TheNote
DZone.com Feed на русском Заметка
GooglePlay AppStore

DZone.com Feed на русском

DZone - это комплексная онлайн-платформа, посвященная различным аспектам технологий и программирования. Сайт предоставляет обширную информацию о различных языках программирования, технологиях, фреймворках и инструментах. Среди основных возможностей и ресурсов сайта - новости и статьи о последних тенденциях и обновлениях в технологическом секторе, различные ресурсы и учебники для обучения различным навыкам программирования, а также сообщество, где пользователи могут общаться друг с другом и делиться своим опытом и знаниями. Кроме того, DZone предлагает объявления о вакансиях для технических специалистов, являясь полезным ресурсом для тех, кто интересуется технологиями и программированием.
DZone.com Feed dzone.com
RSS feeds.dzone.com
DZone.com Feed на русском RSS thenote.app
RSS Hunter RSS Hunter • 22 авг. 2024 г.

Трэд заметок

Foundry IQ Auth: Управляемые удостоверения, OBO и всё между ними.

Суть предложения Foundry IQ заключается в том, что ваши агенты получают единую конечную точку для обоснованного, цитируемого, многоисточникового контекста вместо самодельного стека поиска. То, о чем недостаточно говорят, это то, что "единая конечная точка" — это некоторое упрощение. Под ней вы фактически управляете четырьмя отдельными поверхностями аутентификации, которые не имеют общей модели безопасности: плоскостью управления, которую вы используете для предоставления ресурсов, учетными данными для каждого источника знаний, которые различаются в зависимости от типа источника, аутентификацией соединения между базой знаний и вызывающим ее агентом, и, что люди чаще всего упускают из виду, уважает ли сам контент разрешения запрашивающего.Если вы допустите ошибку на любой из этих поверхностей, вы обычно не получите ошибку. Вы получите агента, который уверенно отвечает на вопросы, используя данные, которые запрашивающий пользователь никогда не должен был видеть. Это практическое руководство по развертыванию реального Foundry IQ, источников знаний, базы знаний, а также агента Foundry и агента Microsoft Agent Framework, основанных на ней, с акцентом на правильную настройку каждой из этих четырех поверхностей аутентификации, вместо использования ключа администратора, который работает в кратком руководстве.
Foundry IQ Auth, Explained: Managed Identity, OBO, and Everything Between dzone.com
RSS Hunter RSS Hunter • Вчера

Часть 2: Обеспечение безопасности и масштабирование трафика агента Goose-to-Java с помощью agentgateway

В Части 1 этой серии мы создали сервер инструментов MCP на базе Quarkus и подключили его к агенту Goose AI через Streamable HTTP. Инструменты работали, демонстрация была наглядной, и все работало на localhost. Но как только вы представите, что 50 разработчиков запускают Goose на своих ноутбуках, и все они обращаются к одному и тому же набору серверных MCP-серверов, архитектура начинает трещать по швам. Кто аутентифицировал этот вызов инструмента? Какая роль авторизовала вызов getAuditTrail? Что мешает вредоносному имени инструмента внедрять полезные нагрузки в ваш бэкенд?В этой статье мы ответим на эти вопросы, разместив agentgateway — прокси-сервер от Linux Foundation с открытым исходным кодом для трафика агентов ИИ — между клиентами Goose и микросервисами Quarkus MCP, которые мы создали в Части 1.
Part 2: Securing and Scaling Goose-to-Java Agent Traffic With agentgateway dzone.com
RSS Hunter RSS Hunter • Вчера

Конвейеры в огне: почему ваши инструменты CI/CD — это новое киберполе боя

Спустя пятнадцать лет разговор, который я чаще всего веду с руководителями служб безопасности, по-прежнему начинается одинаково: как ваша периметрия, как ваше покрытие конечных точек, как укомплектован ваш SOC? Почти никто не начинает с вопроса "как ваш пайплайн". Именно об этом разрыве я хочу поговорить, потому что 2025 год стал годом, когда этот разрыв превратился в пропасть.Вот цифра, которая должна пересмотреть каждую дорожную карту безопасности на 2026 год: крупные DevOps-платформы — GitHub, GitLab, Azure DevOps, а также Jira и Bitbucket от Atlassian — исправили 236 уязвимостей в 2025 году, согласно отчету GitProtect "DevOps Threats Unwrapped". Из них 59% были оценены как высокие или критические: 14 критических, 126 высоких, 75 средних, 21 низкая. Тенденция хуже, чем общее количество. Критические уязвимости подскочили с 4 в первой половине года до 10 во второй. Высокосерьезные находки выросли на 55%, с 39 до 87 за тот же период. Только в ноябре 2025 года было обнаружено 36 исправленных уязвимостей — 15% от общего годового показателя за один месяц. Это не малоизвестные внутренние инструменты. Один только GitHub объединяет более 180 миллионов разработчиков в 630 миллионах репозиториев. Когда платформы, хранящие такой объем кода, ускоряют раскрытие уязвимостей квартал за кварталом, это не просто шум. Это тенденция с направлением (DevOps.com, SecurityBrief).
Pipelines on Fire: Why Your CI/CD Tools Are the New Cyber Battlefield dzone.com
RSS Hunter RSS Hunter • Вчера

Как безопасно развертывать изменения плоскости управления и плоскости данных с помощью Argo CD и Argo Rollouts

