Kurgan-Telecom Ru | Информационные технологии

YAML уже много лет остаётся стандартным способом писать манифесты Kubernetes. Любой пример, туториал и файл конфигурации, которые попадаются на глаза, написаны на нём. Проблема не в том, что YAML — плохой формат. Проблема в том, что YAML даёт множество вариантов, и не все они одинаково хороши для манифестов Kubernetes. Одни возможности делают файлы менее читаемыми, другими легко воспользоваться неправильно, а третьи приводят к неожиданному поведению.

Интересно вот что: большинство этих возможностей Kubernetes не нужны. Он опирается лишь на небольшое подмножество YAML. Отсюда возник простой вопрос: если Kubernetes нужна только малая часть YAML, почему бы не стандартизировать именно эту часть, а остальное не использовать? Вместо того чтобы вводить новый язык конфигурации, SIG CLI представила KYAML, более строгий и последовательный способ писать YAML. А мы в VK Cloud перевели об этом статью.

У большой базы знаний есть неприятное свойство. Она хорошо отвечает на вопросы, которые в нее уже положили, и никак не сообщает о вопросах, которых в ней не хватает

Пользователь задает вопрос AI-агенту, RAG не находит подходящего материала, и диалог уходит специалисту. Оператор разбирается и пишет правильный ответ. Через несколько дней приходит другой пользователь с той же проблемой, но для Agent ничего не изменилось. Ответ уже существует внутри компании, просто он остался в истории поддержки

Чем больше обращений, тем хуже работает ручной контур. Продакт видит общую долю передач оператору, редактор получает отдельные просьбы обновить базу, а повторяющиеся вопросы растворяются среди тысяч диалогов. В итоге RAG пополняют по ощущениям, громким жалобам и случайно замеченным кейсам

Мы решили построить сервис, который находит такие пробелы автоматически. Он читает обращения, выделяет полезные ответы операторов, объединяет повторы, сравнивает результат с текущей базой знаний и готовит редактору рекомендации

На одной площадке в малом городе нужен ИТ-специалист на месте, и найти его сложно. Сильного инженера для завода в городе на двести тысяч наша команда не нашла: местный рынок такого кандидата не дал. Запрос на ИТ-аутстаффинг, «арендовать специалиста», в такой ситуации звучит естественно, только закрывает ли он задачу площадки, зависит не от договора.

В статье расскажу, чем ИТ-аутстаффинг отличается от аутсорсинга по закону и по сути, когда специалист на площадке нужен и как устроен гибрид «руки на месте, команда удаленно».

Масштабирование автотестов — закономерный этап развития любого растущего проекта. С увеличением количества автотестов меняются требования к архитектуре, инфраструктуре и процессам разработки. Репозиторий становится сложнее, возрастает время выполнения прогонов, увеличиваются затраты на поддержку и диагностику падений. На каждом этапе проекту требуются новые инструменты и подходы, которые позволяют сохранить скорость разработки и устойчивость всей системы автоматизации.

Меня зовут Михаил, в Ozon занимаюсь тестированием и автоматизацией финансовых сервисов маркетплейса. До этого за шесть лет мне довелось поработать в шести компаниях и получить опыт в проектах разного масштаба. Многие из них проходили нижеописанные этапы развития, хотя различались продуктами, командами и технологическим стеком. В этой статье я разделю этот путь на четыре условных уровня и покажу, какие метрики сигнализируют о необходимости роста, а также разберём этот процесс на всех уровнях: от архитектуры фреймворка до выстраивания процессов и TestOps.

Каждый, кто работает в терминале, держит открытыми сразу несколько вкладок: в первой смотрит логи, во второй следит за списком запущенных процессов через htop, в третьей работает с Git, в четвертой запускает миграции базы данных. При переключении между вкладками легко запутаться, закрыть нужную, а при обрыве связи — потерять запущенные процессы и сессии. 

Привет! Я Саломея, продуктовый технический писатель в Selectel. В этой статье поделюсь своим опытом, как с помощью tmux упорядочить этот хаос и сделать работу удобнее. Разделим окно терминала на панели, запустим сессию, которая не прервется при закрытии окна, автоматизируем настройку рабочего пространства. Посмотрим, как выполнять команду сразу на нескольких серверах.

Делаем приложение, которое готовит расчётные наборы данных для нативного BI-конструктора Битрикс24.

Пользователь описывает нужные показатели обычной фразой, приложение через ИИ-помощника собирает набор и публикует датасет в «Рабочее место аналитика». Аналитику остаётся один раз собрать по нему график, выбрав нужные поля и способы визуализации.

