Знакомая ситуация: Mac начинает подтормаживать, открываешь монитор — свободно всего пара сотен мегабайт. Первая мысль: память кончилась, надо чистить. Многие ставят «чистилку», которая по таймеру запускает purge, и часто становится только хуже.
Проблема в том, что «свободная память» — не та цифра. Разберём, почему на macOS она почти ничего не говорит, что такое memory pressure, как его прочитать из Swift в пару строк — и почему в итоге я написал свой монитор с открытым кодом.
Всем привет! Очень большой получился дайжест: было очень много событий. Но тем будет интереснее!
Датасет для детекции средств индивидуальной защиты я собирал под диплом. Классов шесть, и они устроены несимметрично. Три положительных: Gloves, Safety Shoes, Welding mask. Три отрицательных, по которым и считается нарушение: Without Glove, Without Safety Shoes, Without welding mask.
На старте казалось, что проблема в модели. Оказалось, проблема в разметке.
Ниже про то, как я собрал свой автоаннотатор на SAM3, чем он отличается от Roboflow Auto Label и что из этого вышло.
Привет! Меня зовут Агыбай, я разработчик из Казахстана.
Кодинг‑агент весь день читает недоверенный текст: README зависимости, страницу документации, результат MCP‑сервера, вывод команды, которую сам же и запустил. Если в этом тексте спрятана инструкция, агент нередко превращает её в реальное действие: сетевой запрос, чтение ключей, push во внешний репозиторий, curl | sh. Stroq — открытый (Apache-2.0) локальный файрвол, который вешается на нативные хуки агента, сканирует прочитанное, помечает сессию и детерминированно блокирует опасное следующее действие. Ни облака, ни прокси, ни расчёта на то, что модель сама заметит инъекцию.Читать полностью »
Почему мы классифицируем движение руки, а не картинки со светофорами — и как встроить это в форму двумя строками
Картиночные капчи в 2026-м решаются моделями компьютерного зрения за миллисекунды, а каждый ваш клик по «выберите автобусы» бесплатно размечает чужой датасет. Плюс две свежие проблемы: Google в начале 2025 срезал бесплатный лимит reCAPTCHA с 1 000 000 до 10 000 проверок в месяц, а с апреля 2026 ужесточил модель ответственности за данные по GDPR. Из России reCAPTCHA к тому же нестабильна.
Hello world!
Как‑то раз мне понадобилось работать с архивами в одном своем проекте, и я знатно прифигел от стандартных инструментов. Возник такой конфуз: для обычного ZIP нужен zipfile, для какого нибудь TAR tarfile, а если понадобится добавить 7z или RAR, то вообще нужны py7zr и rarfile, из за этого код превращается в странный и «не очень красивый» забор из импортов и кусков логики под каждый чих. Меня это ооочень сильно выбесило, и буквально 2–3 дня назад я сел писать свой «комбайн» для архивов, который назвал huntZip.
Какие вообще архивы поддерживаются?
Если вы держите on‑prem кластер на десятки или сотни нод, дальше можно не объяснять. Обновили CNI, или ядро, или драйвер сетевой карты, или просто переехали частью нод в новый сегмент. Проходит какое‑то время, и начинают капать тикеты: «у нас иногда таймаутит между подами», «DNS иногда не резолвится», «health‑check то падает, то нет».
Привет! Сейчас покажу штуку, которую я довольно долго доводил до ума, и мне кажется, она может пригодиться не только мне.
Задача звучит скучно: нагенерировать тестовые карточки людей. Пол, имя, диагноз. Скучно ровно до того момента, пока не посмотришь, что получилось:
женский, Ольга, Аденома простатыФормально придраться не к чему. Пол настоящий, имя настоящее, диагноз из справочника. Просто вместе они дают человека, которого не бывает. Каждое поле правильное по отдельности — неправильно то, что вышло из них вместе.
Есть Apache Superset. Есть аналитик, который открывает SQL Lab и десять минут вспоминает, как называется таблица с заказами — orders, olist_orders или fact_orders_v2. Есть языковые модели, которые отлично пишут SQL, но понятия не имеют, что лежит в вашем хранилище.
Задача звучала просто: добавить в интерфейс Superset кнопку, по которой открывается чат с моделью. Причём агент должен работать по принципу MCP — не фантазировать имена колонок, а сходить и посмотреть их в метаданных. Подключаться к любому OpenAI‑совместимому API: локальная Ollama, llm7, OpenAI — что угодно.