Все потоки

Вспомните свой обычный рабочий день: три терминала, Lens, вкладки с Grafana, Argo CD и GitLab, KeePassXC, Obsidian с ранбуками, DBeaver, WinBox для роутеров и где-то среди всего этого — чат с ИИ. Алерт прилетает в Telegram, команду из ранбука копируешь руками, пароль ищешь в третьем окне. Мне надоело собирать себя по кусочкам каждое утро, и я сделал OpsDeck — бесплатное приложение с открытым кодом, в котором всё это живёт вместе и знает друг о друге. Ниже — экскурсия по каждому разделу со скриншотами.

Автономный умный дом: к чему готовиться, если из-за блокировок пропадет интернет На рынке систем умного дома сегодня есть два противоположных полюса. Первый — выстраивание архитектуры в расчете на облачную инфраструктуру. У такого подхода много плюсов, но все их полностью обнуляет тотальная зависимость от доступности чужого сервера. Второй — локальные интеграционные решения, когда интегратор собирает из разнородных систем что-то уникальное, условно связанное между собой и непростое в поддержке. В ряде случаев такие решения могут стоить как «крыло от Боинга». 

В этой статье мы немного оживим SCAD++ и немного сэкономим времени на чай) Конструктора, проектировщики милости просим)

Цель "выучить язык" ощущается слишком большой и недостижимой. Это демотивирует и приводит к тому, что изучение языка хочется бросить. 

Поэтому я решил поставить себе вполне измеримую цель: Прочитать любимую книгу в оригинале. Такая цель достижима, а ее выполнение дает ощущение прогресса.

В статье представлена методика, которая позволила мне начать реально пользоваться английским языком уже на ранних этапах обучения. Изучение языка перестало быть бесконечным процессом движения к абстрактной цели. Маленькими шагами я углубляю знания, и на каждом этапе я фиксирую прогресс реальным достижением: прочтением книги или просмотром сериала. Чередование этапов трудоемкого заучивания слов и относительно легкого чтения книг и просмотра сериалов позволяет не забрасывать изучение языка. Использование английского языка постепенно превратилось в интересный досуг, который приносит удовольствие и пользу.

Сэр Роджер Пенроуз прожил необыкновенную жизнь. Он внёс огромный вклад в наше понимание общей теории относительности - возможно, больший, чем кто-либо после самого Эйнштейна: диаграммы Пенроуза, теоремы о сингулярностях, процесс Пенроуза, гипотеза космической цензуры - и это лишь начало списка. Он внёс важный вклад и в математику, придумав, среди прочего, такие занятные вещи, как треугольник Пенроуза и апериодические замощения. Кроме того, он выдвигал смелые гипотезы в общеизвестно спорных областях квантовой механики и исследований сознания. В свободное время он успел стать чрезвычайно успешным автором таких книг, как “Новый ум короля” (The Emperor’s New Mind) и “Путь к реальности” (The Road to Reality). Тем для разговора было гораздо больше, чем мы могли охватить, поэтому решили сосредоточиться на пространстве-времени, чёрных дырах и космологии, но всё же оставили время, чтобы под конец обсудить квантовую механику и мозг.

Сэр Роджер Пенроуз - почётный профессор математики имени Рауса Болла Оксфордского университета. Это выдающийся математический физик, внёсший значительный вклад в общую теорию относительности, дифференциальную геометрию и топологию, теорию графов и космологию. Он автор ряда научно-популярных и технических книг. Среди его многочисленных наград - медаль Дирака по теоретической физике, медаль Копли и премия Вольфа (прим. переводчика: в 2020 году он также получил Нобелевскую премию; интервью было записано в 2019 году).

Учебный графический исполнитель (ГРИС) — это компьютерная модель, имитирующая работу чертёжного узла в режимах непосредственного и программного управления. ГРИС используют при изучении основ алгоритмизации для демонстрации принципов структурного программирования. Существует множество различных реализаций ГРИС, которые отличаются целевыми компьютерными платформами, наборами команд и возможностями исполнителей. Ярким и запоминающимся примером может служить среда ГРИС «Кенгурёнок», созданная в начале 1990-х годов авторским коллективом из Свердловска.

