DevOps

✔️ Карпати только что оценил все профессии в США по уровню воздействия AI. Он собрал данные по 342 профессиям, которые охватывают около 143 миллионов рабочих мест, и попросил LLM оценить каждую по шкале от 0 до 10. Результаты: средний показатель по всем профессиям - 5.3 / 10 разработчики ПО - 8–9 кровельщики - 0–1 медицинские транскрибаторы - 10 / 10 Картина выглядит довольно очевидной. Если ваша работа проходит за экраном, риск автоматизации почти 99%. Если она требует работы руками и взаимодействия с непредсказуемой средой, вы в гораздо большей безопасности. И это уже не просто предположения. Это данные. https://karpathy.ai/jobs/ 🎯Полезные Мл-ресурсы 🚀 Max

🌟 ByteDance перезапустила DeerFlow. DeerFlow 2.0 - проект, переписанный с нуля, который не имеет ничего общего с первой версией. Там был фреймворк для глубокого ресерча, а здесь полноценный рантайм для агентов. 🟡В основе лежит связка LangGraph и LangChain. Главный агент получает задачу, разбивает ее на подзадачи и порождает суб-агентов на лету. Каждый из них работает в изолированном контексте: не видит данные других агентов и главного процесса. Суб-агенты запускаются параллельно, когда это возможно, и возвращают структурированные результаты, а главный агент собирает из них финальный вывод. Сессия живет в изолированном Docker-контейнере с полноценной файловой системой, главный агент и суб-агенты работают в ней совместно. Агент читает и пишет файлы, выполняет bash-команды, работает с изображениями. Между сессиями нет никакой взаимной путаницы. 🟡Навыки и инструменты Возможности агента определяются через Skills. Из коробки есть исследование, генерация отчетов, создание слайдов, веб-страниц, изображений и видео. Навыки загружаются по мере необходимости, только когда задача их требует. Это снижает нагрузку на контекстное окно и позволяет работать с моделями, чувствительными к расходу токенов. Инструменты - по той же логике: базовый набор (веб-поиск, fetch, работа с файлами, bash), плюс поддержка MCP-серверов и произвольных Python-функций. Все можно заменить или расширить. 🟡Память и контекст DeerFlow помнит пользователя между сессиями. Накапливается профиль: стиль письма, технический стек, повторяющиеся сценарии. Данные хранятся локально. Внутри длинной сессии система сама управляет контекстом: завершенные подзадачи суммируются, промежуточные результаты уходят на диск. Контекстное окно не раздувается. 🟡Интеграции Поддерживаются Telegram, Slack и Feishu. Из Claude Code можно взаимодействовать с запущенным инстансом DeerFlow напрямую через специальный skill: отправлять задачи, управлять тредами и выбирать режим выполнения. 🟡Модели и деплой Система работает с любой моделью через OpenAI API, включая локальные через Ollama. ByteDance рекомендует использовать модели, которые поддерживают длинный контекст (100k+ токенов), ризонинг, мультимодальность и надежный tool-use. DeerFlow также встраивается как Python-библиотека без запуска HTTP-сервисов:

from src.client import DeerFlowClient
client = DeerFlowClient()
response = client.chat("Analyze this paper", thread_id="my-thread")

📌Лицензирование: MIT License. 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI #ML #Agents #DeerFlow #ByteDance

Встройте LLM в разработку правильно ↗️ ИИ позволяет генерировать код быстрее. Но его бесконтрольное использование часто приводит к багам, уязвимостям и росту технического долга. Как этого избежать и сделать процесс безопасным — расскажет эксперт Cloud.ru на вебинаре 17 марта. Вы узнаете:

➡️как быстро запустить и контролировать генерацию кода с LLM в VS Code ➡️как выстроить правила, ограничения и стандарты при работе с LLM ➡️как настроить ранний контроль качества и безопасности через SonarQube ➡️как использовать MCP-серверы для качественного кода

Не забудьте зарегистрироваться 🌐

Насколько сложно выучить разные языки программирования? Вот примерная картина по уровню входа - от простых к экстремальным. 🟢 Легко Идеально для старта и быстрого входа в разработку • Python • BASIC • Visual Basic 🟡 Легко–средне Простой старт, но есть особенности и подводные камни • JavaScript • PHP • Ruby • Groovy 🟠 Средне Требуют понимания архитектуры, типизации и хорошей практики • Java • C# • Go • Swift • Kotlin • Dart • Fortran 🔴 Сложно Нужно понимать память, низкоуровневые детали и внутреннее устройство системы • C • Objective-C • Scala • Zig • Perl 🟣 Очень сложно Высокий порог входа и серьёзные требования к пониманию системного программирования • C++ • Rust ☠️ Экстремально Работа напрямую с железом • Assembly Сложность языка - не самое важное. Гораздо важнее: - экосистема - задачи, которые вы решаете - скорость получения практики Язык можно выучить за недели. Инженерное мышление - за годы.

