Автор
Анатолий Новогродский
Основатель и CEO, Glanit
Анатолий 16 лет в разработке программного обеспечения — от веб-платформ и высоконагруженных систем до прикладного ИИ. В Glanit руководит проектами по ИИ и разработке и пишет о том, что действительно работает в продакшене.
Профиль LinkedIn ↗Статьи автора Анатолий Новогродский
ИИ и машинное обучение ·
Лучшие заявки приходят в девять вечера: ИИ-агент приёма обращений отвечает, квалифицирует и передаёт их менеджеру до утра
Заявку, пришедшую вечером или в общий ящик, получает тот, кто ответил первым. Агент приёма читает её в любом канале, сверяется с CRM, уточняет недостающее, оценивает по вашим правилам и передаёт нужному человеку готовую сводку. Всё, что обязывает компанию, ждёт решения человека.
8 мин чтения
ИИ и машинное обучение ·
Из общей почты в CRM за минуты: ИИ-агент разбирает запросы КП и обращения в поддержку и ждёт вашего одобрения
В общую почту приходит письмо в две строки, к нему 14 страниц чертежей в PDF и таблица Excel. Пока кто-то не прочитает всё это, расчёт не начнётся. Агент-сортировщик на базе ИИ читает вложения, заполняет CRM и готовит черновик КП или тикета, а затем ждёт, пока назначенный сотрудник утвердит цену, сроки и условия.
8 мин чтения
Python ·
Python 3.10 больше не поддерживается: как обновить продакшен-сервисы, начав с зависимостей
Python 3.10 перестал получать исправления после релиза 3.10.22 от 1 октября 2026 года, а 31 октября AWS объявил среду python3.10 для Lambda устаревшей. Сначала обновите зависимости, пока вы ещё на 3.10, целью берите 3.13 или 3.14 и переводите сервисы по одному, прогоняя тесты в CI-матрице. Смена интерпретатора — самая лёгкая часть. Недели уходят на транзитивные зависимости, базовые образы и среды выполнения.
7 мин чтения
Безопасность ·
LiteLLM 1.107.0 два часа был отравлен: как защитить AI-шлюз и цепочку поставок Python, которые у вас уже работают
21 октября 2026 года вредоносный litellm 1.107.0 провисел на PyPI 1 ч 43 мин, а в Docker-тегах вроде latest оставался до 14:20 UTC. Как проверить, не скачали ли вы его, что ротировать в первую очередь и какие меры не пустили бы его в сборку.
7 мин чтения
ИИ и машинное обучение ·
Workflow или агент? Как мы решаем, ещё не написав ни строчки кода
Если каждый шаг процесса можно записать до запуска, стройте workflow и вызывайте LLM только там, где что-то нужно прочитать и истолковать. Агент нужен, когда следующий шаг зависит от находки предыдущего, и закрывайте его жёсткими лимитами.
7 мин чтения
Безопасность ·
Отчётность по Cyber Resilience Act уже действует: что построить до того, как пойдёт первый 24-часовой отсчёт
С 11 сентября 2026 года каждый производитель, который продаёт в ЕС программное обеспечение или подключённые продукты, обязан в течение 24 часов сообщать через Единую платформу отчётности ENISA об активно эксплуатируемых уязвимостях и серьёзных инцидентах. Закон короткий. Трудно другое: построить конвейер, который за это время скажет, что именно вы поставляете и эксплуатируют ли это.
7 мин чтения
Бизнес и продукт ·
EU AI Act после Omnibus: что разработать до декабря 2026
Digital Omnibus перенёс сроки для высокорисковых систем в EU AI Act на декабрь 2027 и август 2028 года, но требования к прозрачности по статье 50 действуют с 2 августа 2026 года, а маркировка для ранее выпущенных генеративных систем нужна к 2 декабря 2026 года. Здесь — что значит каждая дата в коде и что мы закладываем в первый спринт.
8 мин чтения
ИИ и машинное обучение ·
Стоимость ИИ-агентов: бюджеты, кеш и маршрутизация
Счёт за агента растёт вместе с числом вызовов на задачу, а не с ценой токена. Мы измеряем стоимость завершённой задачи, держим префикс промпта кешируемым, отдаём каждый шаг самой дешёвой модели, которая проходит наши evals, и ограничиваем каждую задачу по токенам.
8 мин чтения
Безопасность ·
MCP-серверы в продакшене: как мы их проверяем и закручиваем гайки
Сначала опишите все MCP-серверы, затем аутентифицируйте каждого клиента токеном, выпущенным именно для этого сервера, запускайте локальные серверы в песочнице и логируйте каждый вызов инструмента. Большинство инцидентов с MCP в 2026 году упирается в конфигурацию и значения по умолчанию, а ревизия спецификации от 28 июля 2026 года добавляет ещё и миграцию.
8 мин чтения
Инженерная практика ·
Legacy PHP: обновить, вытеснять по частям или переписать? Как мы решаем
Сначала обновляйте на месте, по одной минорной версии PHP, и заменяйте по частям только то, до чего обновление не дотягивается; с нуля переписывайте лишь небольшие системы, мёртвые фреймворки или продукт, который меняется. Здесь — порядок, в котором мы всё проверяем, инструменты, которые запускаем, и то, как выглядит первый пилот.
