Kurgan-Telecom Ru | Информационные технологии

Софту всё чаще приходится интегрироваться с LLM. И тут быстро всплывает неприятная деталь: модели хорошо пишут текст, но не всегда стабильно возвращают данные в строгой структуре.

Даже если явно попросить ответ по JSON Schema, модель может добавить пояснение, пропустить поле или вернуть не тот тип. Нативный structured output у части провайдеров есть, но он работает не везде и не одинаково.

В новом переводе от команды Spring АйО разбираем, как в Spring AI 2.0 решается эта проблема.

Прошло полгода со времени публикции первого сравнения. Мир ИИ стремительно развивается, поэтому эксперимент пора повторить.

Приносит к нам в лабораторию знакомый банку морского коллагена за 5 тысяч рублей, ставит на стол и спрашивает в лоб:

— Ну что, честно — это развод?

Честно, это развод.

5 тысяч мужик потерял зря. Кожа его от этого лучше не станет. Мог бы выпить банку любого другого белка, например яичного. Или соевый изолят себе развести. Или столярный клей, его как раз из коллагена и варят. Только не надо употреблять столярный клей без предварительной пищевой экспертизы, пожалуйста. Он обычно не для этого.

Но вопрос-то хороший.

Маркетологи такие: «Коллаген — это молодость в банке! Восполни потерянное изнутри, намажься кремом снаружи — и коллаген встроится в кожу, разгладит морщины, вернёт упругость».

Скептики говорят: «Пить коллаген бессмысленно. Это белок. Желудок порежет его на аминокислоты, как любую котлету. Организму всё равно, что вы там съели: стейк, желатинку или вот эту банку».

Так вот, ошибаются и те, и другие. Про желудок правда, но там есть обходной путь. Маркетологи просто нарисовали сказочный механизм.

Так вот, прикол в том, что организм перемалывает съеденный коллаген в труху — НО один крошечный осколок этой трухи кожа принимает за сигнал бедствия.

И вот после сигнала бедствия начинаются усиленные ремонтные работы.

Автор: Владимир Миронов

В статье проводится интересное наблюдение согласно гипотезы Коллатца и попытка доказать ее правомерность. Приведет код, приведены вычисления, есть обоснования и математическая интерпритация. Есть анализ полученных сведений, и даны дополнительные интеренсные выкладки согласно этой гипотезы и ее проявлениям.

Недавно в комментариях спросили: «Как найти баланс? Алкоголь мне нравится скорее из-за вкуса, нежели самого алкоголя, люблю джиновые коктейли и вино. Могу на несколько месяцев отказаться от алкоголя, но потом становится скучно. А если пью, иногда теряю меру и расплачиваюсь хмурым утром». 

И я понял, что вопрос вообще не про алкоголь. Он о том, можно ли сохранить привычки жизни двадцатилетнего себя, когда тебе уже не двадцать.

Категорийный менеджер крупной торговой сети ежедневно принимает десятки решений, влияющих на миллионы рублей маржи. У него есть дашборды, витрины данных и отчеты, но в момент сложного выбора он остается один на один с ситуацией... 

Привет! Меня зовут Алексей, бизнес-архитектор в GlowByte. Больше 15 лет работаю в бизнесе, более 7 лет – в сфере ИТ. Разрабатываю концепцию мультиагентной ИИ-платформы для крупных торговых сетей. Сегодня в статье разбираю основы новой эпохи автоматизации в ритейле: почему обилия разрозненных данных больше недостаточно и как переход к мультиагентным ИИ-системам (ИИ-напарникам) меняет правила игры на рынке федерального ритейла. Итак, поехали!

Привет, Хаброжители! Улучшаем скорость и качество с APIOps и OpenAPI.

Создавайте качественные, согласованные API и быстро выпускайте их на рынок благодаря автоматизации разработки! Эта книга научит инновационному подходу – как применять рабочие принципы непрерывной доставки (CD) и DevOps на всем протяжении жизненного цикла API. Преобразуйте набор отдельных задач в бесшовный управляемый пайплайн с поддержкой автоматизированного тестирования, итеративных улучшений и надежной документации.

