TabFM против XGBoost: 5 фактов, которых нет в релизе
Всем привет, меня зовут Сергей Прощаев и в этой статье расскажу про то, что произошло с табличными данными летом 2026 года: появилась модель, которая делает предсказание по таблице вообще без обучения, и первые же замеры показали, что она обходит настроенный
9 ошибок при создании и внедрении чат‑ботов
Хайп искусственного интеллекта все еще в разгаре, поэтому можно часто услышать, а давайте «просто прикрутим сюда LLM». А с учетом того, что собрать чат‑бота с вызовом LLM можно минут за 15, то насобирали их уже огромное множество, но теперь для многих стал актуальным вопрос окупаемости собранного чат‑бота. И сразу хочется отметить, что проблема не в том, что выбранная LLM “слабая”, а в том, что архитектура и бизнес‑процессы вокруг неё нормально не спроектированы, а необходимых данных контекста просто нет или они уже не актуальны.
70 бесплатных уроков августа: от Python и Go до Kubernetes, ML и микросервисной архитектуры
Если система растёт, кодовая база усложняется, а привычные инструменты перестают справляться с новыми задачами — приходится разбираться глубже: как проектировать сервисы, ускорять разработку, строить надёжную инфраструктуру и внедрять ИИ без лишнего шума вокруг технологии. В этом дайджесте собрали 70 демо-уроков по ключевым направлениям ИТ: от Python, Go и C# до Kubernetes, Kafka, PostgreSQL, ML и ИИ-агентов.
Playwright не спасает от флапающих тестов: разбираемся, как он ждёт на самом деле
Привет, Хабр! Playwright продают примерно так: автоожидание встроено, sleep перед кликом писать не надо, флапающие тесты остались в эпохе Selenium. Обещание не пустое — механика внутри действительно крутая, и первые тесты правда пишутся как по маслу.А потом набор дорастает до полутора сотен тестов, уезжает в CI, и вы видите знакомую картину. Локально всё зелёное. На пайплайне падает через раз. Каждый раз в новом месте. Кто‑то предлагает добавить ретраев, кто‑то — «просто подождать подольше», и через месяц у вас набор, которому никто не верит.
GitHub Code Quality вышел в общий доступ
GitHub объявил о полноценном запуске Code Quality — инструмента для поиска проблем с поддерживаемостью и надёжностью кода ещё до слияния изменений. Сервис стал доступен пользователям GitHub Enterprise Cloud и GitHub Team.Code Quality сочетает статический анализ CodeQL с проверками на базе искусственного интеллекта. Замечания выводятся непосредственно в пул-реквестах, а Copilot Autofix может предложить исправление, которое разработчик проверяет перед добавлением в ветку.Что проверяет Code Quality
GitHub запустил Code Quality: проверки кода, Copilot Autofix и цена $10
GitHub объявил о полноценном запуске Code Quality — инструмента для поиска проблем с поддерживаемостью и надёжностью кода ещё до слияния изменений. Сервис стал доступен пользователям GitHub Enterprise Cloud и GitHub Team.Code Quality сочетает статический анализ CodeQL с проверками на базе искусственного интеллекта. Замечания выводятся непосредственно в пул-реквестах, а Copilot Autofix может предложить исправление, которое разработчик проверяет перед добавлением в ветку.Что проверяет Code Quality
Кто платит за ИИ-продуктивность: почему выгорают middle-инженеры
В современной разработке AI-ассистенты для кодинга создали кризис, о котором никто не говорит. Junior-инженеры работают быстрее, чем когда-либо. Senior-инженеры проектируют архитектуру с меньшими усилиями. А что происходит с вашими middle-инженерами?Они тихо тонут: большую часть времени вылавливают ошибки AI, которые не попадают ни на один дашборд. Без какого-то признания.
Microsoft выпустила стабильный API Agent Skills для Python
Microsoft объявила стабильным базовый API Agent Skills для Python в Microsoft Agent Framework. Он позволяет подключать к ИИ-агентам переиспользуемые пакеты с инструкциями, справочными материалами и скриптами, которые загружаются по мере необходимости.Ранее поддержка Agent Skills в Python считалась экспериментальной. Теперь же для использования основного API не требуется включать экспериментальные возможности фреймворка.Что такое Agent Skills
Сможете ли вы найти пять ошибок в Python‑коде, который вызывает LLM
Привет, Хабр! Вызов языковой модели давно стал обычной строчкой в любом коде. Классификация тикетов, разбор писем, извлечение полей из накладных, генерация описаний для каталога — всё это пишется в три строки: импортировали клиент, отдали промпт, забрали response.choices.message.content. Библиотеки удобные, документация подробная, туториалов вагон.
