Откровения от Олега

Пишет Миша Кашкин в Твиттере. Показательная история про то, как на самом деле выглядит и ощущается переезд с нормальных фронтирных моделей на мелкую опенсорсную шляпу:"Новости локальных моделек. У меня есть свободный сервер с 128 Гб ОЗУ и каким-то начальным серверным процом. Поставил на него на прошлой неделе llama-server и gemma 4. Весь твиттер был завален восторгами какая она умная, быстрая и что больше платить за API не надо и все можно решать с помощью этой модельки.У меня задачи не очень сложные надо собирать кусочки текста и формировать человекочитаемый ответ, то есть RAG система. И на тот момент она очень шустро отвечала через API OpenAI.Ответы Gemma получались долгие и тупые. Модель видела, что на вход ей присылали контекст, но моментально тупила и изобретала какой-то слоп. В одном из документов в базе знаний находится перечень серверов и рабочих инстансов проектов которые у нас есть в работе и модель ничего не могла ни сказать, ни перечислить. При том, что самая тупая и дешевая модель от OpenAI выдавала привычный читаемый текст.В общем получилось полное разоачарование. Вчера я решил дать шанс Qwen-3.6. Это очередная новая "прорывная" модель. О которой все пишут. Я натравил агента пересобрать все на сервере с новой моделью, какая разница если получается все фигово. И у новой модельки получилось. Она начала медленно, но вполне верно отвечать. Выглядит как не супер-дупер, но работающий вариант. С этим можно вдохновляться. Она не быстро, но отвечает. Видно, что не очень хорошо, но по делу и правильно. Короче, у нас теперь есть вариант не использовать токены или запускать какие-то фоновые задачки со своим самоваром. Qwen-3.6 прямо вселяет надежду в локальные модели."

За последние сутки непрерывного стучания по клавишам, навайбкодил систему, которая дает двунаправленную связь между Git-репозиторием и путями выполнения AI-агентов. Может давать семантический блейм для любой линии кода, отвечающий - зачем именно ее написали. Может давать быстрый фидбек луп для агентов (возможна работа нескольких агентов). Всё это очень быстро и молниеносно - уж явно быстрее, чем у бывшего CEO GitHub раз в десять , не захламляет Git, не требует отключать сборку мусора (GC) в Git, не ломается под нагрузкой.Потенциально, может отвечать на сложные вопросы о смыле жизни, архитектуре ПО, строить планы испольбзования агентов, и тому подобное.К сожалению, самолетная скорость дается только благодаря очень сложному коду, который скорей всего очень нестабилен. Поэтому, прежде чем выложу research preview - буду некоторое время тестировать на реальном проекте. Придется подождать, но на выходе будет пригодный к употреблению продукт.Первый Git-хостинг, с которым проинтегрируюсь, будет конечно же GitVerse.

Кулстори. Девушка - начальник руководитель направления AI Safety & Alignment. Проверила OpenClaw в тестовой среде, что система уважает подтверждения ( “confirm before acting”). Подключила реальный GMail и он начал с дикой скоростью и без подтверждений удалять письма. В панике разобраться, как это становить - не получилось. Благо, бот работал на выделенном MacMini, и она его просто выключила из розетки.

Как разобраться c сетевыми настройками Linux, не читая 500-страничную книгуВ этой статье приводятся примеры проверок, которые необходимо выполнить в первую очередь при отладке сети на Linux-серверах.@usr_bin_linux

