ZProger — Сообщество Программистов

Весь ютуб забит роликами про бесплатный аналог Adobe Я также снимал об этом видео и продолжаю тестировать софт. Кратко отвечу кому стоит переходить, а кому нет. 1. Если вам очень редко нужно что-то отредактировать в том же Photocraft, то можете ставить прямо сейчас. 2. Если вы используете профессионально и не готовы терпеть баги и костыли — ставить не нужно, продолжайте использовать Adobe. Я пока что сижу на Photopea и не планирую переходить на Photocraft ближайшие 3-5 месяцев. Проект запустили всего пару недель назад. Каждый день добавляют тонну исправлений и новых функций. Через 3-5 месяцев проекты будут вполне юзабельные и можно будет сделать повторный тест. Конкретно сейчас я бы просто сохранил репозитории и наблюдал за проектом. Проект еще в alfa версии и нужно хотя бы дойти до stable.

Herdr: зачем это нужно и как я его использую? Далеко не все поняли почему он начал хайпить. Инструменты для AI можно открыть в разных терминалах или просто в Tmux. В чем тогда преимущества? Вот какие плюсы заметил я спустя примерно месяц использования: — В случае с терминалами, вам нужно каждый раз заново открывать папку или прописывать путь к проекту, чтобы открыть Codex / Claude Code в нужной директории. Когда же вы создаете вкладку Herdr, то каждая вкладка всегда открывается в необходимой папке. — Вы один раз настроили все папки, и даже после перезапуска ПК, вы открываете Herdr и сразу все вкладки открыты в нужных директориях с нужными AI инструментами. — Есть возможность работать параллельно. В 1-й вкладке открываете проект с телеграмм ботом, а во 2-й проект с TODO-листом. В итоге в каждой вкладке вы еще можете отдельно создать доп.страницы не только для агента, а еще и для терминала (для отслеживания Docker-логов и т.д). Однозначно советую попробовать инструмент. Изучается он за 10-15 минут.

Чел год учил девопс, а потом пошел на реддит спрашивать, не зря ли он потратил время Он целый год сидел и плотно учился. Ковырял Linux, разбирался с Docker, кубером, облаками, пилил свои учебные проекты. (Коммерческого опыта при этом ноль) И тут его накрыло паникой: в новостях каждый день про сокращения, нейронки развиваются с дикой скоростью, а требования к джунам улетели в космос. В итоге он пришел в ветку про работу и задал прямой вопрос тем, кто давно в теме: "Если бы вы стартовали с нуля прямо сейчас, вы бы вообще пошли в девопс? Или это пустая трата времени из-за AI?" И самое интересное, что ему ответили сеньоры и челы, которые сидят в айтишке по 20+ лет. Врать про то, что "все нормально и ничего не изменилось", никто не стал. Ему прямо написали: новичкам сейчас заходить реально тяжело. Раньше на рутинные задачи нанимали толпу стажеров, а сегодня небольшая команда с нейронками спокойно вывозит тот же объем задач сама. Но при этом хоронить профессию никто не собирается. Один мужик с 26 годами опыта ответил просто: смысл учиться есть. Но только если ты умеешь думать головой и разбираться в сложных системах. Знание команд и синтаксиса сегодня стоит ноль. Сгенерировать базовый конфиг или шаблонный скрипт нейронка может за пару секунд. Но когда посреди ночи ложится прод, когда отвалилась сеть между серверами или база данных ушла в аут нейронка сама ничего не сделает. Ей даже задачу нормально не поставить, если ты сам не понимаешь, где именно произошел сбой и как все устроено под капотом. В итоге опытные челы в один голос написали: если бы они начинали заново прямо сейчас, они бы все равно выбрали девопс И это реально самый здравый выбор. Потому что девопс сейчас это буквально самое жирное и надежное направление в IT Пока во фронтенде сидит миллион людей на одну вакансию и дерется за копейки, в девопсе до сих пор дикий голод на толковых ребят. Почему? Да потому что это фундамент всей индустрии. Без инфраструктуры вообще ничего не работает. Ни одно мобильное приложение, ни сайт, ни модный AI-стартап не запустятся без серверов, сетей, докера и баз данных. Все крутится на девопсе. Ты буквально держишь и управляешь всей системой. Если прод упал — бизнес теряет миллионы каждую минуту, и все бегут к тебе. Поэтому спецам, которые умеют держать систему на плаву, готовы платить любые деньги. Отсюда и зарплаты, которые улетают в 300к–500к+ в разы быстрее, чем в любой другой ветке. Плюс полная свобода: рулить инфраструктурой и пайплайнами можно на удаленке откуда угодно — хоть с Бали, хоть с дивана. Так что если сейчас и заходить в айти ради денег, железобетонной стабильности и свободы — залетать надо именно в девопс Как это сделать я разобрал в пошаговой инструкции — https://quickitstart.com