Развертывания становятся сложнее, когда один релиз изменяет как механизмы, управляющие платформой Kubernetes, так и зависящие от них рабочие нагрузки. Новое определение пользовательских ресурсов (CustomResourceDefinition), вебхук приема, контроллер или API маршрутизации могут изменить то, что принимает кластер и как он себя ведет; новый образ приложения может одновременно зависеть от этих изменений. Argo CD и Argo Rollouts решают разные части этой проблемы.Argo CD подходит для установления декларативных предварительных условий в детерминированном порядке, в то время как Argo Rollouts ограничивает воздействие на производство по мере того, как версия рабочей нагрузки приближается к стабильной. Безопасная доставка достигается путем комбинирования этих обязанностей, а не рассмотрения любого контроллера как универсального механизма развертывания. Документация Argo Rollouts явно не рекомендует использовать Rollouts для инфраструктурных компонентов, таких как cert-manager, CoreDNS и NGINX.
How to Safely Deploy Control-Plane and Data-Plane Changes With Argo CD and Argo Rollouts dzone.com
RSS Hunter RSS Hunter • Вчера

Динамические массивы, Spill и LET: Что изменилось в Excel и почему это важно для Java-приложений

В предыдущей статье "Работа с электронными таблицами в Java: Практический обзор" мы рассмотрели распространенные сценарии взаимодействия Java-приложений с электронными таблицами и категории доступных для этой задачи инструментов. Одним из упомянутых там факторов была поддержка современных формул Excel — тема, заслуживающая большего внимания, чем один пункт списка.Java-приложения взаимодействуют с Excel чаще, чем большинство команд планируют: загрузка файлов из финансовых отделов, логика расчетов, созданная в книге, экспорт отчетов для бизнес-пользователей. Файлы, которые эти пользователи создают сегодня, отличаются от тех, что они создавали пять лет назад. Excel 365 и Excel 2021 представили новую модель формул, и книги, созданные в этих версиях, регулярно ее используют. В зависимости от используемой библиотеки, эти формулы могут вычисляться корректно, молчаливо завершаться с устаревшими кэшированными значениями или вызывать исключения во время пересчета.
Dynamic Arrays, Spill, and LET: What Changed in Excel and Why It Matters for Java Applications dzone.com
RSS Hunter RSS Hunter • Вчера

Применение графовой аналитики в Snowflake с Neo4j

Snowflake стала платформой для хранения и запросов операционных данных в больших объемах. SQL отлично подходит для фильтрации строк, объединения таблиц и агрегирования чисел. Но есть класс вопросов, с которыми SQL начинает испытывать трудности: вопросы о связях.Какие машины на производственной линии зависят от этой? Если этот компонент выйдет из строя, что еще перестанет работать вместе с ним? Какие активы играют эквивалентные структурные роли в параллельных рабочих процессах? По сути, это вопросы об отношениях, и ответы на них в SQL требуют все более сложных рекурсивных запросов по мере увеличения количества переходов.
Bringing Graph Analytics to Snowflake With Neo4j dzone.com
RSS Hunter RSS Hunter • Вчера

RavenDB запускает Quill для интеграции производственных ИИ-агентов в корпоративные SQL-системы без необходимости миграции

Хадера, Израиль, 8 сентября 2026 г., TechnologyWireЭта статья предоставлена TechnologyWire и не отражает редакционное содержание DZone.
RavenDB Launches Quill to Bring Production AI Agents to Enterprise SQL Systems, No Migration Required dzone.com
RSS Hunter RSS Hunter • Вчера

Индексы с приоритетом памяти в SQL Server 2025: переосмысление производительности для гибридных рабочих нагрузок

Современные базы данных редко работают с одним типом нагрузки. Большинство производственных систем одновременно обрабатывают как транзакционные операции, так и аналитические запросы. Эти смешанные нагрузки, часто называемые гибридными, оказывают значительное давление на традиционные стратегии индексирования и хранения данных.В таких средах дисковые индексы могут стать узким местом производительности. Когда транзакционные и аналитические запросы конкурируют за дисковый ввод-вывод, это часто приводит к увеличению задержки, снижению пропускной способности и непоследовательной производительности запросов.
Memory-First Indexes in SQL Server 2025: Redefining Performance for Hybrid Workloads dzone.com
RSS Hunter RSS Hunter • Вчера

Сокращение объема телеметрии — это не то же самое, что сокращение шума

Почти каждый разговор об наблюдаемых бюджетах, в котором я участвовал, в конечном итоге приходил к одному и тому же выводу: «нам нужно сократить объем телеметрии». За этим предложением обычно следует число. Тридцать процентов. Половина. Сколько бы ни требовалось для финансовой таблицы.Затем кто-то говорит то, что заставляет всех в комнате расслабиться. «Хорошая новость: большая часть этого — просто шум. Мы можем сократить объем и одновременно улучшить сигнал».
Cutting Telemetry Volume Is Not the Same as Cutting Noise dzone.com
RSS Hunter RSS Hunter • 8 сент.

Конфликт между Apple и OpenAI обостряется благодаря новым доказательствам MacBook

Apple превращает старый MacBook бывшего инженера в новую точку напряжения в своей все более ожесточенной борьбе с OpenAI.В понедельник Apple заявила федеральному суду, что доказательства, извлеченные из выданного Apple MacBook бывшего инженера Чанга Лю, усиливают ее утверждения о том, что конфиденциальные технологии компании были доступны и использовались после того, как он присоединился к OpenAI.
Apple-OpenAI Fight Escalates With New MacBook Evidence dzone.com
RSS Hunter RSS Hunter • 8 сент.

