Приложение течёт, а утечки нет: как оптимизатор картинок Next.js съел 4-гигабайтный VPS
История про то, как я три дня искал утечку памяти в Node-приложении, не нашёл — и был прав, что не нашёл. А ещё про то, что у каждого починенного пункта тут оказывался свой счёт: фикс памяти через месяц вернулся жалобой на скорость, а разбор скорости вскрыл третью проблему, о которой я не думал вовсе.СимптомНебольшой VPS: 4 ГБ RAM, около шести Next-приложений и Postgres на одной машине. Одно из приложений — интернет-магазин на Next.js 15 (App Router) — ведёт себя не как соседи:iwant-next.service RSS 1,38 ГБ (пик по systemd 3,0 ГБ)соседние приложения RSS 200–250 МБ в простоесоседние приложения RSS 200–250 МБ в простое
Карточки из музыкальной студии 1975 года против продуктовых тупиков
Я взял метод Брайана Ино, придуманный для музыкальной студии, и собрал из него небольшой AI-эксперимент для продуктовых тупиков. Не чтобы находить ответы за команду, а чтобы иногда сбивать её с привычного маршрута.Есть задачи, которые вроде бы не выглядят тупиком.Например, нужно решить, нужен ли в онбординге ещё один экран. Макет готов, аргументы у всех есть — а решение почему-то переезжает с недели на неделю. В чате появляются знакомые реплики: «Давайте ещё посмотрим аналитику», «Надо спросить пользователей», «Вернёмся, когда будет больше контекста».
Mermaid как платная AI функция в проекте Django-Next
Mermaid это текстовый формат описания диаграмм. В строках задаются тип схемы, узлы и связи. На выходе получается SVG. Формат подходит для API и базы данных. Код можно сгенерировать, проверить, сохранить, открыть повторно и отрендерить на клиенте.В mermind/views.py добавлен 503, если ответ модели не начинается с валидной головы Mermaid. Без этой проверки запрос завершается успешно, ответ от модели приходит, но диаграмма не строится. В ответе остаются fenced-блоки, Markdown, строки с #, служебный текст и фрагменты до первой строки диаграммы.
- Оставлено в
Пятая кнопка за вечер. Архитектура фронтенда под контекст LLM
В прошлой статье я рассказывал, как полгода писал пет-проект руками LLM-агентов, как он за три месяца проехал путь «от стартапа до болота» и что с этим сделал бэкенд: чистая архитектура, два конфига deptrac и субагент-ревьювер. Главный тезис был такой: архитектура — это не эстетика, а способ минимизировать объём контекста, необходимый для одного изменения.
Вайб-кодинг без розовых очков: как я писала свой продукт с Claude
Маленький дисклеймер на входеЯ не разработчик. Я тимлид аналитиков, последние десять лет делала продукты руками других людей: писала ТЗ, гоняла команды, защищала проекты перед бизнесом. Я знаю как должно быть устроено приложение, но если попросить меня самой написать функцию — сделаю круглые глаза.
Я собрал линтер для юридического соответствия сайтов. Сложнее всего было отличить Google Analytics от CSS‑переменной
Коротко. Сервис открывает чужой сайт и считает штраф по КоАП. Внутри двухуровневая проверка по 22 правилам: дешёвые эвристики на cheerio там, где хватает регулярок, и Claude через российский прокси там, где нужно понять смысл текста. На выходе балл от 0 до 100, список нарушений со статьями КоАП и вилкой штрафа. Законы в основе: 152-ФЗ о персональных данных, 242-ФЗ о локализации, закон о рекламе, закон о защите прав потребителей. Ниже стек, архитектура и грабли. Самая обидная грабля в том, что b в JavaScript не образует границу слова перед кириллицей, и детектор молча слепнет на русском тексте.Зачем я вообще это делал
Сайты под управлением ИИ: как это работает под капотом. Часть 2 из 3
Часть 1 — Сайты под управлением ИИ: что это на самом деле и сколько стоит.Часть 2 — Вы сейчас здесьЧасть 3 — На подходеЭто вторая часть из трёх. В первой мы разбирались с концепцией: что такое сайт под управлением ИИ на самом деле, чем он не является, сколько стоит, есть ли инференс в рантайме (спойлер: для посетителя — нет). Если читали — отлично. Если нет — здесь будет понятно и без неё, потому что речь пойдёт про другое: про механику.
Сайты под управлением ИИ: что это на самом деле и сколько стоит. Часть 1 из 3
Это первая из трёх статей про сайты под управлением ИИ. В этой части — концепции и экономика без маркетинговой пыли: что такое нейросайт на самом деле, чем он принципиально не является, и почему дешёвый VDS за пару тысяч рублей тут вообще ни при чём с точки зрения железа под нейросеть. Во второй части будет внутрянка (MCP‑брокер, пайплайн деплоя, безопасность), в третьей — прод‑механика на тысячах страниц (SSG/ISR, индексация, массовые операции). Здесь сознательно держусь на уровне архитектурных решений, не уходя в реализацию — она дальше.
Иду в топ ниши строительных калькуляторов. Три месяца спустя
Когда я начинал этот pet-проект, у меня в голове была одна цель: за полтора-два года вытеснить ноунейм-сайты из верхушки выдачи Яндекса и Google по запросам типа «калькулятор бетона», «расчёт утеплителя», «сколько нужно плитки на ванную». Не зайти пятым на странице, не получить какой-то «нормальный трафик», а конкретно занять первое место в нише. Сайт — getmasterok.ru, ему около трёх месяцев. Но какой же я был легкомысленный и как я сильно ошибался.
