Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Меня зовут Антон Алексеев, я ML Ops-инженер в Авито. 

В конце июля мы с коллегами съездили в Иокогаму на KubeCon + CloudNativeCon Japan 2026. Ко второму дню я заметил, что слайды выступающих повторяются: спектр изоляции тенантов, квоты, bin packing, «GPU дорогие — давайте делить». Мы решаем в Авито ту же задачу, поэтому я разберу шесть докладов про GPU и LLM-инференс и расскажу, что из этого мы уже пробовали или собираемся попробовать. А в конце будет немного про саму Японию.

Мы работаем на крупном проекте, где присутствует десятки интеграций, сотни бизнес-сценариев, документация в Confluence, а теперь ещё и описания бизнес-сценариев с помощью ИИ прямо в репозиториях. Это здорово выручает для погружения в проект, но всё равно не покрывает всю картину при работе над конкретной доработкой. Поэтому в команде аналитиков мы начали заводить собственных ИИ-агентов: собираем в папку нужные репозитории из Git, БФТ от заказчика, заметки со встреч, и вместе с агентом проектируем и анализируем.

Дальше в статье мы разберём полный конвейер: как готовим данные для ИИ-агента, передаём ему контекст и затем превращаем результат анализа в готовое ЧТЗ. Без нормальной подготовки на входе даже самый умный агент выдаст ерунду, а Markdown-результат на выходе ещё нужно оформить в корпоративный .docx.

Ребята из Jetbrains работают над расширением механизма компаньонов (companions), чтобы открыть новые возможности для организации кода и улучшить совместимость между различными платформами. В этой статье мы расскажем о новых возможностях и дадим предварительные рекомендации по миграции.

Модель Ninkear L20 интересна своей "начинкой: Core Ultra 5 226V со встроенным NPU AI Boost процессором и графикой Intel Arc 130V (видеопамять до 8 ГБ для запуска простых LLM), а также с двумя слотами М.2 для установки SSD. Есть поддержка Wi-Fi 7, трёх 4K-мониторов, а суммарная вычислительная мощность для ИИ-приложений на уровне 97 TOPS. На базе такого мини-ПК можно создать домашний или офисный медиацентр с ИИ-помощником и функциями NAS.

Мы выпустили MCP-сервер, который даёт ИИ-агентам прямой доступ к геосервисам API-платформы 2ГИС: поиск мест и организаций, прямое и обратное геокодирование, построение маршрутов, изохроны и статические карты — сейчас это 6 инструментов поверх соответствующих API. 

Что это за сервер и как подключить — в документации. А в этой статье расскажу про инженерную часть: как он устроен внутри и на какие грабли мы наступили, пока доводили его до прода.

Статья будет полезна разработчикам, кто пишет свой MCP-сервер или тулы под function calling, кто проектирует контракты инструментов для LLM, и просто всем, кому интересно, что ломается на стыке LLM и гео.

В настоящий момент я работаю над проектом по детекции дефектов дорожно‑транспортной инфраструктуры. Находимся на самом начальном этапе, подбираем модели для детекции.

Мы начинали работы с моделями детекции — как‑то по инерции с предыдущего проекта. Но этого опыта и знаний (а также обученных ранее моделей) оказалось недостаточно для решения поставленных задач. Тогда мы обратились к сегментационным моделям. И сразу возник вопрос об адекватном инструменте для разметки данных.

Если вы обучали свою модель детекции или сегментации, то знаете: самое долгое — не обучение, а разметка. Готовые инструменты делятся на две группы. Серверные (CVAT, Label Studio) умеют всё, но их нужно разворачивать и поддерживать. Эти инструменты замечательны, но очень непростые в освоении и затратные с аппаратной точки зрения.

Существующие простые десктопные вроде labelImg ставятся за минуту и очень удобные в освоении, но не обладают нужным функционалом — умеют в основном размечать прямоугольники (bbox). И стало понятно, что нам нужна была середина: программа, которая запускается на ноутбуке без сервера и делает разметку bbox и полигональную разметку.