Код и списки выложены в публичном репозитории на GitVerse по ссылке: https://gitverse.ru/mshshukin2005/real-schemes-degree8

В этой статье я хочу рассказать об одной из многих тысяч нерешённых математических проблем.

Речь пойдёт о Шестнадцатой проблеме Гильберта.

Шестнадцатая проблема Ги́льберта — одна из 23 задач, которые Давид Гильберт предложил 8 августа 1900 года на II Международном конгрессе математиков.

Исходно называлась «Проблема топологии алгебраических кривых и поверхностей». Впоследствии фактически разделилась на две похожие проблемы в разных областях математики:

исследование взаимного расположения овалов вещественных алгебраических кривых степени n (и аналогичный вопрос для алгебраических поверхностей);

получение верхней оценки на число предельных циклов полиномиального векторного поля степени n (и исследование их взаимного расположения).

Источник:https://ru.wikipedia.org/wiki/Шестнадцатая_проблема_Гильберта

Телевизор я смотрю редко. Когда всё-таки включаю, хочется попасть на хороший фильм о путешествиях, науке или космосе. Нравятся каналы вроде «Моей Планеты», но смотреть всё подряд даже там не хочется. В одной сетке соседствуют экспедиции, гастротуры, обзоры достопримечательностей и передачи, которым достаточно идти фоном. Кулинария меня вообще не интересует.

Решил сделать персональную разметку телепрограммы: читать названия и описания, находить подходящие передачи и добавлять звёздочку в начало названия. Получился конвейер от XMLTV до небольшой BERT-модели в домашнем Kubernetes. На синтетически расширенной выборке модель показала macro-F1 = 1,000, а в выходном расписании нашлись 66 записей со звёздочкой.

При проверке материала для статьи выяснилось, что оба результата требуют серьёзных оговорок. У 119 из 120 тестовых записей описание уже встречалось в обучении с другим номером части. В обработчике XML обнаружилась ошибка, из-за которой тысячи передач записались пустыми. Ниже разберу устройство системы, реальные ответы модели и то, что мы преждевременно приняли за успешное внедрение.

Привет! Меня зовут Артем и у меня есть хобби. Я обожаю копаться в финтехах, банках, денежных переводах и прочих штуках, связанных с личными финансами. Последние несколько лет я живу в Европе и пользуюсь множеством финансовых сервисов. За это время я слышал десятки историй о том, как люди лишались счетов, теряли крупные суммы денег и даже были на грани уголовного преследования, потому что не осознали, что мир изменился.

Почти всегда причина была в беспечности и неосведомленности. Однако не стоит списывать со счетов санкции и как следствие пристальное внимание к российским гражданам со стороны регуляторов, особенно в странах ЕС. Поэтому, прежде чем что-то предпринимать, нужно хорошенько всё продумать. Сегодня я хочу рассказать пять историй, четыре из которых я услышал от знакомых (имена изменены), а пятая история моя.

Дисклеймер: Пост не является юридической консультацией, а лишь описывает опыт конкретных людей. В вашей ситуации лучше проконсультироваться со специалистом.

Мы привыкли, что пиксели на мониторе и в матрице фотоаппарата — это разные устройства. Одни работают как сенсоры, регистрируя энергию фотонов в ПЗС- или КМОП-матрице камеры. А другие излучают свет, как в RGB-решётке монитора.

Однако учёные из Швейцарской высшей технической школы Цюриха (ETH Zurich) разработали принципиально новые пиксели Фурье, которые работают одновременно и как приёмник, и как излучатель света. С такими пикселями, например, компьютерный монитор «видит» всё перед собой.

Мониторы/экраны, которые одновременно являются камерами — это один из вариантов применения пикселей Фурье.

