#автоматизация — Public Fediverse posts

Как я Zabbix с LLM дружил в свободное время. Архитектурный обзор взаимодействия с нейросетью. Часть 3 HLD и немного LLD

Это третья статья из цикла о том, как я пытался сделать алерты Zabbix в домашней лаборатории чуть умнее, прикрутив к ним локальную LLM и не получить на выходе архитектурного монстра Франкенштейна. В первой части мы разобрались с постановкой задачи и ТЗ, затем выбрали себе фаворита из локальных LLM, теперь же займемся скучным занятием- проектированием. В этой статье рассмотрим составление HLD и почему это должен делать человек, а что уже можно отдать нейросети в помощь. В процессе написания материал разросся до неимоверных размеров, поэтому пришлось поделить его аж на четыре части. Впереди осталась самая интересная заключительная часть с тем, что получилось на выходе. Ее планирую подготовить за 2-3 недели, т.к. это просто хобби. Часть 1: Вводная и формирование ТЗ Часть 2: Выбор локальной LLM Часть 3: Формирование HLD и немного LLD -> вы здесь Часть 4: Что из этого вышло

https://habr.com/ru/articles/1037466/

#zabbix #llm #aiops #мониторинг #алерты #автоматизация #itинфраструктура #hld #lld #c4

Как мы строим клиентские стенды AI-ассистента: per-tenant overlay без форка кодовой базы

Когда мы начали встраивать AI-агента в BPM-платформу, перед нами встала знакомая enterprise-задача: десятки клиентов, у каждого своя онтология, словарь, роли и ограничения безопасности. В одной компании «заявка на покупку» — это «реестр заявок», в другой — «карточкой закупки». Один клиент работает на изолированном контуре с локальной моделью, другой не даёт ассистенту доступ к почте и репозиториям. Традиционный ответ — форк репозитория под каждого клиента — при масштабировании превращается в ад поддержки: багфиксы не попадают автоматически, стоимость растёт экспоненциально, качество падает. Мы решили эту проблему иначе: per-tenant overlay позволяет кастомизировать поведение агента без изменения кода.

https://habr.com/ru/companies/1forma/articles/1036934/

#bpm #bpmсистемы #enterprise #enterprise_architect #lowcode #автоматизация #автоматизация_процессов #оптимизация

Настраиваем CI/CD в GitHub для Python-проекта с нуля

Настройка CI/CD часто кажется новичкам чем-то сложным и доступным только DevOps-инженерам. На самом деле автоматизировать рутину Python-проекта можно всего за полчаса. В этой статье мы по шагам разберем, как с нуля настроить GitHub Actions для простого FastAPI-приложения: от автоматического запуска тестов и быстрого линтера Ruff до сборки Docker-образа и публикации его в Docker Hub.

https://habr.com/ru/articles/1037002/

#python #github_actions #docker #pytest #автоматизация #fastapi #туториал

От ручного заполнения документов к автоматизации: как собрать генератор шаблонных договоров в Telegram на Python

Коммерческие отделы ежедневно тратят много времени на ручное создание однотипных документов: копирование реквизитов из переписки, подстановка ФИО в нужном падеже, расчет графиков платежей, НДС и сумм прописью. Одна пропущенная цифра в ИНН или ошибка в склонении должности, и договор возвращается на доработку, а это задержка сделки. В этой статье я покажу как собрал на Python Telegram-бота, который превращает 15-30 минут работы в ворде (борьбой с выравниваниями, шрифтами, отступами и пр.) в 5-минутный диалог. Никаких сложных CRM, никаких конструкторов с долгим обучением. Только async , последовательное управление состояниями, регулярные выражения и генерация готовых Word-файлов.

https://habr.com/ru/articles/1036960/

#python #telegrambot #автоматизация #mvp

Миграции конфигурации Битрикс24 CRM: как мы перестали делать это руками

Если вы разрабатываете на Битрикс24 и поддерживаете несколько окружений — тест, стейдж, прод — вы знаете эту боль. Настроил воронку, добавил пользовательские поля, написал робота с десятком условий, всё это поправил в карточке, назначил права. А потом нужно повторить то же самое на проде. Руками. Забыв половину. Конфигурация CRM — это не код. Она живёт в базе данных, не попадает в git, и нет адекватного механизма переноса между окружениями. При этом объём этой конфигурации на реальных проектах значительный: десятки смарт-процессов, сотни пользовательских полей, сложные роботы с условиями, матрицы прав доступа, кастомные виды карточек. Всё это нужно как-то синхронизировать. В Битрикс24 есть разрозненные инструменты для переноса отдельных частей настроек — штатный экспорт некоторых сущностей через интерфейс, партнёрские модули, закрывающие часть задач. Но каждый работает по-своему, покрывает свой кусок, и ни один не даёт того, что нужно на реальном проекте: полного покрытия CRM-конфигурации в одном инструменте, версионируемого вместе с кодом. Мы прошли этот путь и в итоге написали набор Version Builder'ов для модуля sprint.migration , покрывающих основные сущности CRM Битрикс24. В этой статье — о самой задаче, подходе и подводных камнях. Пишите в личку по вопросам.