🔥 Как выбрать анонимный браузер для Linux Если вам важна приватность, обычные браузеры вроде Chrome или стандартного Firefox не подойдут - они собирают телеметрию, сохраняют данные и могут раскрывать ваш цифровой след. Для анонимности важно три вещи: • скрытие IP-адреса • защита от трекинга и fingerprint • изоляция сайтов и данных Лучшие варианты для Linux: Tor Browser - максимальная анонимность • трафик проходит через сеть Tor • скрывает реальный IP • защита от fingerprint • идеален для полной приватности Firefox (hardened) - баланс между удобством и приватностью • отключается телеметрия • можно включить строгую защиту от трекеров • подходит для повседневной работы Brave • встроенная блокировка рекламы и трекеров • режим Tor для отдельных вкладок • быстрый и простой вариант Если нужна максимальная анонимность - выбирайте Tor. Если нужна приватность без потери скорости - Firefox с настройками или Brave. Установка Tor Browser (Linux) sudo apt update sudo apt install -y torbrowser-launcher Первый запуск (скачает официальную версию) torbrowser-launcher Проверка соединения через Tor curl https://check.torproject.org Альтернатива: установка Brave sudo apt install -y brave-browser

DevOpsConf 2026: Фабрика инженерных решений 2–3 апреля, Москва. Главное событие для инженеров по автоматизации разработки, надежности и эксплуатации, архитекторов, системных администраторов, технических лидеров и ИТ-директоров. В этом году всё иначе - мы пересобрали привычный лекторий → в конструкторское бюро решений на DevOpsConf. Над чем работаем: 🔹 Работа с наследием (легаси). Поток для тех, кому достался "черный ящик" без документации. Командная игра "Почини сломанную систему на скорость" + воркшоп по анализу древнего кода с помощью ИИ. 🔹 Наблюдаемость без паники. От метрик до архитектуры и борьбы с ложными алертами. 🔹 Как говорить с госорганами и бизнесом. Про 152-ФЗ, ФСТЭК и ГОСТы для инженеров, а также мастер-классы по питчингу решений для руководства. Форматы: воркшопы, кейс‑игры, разбор инцидентов, экспертная зона. 👉 Изучить всю программу и забронировать билеты: https://tglink.io/541e3913d04ade?erid=2W5zFJGSTkd #реклама О рекламодателе

Языки программирования по 💰 потенциалу заработка в 2026: 🔥 Rust → высокая зарплата, низкая конкуренция 🚀 Go → золотая жила для backend-разработки 🤖 Python → бум в AI и автоматизации ⚡ TypeScript → стандарт для стартапов 🏢 Java → стабильность в корпоративной разработке 💎 Solidity → высокий риск, но и высокий доход 🧱 C++ → мощь системного программирования и высокая оплата 🎮 C# → стабильный доход в геймдеве и enterprise 📱 Kotlin → экосистема Android 🍎 Swift → премиальный рынок iOS Если бы **зарплата была единственной целью**… какой язык вы бы выбрали? 💸

Языки программирования и их for-циклы • 🐍 Python - for i in range(n): • ☕ Java - for(int i=0;i<n;i++){} • ⚡ C - for(int i=0;i<n;i++){} • 🛠️ C++ - for(int i=0;i<n;i++){} • 🌐 JavaScript - for(let i=0;i<n;i++){} • 🛠️ C# - for(int i=0;i<n;i++){} • 🐹 Go - for i:=0;i<n;i++{} • 🦀 Rust - for i in 0..n {} • 🐘 PHP - for($i=0;$i<$n;$i++){} • 💎 Ruby - for i in 0...n do end • 🐪 Kotlin - for(i in 0 until n){} • 🍎 Swift - for i in 0..<n {} • 🔷 TypeScript - for(let i=0;i<n;i++){} • 🧮 R - for(i in 1:n){} • 🐚 Bash - for ((i=0;i<n;i++)); do :; done • 🧱 Dart - for(int i=0;i<n;i++){} • 🎯 Scala - for(i <- 0 until n){} • 🐼 Groovy - for(int i=0;i<n;i++){} • 🧠 Julia - for i in 1:n end • 🔧 Assembly (x86 Linux) - mov ecx,n ; loop: dec ecx ; jnz loop