Поиск работы в 2026 году на крупнейших агрегаторах вроде hh.ru напоминает прогулку по минному полю без миноискателя. То, что когда-то было удобным инструментом, деградировало в гигантский marketplace для мошенников, траферов и корпоративных паразитов. Вместо оффера мечты обычный работяга получает каскад из фейковых вакансий, психологических тестов для умственно отсталых и откровенного криминала, прикрытого маской «менеджера по обработке заявок».

Мы успели проверить оба варианта и провести через таск-трекер 45 объектов. Рассказываю наши лайфхаки, как разложить сложный инженерный процесс по доскам, не утонуть в задачах и сделать систему, которой команда действительно будет пользоваться.

Меня зовут Вера Касьяненко, я разработчик из команды DevRails AI в MTS Web Services. Сейчас мы создаем агента-разработчика — сервис, в котором языковая модель сама пишет код, запускает тесты, делает ревью и создает коммиты.

Когда прикручиваешь модель к сервису и выдаешь ей инструменты, довольно быстро обнаруживается неудобный факт: команды, которые она генерирует, где-то выполняются. И от ответа на вопрос, где именно — и кто этим местом управляет, — зависит вся остальная архитектура.

В статье рассмотрим три возможные схемы: от наименее изолированной к платформенной, и разберем, как устроена каждая, где она ломается и к какой пришли мы.

Привет, Хабр! Меня зовут Дмитрий Сенюшкин, на связи AIRI и команда «Автономное зрение». Наша научная группа активно интересуется темой беспилотных автомобилей и сегодня хотелось бы рассказать об одной из наших последний наработок в области симуляции для тестирования и обучения алгоритмов. 

В этой области важную роль играет не только объём обучающих данных, но и их разнообразие. Эту проблему можно решить с помощью синтетики, которую производят реалистичные дорожные симуляторы. Мы пошли по этому пути и создали XSIM — новую технологию, для которой пришлось пересмотреть традиционные пайплайны представления объектов. Мы представили XSIM на недавно прошедшей IJCAI 2026, здесь же я перескажу суть нашей работы.

Атакующий уже знает логин и пароль — купил, подобрал по утечке, вытащил стилером с домашнего ноутбука. Второй фактор — пуш в приложении с кнопками «Одобрить» и «Отклонить». И вот он просто начинает логиниться. Раз за разом. Телефон жертвы звенит в двадцать третий раз в 02:40, человек спросонок жмёт зелёную кнопку — не потому что глупый, а потому что это самый быстрый известный ему способ прекратить вибрацию. Всё, второй фактор пройден.

Так вынесли Uber в сентябре 2022-го — там пушам ещё помогло сообщение в мессенджере от «айтишника»: мол, одобрите, чтобы это прекратилось. Примерно так же заходили в Cisco несколькими месяцами раньше.

Когда впервые пишешь собственную интеграцию с amoCRM через REST API, сами запросы к сделкам, контактам или компаниям обычно оказываются не самой сложной частью.

Основной вопрос возникает раньше:

как один раз авторизовать интеграцию, а затем поддерживать доступ к amoCRM без постоянного ручного получения ключей?

1-2 года назад я реализовывал такую интеграцию на PHP. Токены хранили в MySQL, а работу с OAuth разбили на несколько отдельных файлов.

Сейчас решил восстановить общую архитектуру этой реализации.

Если убрать детали, OAuth-интеграция выглядит довольно просто:

Authorization Code → Access Token + Refresh Token → сохранение в БД → запросы к REST API → обновление токенов → повторное сохранение в БД.

Код авторизации берется в AmoCRM:

Всем привет, с вами снова Максим Михайлов. В третьей статье из моего цикла я рассказывал, почему агентные сценарии не стоит централизованно писать силами одних разработчиков. ИИ действительно приносит пользу инженерам и другим специалистам, когда у них есть безопасная среда, доступные инструменты и возможность самостоятельно решать рабочие задачи. Именно такой подход мы развиваем у нас.

А сегодня расскажу о том, как сделать работу с ИИ привычной практикой для всей команды.

Чем больше филиалов у компании, тем труднее поддержать обучение персонала на одном уровне. Без чёткой системы каждый офис со временем начинает учить по‑своему.

При анализе очередной цепочки PowerShell мне попался файл vcapcha.ps1. Само имя ничего особо интересного не говорит, поэтому сначала я посмотрел, что происходит непосредственно при запуске. Внутри оказался не какой-то сложный загрузчик с обфускацией, а достаточно прямолинейная цепочка: скрипт сообщает удалённому серверу о своём запуске, минимизирует окно PowerShell, скачивает следующий .ps1, сохраняет его во временный каталог и запускает. Дальше цепочка становится интереснее.