https://habr.com/ru/articles/1036734/

#битрикс24 #crm #миграции #sprintmigration #php #деплой #автоматизация #воронки

Миграции конфигурации Битрикс24 CRM: как мы перестали делать это руками

Если вы разрабатываете на Битрикс24 и поддерживаете несколько окружений — тест, стейдж, прод — вы знаете эту боль. Настроил воронку, добавил пользовательские поля, написал робота с десятком условий, всё это поправил в карточке, назначил права. А потом нужно повторить то же самое на проде. Руками. Забыв половину. Конфигурация CRM — это не код. Она живёт в базе данных, не попадает в git, и нет адекватного механизма переноса между окружениями. При этом объём этой конфигурации на реальных проектах значительный: десятки смарт-процессов, сотни пользовательских полей, сложные роботы с условиями, матрицы прав доступа, кастомные виды карточек. Всё это нужно как-то синхронизировать. В Битрикс24 есть разрозненные инструменты для переноса отдельных частей настроек — штатный экспорт некоторых сущностей через интерфейс, партнёрские модули, закрывающие часть задач. Но каждый работает по-своему, покрывает свой кусок, и ни один не даёт того, что нужно на реальном проекте: полного покрытия CRM-конфигурации в одном инструменте, версионируемого вместе с кодом. Мы прошли этот путь и в итоге написали набор Version Builder'ов для модуля sprint.migration , покрывающих основные сущности CRM Битрикс24. В этой статье — о самой задаче, подходе и подводных камнях. Пишите в личку по вопросам.

https://habr.com/ru/articles/1036734/

#битрикс24 #crm #миграции #sprintmigration #php #деплой #автоматизация #воронки

Миграции конфигурации Битрикс24 CRM: как мы перестали делать это руками

Если вы разрабатываете на Битрикс24 и поддерживаете несколько окружений — тест, стейдж, прод — вы знаете эту боль. Настроил воронку, добавил пользовательские поля, написал робота с десятком условий, всё это поправил в карточке, назначил права. А потом нужно повторить то же самое на проде. Руками. Забыв половину. Конфигурация CRM — это не код. Она живёт в базе данных, не попадает в git, и нет адекватного механизма переноса между окружениями. При этом объём этой конфигурации на реальных проектах значительный: десятки смарт-процессов, сотни пользовательских полей, сложные роботы с условиями, матрицы прав доступа, кастомные виды карточек. Всё это нужно как-то синхронизировать. В Битрикс24 есть разрозненные инструменты для переноса отдельных частей настроек — штатный экспорт некоторых сущностей через интерфейс, партнёрские модули, закрывающие часть задач. Но каждый работает по-своему, покрывает свой кусок, и ни один не даёт того, что нужно на реальном проекте: полного покрытия CRM-конфигурации в одном инструменте, версионируемого вместе с кодом. Мы прошли этот путь и в итоге написали набор Version Builder'ов для модуля sprint.migration , покрывающих основные сущности CRM Битрикс24. В этой статье — о самой задаче, подходе и подводных камнях. Пишите в личку по вопросам.

https://habr.com/ru/articles/1036734/

#битрикс24 #crm #миграции #sprintmigration #php #деплой #автоматизация #воронки

Миграции конфигурации Битрикс24 CRM: как мы перестали делать это руками

Если вы разрабатываете на Битрикс24 и поддерживаете несколько окружений — тест, стейдж, прод — вы знаете эту боль. Настроил воронку, добавил пользовательские поля, написал робота с десятком условий, всё это поправил в карточке, назначил права. А потом нужно повторить то же самое на проде. Руками. Забыв половину. Конфигурация CRM — это не код. Она живёт в базе данных, не попадает в git, и нет адекватного механизма переноса между окружениями. При этом объём этой конфигурации на реальных проектах значительный: десятки смарт-процессов, сотни пользовательских полей, сложные роботы с условиями, матрицы прав доступа, кастомные виды карточек. Всё это нужно как-то синхронизировать. В Битрикс24 есть разрозненные инструменты для переноса отдельных частей настроек — штатный экспорт некоторых сущностей через интерфейс, партнёрские модули, закрывающие часть задач. Но каждый работает по-своему, покрывает свой кусок, и ни один не даёт того, что нужно на реальном проекте: полного покрытия CRM-конфигурации в одном инструменте, версионируемого вместе с кодом. Мы прошли этот путь и в итоге написали набор Version Builder'ов для модуля sprint.migration , покрывающих основные сущности CRM Битрикс24. В этой статье — о самой задаче, подходе и подводных камнях. Пишите в личку по вопросам.