В данном видео я показывал свои кейсы Claude Это не было прямым сравнение с ChatGPT, но чтобы быть более объективным, я оплатил Codex на месяц и решил сравнить все на реальном опыте. В итоге я построил около 5-ти мощных локальных решений на Codex и очень плотно провел тестирование возможностей. В итоге могу отметить, что ChatGPT очень сильно вырос и это уже реально хороший боевой инструмент, но лично я все равно плинарую возвращаться на Claude. Вот какие минусы я заметил: — Codex нереально быстро выжирает лимиты. Если Claude мне хватало на 4 часа плотной работы, то при таком же объеме Codex упирается в лимит всего за 1 час. Недельный лимит можно потратить за 3 дня работы. — Я заметил, что Codex любит лезть в директории и сканировать носители, которые вообще не указаны в промпте. Поэтому он сам решает кто тут батя и как ему работать. Его нужно более жестко изолировать, и лично с Claude таких инцидентов у меня не было. Из плюсов топовая генерация изображений и работа в веб-версии когда прилетели лимиты.

Самый недооценённый плюс умения кодить Обычно программирование воспринимают чисто как профессию, в которой ты выучил язык, устроился в компанию или набрал заказов, сидишь и закрываешь задачи за деньги. Но для меня главный кайф кодинга вообще в другом. Это возможность выкинуть из жизни рутину и забрать свое время обратно. Как и говорил у меня дома стоит сервак, на котором крутится пачка закрытых сервисов под мои ежедневные задачи. Я не выкладываю их в паблик, они просто работают в фоне и делают то, на что мне жалко тратить часы руками. Что там крутится: — Обработка роликов на YouTube. Система сама мониторит каналы и прогоняет длинные видео через локальную нейронку. Вместо того чтобы сидеть и отсматривать сотни часов материала, я сразу получаю выжимку всей сути. — Автоматический мониторинг новостей по нужным темам, чтобы не залипать в лентах часами. — Сортировка почты и мелкие скрипты, которые разгребают входящий мусор. Можно, конечно, попытаться найти готовые сервисы под каждую мелочь Но сторонний софт всегда сделан под усредненного юзера: там вечно не хватает нужной функции, висит куча лишних настроек Когда ты умеешь писать код и понимаешь, как поднять инфраструктуру на сервере ты за пару вечеров собираешь решение под свои задачи. И если посчитать, сколько времени сжирают такие повторяющиеся действия руками, набегают десятки часов в месяц. Буквально несколько полноценных дней, которые обычно сливаются на ручную работу А так я больше не сижу перед монитором до двух ночи с квадратными глазами, разгребая накопившийся завал. Можно нормально выспаться и проснуться во сколько захочешь, без будильника. Спокойно сходить на тренировку, погулять или вложить освободившиеся часы в запуск нового проекта. Скрипт делает рутину за секунды в фоне, а ты занимаешься тем, что реально считаешь нужным. Кодинг вполне может дать стабильную работу и деньги. Но куда круче то, что он позволяет постепенно убирать из жизни рутину и возвращать себе время Больше про то как вкатиться и какие детали надо учесть перед этим рассказал в гайде — https://quickitstart.com

Я чуть не сдох со смеху когда увидел это в реках 😂😂 Неужели именно это было причиной подорожания памяти в 3-6 раз?

