Линейки версий WordPress под микроскопом
К сожалению, мир современной веб-разработки таков, что многие вебмастеры уже давно забили на качество кода, а тяжесть их решений, построенных на не менее тяжёлых популярных движках, нивелируется мощностью серверного железа.
Рентген для нейросетей, или как я перестал понимать собственный ИИ и написал свой APM
Есть одна коварная особенность в разработке сложных систем.Иногда ты месяцами строишь архитектуру. Добавляешь новые возможности, исправляешь ошибки. Всё работает. А потом вдруг понимаешь одну очень неприятную вещь:Ты больше не понимаешь собственную программу.Именно это произошло и со мной во время разработки PAD+ AI. После миллионов тестов я осознал, что потерял контроль.Проблема наблюдаемости в AI-системахPAD+ AI уже умел многое: работал с памятью, пайплайнами, эмоциями, Truth Loop и персонами. Результаты становились всё лучше. Но возникла совершенно неожиданная проблема.
Возвращение аспектно-ориентированного программирования
Привет, Хаброжители!Только подумайте, сколько всего программисту необходимо учитывать при написании кода:1) Корректность: обеспечение того, чтобы программа работала правильно, удовлетворяла всем требованиям, соблюдала все важные инварианты, реализовывала бизнес-логику должным образом и т. д.
Исходный код Jedi Academy переполнен яростными комментариями разработчиков
Недавно я вспомнил о игре Star Wars Jedi Knight: Jedi Academy, на которую подростком потратил больше десяти тысяч часов. Изучая материалы о ней, я наткнулся на любопытную историю.
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.
От инженера до оператора промптов: 5 главных ошибок вайбкодинга
ВведениеЕщё пару лет назад мы могли часами зависать на StackOverflow ради одного рабочего сниппета. Сегодня всё иначе: написал комментарий, нажал Tab в Copilot или Cmd+K в Cursor — и кусок логики готов.Для этого подхода уже прижился термин — вайбкодинг (vibecoding). Это состояние, когда ты больше не печатаешь рутину руками, а ловишь флоу. Ты теперь не столько писатель кода, сколько режиссер и редактор: раздаешь промпты, рулишь архитектурой, а всю механическую работу выполняет ИИ. Делается это быстро, кайфово и без напряга.
Как я экономлю 80% контекста нейросетей при работе с логами
ПроблемаЯ разрабатываю приложение KeyRay - кроссплатформенный аналог Punto Switcher, имеющий на порядок лучшую стабильность переключения раскладки. При разработке активно использую нейросети для отладки багов. И столкнулся с неприятной проблемой: при копировании логов в чат огромная часть контекстного окна уходит впустую. Работа с логами во время разработки в паре с ИИ занимает львиную долю времени и контекста чата.
Вайбдебаггинг — уже реальность? Мы дали ИИ-агенту отладчик и проверили
Привет, Хабр!В конце прошлого года Cursor выпустил Debug Mode — режим, в котором агент может собирать логи из рантайма, чтобы лучше понимать причины багов. Судя по
Отладка Программ Уровнями Логирования (или Медицинская Карта Вашей Программы)
Программы часто отлаживают применяя printf-отладку. Однако в этом есть недостаток. Со временем вывод printf сообщения становится настолько частыми и плотным, что становится просто невозможно что-либо прочитать. Перед вам просто сыплется Ниагарский водопад из белых логов. Чтобы с этим бороться давным-давно придумали фундаментальную технологию отладки программ: уровни логирования (Log Levels). Как и любая хорошая практика системного программирования, уровни логирования появились еще в коде ОС Unix где-то в 197x-198x.
Запускаем LLM на AMD RX580: разбор проблем ROCm, Ollama и реальный GPU inference
TL;DRМы пытались запустить LLM inference на старой AMD RX580 (8 VRAM) через ROCm в Kubernetes. GPU корректно определялся, VRAM использовалась, но inference падал с ошибками вида:hipMemGetInfo(free, total) CUDA error: invalid argumentПосле серии экспериментов с ROCm userspace, Docker‑образами и Kubernetes deployment выяснилось, что проблема лежит на границе:kernel → ROCm runtime → ggml backendФинальное решение включало:переход на kernel 6.8стабилизацию ROCm runtimeиспользование llama.cpp + ROCmgrammar‑constrained decoding для strict sanity promptsВ итоге мы получили стабильный GPU inference:~42 токен/секgpu_busy_percent → до 100%