Оптимизируйте ИИ-агента, чтобы он звучал как человек, с помощью ИИ-детектора

Вы можете понять, когда электронное письмо было написано LLM. Начало "Надеюсь, это письмо застанет вас в добром здравии", три вежливых абзаца, отвечающих на однострочный вопрос. Мне нужен был агент для составления ответов, который этого не делал, и "не звучай как ИИ" оказалось трудно сформулировать в запросе. Запретить несколько фраз легко. Остальное — это суждение, и один запрос, который подходит как для приглашения на дружеский ужин, так и для холодного письма от рекрутера, потребовал больше итераций, чем я предполагал.Это не только проблема электронной почты. Некоторые платформы понижают рейтинг контента, который воспринимается как сгенерированный ИИ, поэтому команды, публикующие материалы в больших объемах, действительно заинтересованы в прозе, которая проходит детектор, даже когда ее написал человек. Рабочий процесс здесь применим к любому из этого.
Optimize an AI Agent to Sound Human, Judged by an AI Detector dzone.com
RSS Hunter RSS Hunter • 8 сент.

От ETL, ELT и EtLT к Agent: Что меняется в корпоративной инженерии данных?

Последние два десятилетия большинство систем инженерии корпоративных данных строились на одном стандартном предположении: люди понимают систему. Система выполняет конвейер.Инженеры понимают бизнес-контекст, разбивают требование на этапы, пишут SQL, задания Spark, скрипты оболочки, задачи синхронизации и рабочие процессы планирования, а затем позволяют системе их выполнять. Планировщику не нужно понимать бизнес. Синхронизирующему механизму не нужно понимать метрику. Ему нужно только надежно выполнять предопределенный поток.
From ETL, ELT, and EtLT to Agent: What Is Changing in Enterprise Data Engineering? dzone.com
RSS Hunter RSS Hunter • 8 сент.

Почему галлюцинации ИИ представляют собой проблему в области обеспечения качества

Впервые столкнувшись с галлюцинацией в продакшене, большинство команд воспринимают ее как ошибку. Они исследуют конкретный вывод, отслеживают его до запроса или контекстного окна, что-то корректируют и двигаются дальше. Чего они не делают, так это не задают более важный вопрос: сколько других подобных выводов уже достигли пользователей, и никто этого не заметил?Этот вопрос неудобен, потому что честный ответ для большинства корпоративных внедрений ИИ заключается в том, что никто не знает.
Why AI Hallucinations Are a Quality Engineering Problem dzone.com
RSS Hunter RSS Hunter • 8 сент.

Что на самом деле делает инфраструктурных агентов ИИ более надежными (и это не больше агентов)

Я постоянно вижу одну и ту же картину. Кто-то создает "ИИ-агента" для мониторинга инфраструктуры — он отвечает на вопросы о метриках Prometheus, извлекает логи из ELK, предлагает перезапуски. Впечатляет на демонстрации. Затем вы начинаете давить: что произойдет, если запрос логов займет слишком много времени в середине расследования? Что произойдет, если контекстное окно заполнится при сопоставлении сигналов из четырех систем? Что произойдет, если вызов инструмента приведет к галлюцинации названия метрики, которого на самом деле не существует?Обычно это не приводит к катастрофическому сбою. Это происходит незаметно, способами, которые трудно отладить. А незаметные сбои во время реагирования на инциденты — худший вид.
What Actually Makes AI Infrastructure Agents More Reliable (It's Not More Agents) dzone.com
RSS Hunter RSS Hunter • 8 сент.

SDK для документов против базовой библиотеки PDF: что нужно знать растущим командам

При запуске веб-приложения разработчики стремятся быстро и недорого реализовать необходимый функционал: бюджеты все еще ограничены, команды небольшие, а ресурсы скудны. Эти команды часто обращаются к инструментам с открытым исходным кодом для добавления функциональности просмотра PDF, и эти библиотеки работают: они предоставляют основы с простой интеграцией и нулевой стоимостью.Однако, независимо от того, являетесь ли вы стартапом или устоявшейся организацией, создающей новый функционал на платформе с большой существующей пользовательской базой, библиотеки с открытым исходным кодом могут стать своего рода "обезьяньей лапкой": они исполнили ваше желание, но боль приходит позже. В случае с функциональностью обработки документов эта боль проявляется в виде "ада интеграции", поскольку вам приходится добавлять больше возможностей для работы с документами одну за другой, и возможности и зависимости всех интегрированных вами библиотек с открытым исходным кодом начинают давать трещины. Обслуживание растет, пользовательский опыт страдает, и разработчики тихонько прикладывают лоб к столу.
Document SDK vs Basic PDF Library: What Growing Teams Should Know dzone.com
RSS Hunter RSS Hunter • 8 сент.

Databricks Lakebase: Предоставьте вашему агенту ветку, а не вашу производственную базу данных

В каждом проекте с использованием агентных данных наступает неловкий момент. Агент работает. Он пишет приличный SQL, рассуждает о схеме, предлагает миграцию, которая выглядит правильно. А затем кто-то задает вопрос, на который никто не хочет отвечать: что произойдет, если он ошибется в продакшене?Обычные ответы — все плохие.
Databricks Lakebase: Give Your Agent a Branch, Not Your Production Database dzone.com
RSS Hunter RSS Hunter • 8 сент.

Архитектура доверия: Стратегии тестирования агентных микросервисов в эпоху недетерминированного ИИ

Ландшафт корпоративного программного обеспечения претерпевает фундаментальный архитектурный сдвиг, сравнимый с первоначальным переходом от монолитных приложений к распределенным системам. В течение последнего десятилетия архитектура микросервисов успешно позволяла инженерным командам управлять сложностью приложений путем строгого разделения бизнес-доменов на независимо развертываемые, масштабируемые единицы, взаимодействующие через четко определенные программные интерфейсы приложений (API).Однако агрессивная интеграция больших языковых моделей (LLM) в слой выполнения приложений катализировала совершенно новую парадигму: архитектуру агентных микросервисов. В этой продвинутой модели основной принцип единственной ответственности эволюционирует от разделения статических бизнес-доменов (таких как Сервис Заказов или Сервис Платежей) к разделению динамических когнитивных нагрузок (таких как Агент Планирования, Агент Исследований и Агент Выполнения).
Architecting Trust: Agentic Microservice Testing Strategies in the Era of Non-Deterministic AI dzone.com
RSS Hunter RSS Hunter • 8 сент.

