Java.
IntelliJ IDEA переходит на единый дистрибутив
Команда Spring АйО перевела статью от JetBrains, в которой анонсировано важное обновление: начиная с версии 2025.3, IntelliJ IDEA будет распространяться в виде единого дистрибутива, вместо отдельных версий Community и Ultimate. Теперь каждый разработчик получит более мощный, гибкий и удобный инструмент «из коробки», независимо от подписки. Open source-компоненты по-прежнему доступны, а новая модель обещает улучшенный user experience, бесплатный доступ к большему числу функций и упрощённый процесс сборки из исходников.
Оцени меня, если сможешь. Методика точной оценки крупных задач
Практически постоянно на проектах вижу такого рода постановки задач: Разобраться с логированием при ретраеРеализовать отчетыNGINX. Мониторинг и логирование
Explyt 4.0: агентский режим и генерация тестов по исполнению
Всем привет! В Питере вместе с летней жарой случился релиз Explyt 4.0 c крутыми фичами для написания кода, тестирования и дебаггинга: агентским режимом Explyt Agent и генерацией тестов по исполнению Generate Tests from Execution.Важные апдейты в Explyt 4.0:обновлённый подход к следованию примеру тестоврасширенная поддержка Testcontainers и @DataJpaTestгенерация тестов по спецификации (EAP)Улучшения и багфиксы:теперь форматируется только сгенерированный код, пользовательское форматирование сохраняетсяобновлены шаблоны запросов для интеграции с моделями Ollama
Пишем код, который можно бегло просматривать
В кругу разработчиков бытует присказка: «Код больше читают, чем пишут». Но ведь этим дело не ограничивается. Код просматривают чаще, чем читают.
Подключение Spring AI к локальным AI-моделям с помощью Foundry Local
Команда Spring АйО перевела статью, которая покажет, как интегрировать Spring AI с Foundry Local — десктопным приложением от Microsoft, совместимым с OpenAI API. Вы узнаете, как настроить локальную AI-модель, подключить её к Spring Boot и создать REST-эндпоинты для чат-бота и суммаризации текста. Всё это — с акцентом на производительность, безопасность и автономность.Что такое Azure AI Foundry и Foundry Local?Azure AI Foundry
10 бесплатных онлайн-курсов и занятий, которые стоит пройти в июле
🏄♂️ Чтобы сёрферу поймать волну — нужно выждать идеальный момент. А чтобы получить новые знания — нужно просто выбрать курс или лекцию. Ловите подборку бесплатных занятий этого месяца, сохраняйте себе и делитесь с друзьями.Системный аналитик: первые шаги к профессии👉 Старт 1 июляПрофессия системного аналитика требует постоянного развития — нужно балансировать между интересами IT и бизнеса, чтобы помогать обеим сферам достигать выгоды.
Тест-кейсы на автопилоте: как Spring AI и Atlassian MCP упрощают жизнь тестировщика
А также Qdrant, Allure TestOps и вера в светлое будущееКак по старинке?Если в вашей компании по каким-либо причинам продолжают верить в силу тестирования, то вам, как тестировщику, необходимо писать тестовую документацию, основа которой лежит в наборе тестовых кейсов. Ходят легенды, что тест-кейсы содержат самую актуальную информацию о продукте и его фичах. Спецификации устаревают, эксперты, знающие все и вся, увольняются, а тесты по тест-кейсам прогоняются каждый божий день и демонстрируют реальное состояние дел в вашем замечательном (или не очень) продукте.
Не одним Python едины: Spring AI в разработке MCP‑сервера BitDive
Многие внутри BitDive привыкли к Python: для анализа данных, прототипирования агентов и построения CI/CD‑утилит этот язык незаменим. Но когда нам потребовался единый масштабируемый MCP‑сервер (Message Control Plane) для обработки и маршрутизации телеметрии в реальном времени, мы решили попробовать нечто более декларативное и «из коробки» готовое к бою. Наш выбор — Spring Boot вместе с новым модулем Spring AI, который позволяет легко описывать инструменты (Tools) и управлять ими через единый SSE‑интерфейс.1. Введение: почему Spring AI для MCP1.1. Основные требования к MCPВысокая пропускная способность.
Думает ли искусственный интеллект о коте Шрёдингера? История о том, как я внедрял в алгоритм идею параллельных вселенных
ВведениеВсё началось с простого вопроса: что, если научить искусственный интеллект не просто анализировать данные, а воспринимать каждое решение как один из множества возможных исходов? Не искать единственно верный ответ, а картографировать все возможные траектории, которые могли бы реализоваться в параллельных реальностях.Такой подход меняет саму логику анализа: вместо нахождения оптимума — построение карты событий. И если мы поручаем эту задачу модели, то стоит задуматься и о том, как сделать эту множественность доступной для человека — наглядной, понятной, функциональной.
