Kurgan-Telecom Ru | Информационные технологии

Меня зовут Павел, я разработчик в R77.AI. В статье расскажу, почему Python-библиотеки для ML могут незаметно ходить в интернет, как находить такие скрытые загрузки и что с ними делать в закрытом контуре.

На мероприятиях по сетевой безопасности всё чаще обсуждают, как правильно соотносить показатели производительности сетевых средств защиты информации (СЗИ) с потребностями организации. Новые функции и продукты в условиях импортозамещения появляются с умопомрачительной скоростью. И с такой же скоростью для них разрабатываются новые методики, показатели, измерительные средства. Но эта гонка касается не только потребителей и интеграторов. Разработчикам нужно как успевать создавать и модернизировать продукты на уровне конкурентов, так и качественно проверять, отлаживать свои решения.

Особенно остро этот вопрос стоит для NGFW — самого сложного и полнофункционального продукта в линейке сетевых СЗИ. Наши коллеги уже делились опытом в этой области. Мы расскажем о своём подходе: как мы сопровождали разработку и тестировали режимы работы сетевых СЗИ с помощью собственного генератора трафика.

В пятницу, 21 августа, миллиардеру Сергею Брину исполнилось 53 года. Он известен как сооснователь компании Google. По данным Forbes, в 2026 году состояние Брина оценивается в $260 млрд, что делает его четвёртым богатейшим человеком мира.

История Брина выделяется на фоне других сверхбогатых предпринимателей, поскольку он стал самым успешным в бизнесе и технологиях выходцем из СССР.

В июле 2026 года OpenAI заметно изменила голосовой режим ChatGPT и запустила GPT-Live-1 — модель для более естественного разговора в реальном времени.

Теперь ChatGPT умеет слушать во время собственной речи, реагировать на перебивания, ждать окончания мысли, работать с веб-поиском, памятью, текстом и изображениями в одном диалоге. Сложные вопросы он при необходимости может передавать более мощной модели для отдельного анализа.

Но вместе с этим появились и новые особенности: Live может отлично держать длинный контекст, а через минуту внезапно перейти на «угу», перебить пользователя или додумать то, чего он не говорил.

В статье разберём, как устроен новый голосовой режим, почему он иногда кажется «зубчатым» и, главное, как с ним разговаривать так, чтобы получать более точные, содержательные и естественные ответы.

Продолжение статьи «От монолита и чатов к FMS и FMS App». Читать первую часть не обязательно — нужные вводные дам по ходу, но с ней будет вкуснее.

Всем привет! Меня зовут Даня Сухарев, я директор по продукту внутренних сервисов в каршеринге Ситидрайв. Герой этой статьи — один из таких сервисов: FMS, Fleet Management System. Полтора года назад, ещё в роли продакта FMS, я написал первую статью — про то, как мы за три квартала с нуля построили систему управления автопарком и мобильное приложение FMS App, чтобы победить два монолита, чаты и онлайн-таблички.

Как вы себе представляете работу OCR? Страничка сканируется, программа находит области с буквами, распознает их и выдает текст. Старый добрый Tesseract так и пашет. А вот новый baidu/Unlimited-OCR делает финт ушами: он вообще не ищет буквы. Он берет всю страницу как картинку, жмет ее в горстку визуальных токенов и скармливает языковой модели, которая разворачивает их обратно в структурированный текст. Звучит как извращение, но… работает.

Это прямой наследник идеи DeepSeek-OCR. Сегодня коротко разложу: что это, как устроено, что умеет и как запустить у себя. Будет полезно всем, кто хочет распознавать многостраничные документы за одну проходку или вписать такую функцию в свой проект.

Привет, Хабр!

Собрать Lakehouse на слайде несложно. Берём S3-совместимое хранилище, добавляем Iceberg, Spark, Trino, Kafka, Airflow и каталог данных. Получается современно, масштабируемо и архитектурно красиво. Гораздо сложнее сделать так, чтобы эта конструкция работала в определенных корпоративных сценариях. В статье попробуем отделить архитектурную концепцию от маркетинга и разобраться, как на самом деле идут проекты внедрения Data Lakehouse в России: какие решения доступны на рынке, какие проблемы платформа не решает, когда её внедрение имеет смысл и как выбрать подход к миграции.