Привет, Хабр! Ну что, я таки починил игровой ноутбук от Lenovo. Это оказалось не так просто, но все получилось. Напомню, это «залитик», то есть лэптоп, пострадавший от жидкости, — самая неприятная категория ремонтов. В первой части я нашел причину, по которой Lenovo IdeaPad Gaming 3-15ACH6 не включался и не заряжался. После «купания» пробило мультиконтроллер ENE KB9022QD и на одной из линий питания оказалось около 20 Ом. Стоило снять чип, как сопротивление выросло до килоом, а дежурные 3,3 В снова появились (правда, после принудительного замыкания контактов входных ключей). У меня были просто огромные сомнения относительно работоспособности девайса. Но что поделать — кто не рискует, тот не играет в ААА-тайтлы. Так что оставалось дождаться нового EC из Китая, поставить его на место и записать прошивку.

Контроллер на днях приехал, и я вернулся к материнке. С пайкой особенных приключений не ожидал: корпус крупный, ножки на виду, под микроскопом работать удобно. А вот с программатором все оказалось сложнее. Это был квест, который мне удалось пройти. А потом еще и зарядник… Ну да ладно, давайте обо всем по порядку.

Привет, Хабр!

Это не перевод, скорее выжимка из статьи со схожим названием. Очень советую ознакомиться, если подход заинтересует.

Текущий подход к оркестрации AI агентов обычно включает в себя создание фреймворка, который руководит передачей контекста, памятью, обработкой ошибок и координацией шагов решения задачи (CrewAI, LangChain, AutoGen). Подобные фреймворки отлично подходят для сложных, многозадачных систем. Но для последовательных процессов, требующих проверки работы человеком для определенных шагов процесса, использование подобных фреймворков добавляет огромный инженерных overhead.

Методология интерпретируемого контекста заменяет оркестрацию на уровне фреймворка на оркестрацию с помощью структуры файловой системы. Markdown файлы содержат в себе промпты и контекст, который говорит агенту, какую роль взять на себя для каждого шага пайплайна. Если задача не требует использования LLM, работа описывается через локальные скрипты.

Этот подход позволяет избежать использования оркестрационного фреймворка и использования нескольких агентов. Один агент отвечает за оркестрацию. Структура директорий говорит агенту, что делать на каждом шаге процесса и даже если агенту надо делегировать задачу, эта же структура определяет контекст для sub-агентов.

Подход основан на идее Unix-pipeline. Система декомпозирована на основе того, что одни модули прячут от других модулей, что позволяет вносить изменения в логику модулей, не нарушая работу программы. Предложенный Дейкстрой подход “разделения зависимостей” позволяет модулям отвечать за единственную задачу. Разработчику остается лишь определить порядок выполнения задач.

Компании и менеджеры узнают о партнерах или конкурентах в первую очередь из ответов нейронок, поэтому сегодня все устремились в GEO — Generative Engine Optimization. Метод подразумевает настройку контента на сайте таким образом, чтобы чат-боты вроде ChatGPT и поисковики с генеративными функциями цитировали бренд в своих ответах.

Получается что-то вроде SEO-лихорадки из нулевых, когда компании гонялись за нужными ключевиками и соревновались в методах «творческой оптимизации». Ниже — о том, что (хорошего и не очень) дают чат-боты при поиске информации о компаниях, и почему попытки «придумать сеошный хак для нейронки» — так себе идея.

Привет, Хабр! Ни для кого не секрет, что в языке C существует множество красивых способов положить вашу программу со всеми вытекающими последствиями, но большинство из них обходятся банальными средствами гигиены, санитайзерами, статическими анализаторами, линтерами, да и компиляторы в целом не плохо помогают решать большинство проблем до их обнаружения в продакшене. Но существуют проблемы, которые возникают только во время исполнения и понять, в чем причина, не так просто, хотя сама проблема может оказаться очень даже понятной после установления причинно-следственной связи.

