Введение в архитектуру ИИ‑систем: как GPT‑wrapper превращается в распределённую систему
Почти все AI‑проекты начинаются одинаково. Разработчик делает небольшой сервис с одним вызовом модели, подключает FastAPI, добавляет чат и показывает демо команде. На этом этапе всё выглядит настолько просто, что возникает опасное ощущение: «Ну это же обычный API‑вызов, только ответ пишет нейросеть».response = client.chat.completions.create( model="gpt-4.1", messages=messages )
Evals для чайников. Как тестировать AI-агента, чтобы понимать, где именно он ломается
Большинство команд оценивают производительность AI-агентов через end-to-end метрики: success rate, количество токенов, tool usage, стоимость запроса, долю успешных задач. Это полезно для общего контроля ситуации, но почти бесполезно для реальной диагностики системы.
AI Gateway для микросервисов: гайд по интеграции LLM в 2026
Всем привет, меня зовут Сергей Прощаев. В этой статье расскажу про одну из самых горячих тем 2026 года — интеграцию AI/ML как самостоятельных сервисов в микросервисную архитектуру. Я Tech Lead и руководитель направления Java/Kotlin разработки в FinTech & E-commerce, также преподаю на курсах разработки и архитектуры в OTUS.
Как мы четыре раза неправильно чинили мерцание при рендеринге 4,4 миллиона полигонов на wgpu
Уже год мы небольшой командой пишем на Rust + wgpu редактор топологий интегральных схем — что-то вроде KLayout, только с прицелом на российский рынок. Команда — три человека. Я в роли CTO направляю архитектуру и принимаю основные технические решения. История ниже — про одну такую серию решений, которую я завёл в тупик четыре раза подряд, прежде чем мы поняли, в чём была ошибка.Тестовый дизайн у нас — Caravel SkyWater SKY130, открытый чип на ~4,4 миллиона полигонов, 1014 уникальных ячеек и 22 уровня иерархии. Полный GDS-файл — 278 МБ.
ИБ умерла? Разбираем Project Glasswing — как ИИ нашёл тысячи 0-day и что это значит для безопасников
7 апреля 2026 года Anthropic сделала то, чего не делала раньше: опубликовала 244-страничную System Card для модели, которую не собирается выпускать в открытый доступ. Модель называется Claude Mythos Preview. Причина закрытости проста — она умеет автономно ломать программное обеспечение, которым пользуются миллиарды людей.В тот же день был анонсирован Project Glasswing.В моих чатах сразу началось:«ИБ умерла»,«нас всех заменят»,«зачем теперь учиться пентесту»…Через неделю об этом уже спрашивали люди, далёкие от IT, — просто потому, что услышали новости.Но за хайпом потерялась главная мысль:
OpenAI запустила новые инструменты Codex для офисных работников
OpenAI выпустила новый набор опций для Codex, призванный расширить возможности использования этого инструмента в рабочей среде.Компания опубликовала
Я устал копировать промпты вручную. И собрал 794 проверенных в деле промптов для ваших ИИ агентов
🤖 Что происходит, когда вы просто пишете «act as a senior developer»Модель выдает рабочий код. Примерно рабочий. 😅Компонент рендерится, но стили будут серым Tailwind по умолчанию. Про тесты модель скажет «добавлю позже». Переменные окажутся захардкожены, а в коде останется console.log.Это не проблема модели. Это проблема инструкции. Нейросеть делает ровно то, о чем ее попросили, не проявляя инициативы. 🤷♂️🔍 Откуда берется хороший системный промптЯ потратил несколько недель на разбор структуры лучших открытых репозиториев с агентными конфигурациями. Их шесть, все под лицензиями MIT или Apache 2.0. 📂
Агент читает 20 файлов ради одной функции. Лечим это графом кода: CodeGraph vs Graphify и другие невиданные твари
CodeGraph и Graphify решают разные задачи, хотя оба строят граф кода на tree-sitter. CodeGraph — лёгкий локальный индекс символов для рантайма агента. Graphify — граф знаний всего проекта, включая документы, PDF и медиа.CodeGraph работает 100% локально (SQLite + FTS5), без внешних API. Graphify код тоже парсит локально и бесплатно, а токены тратит только на документы и медиа — и то через модель твоей IDE-сессии, без отдельных ключей.Их бенчмарки CodeGraph: −57% токенов, −71% tool calls, −46% времени на 7 репозиториях. Это их цифры на их выборке, я не воспроизводил. Своё ощущение — заметно быстрее и точнее, но замеров не делал, честно.
Превращаем бухгалтера группы компаний в data-инженера
Привет, Хабр! Меня зовут Андрей Бирюков. Я эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу книги. Сбор первичных документов из 1С, SAP и ERP из разных юридических лиц традиционно является серьезной головной болью бухгалтерии. В этой статье мы поговорим о том, как с помощью low-code платформ можно автоматизировать данный процесс и сформируем гайд по построению подобного пайплайна. Две реальности одной отчетности