Когда я только начал изучать рынок разработки в США, меня в первую очередь заинтересовали их зарплаты. И такие зарплаты американских Software Engineer, как $150k, $180k, $200k+ в год, для меня, на тот момент обычного middle‑разработчика из РФ, выглядели непривычно большими. И у меня быстро возник вопрос: А за что, собственно, американская компания готова платить такие деньги?

Неужели просто за знание React, Node.js, TypeScript и AWS?

И после глубокого изучения американского рынка я пришёл к такому выводу, что высокая компенсация связана не столько с количеством технологий в резюме, сколько с тем, какую часть инженерной ответственности разработчик способен взять на себя. Но сначала про их зарплаты.

В США имеет смысл различать два понятия: Base Salary — фиксированная зарплата и Total Compensation (TC) — общая годовая компенсация, которая обычно включает base salary, бонус и акции/RSU. TC нельзя напрямую сравнивать с зарплатой в РФ: equity может быть существенной частью компенсации, а её структура и ликвидность отличаются. По актуальным данным из Levels.fyi, на август 2026 года медианная Total Compensation Software Engineer в США составляет около $195k. 25-й перцентиль — около $137k, 75-й — около $282k, и это данные по Software Engineer всех уровней. Поэтому я сделал выборку с конкретными уровнями, которые можно приблизительно сопоставить с Middle.

Сегодня компании все чаще используют нейросети не только для отдельных запросов, но и для выполнения целых цепочек задач. ИИ-агент может самостоятельно найти информацию, написать код, обратиться к внутренней системе и подготовить результат. Чем больше таких действий система выполняет без участия человека, тем важнее становится контроль за ее работой и тем выше цена ошибки.

На третьем фестивале True Tech Friends эксперты обсудили реальные случаи внедрения ИИ-агентов и ситуации, в которых автоматизация начинала работать не так, как от нее ожидали. В центре дискуссии оказался практический вопрос: где агенту действительно нужна автономность, а какие задачи лучше оставить обычным алгоритмам.

В обсуждении приняли участие Ярослав Лосев, руководитель команды фронтенд-разработки «Яндекс Путешествий», Сергей Курбанов, руководитель исследований и разработок MWS, и Даниил Слюсарь, руководитель разработки PT Application Inspector в Positive Technologies.

Разбор одной инженерной задачи: как приложение рядом с игрой читает чат прямо из памяти процесса, почему первый способ это делать сжигал половину ядра и что пришло ему на смену. Тема — память чужого процесса, строка, которая не стоит на месте, и мёртвая копия, неотличимая от живой.

Задумывались ли вы когда-нибудь о том, что на самом деле происходит под капотом, когда вы рендерите приложение React? Мы знаем, что React строит дерево DOM и отображает UI на экране, но как React конструирует это дерево и как он эффективно обновляет его при изменении состояния?

В этой статье мы рассмотрим React Fiber — основной движок согласования (reconciliation) React. Мы рассмотрим, как React строил DOM до v15, недостатки этой ранней стековой (stack) модели с точки зрения производительности и то, как асинхронная архитектура Fiber решает эти проблемы, начиная с React v16 и до React v19.

Привет, Хабр! Я Евгений Шувагин, последний год работаю над компонентом Face-Shot в Т-Банке.

Представим ситуацию: клиент хочет перевести большую сумму, используя мобильное приложение. Внутренние системы видят подозрительную активность и запрашивают проверку по селфи, человек наводит камеру на лицо — получает отказ. А все из-за того, что на бэкенде была получена размытая фотография потолка с кусочком лица пользователя, по которому никак не понять, действительно ли это владелец счета хочет провести операцию. Клиент звонит в поддержку, злится. Банк теряет доверие. Именно такие сценарии заставили нас серьезно заняться качеством записываемого фото.

Вы можете назвать свою компанию красиво: вплести свое имя или вдохновляющий текст. Но это не гарантирует безопасность бизнеса, если вы не учли требования закона к интеллектуальной собственности.

При чем здесь интеллектуальная собственность?

Название организации, название бренда или название компании – это слова из обычной речи. В разговоре вы их используете без последствий для себя и своего бизнеса.

Другое дело, если вы хотите закрепить название компании исключительно за собой. С этого момента вы имеете дело с фирменным наименованием – объектом интеллектуальной собственности.

Интеллектуальная собственность охраняется законом по-особенному.

Как просьба друга «настроить кассу» закончилась open-source ERP, тринадцатью российскими интеграциями и нейросетью, которая теперь считает закупки, ищет косяки в учёте и пишет владельцу в Telegram.