Системные финансовые кризисы - экономика, психология, теория сложности, регулирование, глобальная взаимосвязь рынков. Каждый кризис оказывается «непредсказуемым» для специалистов, которые смотрели только на свои показатели.Узкий специалист не может решить эти проблемы в одиночку. И даже команда специалистов часто проваливается, но не из-за недостатка знаний, а из-за отсутствия общего языка и целостного видения. Они говорят на разных диалектах, не слышат друг друга и не могут собрать пазл.Что мы противопоставим этому вызову?Эта серия статей - не просто мои размышления. Это призыв к экстренной перезагрузке. Я предлагаю вам чертеж для установки новой человеческой операционной системы, которая культивирует синтез вместо специализации, мудрость вместо данных и архитекторов будущего вместо хранителей прошлого.Я хочу, чтобы вы поняли главное: Искусственный интеллект придет не за нашей работой. Эта дискуссия уже устарела. Работу в старом смысле слова (как набор рутинных операций, выполняемых по инструкции) ИИ уничтожит неизбежно. Но это не повод для паники. ИИ придет, чтобы обнулить саму ценность гиперспециализации. В мире, где любая узкая задача может быть автоматизирована, где любой ограниченный набор знаний может быть сжат в нейросеть, инвестировать свою жизнь в одну специальность - это стратегическое безумие.Нам нужен иной тип человека. Нам нужен «Человек-Университет» - личность, чья внутренняя структура является живой экосистемой знаний, где физика постоянно общается с поэзией, инженерия - с этикой, биология - с экономикой.Я не хочу, чтобы вы восприняли это как метафору. Я говорю о буквальной, архитектурной перестройке человеческого сознания. О новой операционной системе, где главным процессом становится не накопление, а синтез. Не запоминание, а соединение. Не ответы, а вопросы.HGI - это не очередной академический термин. Называйте это программой выживания и ответом на вызов, который мы сами себе создали.____________________________________Чувствуете ли вы этот диссонанс между необходимостью быть универсальным и требованием специализации? Делитесь в комментариях.

🔧 Spring Cache + Redis: настройка которая не сломается в production@Cacheable выглядит просто. До первого падения сериализации в production или гонки при cache stampede.🔹 Решение▪️ Конфигурация RedisCacheManager@Configuration@EnableCachingpublic class CacheConfig { @Bean public RedisCacheManager cacheManager(RedisConnectionFactory factory) { RedisCacheConfiguration defaults = RedisCacheConfiguration .defaultCacheConfig() .entryTtl(Duration.ofMinutes(10)) .serializeKeysWith( RedisSerializationContext.SerializationPair.fromSerializer( new StringRedisSerializer())) .serializeValuesWith( RedisSerializationContext.SerializationPair.fromSerializer( new GenericJackson2JsonRedisSerializer())) .disableCachingNullValues(); // null не кешируем Map<String, RedisCacheConfiguration> configs = Map.of( "users", defaults.entryTtl(Duration.ofHours(1)), "products", defaults.entryTtl(Duration.ofMinutes(5)), "sessions", defaults.entryTtl(Duration.ofDays(1)) ); return RedisCacheManager.builder(factory) .cacheDefaults(defaults) .withInitialCacheConfigurations(configs) .build(); }}▪️ Использование с явным ключом@Cacheable(value = "users", key = "#userId", unless = "#result == null")public User findById(Long userId) { ... }@CacheEvict(value = "users", key = "#user.id")public User update(User user) { ... }// Evict всего кеша при массовых операциях@CacheEvict(value = "users", allEntries = true)public void importUsers(List<User> users) { ... }▪️ Защита от cache stampede через @CachePut + Lock@Servicepublic class ProductService { private final Map<Long, Object> locks = new ConcurrentHashMap<>(); public Product getProduct(Long id) { Product cached = cacheManager.getCache("products").get(id, Product.class); if (cached != null) return cached; // только один поток пересчитывает, остальные ждут Object lock = locks.computeIfAbsent(id, k -> new Object()); synchronized (lock) { // double-check после захвата лока cached = cacheManager.getCache("products").get(id, Product.class); if (cached != null) return cached; Product product = repository.findById(id).orElseThrow(); cacheManager.getCache("products").put(id, product); return product; } }}Сериализация через GenericJackson2JsonRedisSerializer сохраняет информацию о типе в JSON (@class поле). Это позволяет десериализовать полиморфные структуры, но требует чтобы все классы в графе объекта были сериализуемы Jackson'ом. Проблема обычно вылезает при кешировании Hibernate entity с lazy коллекциями — они не сериализуются и роняют приложение.⚠️ Никогда не кешируйте Hibernate entity напрямую. Создавайте DTO, сериализуйте его.══════ Навигация ══════Вакансии • Задачи • Собесы🐸 Библиотека джависта#Enterprise

ChatGPT бойкотируют из-за Пентагона. В конце февраля Минобороны США давило на Anthropic, чтобы получить полный доступ к Claude. Компания публично отказалась. Но вот Альтман спустя несколько часов объявил о сотрудничестве OpenAI с Пентагоном.В итоге удаления ChatGPT выросли на 295%, скачивания упали на 13%, а отзывы с одной звездой прибавили 775%. Claude, наоборот, начал расти по 40-50% в день, впервые обогнал ChatGPT по загрузкам и занял первое место в американском App Store.Anthropic потеряли жирный военный контракт, но получили массовую аудиторию. Раньше Claude ставили в основном вайбкодеры и технари. Теперь его качают обычные люди.Отличный пример того, что репутация дороже денег