Моя система для быстрого изучения: https://github.com/Zproger/ConceptLoom В ролике выше рассказал как настроить полностью под себя. Если у вас есть идеи для улучшений, не забывайте открывать Issues на Github, я активно работаю и развиваю свои проекты 🤝

🐍 Python 3.15: что реально изменилось? ⚡️ JIT ускоряет CPython примерно на 7–13% Результат зависит от платформы: прирост на pyperformance находится примерно в этом диапазоне. JIT все еще остается экспериментальным, поэтому цифры могут измениться к финальному релизу. 🚀 Base64: encode вырос x2, decode в x3 раза быстрее Реализацию оптимизировали с учётом CPU pipelining. 🔥 Base32: скорость примерно в 100 раз быстрее Реализацию encode/decode перенесли с Python на C. В документации это описывается как ускорение примерно на два порядка величины. 🔥 Base85: скорость выросла в 100 раз Ascii85, Base85 и Z85 теперь примерно на два порядка быстрее. Потребление памяти при этих операциях также сократилось примерно на два порядка. Также появился Stable ABI для Python без GIL. Это значит, что стало намного проще выпускать бинарные расширения для версий Python без GIL. Это еще предварительная версия, но уже видно, что идет упор на ускорение интерпретатора и на работу с GIL.

Что изменилось в моей жизни, когда я начал брать дорогие заказы Когда начинаешь нормально зарабатывать, самое главное - это начать правильно распределять финансы. В моем случае первые расходы пошли на технику и рабочее место. Ты сидишь за экраном сутками. И если раньше приходилось терпеть тормоза, старое железо и клавиатуры, то теперь я постепенно начал менять железо, клавиатуру и девайсы в целом, чтобы повысить комфорт работы. Если рабочее место более удобное, значит, я смогу взять больше заказов и работать более эффективно. Поэтому я начал тестировать домашние сервера с локальными моделями, собрал кастомную клавиатуру и начал пилить собственные сервисы для большей эффективности. Вместе с этим ты можешь оплатить сервисы с подпиской, чтобы улучшить свою эффективность, и у тебя не возникает вечная тревога из-за ценников, потому что ты понимаешь, что все это отбивается в несколько десятков раз. В итоге вместо того, чтобы думать, как дотянуть до конца месяца, ты начинаешь думать о том, как грамотно управлять своим капиталом и куда его инвестировать, чтобы это улучшило твой комфорт и позволило зарабатывать ещё больше. Но девайсы - это лишь один из компонентов. Они реально способны дать очень большую эффективность (например, как моя читалка Kindle, на которой я уже прочитал 150+ книг), но еще важнее то, что, переливая заработанные деньги в правильном направлении, у вас получается в дальнейшем самому контролировать свой день. Это дает гибкость, и вам не нужно каждый день вставать ровно в 7 утра и тащиться через весь город в душный офис. Со временем вы начинаете выстраивать свои проекты и сами решаете, когда проснуться, когда устроить перерыв и над чем конкретно сегодня вы будете работать. Поэтому многие и приходят в программирование, потому что оно убирает из жизни финансовую духоту и дает возможность жить по своим правилам. И если ты давно думаешь, но не знаешь, с какой стороны подступиться, тогда переходи и смотри мини-курс — https://quickitstart.com