Есть у меня друг. Назовём его Артём.

Полгода назад он решил открыть ресторан. Небольшой: пятнадцать столиков, кухня, бар, доставка. Никакой федеральной сети и отдела автоматизации на сорок человек. Обычный ресторан, где владелец ещё вчера выбирал стулья, сегодня разбирается с поставщиком мяса, а вечером внезапно узнаёт, что касса тоже требует внимания.

Примерно за месяц до открытия Артём пришёл ко мне с классической фразой:

— Слушай, тыжепрограммист. Помоги систему настроить. Ну чтобы касса, кухня, заказы — всё нормально работало.

Если вы когда-нибудь были «тем самым знакомым программистом», то примерно понимаете, чем обычно заканчивается слово «помоги». Сначала задача выглядела просто: выбрать что-нибудь вроде iiko, поставить, настроить и забыть.

В итоге я полез смотреть, как вообще устроен ресторанный софт, перебрал несколько систем, остановился на open source, русифицировал его, прикрутил российские кассы, банки, 1С, маркировку, агрегаторов доставки, а потом зачем-то решил, что обычной автоматизации мне уже мало.

Так в ресторане появился DeepSeek, который скоро заменит Артема, а может и всех остальных. Сам будет заказывать еду, сам кушать... ну это я отвлекся.

Сразу важный момент. Я не писал ресторанную ERP с нуля. Это был бы отличный способ потратить много времени и получить плохую кассу. Я взял готовую open-source систему и начал допиливать её под конкретный ресторан. И вот здесь всё стало интереснее.

Если вы пытались спарсить сайт на Cloudflare через Selenium или Playwright и упёрлись в бесконечный «Verify you are human» — дело не в вашем коде. Дело в том, что Cloudflare палит автоматизацию браузера ещё до того, как отработает первая строчка JS‑скрипта.

Представим, что вам предстоит приобрести новый автомобиль. Хотел бы я сказать, что сам столкнулся с таким выбором, но увы и ах… С одной стороны — красивый внедорожник с трехлитровым бензиновым двигателем, а с другой — технологичный электрокар с возможностью бесплатно парковаться и большой переноской (зарядкой-удлинителем). Что вы выберете? Скорее всего, «электричку», которая будет работать и в бензиновый кризис. При этом пару лет назад многие наоборот выбрали бы кроссовер. Получается, при любой крупной покупке надо учитывать риски и возможности в долгосрочной перспективе, а не только ситуацию здесь и сейчас.

Полтора года назад разговор про AI и архитектуру обычно сводился к одному вопросу: насколько быстрее теперь пишется код. Сейчас вопрос звучит иначе. Если значительная часть проектирования и реализации переходит к AI‑агентам — что происходит с самой системой принятия архитектурных решений?

Stockfish умеет находить сильные ходы. Но браузерному расширению ещё нужно понять, какая из нескольких досок относится к текущей партии, дождаться стабильной позиции, пережить остановку service worker и не показать устаревший результат.

Дальше не про кнопки, а про проверки: какая доска настоящая, не протух ли ответ, пока считал движок, куда девать WASM, когда Chrome гасит service worker, и почему «сыграй как 1500» нельзя получить, урезав глубину. Отдельно, без эвфемизмов: подсказка в партии с человеком — это чит.

Из новостей: аудитория The Rogue Prince of Persia достигла 1 миллиона игроков, 2 миллиона вишей у новой Onimusha, Харви Смит открыл собственную студию, Уоррен Спектор ушёл из индустрии, Double Fine пытается выжить через KS, 4 миллиона проданных копий у 007 First Light.

Из интересностей: как создать 3D-рендерер для Playdate, 5 месяцев на игровой движок и месяц на игру, как дырявый Shareware‑диск позволил спиратить Quake, алгоритм для бесшовной генерации подземелий.

DoorDash построили внутреннюю платформу для облачных AI-агентов под названием Flux. Масштаб уже впечатляющий: за один месяц 2026 года через неё прогнали 130 000 инженерных задач, включая свыше 25 000 автоматических код-ревью в неделю и более 10 000 запусков playbook'ов из более чем 300 уникальных сценариев — всё это работает без участия человека, параллельно и круглосуточно.

Почему ушли от локальных агентов на ноутбуках

Команда описывает три конкретных ограничения агентных воркфлоу, запущенных прямо на машинах инженеров: