Kurgan-Telecom Ru | Информационные технологии

В данной модели будет анализироваться реостатный пуск асинхронного двигателя с фазным ротором с реостатом состоящим из 4 элементов подключенным к обмотке ротора.

8 окт. 2026 г. · @knz75

как расстояния до звёзд превращаются в шаги

Это рассказ о том, столько шагов до Луны и как вписать свое имя в название звезды.

В мае 2024 года команда Flutter выпустила версию Flutter 22, в которой они стабилизировали поддержку WebAssembly, объединив компилятор Dart с системой сборки мусора WebAssembly — WASM GC.

Примерно с этого же времени я много экспериментировал со сборками WASM и, в принципе, для широкого круга приложений они работают не хуже JavaScript, кроме двух интересных проблем. Это несовместимость данной технологии с браузерами Firefox и Safari.

Я решил покопаться в этом вопросе: то есть, при чём здесь вообще Flutter? И действительно ли команда Flutter не занимается этой ситуацией и почему не занимается.

Сразу о главном: я не программист. Никогда им не был и вряд ли стану — моя работа с ИТ не связана. Всё, что я знаю о программах, держится на здравом смысле и жизненном опыте.

В свободное время я, как и многие, учу английский. Слова учил в платном приложении для iOS, и оно меня вполне устраивало — пока после очередного обновления не перестало нормально работать. Реанимировать его я так и не смог, гештальт остался незакрытым.

Недавно я начал разбираться с Claude Code — для «повышения образованности». Мои знания об ИИ начальные: в общих чертах понимаю, что такое LLM, посмотрел несколько роликов на YouTube и, как 90% людей, общался с бесплатными DeepSeek и ChatGPT. Словом, разумный дилетант.

Проверяя, что умеет Claude Code, я решил воспроизвести то самое приложение для изучения слов. Результат первого опыта вайбкодинга меня, мягко говоря, удивил.

30 сентября стал доступен для сборки релиз v0.9.29-alpha отладчика The RAD Debugger, разрабатываемого компанией Epic Games, известной движком Unreal Engine, линейкой игр Unreal, Gears of War и Fortnite. Компания Epic Games поглотила компанию RAD Game Tools, что сделало возможным создавать новый отладчик с открытым исходным кодом, а не как проприетарный инструмент.

The RAD Debugger это нативный графический отладчик, предназначенный для отладки приложений пользовательского пространства (user-mode), с поддержкой отладки нескольких процессов (multi-process).

( читать дальше... )

 debug, development, epic games, epic win, разработка игр

Сигнал изменился - как найти связанные эффекты и удалить известную связь? Сравниваю четыре структуры графа signal - effect по стоимости операций и памяти, а затем - в локальных замерах на V8. Почему одинаковая O(1) не означает одинаковое время?

Вместо введения

Когда приложение состоит из одного процесса и нескольких десятков методов, найти причину медленной работы относительно просто: можно включить профилировщик, посмотреть логи и найти проблемный участок кода.

В распределённой системе всё меняется.

Один пользовательский запрос может пройти через API Gateway, несколько микросервисов, очередь сообщений, базу данных и внешний API. При этом каждый компонент может находиться на отдельном сервере или контейнере.

Если такой запрос выполняется 4 секунды, возникает вполне практический вопрос:

Где именно были потрачены эти 4 секунды?

На сети? На базе данных? На блокировке потока? На выполнении конкретного метода? На внешнем сервисе?

Именно для ответа на этот вопрос в APM используются трассировка (distributed tracing) и инструментация приложений.

Один из наиболее интересных подходов — автоматическая инструментация, при которой разработчику не требуется вручную добавлять tracing‑код в каждый сервис.

Разберём, как это работает на уровне архитектуры и что происходит внутри приложения.

Чтобы устройство умного дома присылало уведомления на телефон, писать мобильное приложение не обязательно. Приложение, экран устройства и рассылку пушей берет на себя Tuya, а нам остаются прошивка и пара настроек на платформе. Все это делается с помощью open-source решения TuyaOpen, расскажу про это в статье :)

Привет, Хабр! Меня зовут Даша, я продуктовый дизайнер в Okdesk. В этой статье расскажу, как мы обновляли интерфейс зрелого B2B‑продукта при ограниченных возможностях для пользовательских исследований и без сложных инструментов продуктовой аналитики. Покажу, как выбирали сценарии для редизайна, проверяли решения и постепенно внедряли изменения, чтобы не сломать привычки наших пользователей.