Главная ошибка новичка это учить весь DevOps Roadmap сразу Когда люди смотрят на роадмап по DevOps, то делают вывод, что учить все это надо минимум пять лет. Нужен Linux, сети, Docker, Kubernetes, CI/CD и еще 40+ технологий. И проблема в том, что список технологий не объясняет с чего начать, на каких задачах практиковаться и как связать это все в работающую систему. Я подготовил бесплатный гайд из 3 видео, где разобрал: — За какие задачи бизнес реально платит и как они связаны с доходом Middle DevOps в 250–350 тысяч рублей; — Нужны ли для старта годы в разработке и как использовать нейросети в работе инженера; — Как собирать инфраструктуру шаг за шагом. От первой виртуалки до развертывания проекта в облаке; — В каком порядке учиться, чтобы перестать хвататься за случайные технологии. Если ты только выбираешь направление в IT или не можешь связать знания в одну кучу, то однозначно советую посмотреть эти 3 бесплатных видео. Ты поймешь как устроен путь в профессию и с какой практики можно начать. Смотреть тут — https://quickitstart.com

Заказ на 30 тысяч, который объяснил мне программирование На учебе новичкам часто дают задачи, которые оторваны от реальной жизни. Вы считаете факториал, пишите калькулятор или выводите треугольник из звездочек в консоли. Когда у меня начали появляться первые заказы, то оказалось, что они вообще не похожи на то, что я делал раньше. Мне выпало первое задание на 30 тысяч, и проект должен был мониторить определенные товары сразу в огромном количестве магазинов. Это были DNS, Ситилинк и еще штук 15 разных сайтов, которые необходимо было отслеживать одновременно. Без софта заказчику приходилось ручками отслеживать все эти магазины 24/7, чтобы успевать забрать товары. Их очень быстро разбирали, поэтому это было жесткой рутиной. Когда он обратился ко мне, мы подключили все эти сайты и настроили мониторинг 24/7. Программа парсила страницу, чекала статусы и мгновенно отправляла алерты. Но самое главное, что я хочу донести, - это то, что заказчик был готов заплатить эти 30 тысяч рублей именно потому, что я решил его конкретную проблему, которая окупает его бизнес. Прикол не в том, насколько хорошо ты знаешь синтаксис, а в том, можешь ли ты решить проблему, от которой страдает отдельный человек или целый бизнес. Заказчику все равно, сколько книг ты прочитал или насколько академично написал код. Самое главное, чтобы его задача была выполнена, чтобы код не ломался и стабильно закрывал его головную боль, экономя при этом время. И есть еще несколько подходов, которые позволяют четко определить, что именно нужно бизнесу и почему они должны покупать именно у тебя. Я собрал несколько крутых подходов в бесплатный гайд «Как с нуля дойти до мидла DevOps с доходом 250k+ без заучивания сорока технологий из роадмапа» и завтра опубликую его здесь в канале.

В отдельном посте опишу кейсы, которые я уже нашел 1. Фильтрация перед дорогой LLM. Сначала передаем весь мусор на входе, чтобы сделать сортировку по категориям (биллинг, баг, фича, спам), а только потом результат скармливаем LLM на работу. В итоге сортировка сожрала копейки и выполнилась в 400 раз быстрее. 2. Можно сортировать большие массивы данных. Например, у нас есть 10.000 сообщений от пользователей. Сначала передаем на Jev, чтобы он принял решение где рекламные сообщения и удалил их, а остальные сообщения разложил по приоритетам и категориям. Если это техническая проблема — отправляем на LLM или пишем в заметки. В итоге LLM используем только там, где она реально нужна. 3. Jev может за несколько миллисекунды определить категорию тикета. Пользователь пишет в нашу техподдержку и Jev автоматически присваивает категорию обращения и передает нужному менеджеру. 4. Массовый анализ данных. Передаем на Jev сотни объявлений по выбору девайса или по вакансиям, описывая свои критерии. Jev также анализирует по критериям и отвечает на вопросы "подходит ли это под установленные критерии отбора". 5. Также так как ответы почти мгновенные, то его намного проще интегрировать в системы, где нужен отклик в реальном времени. Это например игровые боты, где нужно резко принять решение атаковать, отступить, исследовать карту и т.д. Вполне реально это можно интегрировать в разные умные девайсы, где нужен мгновенный отклик, а не долгое рассуждение модели.