Реки, как и все «транспортные сети», следуют математической структуре, из‑за которой они так похожи на фракталы.

Моё сердце принадлежит реке. Не суровой чёрной Темзе, извивающейся через Лондон, где я родилась, а ленивой зелёной реке в 10 000 км отсюда — там, где я провела свою юность: реке Бланко в Техасе. Мои предки по материнской линии купались в её водах на протяжении многих поколений, как и я в бесчисленные летние дни.

Бланко — приток реки Сан‑Маркос, которая впадает в реку Гуадалупе, а та, в свою очередь, — в Мексиканский залив. Вы, наверное, можете представить, как это выглядит на карте, ведь все речные сети похожи друг на друга: они ползут по ландшафту, сливаются во всё более широкие и длинные русла, спускаясь вниз к морю. Эта схема напоминает веточки, соединяющиеся со стволами деревьев (а также разветвления их корневых систем), и точно так же напоминает жилки на листьях растений, нашу собственную систему кровеносных сосудов, а также сети железных дорог и автомагистралей, ведущих в города.

В этом повсеместно встречающемся узоре есть что‑то притягательное, настолько притягательное для меня лично, что я сделала себе татуировку на предплечье: силуэт дерева с безлистными ветвями, устремлёнными вверх, и корнями, уходящими вглубь, словно зеркальное отражение. «Формы рек, сосудистая система листьев и так далее — разветвлённые сети — вы можете более или менее уловить закономерность, но она по‑прежнему хаотична, и в этом есть что‑то завораживающее», — сказал Крис Паола, специалист по рекам из Университета Миннесоты.

Книга «Асинхронный Kotlin» Яны Седовой посвящена теме, которая часто вызывает проблемы у начинающих Android-разработчиков, — корутинам и Flow. Книга строится по маршруту от простого определения к рабочему мессенджеру на Jetpack Compose, Room и Retrofit, закрывая пробелы в знаниях, которые обычно оставляют ИТ-курсы и лекции в ВУЗах. Для студента, стажера или начинающего разработчика (джуна) это полезный русскоязычный учебник, где асинхронность на Kotlin разобрана системно и последовательно, без необходимости собирать воедино материал из самых разных статей на Хабре.

В начале 1780-х состоятельные парижане отправляли свое белье стираться через Атлантику на Гаити. Дело в том, что, помимо высокой стоимости локальных услуг, после стирки французское белье откровенно желтило, а вот привезенное из Сен-Доминго, где экваториальное солнце в паре с местным индиго давало недостижимую в Европе голубоватую белизну, наоборот, притягивало взгляды и говорило о статусе владельца.

Забавно, как схема с аутсорсом в экзотические страны работает до сих пор: разметку текстов для популярных LLM отдают дешевой рабочей силе из условной Нигерии. Но поскольку дешевая рабочая сила обычно еще и хитрая, сервисы по ручной разметке текстов типа "Механический турок" столкнулись с тем, что от 30% до 50% исполнителей сами стали прогонять задания через бесплатные китайские нейросети. В итоге, в начале июля 2026 года, Amazon повесил на сайте Mechanical Turk баннер, что перестает принимать новых клиентов, ознаменовав окончание мини-эпохи. Еще более иронично, что платформа 21 год работала под неофициальным слоганом "Искусственный искусственный интеллект". И, судя по всему, пришло время еще одного уровня абстракции.

Не успели конспирологи и дизайнеры шапочек из фольги разобраться с 5G, как научное сообщество заговорило о 6G. Однако разговоров недостаточно, ведь подобного рода технология требует нестандартного подхода к ее реализации. Ученые из Университета Лафборо (Лафборо, Великобритания), вдохновившись физическими свойствами радуги, создали микрочип, способный генерировать высокоорганизованную «радугу» света. Что именно в радуге привлекло ученых, как работает новый чип, и чем он может быть полезен в коммуникационных технологиях будущего? Ответы на эти вопросы мы найдем в докладе ученых.

Закон Мура — это удвоение числа транзисторов на микросхеме каждые 24 месяца, что означает геометрический рост плотности чипов и пропорциональный рост производительности.

На Хабре неоднократно обсуждалось прекращение действия закона Мура (тут, тут и тут). Основной аргумент — то, что транзисторы физически приблизились к минимально возможному размеру. На таких размерах в работу чипов вмешивается квантовая механика.

Но есть факторы, которые поддерживают рост производительности — это научные открытия, новые архитектуры транзисторов, новые материалы, специализированные чипы и др.