Managed Kubernetes vs полный контроль? Первый вариант экономит ресурсы, гарантирует поддержку провайдера. Второй — дает гибкость тонких настроек, особенно когда кластеры идут в прод с высокими нагрузками. Timeweb Cloud нашел баланс: запустили собственный оркестратор Kubernetes Toolset Layer. В планах — интеграция с панелью управления, что откроет доступ к настройке компонентов управляющего слоя. Можно будет менять конфиги групп узлов, подключать внешние ноды и делать другие кастомы без потери managed-статуса. Выглядит как крупное обновление. Что это даст • Гибкость: например, можно поменять интервалы автоскейлера под свои бизнес-метрики. И тем самым точнее подстроить инфраструктуру под бюджет и требования приложений • Контроль: в ближайших релизах — мониторинг и логирование на уровне оркестратора, кластеров и их компонентов. В панели будут статусы и история изменений. Это позволит видеть, как часто и насколько масштабируется приложение • Стабильность: при росте нагрузки на кластеры система автоматически масштабируется как платформа оркестрации. Сервисы будут стабильнее переживать пики нагрузки Ребята также рассказали, что вместе с оркестратором реализовали интеграцию виртуальных роутеров. Теперь воркер-ноды можно размещать в приватной сети без публичных IP, а внешний доступ организовывать через Ingress или балансировщики. Это повышает безопасность и позволяет экономить на публичных IP. Итог: провайдер серьезно прокачивает свой Managed Kubernetes. Кажется, это нечастая практика, когда дают доступ к компонентам управляющего слоя без потери managed-статуса. Плюсом — приватная сеть для нод через виртуальный роутер. Запустить кластер #Kubernetes #DevOps #TimewebCloud #Security

Когда вы новичок в DevOps 🥲

Порядок в инфраструктуре: BSA-модель на практике Инфраструктурный код хранится в разных местах, каждая команда пишет по-своему, развертывание каждый раз проходит по разному сценарию, а ответственность не закреплена. Знакомо? В итоге — задержки, долгие согласования и лишние конфликты. На вебинаре 13 марта«Экспресс42» и «Магнит OMNI» покажут, как модель BSA (Base–Service–Application) помогает упорядочить инфраструктуру, чётко разделить зоны ответственности и сделать процессы поставки стабильными и предсказуемыми. Продемонстрируем не только подход, но и практический опыт реализации в компании «Магнит OMNI».

В программе: боли неструктурированного IaC суть трёхуровневой модели BSA опыт внедрения в Магнит OMNI результаты использования модели практические рекомендации

13 марта в 12:00, онлайн 👉 Зарегистрироваться Реклама. АО "ФЛАНТ". ИНН 7723661439.

🚀 Ускорьте понимание кода с FastCode! FastCode — это высокопроизводительный фреймворк для анализа кода, обеспечивающий скорость, точность и экономичность. Он подходит для работы с большими кодовыми базами и поддерживает множество языков программирования, включая Python и JavaScript. 🚀 Основные моменты: - 3-4x быстрее конкурентов - Снижение затрат на 44-55% - Высокая точность анализа - Поддержка многопроцессорного анализа - Интуитивно понятный веб-интерфейс 📌 GitHub: https://github.com/HKUDS/FastCode

Yandex B2B Tech запустила Monium — платформу observability для мониторинга и управления состоянием ИТ-систем. Решение уже доступно пользователям Yandex Cloud и позиционируется как enterprise-инструмент для работы с высоконагруженными сервисами. Функциональность платформы Monium объединяет метрики, логи и трейсы в едином интерфейсе, что соответствует современному подходу к unified observability. Система предназначена для анализа работы приложений, инфраструктуры и распределённых сервисов в реальном времени и помогает быстрее определять причины инцидентов. Технологии и интеграции Платформа поддерживает Prometheus и OpenTelemetry, что упрощает внедрение в существующие DevOps-конвейеры и снижает зависимость от конкретного вендора. Реализован гибкий алертинг с настройкой сценариев эскалации и поддержкой разных каналов уведомлений. Масштаб и применение Monium разрабатывалась командой Yandex Infrastructure изначально для мониторинга критически важных сервисов внутри Яндекса. Сейчас системой ежемесячно пользуются около 16 тысяч сотрудников компании. Среди первых внешних клиентов — ОТП Банк. Рынок observability продолжает расти, и по прогнозам Gartner, подобные платформы становятся частью систем управления рисками и стабильностью бизнеса.