Что происходит с алгоритмами LinkedIn?Недавно на LinkedIn разгорелся скандал из-за изменений в алгоритме рекомендаций: многие пользователи заметили резкое падение охватов и вовлечённости. Это привело к серии экспериментов, в которых женщины меняли свой пол в профиле на мужской и, по их словам, видели резкий рост. Например, одна предпринимательница рассказала, что после смены пола её охваты выросли более чем на 200% за сутки! Сам LinkedIn утверждает, что его алгоритмы не используют пол, возраст или расу как сигнал для продвижения контента и не отдают предпочтение постам определённой демографической группы. Вместо этого платформа говорит о сотнях факторов: активности пользователя, его сети, профиле и том, как люди взаимодействуют с контентом. Но личный опыт участниц эксперимента говорит об обратном. Платформа также признаёт, что более прямой и понятный стиль поста тоже может изменить охваты, потому что алгоритм старается показывать контент, который кажется ему «полезнее» или удерживает внимание. Пока часть пользователей жалуется на падение охватов и недостаток прозрачности, нам остается только играть в русскую рулетку 🤷🏻‍♀️

Как я недавно ботал ML (часть 1)Есть у меня некоторое количество знакомых, которые думают, что за 15 лет в ML я, наверное, уже знаю все, что можно знать в ML. К счастью, я сам так никогда не думал. ML безразмерный, постоянно развивающийся и пополняющийся, да и я ни разу не самый умный человек в профессиональном сообществе (не прибедняюсь, просто я знаю реально мощных ребят, на фоне которых чувствую себя тормозом). Кстати, если что, нейросетки и, в частности, LLMки это тоже ML (ремарка для любителей спросить «у вас в проекте ML или AI?» :)Так вот недавно мне нужно было за неделю разобраться в некотором количестве новых для меня тем из ML, не на понятийном уровне, а с готовностью писать и объяснять формулы. Ниже рассказ о том, как это было.Сначала я читал статьи и смотрел YouTube «в ширь»: все интересное по теме подряд, без ведения каких-то записей и конспектов. Статьи с arxiv здесь не были в списке источников, все было приземленнее - Хабр и сайты вроде Medium. Шло тяжко, со скрипом, прогресс почти не чувствовался.Параллельно я смотрел материалы, которые мои коллеги по преподаванию в MLinside готовят для специализации по AI, и которые уже имеют вид последовательного изложения для курсов. Вот такие забавные плюсы делать школу ML: можно ботать материалы из неё же, причем еще до публикации, и это часть моей работы по валидации контента. Ботать по материалам курсов не так раздражало, как «вширь» по всему интернету. Как минимум, не было столь сильного чувства тревоги от ограниченных сроков и непонимания своего прогресса. Когда есть программа курса, всегда можно нарисовать в голове примерный прогресс-бар. Однако стоит заметить, что мой мозг и близко не работает как «послушал материал и все понял». Даже больше скажу, читать лекции я люблю, а вот слушать просто невыносимо тяжело. В записи я прерываюсь по сто раз за видео, вживую отвлекаюсь и теряю нить повествования каждые 5-10 минут. В итоге для ключевых тем я находил еще 2-3 варианта изложения в открытых источниках, сравнивал их между собой, и обнаруживал, что оптимальный для меня вариант изложения неизменно состоял из частей разных лекций от разных авторов. Кстати, о лекциях, моей задачей на неделю было только изучить подробнее теоретическую часть, про практику напишу в другой раз.Постепенно, среди всего набора курсов, видео и статей, выделились несколько особенно ценных, которые давали прям подробное, системное и понятное изложение. Что важно, даже по уже известным мне темам, потому что одно дело думать, что понимаешь тему, и совсем другое - быть готовым её нормально рассказать с чистого листа (это и было моей целью). Нахождение этих материалов в общей массе доступного контента также радикально снизило уровень тревоги, потому что каждое их прочтение заметно наводило порядок в голове. Тоже важный момент: однократного прочтения мне было мало. Если вы что-то прочитали и не поняли полностью или, тем более, не запомнили - не надо паниковать, это нормально.