Останавливаться на том, что такое ABI, я не буду, дабы не разводить лишнюю полемику, на Хабре достаточно отличных статей на эту тему. Поговорим предметно о том что такое ABI‑разрыв или ABI‑несовметимость. ABI‑разрыв - это ситуация, когда два и более бинарных файла представляют работу с одними данными по-разному. Представим ситуацию в кофейне, вы заказали большой кофе, бариста готовит нужный объем, но стажер подает ему стакан меньшего объема, как результат вы либо получите меньше кофе, либо произойдет потеря ценных миллилитров. Это и есть ABI‑разрыв, один компонент системы представляет себе работу не так как другой и на стыке их взаимодействия получатся поведение, которое не закладывалось изначально.

Раз в минуту четыре фоновые команды обходят таблицу на сотни тысяч чатов и решают, кому бот напишет первым: у кого обновились суточные лимиты, кто начал разговор и замолчал, у кого кончилась подписка.

Год назад выяснилось, что за один проход каждая обслуживает ровно половину тех, кого сама же выбрала. Ошибок при этом нет, лог чистый, метрика отправленных растёт. Виноват chunk(), который листает выборку через OFFSET: обработанная строка из этой выборки выпадает, и окно уезжает.

Разбор на живом проекте с 300 тысячами пользователей в месяц: как chunk() теряет строки и чем его заменить, почему withoutOverlapping() по умолчанию блокирует команду на сутки, откуда берутся дубли рассылки и зачем пришлось переворачивать порядок колонок в составном индексе.

Чароит записывает мои созвоны, а после кнопки Стоп собирает стенограмму, протокол и граф встречи. Самое капризное место во всей цепочке — понять, кто что сказал. Это называется диаризацией. Ошиблась она, и решение в протоколе повисает на другом человеке.

23 сентября NVIDIA выложила нейросеть, которая только этим и занимается. Через пять дней она уже работала у меня. Сейчас через неё идут оба канала звонка, очные встречи и живая лента.

Обычно советы по безопасности криптокошельков накачивают людей относиться к seed-фразе бинарно: либо помнишь все слова и кошелёк живой, либо нет — и всё потеряно. В реальности, однако, это не бинарная история, а комбинаторная. Ответ на вопрос «можно ли восстановить» зависит не от везения, а от простой математики количества забытых слов, и далеко не все сценарии забытой seed-фразы относятся к «невозможно физически».

В последнее время я стал замечать, что знакомые программисты в моем круге общения и незнакомые в интернетах вайбкодят что-то для души.

Недавно друг скинул ссылку на сайт, где нарисована 3д модель Земли и спутники вокруг нее. Фильтры там, орбиты всякие. Данные из открытых источников в интернетах. Сказал что завайбкодил за пару-тройку недель. А еще через пару дней попросил потестить игру. Сделал раздел с орбитальными миссиями, где нужно управлять спутником и его орбитой, на базе некоторой физической модели с формулами. Геймплей, ачивки (уложится в минимальный импульс), звездочки. И тут я вспомнил, что у него была мечта кодить игры.

И тут я подумал - а ведь у меня тоже были какие-то подобные мечты. Когда я играл и восхищался первой Мафией, думал "вот бы закодить симуляцию города, чтобы каждый житель жил свою жизнь, отводил детей в школу, ходил на работу, ужинал, ездил на машине, ходил к доктору". А когда играл в старые фантастические космические стратегии c исследованиями и производством, типа Master of Orion или X-COM UFO Defense, восхищался проработанностью для тех лет, и мечтал "вот бы переписать их с новой графикой".

Но все это заканчивалось на осознании того, какой объем усилий нужно вложить дизайн, а затем и программирование, по вечерам, после основной работы (где я по сути делал все тоже самое только для бизнес-приложений).

И вот прошло 15 или даже может уже 20 лет перекладывания мыслей из головы в код с клавиатурой, кажется даже незаметно подкрался кризис среднего возраста.

И что теперь...? А теперь я Тони Старк, а кодекс мой Джарвис.

Воспроизвели grokking на трёх seed: нейросеть быстро запоминает обучающие примеры, но начинает обобщать значительно позже. Показываем результаты, границы проверки и открытые артефакты эксперимента.