Понадобилось дать ИИ-ассистентам (Claude Code, Cursor) доступ к данным своего сервиса — мониторы, события, аптайм, — чтобы вопрос «что сейчас в сбое?» можно было задать прямо в чате, а не идти кликать по вкладкам дашборда. Стандартный путь для этого — MCP (Model Context Protocol): сервер декларирует инструменты, и любой MCP-клиент их находит и вызывает.

Официальные примеры и SDK предлагают поднимать отдельный MCP-сервис — с транспортной машинерией, сессиями и SSE-стримингом. Я сделал иначе: один HTTP-хендлер внутри существующего Go-монолита, около 200 строк, без единой новой зависимости. Вечер работы, включая тесты curl-ом.

В статье разбираю: какой минимум JSON-RPC-методов реально требует спека для tools-only сервера (initialize, tools/list, tools/call — и почти всё), почему stateless-режим без Mcp-Session-Id легален по спецификации и что он даёт бесплатно, зачем хранить id запроса как json.RawMessage, как описывать инструменты, чтобы LLM вызывала их правильно, и какие грабли ждут при подключении Claude Code и Cursor. Весь код — из работающего продакшена, сокращён до сути.

Это вторая статья серии о том, почему акустика, которая хорошо измеряется, может плохо звучать. В первой части мы разобрали АЧХ — главный график индустрии — и его фундаментальное ограничение: измерение суммирует всю энергию в точке, не различая, что пришло вовремя, а что с опозданием или вовсе лишнее. Закончилась та история закономерно для инженера, который поверил, что дело в железе: я купил лучшую акустику, которую мог себе позволить, поставил на то же место — и звук остался плохим. Просто стал другим.

Сегодня — о втором участнике любой стереосистемы. Он не указан в спецификациях, не продаётся в салонах и достаётся вам бесплатно вместе с квартирой.

Пришла моя долгожданная плата EC для клавиатуры Agar Mini. Собрал, начал пользоваться, но вот что-то слишком много опечаток. Думал, повожусь с настройками, да не тут-то было — приключение растянулось на 7 часов.

В статье о том, что такое EC, как отдебажить проблему и внести фикс в прошивку. Не обошлось и без реверс-инжиниринга.

Все опечатки неслучайны.

Если вы последние пару лет следили за развитием сетевой подсистемы Kubernetes, то наверняка заметили, что вокруг Gateway API сложился странный консенсус: «все согласны, что это будущее, но почти никто толком не понимает, какую именно реализацию брать и зачем уходить от привычного Ingress». В этой статье я попробую рассказать про ключевые отличия Gateway API от Ingress (на примере самого популярного — NGINX Ingress Controller), сравнить между собой основные реализации Gateway API и поговорить о нюансах кастомизации, интеграции и производительности.

В этой статье я хочу поделиться практическим опытом создания архитектурной BIM-модели многоквартирного жилого дома в nanoCAD BIM Строительство на основе уже существующего проекта, выполненного в Archicad.

Основной задачей было не просто воспроизвести готовую модель, а объективно оценить возможности программного продукта при работе над реальным объектом, определить сильные стороны, выявить существующие ограничения и сформировать практические рекомендации по эффективному моделированию.

Исходные данные проекта

История проекта началась с обучения одного из наших клиентов работе с программными продуктами линейки Нанософт. В частности, мной проводился курс по nanoCAD BIM Строительство.

В рамках обучения заказчик использовал программу преимущественно для разработки конструктивной части здания. Поскольку объект представлял собой кирпичный жилой дом, средствами nanoCAD BIM Строительства в рамках раздела КР были выполнены: раскладка пустотных плит перекрытий, лестничных маршей и площадок, фундаментных блоков, перемычек над проемами и деревянная стропильная система крыши.

Привет, Хабр!

На связи снова Максим Мотиков. Я аналитик киберугроз в «Гарде». В прошлой статье разбирал, как вскрывать Python-малварь, а сегодня хочу зайти с другой стороны и рассказать про так называемый reverse engineering kit, который мне помогает закрывать задачи анализа ВПО, когда часть привычного софта может оказаться недоступной.

IDA Pro, например, стоит около тысячи долларов в год, но если докупать все важные архитектуры сразу, то ценник может перевалить уже за десятки тысяч долларов. Каждый декомпилятор продается отдельно, купил поддержку x86 и x64, а за ARM придется доплачивать. Получается как с машиной, которую купил без колес.