Сделали простую программку, которая делала то, что надо. Но дальше — больше: сначала понадобились повёрнутые рамки (OBB), потом маски, затем многопользовательский режим, а под конец — семантическая и panoptic‑сегментация. И всё это нужно было выгружать в форматы, которые без доработки едят YOLO, Detectron2 и Mask2Former. Так появился YOLO Annotator. Код открыт (GPL-3.0), ниже — что он умеет и как устроен изнутри.

Всем привет! Меня зовут Ваня, по призванию системный архитектор в RED Security. Хочу познакомить вас с open-source-решением для контроля и централизации работы с ИИ — Agentgateway.

Немалую долю задач в бизнесе, где применим ИИ можно свести к выбору варианта ответа на тот или иной вопрос, например, куда направить обращение, кто согласует заявку, срочная ли жалоба. Я дообучил открытую модель на 4 млрд параметров на русских задачах за несколько сотен рублей аренды видеокарты и честно сравнил её с YandexGPT, GigaChat и открытыми аналогами, в том числе на задачах, которых не видела ни одна модель. На своих задачах 84,5% точности и почти две трети потока на автоматике при 95% правильных решений, на чужих верхняя группа, но не лидер. Плюс грабли, на которые стоит не наступать, и метрики, которые стоит требовать от подрядчика. Модель и код открыты.

9 октября отмечают Всероссийский день чтения. Попросили разработчиков и других технических специалистов RWB поделиться рекомендациями: что стоит почитать для работы, к чему полезно возвращаться и какие истории помогают переключиться.

В подборке — книги о разработке, машинном обучении, данных и безопасности, а ещё о сложных разговорах, лидерстве и отношении к проблемам.

В конце 2025 года много обсуждали то, как владелец ROG Astral RTX 5090 спорил с ASUS по поводу гарантии. Карта выдавала черные экраны и перезагружала компьютер. Экспертиза в сервисе показала, что есть неровность поверхности у разъема, а на снимке под микроскопом видна тонкая трещина у защелки слота. Повреждение признали негарантийным, а заменить карту предложили за 3350 долларов. На тот момент это было дороже, чем купить новую. Владелец говорил, что пользовался подпоркой, но на решение это не повлияло. Кто был прав тогда, сейчас уже не проверить, но в очередной раз поднять вопрос поломок больших карт стоит.

Для продуктовой команды пользователь часто остаётся отстранённым персонажем. Он живёт в отчётах, в цитатах из интервью, в таблицах с сегментами и болями. Команда видит результат работы исследователя, но не самого человека за ним.

User Day — это специальный день в продуктовой команде, полностью посвящённый общению с пользователями и быстрому сбору обратной связи. Он сокращает дистанцию между командой и теми, для кого она делает продукт.

В статье рассказываем, как организовали такой User Day в одном из продуктов: как готовили команду, какие вопросы задавали пользователям, как распределяли роли и что делали с собранной обратной связью ⭐️

В статье разбираю, почему закон о бухучете возлагает ответственность на руководителя, а не на главного бухгалтера, и какие три цифры проверить за 10 минут в личном кабинете ФНС и своих данных, чтобы увидеть риски до прихода проверки.

Даю конкретные формулы, отраслевые ориентиры ФНС и Мосстата на 2025–2026 годы и пороги, по которым ФНС передает сведения в комиссии.

Материал полезен собственникам, финансовым директорам и тем, кто проверяет работу зарплатного блока без погружения в бухгалтерию.

Punto Switcher для Mac заморожен с ноября 2017 года. Я печатаю на русском и английском целый день, и «ghbdtn» вместо «привет» выскакивает у меня раз двадцать в сутки. В июне я решил, что хватит, и начал писать свой свитчер. Альтернативы есть, ниже я их честно перечислю. Мне хотелось двух вещей: исправление прямо во время набора, без горячей клавиши, и ноль сети. А ещё было интересно проверить на себе: вытянет ли ИИ-агент системное приложение для macOS, где нет фреймворка, который сделает за тебя сложную часть.

Получилось 184 коммита, 18 290 строк Swift в приложении и 12 592 в тестах. Три пользователя: я, друг и моя мама. Приложение бесплатное, код открыт под MIT. В этом тексте расскажу, как оно устроено, где я облажался и что из этого вынес про работу с агентом.