8 мин чтения
Безопасность ·
SealedRun: журнал аудита ИИ-агентов, где подмена видна
Трейсы агента в вашей собственной базе — это утверждения, а не доказательства: тот, кто управляет хранилищем, может их изменить. SealedRun, open-source рекордер на ранней стадии, подписывает каждый шаг агента в хеш-цепочку, которую посторонний проверит офлайн. Как он работает, что подтверждает и как мы запускаем его для своих агентов.
8 мин чтения
ИИ и машинное обучение ·
RAG, дообучение или длинный контекст: как мы выбираем
Начинайте с самой простой схемы, которая проходит оценку на ваших собственных вопросах: закешированный длинный промпт для небольшого стабильного корпуса, RAG, когда знания меняются, требуют цитат или закрыты правами доступа, и дообучение только ради поведения. Здесь — порядок, в котором мы всё проверяем, и места, где каждый вариант ломается.
8 мин чтения
Мобильная разработка ·
Устранение ANR в Android: как SQLite WAL спас наше мобильное приложение
Переход с режима rollback journal по умолчанию в SQLite на Write-Ahead Logging (WAL) и настройка пулов соединений в Room устранили блокировки UI-потока на 50 000 устройств.
6 мин чтения
Мобильная разработка ·
Почему сериализация моста принудила к переписыванию приложения на Swift
Передача BLE-телеметрии на частоте 100Hz через устаревший мост React Native перегружала event loop, что вынудило полностью переписать приложение на нативный Swift.
6 мин чтения
Облака, DevOps и высокие нагрузки ·
Почему мы ушли с AWS Aurora PostgreSQL на managed bare metal и сэкономили 58%
Миграция высоконагруженной БД PostgreSQL размером 12TB с AWS Aurora снизила наш месячный счет на 58%. Представляем технический разбор расходов на storage I/O и стратегии переключения.
6 мин чтения
ИИ и машинное обучение ·
Почему гибридный поиск обошел чистые эмбеддинги в нашем пайплайне Invoice AI
Чистые плотные эмбеддинги не справились с буквенно-цифровыми серийными номерами в нашем пайплайне Invoice AI. Объединение полнотекстового поиска PostgreSQL tsvector с косинусным расстоянием pgvector подняло точность совпадений top-1 с 61,4% до 94,8%.
6 мин чтения
ИИ и машинное обучение ·
Почему pgvector заменил Qdrant в нашем пайплайне Feedback AI
Мы перенесли 5 миллионов векторных эмбеддингов из кластера Qdrant в PostgreSQL 16 с pgvector 0.7. Рассказываем, как сократили накладные расходы на инфраструктуру, сохранив задержку поиска в пределах 50 мс.
5 мин чтения
Python ·
Парсинг логов матчей CS2 за 2 секунды: почему pandas обошел Polars в KLR.gg
Сравнение структуры памяти Apache Arrow и непрерывных блоков NumPy при расчете метрик Glicko-2 и HLTV Rating 2.0 в аналитическом движке KLR.gg.
5 мин чтения
ИИ и машинное обучение ·
Как работают ИИ-агенты: архитектура продакшн-агента
Агент — это модель, обёрнутая в восприятие, память, инструменты, оркестрацию и мониторинг. Практический разбор шести слоёв: что ломается в каждом и что мы с этим делаем.
5 мин чтения
Безопасность ·
OWASP Top 10 для LLM-приложений — для тех, кто их выпускает
Список 2025 года называет десять способов атаковать LLM-приложение. Как каждый выглядит в реальном чат-боте, RAG-системе или агенте — и какое исправление мы применяем в продакшене.
4 мин чтения
ИИ и машинное обучение ·
RAG в продакшене: чек-лист, который мы проходим перед запуском
RAG демонстрируется за день и ломается через месяц. Двенадцать проверок — данные, поиск, генерация, эксплуатация, — которые отличают пилот от системы, на которую полагаются люди.
4 мин чтения
Безопасность ·
Пентест или сканирование уязвимостей: что заказывать и когда
Клиенты просят «пентест» и часто имеют в виду сканирование; подрядчики продают сканирование и называют его пентестом. Что есть что на самом деле, сколько это стоит по времени и какое расписание работает для продуктовой команды.
4 мин чтения
Инженерная практика ·
Python, PHP или Node.js для бэкенда? Как мы выбираем на самом деле
Мы поставляем все три. Решение редко зависит от языка — оно зависит от команды, которая будет сопровождать систему, от библиотек, нужных задаче, и от профиля нагрузки. Простой разбор.
4 мин чтения
Безопасность ·
Безопасность ИИ-агентов в продакшене: семь контролей, которые мы не пропускаем
Агент, который читает вашу CRM и отправляет письма, — это сотрудник без здравого смысла и с бесконечным терпением к хорошо написанной атаке. Контроли, с которыми мы подключаем агентов к реальным системам и спокойно спим.
3 мин чтения
Облака, DevOps и высокие нагрузки ·
Пережить пиковую нагрузку: десять проверок перед распродажей, запуском или сезоном
Чёрная пятница, реклама на ТВ, старт продаж билетов — всплеск трафика известен заранее, как и отказы. Чек-лист, который мы проходим на e-commerce и высоконагруженных бэкендах до дня Х.
4 мин чтения