Язык, в котором программа не может сама записать файл. Его выпуск ждёт двух рецензентов
Выпуск 0.1 моего языка программирования сейчас заблокирован пунктом Н-5 из требований: каждую из 115 внешних функций стандартной библиотеки, то есть каждое место, где код на Unio уходит в среду выполнения на Rust, должны прочитать два человека. Санитайзеры гоняются в CI, фаззер запускается вручную, но ни одна автоматическая проверка за одного из этих двоих не засчитывается. В таблице проверки сейчас 230 клеток, и во всех написано «ожидает».Начиналось всё как эксперимент «а что если», с идеи на Eurecable
Универсальный язык программирования для ИИ и человеков
Выпуск 0.1 моего языка программирования сейчас заблокирован пунктом Н-5 из требований: каждую из 115 внешних функций стандартной библиотеки, то есть каждое место, где код на Unio уходит в среду выполнения на Rust, должны прочитать два человека. Санитайзеры гоняются в CI, фаззер запускается вручную, но ни одна автоматическая проверка за одного из этих двоих не засчитывается. В таблице проверки сейчас 230 клеток, и во всех написано «ожидает».Начиналось всё как эксперимент «а что если», с идеи на Eurecable
Когда ИИ-агенту нужен MCP, а когда достаточно обычного API
Допустим, вы разрабатываете ИИ-агента, который проверяет статусы заказов. Для этого ему нужно обратиться к учетной системе, найти заказ по номеру и вернуть пользователю результат.
Я собрал конвейер из семи ИИ-агентов. В цеху задачу разбирает один
В прошлой статье я обещал рассказать, как семь агентов превращают голосовое сообщение из цеха в черновик задачи. Сел писать и понял, что обещал не совсем то, что есть на самом деле. Семь агентов в системе есть, я собрал их первыми. Но задачу, которую я надиктовываю в цеху, разбирает один маленький агент, а большой конвейер сейчас стоит без дела.
Как я разрабатываю систему, которая не верит ИИ‑агенту на слово
ИИ‑агент может самостоятельно разобраться в устройстве сайта, найти ошибку и предложить вполне разумное исправление. Но что, если решение технически правильное, а пользователь разрешал совсем другое? И кто должен проверять действия агента, прежде чем они превратятся в реальные изменения?В первой статье я рассказывал, как дал ИИ‑агенту доступ к MODX через MCP, а во второй
Основы глубокого обучения. Часть 4
Всем привет! Эта статья является четвёртой в серии статей про основы глубокого обучения. В прошлых трёх частях я рассказал много интересного и полезного новичкам, так что рекомендую перечитать.В этой части мы продолжим работу с нейронной сетью обработки естественного языка (NLP) и реализуем новую сеть, которая будет определять пропущенное слово по остатку фразы.Какие мы имеем результаты с прошлой части?
Как восстановить потерянные коммиты и ветки в Git
Иногда после неудачного действия в Git кажется, что несколько часов работы исчезли: ветки нет, нужные коммиты не видны, а файлы вернулись к старой версии. Но во многих случаях данные всё ещё лежат в локальном репозитории, Git просто перестал показывать их в обычной истории.В статье разберём, как найти и вернуть потерянные коммиты, восстановить удалённую ветку или отложенные изменения из stash. Все сценарии пройдём пошагово: от первых безопасных действий до случаев, когда Git уже не сможет вернуть данные.Помог со статьёй:
Google открыл доступ к Gemini 4 Carbon: модель в 2–6 раз дешевле, чем Fable 5.2
Gemini 4 Carbon – флагманская ИИ-модель Google DeepMind, открытая для всех 10 ноября 2026 года. Модель специализируется на длинных агентных задачах: сложном программировании, кибербезопасности и научных исследованиях.В этом разборе – чем Carbon отличается от Gemini 4 Argon, что такое режим /swarm и как попробовать нейросеть из России без VPN и подписки за $100.
Как обжегся Netflix, урезав память контейнеру
Stratum — внутренняя бессерверная платформа Netflix для обработки медиаконтента, созданная на основе более чем десятилетнего опыта разработки крупномасштабных распределённых систем. Она выполняет самые разные задачи: кодирование, упаковку, проверку и оценку качества медиаданных. Эта обработка обеспечивает воспроизведение контента, показ рекламы, работу студий, создание эмбеддингов для ИИ и многое другое.
От промтов к спецификациям: как я организовал разработку автотестов с ИИ‑агентами
Представим обычную задачу: нужно расширить покрытие REST API автотестами. Сейчас с такими задачами справляются ИИ‑агенты: изучают существующий код, добавляют необходимые методы клиента, пишут тестовые сценарии и возвращают готовую реализацию. На первый взгляд все отлично. Тесты написаны, код аккуратный, а pytest успешно собирает новые проверки. Но означает ли это, что задача действительно выполнена? Не обязательно.