Привет! Меня зовут Максим Добрый, я менеджер по развитию продукта в Контуре. Знаю, что на Хабре любят читать про внутреннюю кухню новых продуктов: почему решили запустить ту или иную фичу, каким был её путь от идеи до релиза, что планируется с ней делать в будущем и т.д. Я подумал, что можно по следам одного нашего важного релиза — Тем в Толке — сделать статью, и показать здесь всю подноготную этой фичи. Тем более, что повод для нас действительно громкий: мы стали первыми в РФ, кто такое сделал. Мы исследовали опыт наших пользователей, изучили их боль — когда контекст по проектам разбросан по разным местам — и придумали способ собирать его в одном месте.

В статье описано, как реализовать многоканальный звук на RP2040 с использованием HD аудиокодека ALC889. Будет краткий разбор интерфейса HDA link и ссылки на пару рабочих демо-проектов с описанием их работы.

Привет, Хабр! Я Николай Видов, тимлид команды чатботов в Т, пишу на Python с 2017 года. За это время я успел поработать с конфигами во всех видах: INI-файлами в legacy-проектах, переменными окружения в Docker-контейнерах, YAML с шаблонами в Helm, pydantic-моделями в свежих сервисах, Vault и Consul в инфраструктуре покрупнее. Это третья статья о конфигурациях в Python — в предыдущих я разобрал, как мы дошли до жизни такой и почему это не устраивает меня и мою команду.

Как и любая другая эволюция, развитие приёмно-усилительных электровакуумных приборов (ЭВП) имело и тупиковые ветви, образцы, из которых сейчас выглядят престранно и чужеродно. Одна из таких ветвей — внешние электроды. Взглянем же на некоторые примеры этих технических курьёзов, попытаемся понять причину их появления и исчезновения, полюбуемся своеобразной «тёплой ламповой» эстетикой, присутствующей даже в таких нежизнеспособных уродцах.

9 утра, 2028 год. До первой сессии остаётся двадцать минут. Клиент уже заполнил дневник состояний, система собрала записи за неделю, отметила повторяющиеся темы и подготовила черновое резюме. Психолог читает его, вычёркивает два слишком смелых вывода и меняет план встречи. Через час ИИ напомнит клиенту об упражнении, которое они выбрали вместе. С чем работать и куда двигаться дальше, решит специалист.

Это сценарий, а не прогноз с гарантией. Но главный сдвиг в нём уже виден: ИИ заберёт часть операций, перекроит рабочий процесс и добавит неприятный вопрос об ответственности. Профессия целиком никуда не денется. Зато привычный рабочий день вполне может.

Пятнадцать тысяч триста девяносто долларов в год разделяли две медианные зарплаты в посте, который аналитик данных Stack Overflow Дэвид Робинсон опубликовал в середине июня 2017 года. Если бы так различались сеньоры и джуны или Калифорния и Индия, пост прошел бы незамеченным, потому что такими графиками интернет завален доверху. Шум поднялся из-за признака, по которому разработчиков разложили на две кучки: чем они делают отступы в коде, пробелами или табуляцией.

Новость разлетелась от The Register до BBC, комментаторы привычно разбились на два лагеря, а несколько человек с Pandas наперевес попробовали этот результат развалить. Дальше пойдет речь как раз о той части истории, где его разваливали, и о том, почему ни у кого толком не вышло.

В начале августа завершилась Летняя проектная школа программирования СПбГУ. 30 студентов, в том числе обучающиеся на образовательных программах ТОП ИТ СПбГУ, якорным партнером которых выступает YADRO, работали над задачами в области системного программирования, архитектуры RISC-V, разработки компиляторов, использования ПЛИС и оптимизации ПО с открытым исходным кодом. На итоговой защите выступили 29 участников. Помимо подготовки учебных отчетов, участники находили ошибки в проектах с открытым исходным кодом, готовили сообщения об ошибках (bug reports) и запросы на включение изменений (pull requests), профилировали приложения и оптимизировали библиотеки.

Школа проходила с 6 июля по 1 августа. В ее основе лежало проектное обучение: студенты осваивали новые технологии и инженерные подходы, работая над практическими задачами вместе с наставниками. Отдельное направление было посвящено RISC-V. О проектной работе и ее результатах рассказываем в этом материале.