За годы развития продукта в Okdesk появлялись новые функции и пользовательские сценарии, а интерфейс постепенно усложнялся. Похожие элементы в разных разделах могли выглядеть и работать по‑разному, структура отдельных страниц затрудняла поиск нужной информации, а некоторые привычные действия требовали лишних шагов. Для новых пользователей это усложняло знакомство с платформой, но просто переделать интерфейс целиком мы тоже не могли: опытные пользователи уже привыкли к существующей логике.

В B2B‑продуктах пользователи месяцами повторяют одни и те же действия. Со временем они перестают искать элементы интерфейса и выполняют привычные сценарии почти автоматически. Поэтому даже небольшие изменения расположения кнопки или логики экрана могут замедлить работу человека, который проводит в системе весь день.

Привет, Хабр! Меня зовут Илья. Долгое время я работал в финтехах и у облачного провайдера. Занимался сопровождением информационных систем, причём не как инфраструктурщик, а как специалист по поддержке целых автоматизированных систем. То есть смотрел на ИТ не с уровня отдельного сервера, а с уровня «работает ли сервис для бизнеса и клиента».

И сразу, пока вы не пролистали до конца, вопрос к вам.

Друзья айтишники, вспомните момент, когда DRP действительно понадобился. Что пошло не так? Бэкап, который не восстановился? Резервная площадка, на которой «забыли» один сервис? Регламент, который лежал на той самой упавшей файловой шаре? Напишите в комментариях свои фэйлы. Чужие ошибки учат лучше любых методичек, а для кого‑то ваш комментарий станет поводом проверить свой план до аварии, а не после.

А теперь поговорим о том, как строятся планы DRP и почему наличие документа ещё не означает, что вы восстановитесь.

В мире промышленной автоматизации ошибка в коде может остановить конвейер, привести к браку или аварии. До 2022 года проблему контроля версий решали только зарубежные решения, которые ушли из России. На замену мы с нуля создали собственное решение, которое интегрируется с открытым ПЛК и открытой средой разработки.

Рассказываем, как оно реализовано, и как его делали.

Как опубликовать внутренний API из DMZ, если соединения в LAN запрещены: пять подходов, которые мы проверили

Все пять схем мы собирали на NEOMSA APIM, российской платформе управления API от Neoflex. Сводка по вариантам:

В сентябре 2026 года я попросил восемь нейросетей сделать женщине на тестовом портрете короткое каре с густой прямой чёлкой. Все восемь послушно нарисовали. После этого я показал тот же портрет ещё трём нейросетям, теперь в роли стилиста, и спросил, какая причёска ей подойдёт. Все три, не сговариваясь, внесли густую прямую чёлку в список того, от чего лучше отказаться: с круглыми очками она упирается в оправу и закрывает верх лица.

В этой истории весь ответ на вопрос, как подобрать причёску по фото. Нейросеть, которая рисует, ничего не советует: она сделает ровно ту стрижку, которую вы попросили, даже если вам она не идёт. Поэтому шагов два. Сначала языковая модель вроде Claude, GPT или Gemini смотрит на фото и подсказывает, что пойдёт. Потом модель для редактирования картинок примеряет это на вашем снимке. Одна примерка занимает 10-45 секунд и стоит от 4,5 до 27 рублей в зависимости от модели.

Все восемь рисующих моделей я гонял на одном и том же фото в агрегаторе BotHub с оплатой в рублях. По соотношению цены и результата выиграла gpt-image-2.5: 6 ₽ за причёску, лицо и брови на месте, четыре варианта в одной картинке без потерь. Nano Banana Pro справилась так же чисто, но стоит в четыре с половиной раза дороже. Хуже всех лицо сохранила Qwen Image Edit Plus, заодно переделав брови и футболку. В независимом рейтинге Artificial Analysis, где правки вслепую сравнивают люди, две версии gpt-image-2.5 тоже заняли первые два места из 80.

А вот к тому, что стилисты сказали о форме лица, я бы отнёсся осторожно. Все трое сказали «овал», но разошлись в деталях, и это не особенность нейросетей. В исследовании 2025 года шестнадцать обученных наблюдателей дважды раскладывали по типам одни и те же 60 лиц, и их оценки совпадали лишь немногим чаще, чем при случайном выборе.