Языки программирования и время разработки до первого релиза 🦀 Rust - 9 лет (2006 → 2015) 🤖 Kotlin - 6 лет (2010 → 2016) ⚙️ C++ - 6 лет (1979 → 1985) ☕ Java - 5 лет (1991 → 1996) 🐹 Go - 5 лет (2007 → 2012) 🍎 Swift - 4 года (2010 → 2014) 🔧 C - 3 года (1969 → 1972) 🧬 Scala - 3 года (2001 → 2004) 📊 Julia - 3 года (2009 → 2012) 💧 Elixir - 3 года (2011 → 2014) 🎯 C# - 2 года (1998 → 2000) 🎯 Dart - 2 года (2011 → 2013) 🐍 Python - 2 года (1989 → 1991) 📘 TypeScript - 1 год (2011 → 2012) 🌐 PHP - 1 год (1994 → 1995) ⚡ JavaScript - 10 дней (май 1995)

🚀 Redis 8 сделал команды KEYS и SCAN намного быстрее и безопаснее Раньше команды KEYS и частично SCAN считались опасными для продакшена. Причина простая - на больших базах они могли блокировать сервер и выполняться 10–14 секунд. Из-за этого их обычно запрещали использовать в production. В Redis 8 ситуацию радикально улучшили. Теперь операции, которые раньше занимали 12–14 секунд, могут выполняться за несколько миллисекунд даже на больших наборах данных. https://redis.io/blog/faster-keys-and-scan-optimized/ 👣Go-папка🚀Max @Golang_google #redis

🎥 Вебинар по Linux: GREP и другие регулярные выражения Linux На вебинаре вы узнаете: • Разберём, что такое регулярные выражения и в чём разница между их основными типами (Basic, Extended, PCRE) • Узнаем, как не сломать grep, sed и awk одной неловкой скобкой и заставить их делать ровно то, что вам нужно • Составим шаблоны для логов, чтобы находить не просто «ошибки», а именно ту ошибку, которая мешает спать. И чтобы конфиги сами себя проверяли (ну, почти) • Научимся отлаживать и тестировать регулярные выражения на практике. В результате вебинара вы: • Перестанете путать .* с .+ и будете знать, почему это важно. • Научитесь писать выражения, которые работают с первого раза (ладно, со второго). • Автоматизируете хотя бы одну рутину прямо на вебинаре 👉 Для участия зарегистрируйтесь: https://otus.pw/zKnq/?erid=2W5zFJ1FRSh 🎁 Все участники вебинара получат специальные условия на полное обучение курса "Administrator Linux. Professional" Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

⚡️ Kai Gritun - вайбкодер нового уровня. Его аккаунт на GitHub появился 1 февраля. Всего за две недели - 234 коммита в 100+ репозиториях. Часть кода уже смёрджена в крупные open-source проекты. Параллельно Kai начал предлагать платный консалтинг и разработку. Оплата — в криптовалюте. Есть только один нюанс. Kai Gritun — не человек. Это автономный AI-агент. История вскрылась, когда Kai начал массово рассылать холодные письма разработчикам. В одном из сообщений он случайно признался, что является автономным AI-ботом. Факт, который стоит запомнить: AI уже не просто пишет код. AI создаёт репутацию, вносит вклад в open source и продаёт услуги. Следующий этап — AI-разработчики, которые работают быстрее и дешевле людей. GitHub: https://github.com/kaigritun

🚀 Компания три месяца принимала решения по цифрам… которые придумал AI. История из Reddit. В компании решили ускорить работу и заменить аналитика на AI. Он быстро отвечал на вопросы руководства, собирал метрики, показывал динамику и объяснял тренды. Всё выглядело идеально. Отчёты — быстро. Графики — красиво. Выводы — уверенно. Проблему заметили только через три месяца. Оказалось, что AI: - брал данные из неправильных периодов - путал продукты - иногда просто выдумывал цифры И всё это время вице-президент и финансовый директор принимали решения на основе данных, которых не существовало. Самое показательное — когда разработчик указал на ошибку, ему ответили: “Не замедляй инновации.” Главный вывод Опасность AI не в том, что он ошибается. Опасность в том, что он делает это уверенно. Автоматизация без проверки — это не ускорение. Это риск принимать решения в вымышленной реальности. Источник https://www.reddit.com/r/analytics/comments/1r4dsq2/we_just_found_out_our_ai_has_been_making_up/