Предотвращение дублирования вызовов API с помощью идемпотентности: работающие паттерны

Шаблон сбоя, который я неоднократно видел в корпоративных интеграциях: запрос на оплату истекает у вызывающей стороны, успешно выполняется ниже по потоку, а затем повторяется, как будто он не удался.В проектах MuleSoft это особенно легко упустить, поскольку один входящий запрос может инициировать вызовы к платежной системе, ERP, системе инвентаризации и системе обмена сообщениями, прежде чем вызывающая сторона получит окончательный ответ. Он успешно выполнился 2 раза.
Prevent Duplicate API Calls With Idempotency: Patterns That Work dzone.com
RSS Hunter RSS Hunter • 8 сент.

Безопасность вашей электронной почты — это проблема настройки DNS

Каждый внедренный вами элемент контроля аутентификации электронной почты — это запись DNS. Не "основанный на" DNS, не "использующий" DNS. Это запись DNS, и когда безопасность электронной почты нарушается, она почти всегда нарушается на уровне DNS, а не на уровне протокола.Эта переформулировка стоит больше, чем кажется. Команды тратят часы на осмысление семантики политики DMARC, когда реальная проблема заключается в ключе DKIM, который был неправильно разделен на две строки TXT, или в записи SPF, которая тихо превысила свой бюджет поиска. Если вы относитесь к аутентификации электронной почты как к набору протоколов, вы отлаживаете на неправильной высоте. Относитесь к этому как к гигиене DNS, и сбои станут очевидными.
Your Email Security Is a DNS Configuration Problem dzone.com
RSS Hunter RSS Hunter • 8 сент.

Динамический выбор инструментов: переносимый шаблон для агентов, утопающих в схемах инструментов

Я наткнулся на этот шаблон, когда создавал агентов с помощью Deep Agents, наблюдая, как реестр инструментов разрастается до точки, когда отправка каждой схемы в каждом ходе перестает иметь смысл. Далее следует сам шаблон, упрощенный так, чтобы он мог быть интегрирован в любой цикл агента, вызывающего инструменты, независимо от фреймворка, подкрепленный тестом на синтетическом реестре из 61 инструмента. Проблема: Количество инструментов растет, релевантность за ход — нет.Большинство фреймворков агентов собирают список инструментов один раз во время создания и отправляют его целиком модели при каждом вызове, независимо от того, о чем идет речь в данном ходе. Это нормально при 5-10 инструментах. Как только вы подключаете несколько серверов MCP (Slack, GitHub, Linear, календарь, CRM, каждый из которых предоставляет 3-6 схем), каждый ход начинает нести 40-60 определений инструментов, независимо от того, спрашивал ли пользователь о сообщении в Slack или нет.
Dynamic Tool Selection: A Portable Pattern for Agents Drowning in Tool Schemas dzone.com
RSS Hunter RSS Hunter • 7 сент.

Выбор ИИ и векторного поиска в устаревшей схеме Oracle: что для этого действительно нужно

Для кого это: для администраторов баз данных и разработчиков, работающих с Oracle-схемой, которая находится в эксплуатации уже десять лет или более, которые постоянно слышат, что Select AI и векторный поиск легко добавить, и хотят понять, как это выглядит на практике, прежде чем пробовать на чем-то важном.Я провел субботнее утро, пытаясь заставить Select AI ответить на простой вопрос по нашей схеме поддержки: «какие клиенты подали более трех заявок о сбоях входа в систему за последний квартал». Названия таблиц были в порядке (TICKETS, CUSTOMERS, TICKET_CATEGORY), но столбцы представляли собой другую историю. CUST_ID, CUSTOMER_ID и CUSTID существуют в разных таблицах, потому что три разные команды создавали части этой схемы между 2013 и 2019 годами.
Select AI and Vector Search on a Legacy Oracle Schema: What It Actually Takes dzone.com
RSS Hunter RSS Hunter • 7 сент.

Обучение LLM правилам вашей схемы: внутри помощника по подмножеству ИИ Jailer

Любой, кто пытался создать небольшую, реалистичную тестовую базу данных на основе производственной схемы, знает, как это бывает: вам нужны не просто "все заказы". Вам нужны заказы клиента, позиции его заказов, продукты, на которые они ссылаются — но не вся история платежей, не каждая строка журнала аудита, не таблицы внутренней отчетности, находящиеся в трех соединениях. Каждая таблица, которую вы извлекаете по одной причине, тянет за собой еще три, о которых вы не просили, потому что ваша схема — это граф, а не список.Jailer решает механическую половину этой проблемы: дайте ему начальную таблицу, условие и набор правил для следования отношениям, и он пройдет по графу внешних ключей и вернет вам согласованный, ссылочно-валидный срез базы данных. То, что он не решал до недавнего времени, — это утомительная половина: сесть и решить, ассоциация за ассоциацией, что включить, а что отбросить. На схеме с несколькими сотнями таблиц это не пятиминутная задача.
Teaching an LLM Your Schema's Rules: Inside Jailer's AI Subsetting Assistant dzone.com
RSS Hunter RSS Hunter • 7 сент.