1 октября мне заблокировали аккаунт Claude. До этого приложение месяц писало, что сервис недоступен в моём регионе. В логах Mac таких строк набралось 2 891. Первая версия была очевидной: VPN иногда отваливался, и запрос уходил напрямую. Доказать её я так и не смог. Зато по дороге починил доступ к amoCRM и TGBooster при включённом WireGuard и сам же сломал себе интернет на целый вечер.

Недавно часть наших клиентов не могла подключиться к серверам Монеты. Мы проверили межсетевые экраны, собрали трассировки с обеих сторон, но причина оказалась за пределами нашей инфраструктуры. При этом сайты самих клиентов тоже стали недоступны, а уведомления о платежах на Pay URL перестали доходить. Диагностика привела нас к участку сети, где работает ТСПУ.

На связи Евгений, инженер отдела сопровождения разработки и эксплуатации ПО (DevOps-инженер) в Монете. В статье разберу, как проверить такую гипотезу и не спутать её с другими сетевыми проблемами, какие данные собрать для обращения и что делать, если заявка в ЛК ВТС уже получила статус «Частично принята», а доступ так и не восстановился. Покажу весь путь на реальном кейсе: от curl, traceroute и nping до переписки с ЦМУ ССОП и ДЦОА — без смены хостинга и IP-адреса.

Многоэтапный AI-агент может выдать убедительный ответ, хотя ошибка произошла ещё в начале расследования. Найти её по итоговому результату непросто. Рассказываем, как поэтапные проверки помогли нам локализовать сбои и обнаружить баг в самом механизме оценки.

Чтобы распознать документ на смартфоне, мало хорошо обучить нейросеть читать текст. Нужно ещё добиться, чтобы она делала это быстро на процессоре самого устройства. При разработке Smart Document Engine, системы распознавания и анализа документов, мы решаем именно такие задачи: обработка должна выполняться локально, а вычислительные ресурсы ограничены. Поэтому для нас поиск более экономных способов вычисления нейронных сетей — вполне практическая задача.

Один из привычных способов ускорить нейросеть — квантование. Переход от вычислений с плавающей запятой к 8-битным целым числам позволяет получить более быструю модель с близкой точностью. Можно пойти дальше: ранее мы предложили 4.6-битные сети, сравнимые по скорости с 4-битными, но заметно превосходящие их по точности. Однако уменьшение разрядности — не единственное, что можно изменить в нейросетевых вычислениях. Что, если оставить веса и входные данные 8-битными, а пересмотреть способ накопления результатов умножения?

В этой статье мы расскажем об алгоритме, который вместо точного суммирования использует последовательное усреднение по дереву. Такой подход позволяет дольше сохранять промежуточные результаты в 16-битном формате и эффективнее использовать SIMD-регистры. В наших экспериментах на ARM NEON это позволило сократить время матричного умножения. Разберёмся, какой погрешностью приходится платить за ускорение, как она влияет на точность нейросетей и что удаётся восстановить дообучением.

Я здесь уже рассказывал про Falang (friendly algorithmic language) - универсальное решение для построения блок схем. Тогда у меня было несколько MVP под разные направления, сейчас же я выхожу в свет с реальным продуктом.

Встречайте: FalangFlow - конструктор бизнес процессов. Код открыт под лицензией APGL-3, вы можете его самостоятельно запустить локально или на своем хосте.

FRIDA Decisions — открытая модель быстрого мышления для русского языка. Она выбирает вариант из списка, ставит оценку по шкале, отвечает «да» или «нет» и ранжирует кандидатов за один проход энкодера, без генерации текста и за десятки миллисекунд на RTX 5060 Ti. Её можно поставить везде, где сейчас LLM работает классификатором или судьёй: маршрутизация обращений, модерация, разметка данных, ранжирование для RAG. На нашем бенчмарке razvilka модель набирает 0,893 — наравне с коммерческим API TypeSafe Jev (0,897) и с LLM Qwen3.5-35B-A3B, которая в 40 раз больше.

В 2026 Claude может помочь легко развернуть проект на VPS‑сервер — решить проблему «Первого дня». Но для решения проблем дальнейшей эксплуатации «второго дня» всё равно либо придётся разбираться в DevOps, администрировании и поддержании инфраструктуры, либо сразу использовать управляемые сервисы.

В статье я покажу, чем хостинг в PaaS‑платформах отличается от VPS и IaaS. И в каком случае, что лучше выбрать.