I Forced an AI to Program Like It Was 1995. After 20 Changes, It Started Reinventing Modern Software
Most experiments with AI coding assistants start from a modern stack. The model gets Python, JavaScript, Go, Rust or a recent version of C++, plus libraries, package managers and years of conventions already embedded in the ecosystem. That is useful if the goal is productivity, but I wanted to test something slightly stranger. What happens if the language gives the model almost none of the tools it is used to seeing in modern code? Would it actually think like a programmer from the mid-1990s, or would it simply reconstruct modern architecture using primitive language features?The starting application was intentionally boring. It was a command-line contact database written in ANSI C. One executable, one local data file, fixed-size fields and a few commands. There was no database server, no network, no dynamic plugin system, no package manager and no third-party code. The environment itself was modern Linux because I was interested in programming constraints rather than hardware emulation. Everything was compiled using GCC with strict C89 settings.
Часть 3. Кремний взломал кремний, или как я стал автором первого в мире подтвержденного PCIe GEN2 X16 для CMP90HX
Это уже третья большая серия издевательств над NVIDIA CMP 90HX.В первой статье я собрал домашний сервер на двух Xeon и пачке бывших майнинговых карт. Изначально идея была довольно приземленной: получить много видеопамяти и приличную вычислительную мощность за разумные деньги, чтобы запускать большие локальные LLM у себя дома — без аренды GPU, без оплаты токенов, без зависимости от чужого сервиса.https://habr.com/ru/articles/1020334/Потом выяснилось, что слово «майнинговая» у NVIDIA означает примерно следующее:
Одиннадцать релизов за сутки: как мы чинили память ИИ-агента и что из этого вышло
Неделю назад я выложил skillmem — локальную память процедур для кодовых агентов. За прошедшие сутки вышло одиннадцать релизов: с 0.9.3 по 0.10.5. Не потому, что чесались руки, а потому что я сел проверять собственный продукт и нашёл в нём подряд одиннадцать вещей, которые надо было починить. Это пост про то, что именно, — почти каждый пункт переносится на любой инструмент, который живёт внутри цикла агента.Начало: 4083 сессии за суткиНачалось с безобидного вопроса: а всё ли у нас работает. Полез в лог хуков и увидел, что Stop-хук за день сработал 4083 раза
Система экстренных оповещений на 15 тысяч пользователей: LLM, PostGIS, Qdrant и Telegram
В нашем телеграм-боте — системе экстренных оповещений «Мигалка» — нужно в реальном времени обрабатывать сообщения примерно из тысячи телеграм-каналов и доставлять релевантные события пользователям в конкретных локациях.Официальные предупреждения о прилетах дронов и ракетных ударах часто приходят
В iOS 27 нашли возможность подключать к Siri сторонние LLM
Датамайнер под никнеймом pdfu обнаружил в iOS 27 и macOS Golden Gate механизмы для интеграции Siri со сторонними языковыми моделями. В тестах ему удалось подключить к ассистенту Claude от Anthropic и заменить серверную модель Siri на GPT-5.6 Terra от OpenAI.
Зачем платить за SaaS, если его код лежит на GitHub: история Postiz
Postiz: бесплатный код и платный SaaSPostiz помогает планировать публикации в соцсетях. Его можно запустить на своём сервере или оформить подписку на облако. По README, на момент исследования обе версии давали одинаковые возможности.
Как продуктовые команды используют AI: три практических кейса
Как перевести интерфейс на китайский и не получить «Телефон псу под хвост два ядра»? Как заставить AI-агентов считать за аналитиков? И почему одного RAG недостаточно для поддержки?Разберёмся на Fintech Product Meetup — бесплатном митапе от ЮMoney для продактов, аналитиков и всех, кто работает с продуктом. В программе:Как переводить интерфейсы на китайский с помощью AI и не терять смысл. Покажем, как ЮMoney подходит к локализации и что делать, чтобы вместо нормального перевода не получить набор буквальных фраз.
Роадмап ML 2026: полный путь до оффера за 36 недель
36 недель. Столько, по моему мнению, занимает путь от нуля до выхода на рынок ML-инженером. Не 2-3 месяца, как обещают курсы, — чуть дольше. Зато на выходе у вас будет фундамент, с которым можно пройти не только собеседования, но и испытательный срок.В этой статье — весь маршрут по неделям: что учить, в каком порядке, сколько на это уходит времени и что можно смело отложить до первого оффера. Это текстовая версия первого выпуска моей серии «Roadmap ML 2026» на YouTube: видео.Сразу оговорюсь.