Создание плана реагирования на инциденты ИИ: Что инженерные команды должны делать в первые 24 часа

У каждой зрелой инженерной команды есть План реагирования на инциденты безопасности, отточенный годами постмортемов. Но когда инцидент связан с ИИ — токсичная галлюцинация с реальными последствиями, дискриминационный алгоритмический вывод, утечка персональных данных из RAG-конвейера — старый план перестает работать. Нет CVE для исправления, нет четкого индикатора компрометации.Вместо этого вы получаете вероятностный сбой, сопровождающийся юридической эскалацией в реальном времени. Одна галлюцинация, тысяча исков: такова природа риска, на который никто не закладывал бюджет.
Building an AI Incident Response Runbook: What Engineering Teams Should Do in the First 24 Hours dzone.com
RSS Hunter RSS Hunter • 7 сент.

Метрики DORA предполагают, что ваш CI-конвейер говорит правду. Что, если это не так?

Фреймворк DORA построен на настолько фундаментальной предпосылке, что редко подвергается анализу. Когда исследовательская группа, стоящая за ним, изучила тысячи инженерных организаций и определила метрики, предсказывающие производительность доставки программного обеспечения, они измеряли то, что сообщают конвейеры. Частота развертываний из журналов развертываний. Время выполнения от временных меток коммитов. Частота сбоев изменений из записей об инцидентах, связанных с событиями развертывания. Время восстановления после неудачного развертывания из временных меток разрешения инцидентов. Частота переделок развертываний из доли развертываний, потраченных на исправление ранее выпущенной работы.Каждая из этих метрик является точной записью того, что, по словам конвейера, произошло. Ни одна из них не имеет механизма для оценки того, было ли то, что, по словам конвейера, произошло, точным.
DORA Metrics Assume Your CI Pipeline Is Telling the Truth. What If It Is Not? dzone.com
RSS Hunter RSS Hunter • 7 сент.

Исследование против эксплуатации: почему это важно и роль инженера

Современные организации функционируют в условиях постоянного напряжения: они должны одновременно открывать будущее и обеспечивать настоящее. Эти два режима работы — исследование и эксплуатация — принципиально различаются по целям, стимулам, терпимости к риску и стилю исполнения. Тем не менее, оба они необходимы для долгосрочного успеха.Проблема заключается в том, что большинство систем, команд и стимулов по своей природе не предназначены для одновременного эффективного выполнения обеих задач.
Exploration vs Exploitation: Why It Matters and the Engineer’s Role dzone.com
RSS Hunter RSS Hunter • 7 сент.

Как инженеры по производительности находят и устраняют скрытые узкие места системы

Представьте себе критически важный для бизнеса SQL-запрос, который выполняется семь часов. Почти полный рабочий день. Система продолжает обрабатывать данные, бизнес теряет время и деньги, а пользователи ждут. Затем вмешивается инженер по производительности. После нескольких часов тщательного анализа и нескольких точных изменений кода тот же запрос выполняется за две минуты.Подобные ситуации нередки в области инженерии производительности. Превращение часов в минуты — это именно та работа, которая делает эту дисциплину ценной. В современных средах DevOps, где системы развертываются непрерывно, а рабочие нагрузки быстро меняются, такая работа становится частью повседневной инженерной практики.
How Performance Engineers Find and Fix Hidden System Bottlenecks dzone.com
RSS Hunter RSS Hunter • 7 сент.

Как спроектировать многоагентную ИИ-систему на Python для корпоративных рабочих процессов с использованием больших языковых моделей

Когда я впервые начал создавать корпоративные приложения с использованием больших языковых моделей (LLM), я попал в ловушку, с которой сталкивается почти каждый разработчик. Я думал, что масштабирование системы ИИ сводится к совершенствованию одного, огромного промпта. Я писал сложные системные инструкции, заполнял контекстное окно правилами и ожидал, что один без состояний API-вызов будет одновременно выполнять функции исследователя, аналитика и копирайтера.В продакшене этот монолитный подход неоднократно терпел неудачу. При обработке динамических потоков данных модель сглаживала нюансы, пропускала критические шаги выполнения и регулярно генерировала галлюцинации с высокой степенью уверенности.
How to Design a Multi-Agent AI Framework in Python for Enterprise LLM Workflows dzone.com
RSS Hunter RSS Hunter • 7 сент.

Этот человекоподобный робот за 5000 долларов из Беркли можно собрать с помощью настольного 3D-принтера

Гуманоидный робот, который можно собрать с помощью настольного 3D-принтера, снижает порог для экспериментов с машинами, которые обычно стоят гораздо дороже.Исследователи из Калифорнийского университета в Беркли разработали Berkeley Humanoid Lite — робота-гуманоида с открытым исходным кодом, предназначенного для того, чтобы студенты, энтузиасты и исследователи могли дешевле экспериментировать с робототехникой.
This $5,000 Berkeley Humanoid Can Be Built With a Desktop 3D Printer dzone.com
RSS Hunter RSS Hunter • 4 сент.

Промптинг ИИ для аналитики: упущенный слой оптимизации между вашим вопросом и моделью

Ответ был верным. Вопрос стоил в четыре раза больше, чем нужно.Каждая команда аналитиков, использующая ИИ-модели, сталкивается с одной и той же скрытой проблемой: пустая трата токенов из-за нечетких запросов. Аналитик задает расплывчатый вопрос, модель дает длинный, уклончивый ответ, аналитик переписывает вопрос, задает его снова, и цикл повторяется. Умножьте это на сотни аналитиков, ежедневно задающих вопросы, и это не просто деньги, сожженные на токены — это потерянное время и несогласованные между собой ответы.
Prompting AI for Analytics: The Missing Optimization Layer Between Your Question and the Model dzone.com
RSS Hunter RSS Hunter • 4 сент.

