Библиотека собеса по DevOps | вопросы с собеседований

Разработчик, DevOps-инженер или техлид — у каждого своя причина навести порядок в работе с AI-агентами. Разбираем, чем отличаются их задачи 😊

У вас есть Dockerfile, и сборка образа занимает очень много времени из-за частых изменений в коде. Как оптимизировать процесс сборки, чтобы быстрее получать новые образы? Переписать Dockerfile так, чтобы максимально использовать кэш слоёв: сначала устанавливать зависимости, потом копировать код. Использовать multi-stage build, чтобы в финальном образе были только нужные бинарники и минимальный набор файлов. Библиотека собеса по DevOps

Вы видите в Kibana после нажатия на «Discover» «561 hits». Что это значит? Общее количество документов, соответствующих результатам поиска. Если не используется запрос, то просто общее количество документов. Библиотека собеса по DevOps

У вас в проекте есть файл вроде utils_v2_final_FIX.py, который все боятся трогать ❓ Что делаете с таким легаси? ❤️ Не трогаю: работает — и ладно 👍 Переписываю с нуля и надеюсь на лучшее 🔥 Сначала покрываю тестами, потом рефакторю по частям 👾 У нас такого нет — честно-честно На курсе «ИИ для разработчиков» разберём третий подход: как с помощью агента зафиксировать текущее поведение легаси-кода тестами, а затем менять его небольшими безопасными шагами — без одного огромного PR на тысячу файлов. До 31 июля действует скидка и бессрочный доступ к материалам. 🔗 Занять место со скидкой 🏃‍♀️ Proglib Academy

Самый страшный файл в проекте — тот, который «работает, не трогай» 😮‍💨

В продакшн-окружении контейнеры начинают потреблять слишком много дискового пространства. Как вы будете диагностировать и устранять проблему? Проверю docker system df, чтобы понять, где расход (образы, volume, build cache). Использую docker ps -s и docker inspect, чтобы выявить, не пишут ли контейнеры данные внутрь слоя файловой системы. Для логов — настрою ротацию (log-driver=json-file с max-size и max-file) или централизованный логинг. Для оптимизации образов — применю multi-stage build, alpine и очистку кэша. Библиотека собеса по DevOps

Как внедрить zero-trust между микросервисами? Включите mTLS с распределённой идентичностью (SPIFFE/SPIRE: SVID для каждого ворклоада), автоматическую ротацию сертификатов и валидацию цепочки. Авторизацию стройте по идентичности (RBAC/OPA), ограничивайте сеть NetworkPolicy. В Kubernetes удобно через mesh (Istio/Linkerd/ambient) или sidecarless mTLS; для мультикластера — федерация trust domains и централизованный аудит. 🐸Библиотека собеса по DevOps

📈 Скоро фраза «умею пользоваться AI» в резюме будет звучать так же странно, как сегодня «умею пользоваться Git» Это просто станет частью профессии. А вот умение встроить AI в процесс разработки так, чтобы он действительно ускорял работу команды, останется конкурентным преимуществом 💡 🔜 На курсе «ИИ для разработчиков» участники работают со своими проектами и учатся делать AI частью ежедневной разработки: планировать задачи, писать код, проверять изменения, готовить PR и автоматизировать рутину. До конца июля действует специальная цена — 59 990 ₽ вместо 79 990 ₽ 🥳 И получить бессрочный доступ ко всем материалам курса. 🔗 Посмотреть, как устроен курс 🏃‍♀️ Proglib Academy

Планирование, код, ревью, PR и рутина — всё это уже можно ускорять с AI. Как именно, рассказали в посте 😏

Что такое модули filebeat? Это предварительно настроенные модули для определенных типов мест регистрации журналов (например, Traefik, Fargate, HAProxy), упрощающие настройку пересылки логов с помощью filebeat. Они имеют разные конфигурации в зависимости от того, откуда вы собираете логи. Библиотека собеса по DevOps

😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью. Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.

Поэтому в большой команде недостаточно просто выбрать хорошую модель. ❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.

🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥 Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью. 🔗 Занять место на вебинаре 🏃‍♀️ Proglib Academy

Что такое финалайзеры (finalizers) и для чего они нужны? Это уникальные ключи в манифесте объекта, которые определяют операции, необходимые для выполнения перед удалением объекта. Например, они используются для предотвращения удаления pvc и pv при активном PODе. Библиотека собеса по DevOps

🧑‍💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥 🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена. В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹 🏃‍♀️ Proglib Academy

🤷‍♂️ Что важнее в хорошем курсе: программа или люди, которые её создают? У Proglib Academy вышел пост о том, на каком опыте построен новый курс по AI для разработчиков 🦴

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат. 1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами. 2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова. Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них. 📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION). На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥 🔗 Регистрация 🏃‍♀️ Proglib Academy

🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться! Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу. 💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.

🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽! Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом 🔗 Занять место и забрать 3 курса

👀 Что такое TCP window scaling TCP window scaling — это механизм в протоколе TCP, который позволяет увеличивать максимальный размер окна передачи данных. Стандартное окно ограничено 16 битами, что позволяет передавать только 65,535 байт данных. В высокоскоростных сетях этого может быть недостаточно. С помощью window scaling и сдвига масштаба окна размер окна можно увеличить до 1 ГБ, что улучшает использование пропускной способности и снижает задержки. Этот механизм особенно полезен для высокоскоростных и высоконагруженных сетей, обеспечивая более эффективную передачу данных. 🐸Библиотека собеса по DevOps

🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе. Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций. Что внутри урока:

- Устройство LLM. - Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.). - Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.

После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning. 👉Смотреть закрытый урок на YouTube Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться. 🔗 Занять место на курсе

👀 Как посмотреть логи в уже работающем контейнере Чтобы посмотреть логи в уже работающем контейнере Docker, можно использовать команду: docker logs <container_id_or_name> Эта команда позволяет вывести логи контейнера, указав его ID или имя. Вы можете узнать ID или имя контейнера с помощью команды: docker ps Если вы хотите следить за логами в реальном времени, можно использовать флаг -f: docker logs -f <container_id_or_name> Это позволит вам видеть новые записи в логе по мере их появления, как в случае с командой tail -f. 🐸Библиотека собеса по DevOps

🚀 Уже завтра стартует новый поток курса «ИИ-агенты»! Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний. Старт уже завтра! Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока! Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой. 🔗 Пройти демо-урок и занять место на курсе