Что такое Jev и заменит ли он LLM? Начнем с того, что в отличие от LLM он не генерирует ответ слово за словом, а выбирает решение из промпта. На вход подается текст, JSON или код + вопрос к нему. На выходе идет выбор одного из заданных вариантов ответа и оценка его уверенности относительно остальных. 💎 Что это дает? — Ответ за 70–200 мс (в 20–200 раз быстрее LLM). — Input стоит $0.042, Output бесплатный (в 40–400 раз дешевле Claude Sonnet / Opus / GPT-5). — До 50 вопросов параллельно в одном запросе. 💎 Как его применять? — Фильтр перед дорогой LLM. — Сортировка писем и тикетов по категориям. — Выбор нужного инструмента, кнопки или скилла. — Массовый анализ рекламы, SEO или вакансий. — Решения в реальном времени, например игровые боты. И самое главное. Jev создан чтобы комбинировать его с LLM, а не заменить его. Он не умеет генерировать текст или рассуждать по шагом. Его задача лишь принимать быстрые решения.

Мои первые заказы по программированию стоили 10–20 долларов Когда я учился в колледже, я постоянно сидел в чатах и форумах на тему программирования. Туда регулярно заходили люди с мелкими задачами. Например, написать простенький скрипт, создать Telegram бота или спарсить данные. Изначально это были копеечные задачи чисто на карманные расходы. Но самое интересное, что во всех этих чатах сидело полно программистов, которые знали Python в разы лучше меня, но они абсолютно ничего не делали. Они ждали пока доучат язык, пока закончат очередной курс или прочитают очередную книжку, чтобы взять свой первый заказ. И это мега странно, потому что я уже писал всем этим ребятам, даже толком не зная синтаксис языка. Я вообще не был уверен в том, что я справлюсь с задачей, и бывало такое, что я не знал даже 40% от того, что требует ТЗ. Иногда это заканчивалось полным провалом, я мог неделю сидеть над кодом, а потом упереться в сложную для меня технологию, и не получить ни копейки за свою работу. И может показаться, что время было потрачено зря, но фактически я нарабатывал боевой опыт, пока другие зубрили теорию и боялись приступить к реальной задаче. Складывается ощущение, что некоторые программисты думают, что нельзя прикасаться к реальным проектам, пока ты не станешь полностью готовым специалистом, который знает тупо каждую технологию. Но открою секрет, что у вас не будет такого ощущения даже спустя 5-7 лет опыта в программировании. И самое интересное, что большинство людей так и продолжают сидеть и подготавливать себя до идеального момента, потому что боятся совершить ошибку и взять реальный боевой проект. Хотя в реальности надо просто брать боевые задачи и учить технологии на ходу. Нужно писать первым, пробовать выполнять таску, и неважно доведешь ли ты ее до конца. Самое главное это то, что ты начнешь разбираться со всеми технологиями на боевом опыте.

Все уже слышали об Open Source мозге плодовой мухи? Так вот, я научил плодовую муху реагировать на инциденты внутри Docker контейнера. В случае утечки памяти или высокой нагрузки на базу — муха находит верное решение, чтобы восстановить здоровье контейнера в целом. Можете удалять Kubernetes, он вам больше не нужен 😁

В ролике говорил об использовании Gitea. Из комментариев только что узнал, что часть репозиториев и команды перешли под контроль коммерческой компании (Gitea Ltd). То есть сейчас это MIT лицензия, но они уже переходят потихоньку в Enterprise. В ответ на это сообщество выкатило полностью открытый и бесплатный проект Forgejo. Что мы получаем: — Более полную GitHub Actions-совместимость. Он закрывает edge-кейсы, которых нет в Gitea; — Есть e2e, upgrade-тесты и тесты доступности; — Кушает всего около 200-500мб ОЗУ при деплое на собственный сервер. То есть Gitea вы тоже можете использовать бесплатно, просто вполне вероятно, что через пару лет какую-то часть функций закроют только под Enterprise.