Столкнулись с неожиданным.В феврале получили с источника Яндекс.Карты в 2 раза больше лидов в сравнении с предыдущими месяцами. Но рано радовались. 90% из них боты.Все номера МТС. После звонка отвечает робот типовыми записанными фразами: «Здравствуйте / что за организация? / перезвоните позже / неактуально / выбрал другую организацию. И даже слышен одинаковый шум на заднем фоне.Похоже, что алгоритм в подписке Яндекс.Бизнеса наткнулся на пару площадок, где вебмастер мошенничает. Вместо реальных кликов и заявок работают боты. Благодаря этому сайт или приложение растет в глазах Яндекса, растет и цена показов рекламы на ней. Больше кликов и целевых действий, больше денег вебмастеру.Но алгоритм думает: вау, какие классные сайты и по максимуму пихает туда нашу рекламу, снова и снова. Мы даже не можем посмотреть, что это за площадки, как в РСЯ. Потому что реклама через Яндекс.Бизнес это черный ящик, куда просто надо совать деньги.Самому перезапустить обучение нельзя. Будем пробовать через менеджера.

ИИ приходит точно в тот момент, когда человечеству он больше всего нужен. Основные мысли из нового подкаста Марка Андреессена из a16z. Часть 2 из 2:8. ИИ-тьюторство демократизирует элитное образование.Индивидуальное обучение — единственный метод, доказанно поднимающий ученика с 50-го до 99-го перцентиля (эффект двух сигм Блума). Раньше это требовало рождения в королевской семье. Александра Великого учил Аристотель. Теперь любой ребёнок с телефоном может получить то же качество персонализированного обучения.Это самое недооценённое последствие ИИ. Каждый родитель, читающий это, должен прямо сейчас дополнять образование ребёнка структурированным ИИ-тьюторством. Не в следующем году. Сейчас.9. Питер Тиль был прав в большей степени, чем Андреессен изначально признавал.Прогресс в битах маскировал стагнацию в атомах. Построенный мир почти не изменился за 50 лет. Те же мосты 1930-х, те же дамбы 1910-х. Картели, монополии, профсоюзы и регуляции блокируют темпы изменений, которые были 100 лет назад.Поэтому ИИ не преобразит всё за ночь. Институциональная склеротичность реальна. Только здравоохранение может занять поколение. Если вы строите в атомах — готовьтесь к войне на истощение, а не к блицкригу.10. Мосты (moats) в ИИ по-настоящему неизвестны.Через год после запуска ChatGPT пять американских компаний, пять китайских и open-source имели примерно равные модели. DeepSeek вышел из хедж-фонда в Китае и практически воспроизвёл работу американских лабораторий. Самые умные инсайдеры ИИ в привате признают: среди больших лабораторий почти нет настоящих секретов.Это самая честная позиция, которую я слышал от топового VC. Никто не знает, будет ли ценность в моделях, приложениях или инфраструктуре. Кто говорит иначе — продаёт вам уверенность, которой у него нет.11. IQ ИИ взлетит далеко за человеческие пределы.Человеческий IQ ограничен ~160 из-за биологии. Текущие модели ИИ тестируют на 130–140. Нет теоретического потолка, мешающего ИИ достичь 200, 250 или 300. Понятие AGI как «человеческого эквивалента» станет сноской, потому что ИИ промчится мимо этого порога.Это рамка, от которой спор «заберёт ли ИИ мою работу» кажется мелким. Мы строим не замену человеческой мысли. Мы строим нечто лучшее, чем лучшая человеческая мысль за всю историю.12. Лучшие фаундеры переосмысливают, что вообще такое компания.Слой 1: ИИ переопределяет продукты. Слой 2: ИИ переопределяет работу внутри компаний. Слой 3, который ещё не наступил: ИИ переопределяет саму концепцию наличия компании. Священный грааль — миллиардный стартап с одним человеком, и лучшие фаундеры именно за этим гонятся.Сатоши сделал это с Bitcoin. Instagram и WhatsApp приблизились с крошечными командами. Вопрос уже не в том, возможно ли это в софте. Вопрос — сколько таких мы увидим в ближайшие пять лет.ИИ — это философский камень. Вопрос в том, поднимете ли вы его.https://x.com/AnishA_Moonka/status/2028228263290822922

Новости с полей вайбкодинга Сделал нативное Mac приложение меньше чем за день, казуально, абсолютно без знаний SWIFT и языков программирования Просто для понимания текущих реалий

- почему у тебя все окна в браузере открыты?- проветривается