Безопасность GitHub Actions: модель угроз, атаки и меры защиты. Часть 1
В этой статье речь пойдет о том, как понять и защитить рабочие процессы в GitHub Actions: от модели угроз до механизмов контроля безопасности.В марте 2025 года был скомпрометирован популярный GitHub Action tj-actions/changed-files — по данным GitHub Advisory Database, инцидент затронул более 23 000 репозиториев. Атакующие изменили теги версий так, чтобы они указывали на вредоносный commit, который выводил CI/CD-секреты в логи GitHub Actions.В декабре 2024 года проект ultralytics пережил
Открытые уроки OTUS 18–28 мая: ИИ, Go, Kubernetes, ML, QA, архитектура и безопасность
Собрали открытые уроки OTUS на ближайшие две недели. В расписании — разработка, инфраструктура, машинное обучение, ИИ‑инструменты, аналитика, тестирование, информационная безопасность, продуктовый подход и управление командами.Уроки бесплатные и проходят в рамках онлайн‑курсов OTUS. Можно познакомиться с темой, посмотреть на формат обучения и задать вопросы преподавателям‑практикам.18 мая
Могут ли LLM находить flaky‑тесты по одному только коду теста? Разбор одного исследования
Недавно прочитала исследование про flaky тесты, и оно оказалось интереснее, чем я ожидала. Вопрос у авторов был довольно простой. Можно ли показать модели только код теста и попросить определить, flaky он или нет?
AI Governance по‑инженерному: что должен знать архитектор
Всем привет, меня зовут Сергей Прощаев. Я Tech Lead и руководитель направления Java / Kotlin разработки в FinTech, а ещё преподаю на курсах разработки и архитектуры в OTUS. В этой статье хочу поговорить про
Внедрение ИИ‑агента в бизнес‑процесс за один день: от развертывания до прототипа
Меня зовут Андрей Коптелов, я долгие годы работаю с бизнес‑процессами и корпоративной архитектурой, теперь волею судеб мне приходится погружаться в тему искусственного интеллекта. По мере возможностей пытаюсь делиться своим скромным опытом в этой теме.Представьте: вам поручили «внедрить искусственный интеллект (ИИ)», но без бюджета, и с требованием сохранить данные внутри периметра организации. Результат нужен вчера. Ваши подчиненные не умеют программировать, и используют большие языковые модели только в режиме чата.Результат
ИИ для продажников: что реально работает в 2026 году и на чём все теряют время
В каждой второй компании руководитель продаж слышал, что «надо внедрять ИИ». Кто‑то купил подписку на ChatGPT для отдела, кто‑то подключил «ИИ‑ассистента» в CRM, кто‑то попробовал генерировать письма через Jasper или Copy.ai. Через месяц половина менеджеров перестала этим пользоваться, потому что «оно пишет как робот», «тратит время на промпты вместо звонков» или «ответ вроде красивый, но клиенту такое не отправишь».Проблема в том, что его пытаются использовать для задач, где он не нужен, и не используют там, где он реально экономит часы. Подготовка к звонку: 20 минут → 3 минуты
Вайб‑кодинг для ПЛИС: как я собрал I2S FIFO‑реклокер без знания Verilog
Программирование ПЛИС (FPGA) считается высшим пилотажем в мире цифрового DIY аудио.Вы можете реализовывать FIFO буферы, которые накапливают аудиоданные и устраняют джиттер, а также создавать собственные цифровые фильтры с характеристиками, заметно превосходящими то, что доступно в серийных ЦАП (или DAC) микросхемах.Есть только одна проблема, зато существенная.Нужно научиться программировать на Verilog или VHDL, то есть на языках описания аппаратуры. Их логика сильно отличается от привычных языков программирования и даже от программирования микроконтроллеров.
Создание MCP‑серверов на FastMCP: 7 ошибок, которых стоит избегать
В этой статье рассмотрим 7 распространенных ошибок, которые разработчики допускают при создании MCP‑серверов на FastMCP: от отсутствующих аннотаций инструментов и слабой обработки ошибок до ответов, расходующих слишком много токенов, и пробелов в безопасности. Поговорим о конкретных способах исправления каждой ошибки.
Почему классический подход к QA больше не работает (и виновата ли в этом эпоха ИИ)
Я всё чаще замечаю, что разговоры о качестве программного обеспечения как будто застряли в прошлой эпохе. Мы по привычке обсуждаем тест-кейсы, регрессию, покрытие, приёмку перед релизом и автоматизацию проверок, как будто этого по-прежнему достаточно, чтобы уверенно говорить о качестве продукта. Но сама среда, в которой живёт современное ПО, уже давно стала другой.
Запуск ИИ‑продукта с нуля: от гипотезы до первых результатов
ИИ всегда, ИИ везде… Да, мне тоже уже порядком поднадоели упоминания искусственного интеллекта к месту и не очень. Все, от покрышек до зубных щеток производится с использованием ИИ… по крайней мере, если верить рекламе. Но на самом деле несмотря на ажиотаж вокруг искусственного интеллекта, статистика остаётся неумолимой: около 80% AI‑проектов терпят неудачу, а почти 90% Proof of Concept (PoC) никогда не достигают полноценного развёртывания в продуктив.
