. 23% опрошенных заявили, что программы обучения не адаптированы к конкретным должностным обязанностям, 21% опрошенных говорят, что сотрудникам сложно понять, с чего начать. То есть деньги в обучение пошли, программы запустили, лицензии раздали — а сотрудники в массе своей по-прежнему не владеют ИИ на нужном уровне.  

Большинство инструментов для замены лица на видео выдают приемлемый результат на фронтальном кадре с равномерным освещением — и начинают сыпаться при повороте головы, смене выражения или тени от источника света сбоку. Артефакты на границах, мерцание между кадрами, потеря текстуры кожи при движении — это не случайные баги конкретных реализаций, а следствие архитектурных компромиссов.

Взяли три инструмента с разной архитектурой, прогнали через одинаковые сценарии и разобрали, где каждый из них ломается и почему.

DLQ — это просто топик. Сложное — всё, что вокруг него.

Эта статья — про практическую архитектуру обработки событий из Kafka с отправкой данных во внешний REST API.

Главная проблема такого сценария — нестабильность внешнего API. Он периодически деградирует по latency или начинает отвечать с ошибками, и это напрямую влияет на пропускную способность всего консьюмера.

Привет, Хабр!

Мир безопасности телекома для многих IT‑специалистов кажется закрытым клубом, спрятанным за проприетарными вендорами, дорогим оборудованием и тысячами страниц спецификаций 3GPP. Но порой, чтобы положить ядро мобильной сети целого региона не нужна квантовая физика, а достаточно базового понимания бинарных протоколов и одного вырезанного байтика.

В этой статье я расскажу, как я исследовал уязвимости в популярном open‑source ядре мобильной связи Open5GS и почему слепая вера в стандарты ломает код. Мы напишем изящный эксплойт, жонглируя битами в кодировке ASN.1 APER

В продажу поступил новый гаджет «Яндекс Дропс» — наушники со встроенной Алисой AI. Это первое носимое устройство компании с Алисой. AI-ассистент в наушниках записывает идеи, мысли, напоминания и задачи в «Мою память», чтобы ничего не забыть.

Попытки повышения эффективности деятельности в компаниях часто не приводят к желаемому результату. Причины этому может быть разными, но в большинстве случаев это происходит потому, что игнорируется внесение своевременных изменений в управленческую деятельность или при изучении и разработке планов по совершенствованию каких-либо операционных процессов (при выполнении проектов) совсем не учитываются сопутствующие им процессы управления. Как результат – достижение запланированного результата часто оказывается под вопросом.

1.  Что такое управленческая деятельность и что к ней относится.

Посмотрим какие определения даются «управленческой деятельности», в некоторых словарях (см. https://big_economic_dictionary.academic.ru/3548/:

Кафедра компьютерных наук Калифорнийского университета в Беркли на днях опубликовала худшие показатели неуспеваемости за последние годы. В весеннем семестре 2026 года 35,3% студентов курса CS10 получили неудовлетворительные оценки, тогда как в предыдущие годы этот показатель не превышал 10%.

Профессор Дэн Гарсия считает, что главная причина — резкий рост академической нечестности, связанной с использованием ИИ. Студенты поручают языковым моделям выполнение домашних заданий, не осваивают материал, а затем проваливают экзамены.

Получается парадоксальная ситуация. Компании увольняют опытных инженеров, рассчитывая повысить эффективность с помощью ИИ, а система подготовки новых специалистов одновременно разрушается под воздействием той же технологии.

Студенты используют ИИ, чтобы обойти самую сложную и важную часть обучения — процесс самостоятельного понимания материала. В результате они приходят на экзамены без фундаментальных знаний и терпят неудачу. Один из преподавателей отметил, что многие студенты, обучавшиеся на курсе линейной алгебры с «политикой открытого использования ИИ» при выполнении домашних заданий и сдаче экзаменов, впоследствии не смогли решить базовые задачи по линейной алгебре на следующем уровне обучения.

В итоге одновременно деградируют оба сегмента кадрового конвейера. Старших инженеров сокращают, чтобы финансировать расходы на ИИ. Молодые специалисты выпускаются без необходимых навыков, потому что значительную часть учебной работы за них выполнял ИИ. И компании, вкладывающие миллиарды в эти технологии, пока ещё не связали эти два процесса в единую картину.

Два года по вечерам в одиночку пилю текстовую MMORPG в Telegram — мрачный остров, по которому ходят выжившие. В прошлой статье рассказал, как заброшенный на полтора года проект сам собрал игроков. Обещал показать техническую кухню — показываю. Без позы сеньора: где нормальные решения, а где костыли, которыми я не горжусь, но которые два года держат живой мир. Игровой цикл из одной строки в кроне, дюп ресурсов и атомарный захват, мёртвые кнопки, которые пережили все тесты, выпиленный из проекта Python и честный ответ — какой стек я взял бы сегодня.

Всем привет! С Вами вновь на связи Евгений Листраткин, ведущий инженер команды администрирования клиентских сервисов в Selectel. Наша работа — DevOps as a Service. Трудимся и в дата‑центрах других компаний, и вообще на любых площадках.

В работе любого DevOps-инженера есть неизбежная рутина — из раза в раз разворачивать одни и те же типовые сервисы, которым часто с головой хватает базовых настроек. Ansible или Puppet — типичное решение.

Но неужели писать плейбуки ради одного бинарника или готового файла Docker Compose?!

Давайте разберем быструю альтернативу — развертывание инфраструктуры из готовых образов с предустановленным ПО. Материал будет полезен DevOps-инженерам, сисадминам и тимлидам — избавит от рутины, сэкономит время команды, научит раскатывать типовые среды без написания лишнего кода.

Привет, Хабр! Меня зовут Константин Дубинко, я — Android-техлид в  hh.ru. Сейчас мы заканчиваем большой переезд навигации в двух Android-приложениях — для соискателей и работодателей. В этой статье я покажу, как у нас там устроена навигация, почему мы решили отказаться от Fragment-навигации и как превратили хаотичную миграцию с «островками» новой архитектуры в управляемый процесс с метриками и понятным планом работ. Заодно расскажу, какие решения сработали, какие — нет, и что я сделал бы иначе, если бы начинал заново.

У меня была видеокарта NVIDIA A100, максимальный объём памяти 79,254 Гб. Нужно было извлечь ключевую информацию (задача Qwestion Answering) из 6000 многостраничных документов. Всего было 15 полей разного типа:

Фродо_Бэггинс_паспорт — серия и номер паспорта в Средиземье

Сэмуайз_Гэмджи_инн — ИНН, полученный в Мордоре

Хоббит_номер_страховки — номер страхового полиса (эльфийского)

Мериадок_Брендибак_пол — пол

Хоббит_диаметр_кольца — диаметр кольца Всевластия

Перегрин_Тук_вес — вес

Гэндальф_Серый_длина_посоха — длина посоха в сантиметрах

Майар_количество_упоминаний — количество упоминаний в документе его имени

Арагорн_дата_рождения — дата рождения

Леголас_Эльф_количество_стрел — количество стрел

Гимли_фио — ФИО полностью

Боромир_дата_смерти — дата смерти

Саурон_количестов_пальцев — количество пальцев после войны

Орки_количество — сколько орков указано документе

Волки_количество — сколько волков указано в документе

Ну, понятное дело, все поля обфусцированы (на самом деле это обычные юридические документ, причем их форма различается в зависимости от того, кто их делал). Особенность была в том, что все поля могут быть расположены на одной странице документа или размазаны по всему документу, а страниц может быть до 80.