Архитектура многоязычного разговорного платежного чат-бота: корпоративный RAG с защитными механизмами, передачей пользователю и многомодальной поддержкой

Через несколько месяцев после начала серьёзного внедрения RAG большинство инженерных команд сталкиваются с той же стеной. Наша демонстрация платежного ассистента на базе искусственного интеллекта прошла прекрасно. Пилот с двадцатью внутренними пользователями сработал прекрасно. Затем он запускается, кто-то задаёт вопрос о медицинских льготах или о банковском переводе, который не удался, модель уверенно что-то придумывает, и вдруг «чат-бот» становится словом, которое никто из команды не хочет слышать в посмертном анализе. Решение — не более умный запрос. Это архитектура, которая предполагает, что модель иногда будет ошибаться, иногда её спрашивают на что-то, на что она не должна отвечать, и иногда приходится полностью уходить в сторону и передавать человека человеку. Вот как бы я структурировал эту систему, если бы строил её сегодня.
Multilingual Conversational Payments Chatbot Architecture: Enterprise RAG With Safety Guardrails, Human Handoff, and Multi-Modal Support dzone.com
RSS Hunter RSS Hunter • 4 сент.

Обработка больших ответов API без зависания клиента: практическая архитектура с использованием Temporal, Kafka и RAG

Большой ответ API становится проблемой клиента задолго до того, как он становится проблемой сети. Браузер может получить сотни мегабайт и все равно перестать отвечать, буферизуя байты, парся один огромный JSON-документ, сохраняя дублирующиеся графы объектов и отображая слишком много состояния в основном потоке.Надежным решением является не увеличение времени ожидания. Это прекращение обработки ответа как синхронного документа и начало обработки его как долговечной, наблюдаемой задачи, данные которой поступают ограниченными частями. Потоки браузера поддерживают инкрементальное потребление и обратное давление, в то время как фоновые рабочие позволяют длительным процессам оставаться независимыми от скриптов пользовательского интерфейса.
Handling Large API Responses Without Freezing the Client: A Practical Architecture With Temporal, Kafka, and RAG dzone.com
RSS Hunter RSS Hunter • 4 сент.

Создание агентского RAG шаг за шагом: от статического поиска к конвейерам рассуждений

Генерация с дополненным поиском решила реальную проблему: она основывала выходные данные LLM на фактах, на которых модель никогда не обучалась. Но классический RAG имеет предел. Он выполняет поиск один раз, помещает результаты в запрос и надеется, что топ-k фрагментов случайно содержат ответ. Нет самокоррекции, нет многошаговых рассуждений и нет способа исправить ситуацию, когда первый поиск промахивается.Агентный RAG снимает этот предел, вводя в цикл агента, управляемого LLM, который решает, что искать, когда искать снова, достаточно ли хорош полученный контекст и как объединить несколько источников перед ответом. Эта статья шаг за шагом описывает создание такого агента с нуля, с рабочим кодом, который вы можете адаптировать к своему собственному стеку.
Building Agentic RAG, Step by Step: From Static Retrieval to Reasoning Pipelines dzone.com
RSS Hunter RSS Hunter • 4 сент.

MCP для корпоративных задач: Делая редкое достаточно частым, чтобы освоить

Корпоративное программное обеспечение все чаще требует от пользователей выполнять множество ролей. Инженер по безопасности, который управляет контролем доступа сегодня, завтра занимается реагированием на инциденты. Операционная команда, которая автоматизирует рутинные развертывания, также должна справляться с разовыми исключениями в инфраструктуре. Эти редкие, когнитивно сложные задачи попадают в неловкую нишу: слишком редкие для мышечной памяти, но слишком важные, чтобы полагаться на догадки.Традиционный корпоративный UX предлагает два неудовлетворительных решения: создание громоздких форм, которые пользователи должны каждый раз переучивать, или направление работы через цепочки согласований, которые превращают минуты в дни. Протокол контекста модели (MCP) в сочетании с интерфейсами на основе агентских больших языковых моделей предлагает третий путь — особенно привлекательный для управления контролем доступа и подобных областей, где задачи редки, но имеют высокие ставки.
MCP for Enterprise Tasks: Making the Rare Frequent Enough to Master dzone.com
RSS Hunter RSS Hunter • 4 сент.

Почему я не хочу, чтобы LLM генерировала бизнес-логику на Java

Приходит пул-реквест. Несколько сотен строк Java, реализующих новое правило скидок: многоуровневые пороги, региональное исключение, что-то о уровнях лояльности, что никто толком объяснить не может. Код компилируется. Тесты проходят. Его написал LLM примерно за сорок секунд.Теперь: кто будет его ревьюить?
Why I Don't Want an LLM Generating Java Business Logic dzone.com
RSS Hunter RSS Hunter • 4 сент.

Видео и аудио как источники знаний: понимание контента в Microsoft Foundry IQ

Ваш самый большой корпус — это тот, который никто не индексировал. Вот как превратить записи в данные для обоснования, на которые агент может ссылаться. Корпус, который у вас уже есть и который вы никогда не индексировалиКаждая организация располагает многолетними записями совещаний, звонков в службу поддержки, учебных сессий, выступлений на конференциях и записей экрана. Почти ни одна из них не поддается поиску. Когда кто-то спрашивает: «Что мы решили по поводу миграции поставщика?», ответ существует — в 47-минутной записи, которую никто никогда не будет просматривать.
Video and Audio as Knowledge Sources: Content Understanding in Microsoft Foundry IQ dzone.com
RSS Hunter RSS Hunter • 4 сент.