К счастью, свет не сошелся клином на IDA Pro. Сегодня есть немало бесплатных инструментов, которые позволяют анализировать ВПО ничуть не хуже, если понимать, в каких задачах каждый из них раскрывается лучше всего. Но прежде чем говорить о софте, начну с обзора железа — это фундамент любой нормальной «лаборатории» аналитика ВПО.

ИИ-агент может вернуть правильную строку и при этом пройти к ней самым дорогим маршрутом: читать лишний код, угадывать API, падать на ошибках и заново собирать решение. Для разработчика библиотеки это уже не косметическая проблема, а новый слой качества инструмента. На примере transformers разбираемся, как устроить стенд оценки, который смотрит на путь агента: трейсы, токены, время, ошибки и поведенческие маркеры.

Как мигрировать с Jira и Confluence на российское ПО за одни выходные?

Разбираем опыт REHAU: почему компания выбрала российскую платформу, какие требования предъявлялись к решению и как удалось выполнить миграцию без перестройки рабочих процессов.

Триангуляция — это принцип, позволяющий получить более полную и точную картину за счёт сочетания разных методов в одном исследовании. Например, можно объединить интервью, юзабилити‑тестирование и количественный немодерируемый тест. В UX-исследованиях этих методов не обязательно три — всё зависит от задачи и ресурсов для решения. Наша задача — по-максимуму сочетать методы и строить сложные подходы для таких исследований. Особенно, когда сама команда не знает, какое исследование они хотят, в условиях ограничения сроков и ресурсов.

Привет! Мы — Юля, Лика и Настя – UX-исследователи из Alfa Research Center, профессионально ломаем голову над креативными проектами. Разберём, как работает этот метод на примере одной истории, в которой исследователи разрываются между внешними ограничениями и желанием «сделать хорошо». На нашем примере покажем, как работает триангуляция и чем полезнее простого юзабилити-тестирования зрелых сервисов.

Искусственный интеллект постепенно становится частью BI-систем. Не остался в стороне и Yandex DataLens, где около года назад появился Нейроаналитик — встроенный AI-помощник для работы с данными. Недавно Яндекс представил Нейроаналитик 2.0, который получил новые возможности и стал работать как AI-агент.

Здесь хочу разобрать возможности Нейроаналитика, чем отличается Нейроаналитик 2.0 и какие ограничения стоит учитывать при работе с инструментом.

После успеха Kingdom Come: Deliverance (и особенно второй части) многие геймеры отправились на поиски игр про Средневековье, которые отличались бы более комплексной боевой системой, чем привычные серии ударов, блоки и перекаты. И выяснилось, что, несмотря на популярность средневекового сеттинга в жанре action-RPG, подобных проектов не так уж и много.

В этой статье мы собрали игры, которые по-разному подходят к средневековому бою. Одни стремятся воспроизвести историческое фехтование, другие делают ставку на массовые сражения, третьи предлагают собственные необычные механики. Но все они позволяют почувствовать себя воином эпохи мечей и доспехов.

В любой современной организации данные давно стали частью операционных, технологических и управленческих процессов. Разница лишь в масштабе и сложности: одним компаниям достаточно нескольких относительно компактных баз, другим приходится работать с десятками систем, которые внедрялись в разное время, под разные задачи и в составе разных решений.

Проблема начинается, когда данных становится так много, что прежняя архитектура перестает выдерживать изменения: появляются новые источники, ускоряются бизнес-процессы, растет стоимость хранения и обработки, а каждое изменение в модели данных требует пересмотра уже принятых решений. Как быть, когда архитектурные подходы организации данных, такие как DWH, Data Fabric, Data Lake, Снежинка, Data Vault, Anchor Modeling и другие, перестают отвечать требованиям и почему под давлением динамично меняющихся обстоятельств стройные концепции постоянно нарушаются?

Сегодня мы разберем, почему выбор стратегии работы с большими данными стал архитектурной задачей, как менялись подходы к построению платформ данных, что такое гравитация данных и какие требования стоит предъявлять к современным решениям.

Шопсы ВКонтакте — это публикации, которые содержат ссылки на товары. По ним пользователи могут сразу перейти к покупке. Появление формата не случайно: в соцсети уже давно растет доля товарного контента, который помогает продавцам расширять охват и стимулировать продажи.

Из статьи от экспертов click.ru и ВКонтакте вы узнаете: