llm.
Профессия программиста выживет. Почему это не гарантирует вам работу
В споре о будущем программистов мне больше всего нравится момент, когда выясняется, что кто-то всё равно должен отвечать за результат. Требования сами себя не уточнят, архитектура требует головы, а последствия ошибки придётся разгребать человеку. Всё правильно. Дальше из этого почему-то следует, что за работу можно особенно не переживать.
Где заканчивается самостоятельность ИИ-агента? Я дала ему банковскую карту, телефон, браузер и 200+ MCP: итоги теста
Привет! Я Вика, занимаюсь исследованиями в ИИ и хардкорным продом: внедрением ИИ в крупные продукты, работой с большими корпоративными данными и оптимизацией инференса моделей на GPU-кластерах. В этот раз я несколько недель проверяла, какие обычные дела в физическом (!), а не только в цифровом мире можно поручить агенту: позвонить и договориться с реальным человеком (как и многие, очень не люблю звонить по телефону…), купить билет на самолет, заказать кофе или еду, забронировать гостиницу.
Мы скормили Claude три года комментариев к PR. Теперь он ревьюит код как наша команда
В статье расскажу о том, как командная встреча, возражение руководителя разработки и три года комментариев к PR (пул-реквестам) привели к появлению инструмента, которого никто не планировал, но которым теперь пользуются все. И как вашей команде сделать такой же (шаблон прилагается).Три недели назад я решил сделать для нашей команды в HoneyBook универсальный чек-лист перед отправкой PR. В итоге у нас появился ИИ-ревьюер, который анализирует комментарии к PR за последние три года и формулирует замечания в характерной манере каждого разработчика. Хотя ничего подобного мы изначально не планировали.
InkPeek — переводчик для Android‑читалок: работает офлайн, а с интернетом ещё и объясняет через AI
Привет. Это пост про небольшое приложение, которое я сделал для себя. Скажу сразу: писал я его в паре с нейронкой. Как Хабр сейчас относится к таким проектам, не знаю, но вдруг кому‑то пригодится.Захотелось мне читать больше книг на иностранном языке — на электронной книге, разумеется. Но удобного словаря для читалки, который сразу переводил бы слово или фразу поверх страницы, а при наличии сети ещё и объяснял грамматику, я не нашёл: AI‑плагины к KOReader перегружены, а словари для FBReader выглядят как привет из начала двухтысячных. Поэтому сделал свой.
SIEM на двух ядрах для 150 хостов и 9B модель на триаже: как устроен самописный AI SOC
Представьте SOC, где языковая модель разбирает каждое сработавшее правило. В идеальных условиях она верно обрабатывает около 60% событий второй линии. Оставшиеся 40% — ложные срабатывания и пропуски, и автоматически реагировать на такой выход нельзя. Команда Александра Кельчина, CTO и CISO Medici Lab, пришла к этой цифре на собственных экспериментах. Потом они перестроили SIEM так, что модель на 9 миллиардов параметров стала давать 96–97% хороших ответов, а вся система держала 150 хостов на двух ядрах CPU.
Слепой краш-тест 27 LLM осени 2026 (GPT-6, Opus, Алиса): кто сломал JSON, проглотил инъекцию и влетел на 152-ФЗ
В январе этого года я уже выкладывал на Хабре свой первый большой аудит 14 нейросетей на галлюцинации (тогда я пару недель гонял тесты в декабре сразу после выхода Gemini 3, а в январе упаковал результаты в статью). За прошедшие девять месяцев ландшафт изменился до неузнаваемости: вышли новые поколения флагманов, а требования бизнеса сместились от «поболтать в чате» к жёстким продакшен-пайплайнам.Этой осенью я специально держал паузу и не запускал новый прогон, пока на арену не выйдет последний из ожидаемых мастодонтов - Google Gemini 4 Argon
ReAct-агент изнутри. Модель, инструменты и управляющий цикл
Как ответ языковой модели превращается в чтение файла, запуск команды или изменение кода? Разберем этот путь на четырех общих схемах, затем посмотрим реализацию на Python и схему работы агента на примере падающего теста. Для понимания кода достаточно знать Python, JSON и принцип HTTP-запроса. Агентные фреймворки здесь не понадобятся.Чем агент отличается от одного запроса к модели
Траблшутинг ИИ‑багхантинга: ошибки, которые убивают ваши репорты
В августе мы с моим товарищем Даниилом (t.me/LanyacBug) выступали на OFFZONE — это текстовая версия нашего доклада, для тех кто любит больше почитатьИИ в багхантинге перестал быть экзотикой. Сегодня агент помогает искать уязвимости почти у всех, и вопрос давно не в том, пользоваться им или нет, а в том, как пользоваться так, чтобы это приносило валидные находки, а не поток мусора.
Как справка WhatsApp тайно запрещала ИИ советовать жалобу регулятору
Европейская политика конфиденциальности WhatsApp прямо говорит: вы можете пожаловаться в надзорный орган по защите данных, и называет закон, который даёт вам это право. До середины октября 2026 года справочные страницы WhatsApp велели ИИ не советовать обращаться к регулятору, а как только вы упоминали адвоката, не ссылаться и на сам закон.
Из хаоса закладок — в галерею визуализаций: история создания DataDrops
Если вы работаете с данными или просто любите графики и карты, то наверняка знаете то самое чувство. Увидели классную визуализацию, захотели сохранить, кинули в закладки или переслали себе в чат. А через пару недель она либо потерялась, либо вы уже не помните, зачем вообще её сохраняли.У меня было ровно так же. Моя личная коллекция датавиза выглядела как хаос из закладок в браузере, сохранённых постов в LinkedIn и случайных ссылок в Notion Obsidian. Найти что-то конкретное спустя время было почти невозможно.Поэтому в какой-то момент из всего этого хаоса появился DataDrops