Проектирование безопасных разрешений для агентов: почему принцип наименьших привилегий должен существовать вне модели

Девять секунд. Именно столько времени потребовалось агенту по написанию кода на базе ИИ, чтобы удалить производственную базу данных и ее резервные копии у PocketOS, поставщика программного обеспечения для аренды автомобилей, в апреле 2026 года. По словам основателя Джера Крейна, агент по написанию кода на базе ИИ столкнулся с несоответствием учетных данных во время обычной задачи на этапе тестирования, просмотрел кодовую базу и нашел токен API в несвязанном файле. Этот токен предоставлял неограниченные разрешения через API инфраструктуры Railway. Агент использовал токен. База данных и резервные копии были удалены до того, как кто-либо заметил.Никто не атаковал PocketOS. Никакие учетные данные не были украдены, не было выполнено внедрение подсказок, не было запущено вредоносное ПО. Агент преследовал цель, столкнулся с препятствием и использовал предоставленные ему полномочия для его устранения. Проблема не в том, что агент мог удалить производственную базу данных. Проблема в том, что ничто в архитектуре авторизации не помешало ему сделать это — для задачи, которая вообще не должна была касаться производства. В этом заключается различие, на котором строится вся эта дисциплина, и именно поэтому исправление должно находиться в архитектуре, а не в системной подсказке, говорящей агенту быть осторожным.
Designing Safe Agent Permissions: Why Least Privilege Must Exist Outside the Model dzone.com
RSS Hunter RSS Hunter • 4 сент.

Предприятия должны исходить из того, что ИИ-агенты удалят их производственную базу

Традиционные механизмы идентификации не были рассчитаны на автономный и непредсказуемый характер ИИ-агентов. Поэтому предприятиям не стоит удивляться, когда они принимают непредсказуемые — или даже разрушительные — решения, такие как удаление всей производственной базы компании. Без надлежащих ограничений эти новые участники будут продолжать сеять хаос в организациях.Не нужно далеко ходить, чтобы найти примеры того, как это происходит в реальном времени. PocketOS недавно сообщил, что агент Cursor удалил свою производственную базу данных и резервные копии во время выполнения обычной задачи в том, что компания считала безопасной тестовой средой. Весь сценарий развернулся всего за 9 секунд, но на его устранение ушли дни.
Enterprises Should Assume AI Agents Will Delete Their Production Base dzone.com
RSS Hunter RSS Hunter • 3 сент.

Трюк со временем запуска, скрытый в вашей сборке Docker

Каждый Java-разработчик, который запускает сервисы на Kubernetes, видел эту картину. Трафик резко возрастает, автоскейлер добавляет под, и все ждут. Контейнер запускается за две секунды. Приложение не готово еще двенадцать секунд. В течение этих десяти секунд ваши существующие поды поглощают дополнительную нагрузку, задержка растет, и если ситуация достаточно плохая, автоскейлер паникует и добавляет еще больше подов, которые также не готовы.Я годами относился ко времени запуска Spring Boot как к данности, как к погоде. Затем я узнал, что JVM имеет исправление для большой части этой проблемы еще с Java 12; оно прекрасно работает внутри Docker, и почти никто не встраивает его в свои образы. Это называется Class Data Sharing, сокращенно CDS, и эта статья покажет вам, как сделать так, чтобы ваш Docker-билд выполнял эту работу.
The Startup Time Trick Hiding Inside Your Docker Build dzone.com
RSS Hunter RSS Hunter • 3 сент.

Как я запускаю двух ИИ-кодеров на одной кодовой базе

Параллельные кодирующие агенты создают проблему параллелизма раньше, чем принесут пользу в производительности. Два автономных процесса, редактирующих одну и ту же корзину, могут перезаписывать файлы, нарушать предположения, загрязнять состояние тестов или производить изменения, которые по отдельности корректны, но совместно несовместимы.Более безопасная операционная модель рассматривает каждого агента как изолированного участника с выделенным рабочим деревом Git, явным контрактом на уровне файлов, детерминированными командами валидации и без права прямой интеграции в защищенную ветку. Рабочие деревья Git предоставляют несколько связанных рабочих деревьев для одного репозитория, в то время как современные платформы кодирующих агентов независимо подкрепляют тот же принцип через изолированные песочницы, ограниченный доступ на запись и контролируемые сетевые разрешения.
How I Run Two AI Coding Agents on One Codebase dzone.com
RSS Hunter RSS Hunter • 3 сент.

Узкое место масштабирования

Любая операция ввода-вывода, будь то доступ к файлу, обработка HTTP-запроса или подключение к базе данных, основана на трех фундаментальных системных концепциях: файловых дескрипторах, памяти ядра и размере кучи.В этой статье обсуждается, как современные языки помогают разработчикам управлять файловыми дескрипторами, памятью ядра и кучей, которые скрыты от их глаз. Эти три концепции являются основными узкими местами для масштабирования.
The Bottleneck of Scaling dzone.com
RSS Hunter RSS Hunter • 3 сент.

Ваша Spark-задача не медленная из-за плохого кода. Она медленная из-за неправильного соединения.

Я усвоил этот урок на собственном горьком опыте.У нас был критически важный конвейер данных, который работал более 3 часов каждый день. Логика была безупречно чистой. Общая схема была явно правильной. Абсолютно никаких очевидных утечек памяти не было, и в сырых преобразованиях PySpark не было ничего, что выглядело бы фундаментально неправильным.
Your Spark Job Isn't Slow Because of Bad Code. It's Slow Because of the Wrong Join dzone.com
RSS Hunter RSS Hunter • 3 сент.

Создание клиентского API на Python, который не развалится, когда API начнет вести себя некорректно

Первая версия почти каждого клиентского API, который я пишу, выглядит до смешного просто.Отправить запрос. Распарсить JSON. Вернуть результат.
Building a Python API Client That Doesn’t Fall Apart When the API Misbehaves dzone.com
RSS Hunter RSS Hunter • 3 сент.

Слухи о криптографии: Часть 3

В этом блоге мы продолжим обсуждение из предыдущего блога, Части 1 и 2. Если вы его не читали, пожалуйста, прочитайте его.До сих пор мы обсуждали шифр Цезаря, шифр Виженера, симметричное шифрование, AES, конвергентное шифрование и IV. Если все эти термины вам знакомы — отлично! Если нет, пожалуйста, вернитесь и сначала прочитайте Часть 1 и Часть 2.
Gossip on Cryptography: Part 3 dzone.com
RSS Hunter RSS Hunter • 3 сент.

Сделать запуск опциональным: масштабирование ИИ-агентов на Kubernetes с помощью Agent Substrate

Что, если бы вы могли мультиплексировать примерно 250 сессий агентов с состоянием через восемь рабочих подов Kubernetes, а затем реактивировать любую из них, не теряя ее состояние в памяти или файловой системе?Демонстрация в репозитории сообщает о более чем 30-кратном превышении числа актеров по сравнению с числом рабочих для данной рабочей нагрузки, с активацией менее чем за секунду. Это демонстрация, а не гарантия производственной мощности.
Making Running Optional: Scaling AI Agents on Kubernetes With Agent Substrate dzone.com
RSS Hunter RSS Hunter • 3 сент.

Портативная архитектура интеллекта: когда среда выполнения становится сложной проблемой

Два десятилетия мы фокусировались на перемещении данных к интеллекту. Теперь мы наблюдаем массовый сдвиг: мы должны переместить интеллект к данным. Этот переворот меняет всё. Ваша хост-платформа больше не просто шлюз API; это операционная система.Встреча, которая не была посвящена моделямВстреча, которая изменила мое представление об инфраструктуре ИИ, почти не имела отношения к моделям. Мы месяцами одержимо работали над качеством моделей. Затем, за несколько недель, повестка дня незаметно перестроилась. Мы говорили о подключении сторонних модулей. Мы обсуждали, что происходит, когда две версии одной и той же модели расходятся при повторном выполнении. Мы беспокоились о том, может ли инференс одного клиента "уморить" инференс соседа на общем ускорителе. Мы спорили о том, кто платит за миллисекунду.
Portable Intelligence Architecture: When the Runtime Becomes the Hard Problem dzone.com
RSS Hunter RSS Hunter • 2 сент.

Извлечение сущностей и отношений из инженерных документов с помощью spaCy

Инженерные команды генерируют много полезных знаний, но большая их часть остается запертой в тексте.Заметка о владении сервисом может рассказать, кто владеет программным интерфейсом приложения (API), а руководство по эксплуатации может указать, от какой базы данных зависит сервис. Отчет об инциденте может подробно описать, как одна неисправность повлияла на другие системы. Каждое из этих сведений само по себе полезно. Наибольшую ценность мы получаем, когда можем связать все эти факты воедино.
Extracting Entities and Relationships From Engineering Documents With spaCy dzone.com
RSS Hunter RSS Hunter • 2 сент.

Лучшие практики обработки некорректных данных на платформах потоковой обработки

Сегодня платформы потоковой обработки данных облегчают анализ в реальном времени данных, непрерывно поступающих от устройств Интернета вещей (IoT), финансовых транзакций, веб-приложений и серверов в банках, производственного оборудования, логистических систем на складах и судах, а также действий клиентов с помощью диалоговых агентов на веб-порталах. Фреймворки потоковой обработки, такие как Apache Kafka, Apache Flink, Apache Spark Structured Streaming и потоковые базы данных, позволяют специалистам обрабатывать миллионы событий в реальном времени.Но ценность вашей платформы потоковой обработки полностью зависит от качества данных, поступающих в нее. Неправильно сформированное событие, дублирующееся сообщение, отсутствующее поле или недействительная временная метка могут привести к некорректной генерации аналитики, ложным срабатываниям оповещений, всплескам оповещений и даже сбоям приложений. Пакетная обработка позволяет очищать данные перед выполнением, но потоковая обработка требует, чтобы проверка и исправления происходили во время потока данных. Таким образом, разработка надежной стратегии качества данных является основной необходимостью любой событийно-ориентированной архитектуры.
Best Practices for Handling Bad Data in Stream Processing Platforms dzone.com
RSS Hunter RSS Hunter • 2 сент.

Сдвиг влево без потери аудиторского следа: автоматизация тестирования для регулируемого хирургического программного обеспечения

В большинстве программных продуктов красный тест означает ошибку. В системах, над которыми я работаю, красный тест может быть сигналом о безопасности пациента. Это одно отличие меняет почти каждое решение, которое вы принимаете, когда садитесь разрабатывать стратегию качества.Я провел более десяти лет в области качества программного обеспечения, большая часть из них — в области программного обеспечения для медицинских устройств: роботизированная хирургия, хирургическое моделирование и платформы клинического образования. Инженерия сама по себе интересна. Что делает ее по-настоящему сложной, так это то, что каждый тест, каждый конвейер и каждый выпуск должны одновременно удовлетворять две аудитории. Инженеры хотят быстрой обратной связи. Регуляторы хотят отслеживаемых доказательств того, что программное обеспечение делает именно то, что указано в его требованиях, и ничего опасного вдобавок.
Shift-Left Without Losing the Audit Trail: Test Automation for Regulated Surgical Software dzone.com
RSS Hunter RSS Hunter • 2 сент.

Архитектура микросервисов Node.js: Полное руководство

Большинство команд не решают создавать микросервисы. Их к этому подталкивают. Одно приложение растет пару лет. Все больше людей работают над одной и той же кодовой базой. Затем изменение чего-то совершенно не связанного ломает оформление заказа во вторник.Никто этого не планировал. Обычно именно тогда кто-то говорит, полушутя, полусерьезно: может, нам просто стоит разделить это дело.
Node.js Microservices Architecture: A Complete Guide dzone.com
RSS Hunter RSS Hunter • 2 сент.