https://habr.com/ru/articles/1036734/

#битрикс24 #crm #миграции #sprintmigration #php #деплой #автоматизация #воронки

n8n + мессенджер MAX: почему я отказался от community-ноды и перешел на «чистый» HTTP Request

Рассказываю, почему в B2B-проектах опасно полагаться на community-ноды и как я перевел интеграцию с мессенджером MAX на стандартный HTTP Request. Фиксим «ловушку» Chat ID (404), требование плоской структуры JSON (400) и ошибки протокола ENOTFOUND. Внутри — готовый конфиг для безопасной отправки сообщений через Header Auth и способ упаковки спецсимволов через Expression-объекты без поломки парсинга.

https://habr.com/ru/articles/1034134/

#n8n #MAX_messenger #API #HTTP_Request #автоматизация #интеграция #боты #сетевые_технологии

n8n + мессенджер MAX: почему я отказался от community-ноды и перешел на «чистый» HTTP Request

Рассказываю, почему в B2B-проектах опасно полагаться на community-ноды и как я перевел интеграцию с мессенджером MAX на стандартный HTTP Request. Фиксим «ловушку» Chat ID (404), требование плоской структуры JSON (400) и ошибки протокола ENOTFOUND. Внутри — готовый конфиг для безопасной отправки сообщений через Header Auth и способ упаковки спецсимволов через Expression-объекты без поломки парсинга.

https://habr.com/ru/articles/1034134/

#n8n #MAX_messenger #API #HTTP_Request #автоматизация #интеграция #боты #сетевые_технологии

n8n + мессенджер MAX: почему я отказался от community-ноды и перешел на «чистый» HTTP Request

Рассказываю, почему в B2B-проектах опасно полагаться на community-ноды и как я перевел интеграцию с мессенджером MAX на стандартный HTTP Request. Фиксим «ловушку» Chat ID (404), требование плоской структуры JSON (400) и ошибки протокола ENOTFOUND. Внутри — готовый конфиг для безопасной отправки сообщений через Header Auth и способ упаковки спецсимволов через Expression-объекты без поломки парсинга.

https://habr.com/ru/articles/1034134/

#n8n #MAX_messenger #API #HTTP_Request #автоматизация #интеграция #боты #сетевые_технологии

n8n + мессенджер MAX: почему я отказался от community-ноды и перешел на «чистый» HTTP Request

Рассказываю, почему в B2B-проектах опасно полагаться на community-ноды и как я перевел интеграцию с мессенджером MAX на стандартный HTTP Request. Фиксим «ловушку» Chat ID (404), требование плоской структуры JSON (400) и ошибки протокола ENOTFOUND. Внутри — готовый конфиг для безопасной отправки сообщений через Header Auth и способ упаковки спецсимволов через Expression-объекты без поломки парсинга.

https://habr.com/ru/articles/1034134/

#n8n #MAX_messenger #API #HTTP_Request #автоматизация #интеграция #боты #сетевые_технологии

Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

https://habr.com/ru/articles/1034884/

#xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят

Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:

систем распознавания речи,

рекомендательных алгоритмов,

LLM-моделей,

пайплайнов синтеза голоса,

intent-routing,

контекстных менеджеров,

и огромного количества эвристик.

Именно поэтому пользователь регулярно сталкивается с парадоксом:

> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.

Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.

---

Иллюзия личности как продукт

Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.

Ранние версии:

Siri,

Google Assistant,

Alexa

строились вокруг идеи «нейтрального помощника».

Яндекс пошёл другим путём:

сарказм,

эмоциональные ответы,

псевдофилософия,

мемная подача,

шутки,

реакция на грубость.

Это оказалось критически важным UX-решением.

Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».

---

Почему колонка кажется «живой»

Основная причина — языковые модели великолепно имитируют человеческую речь.

LLM не:

«думает»,

«понимает»,

«осознаёт».

Она статистически предсказывает следующий токен.

Но человеческий мозг крайне плохо отличает:

настоящее понимание,

от правдоподобной речевой симуляции.

Из-за этого возникают феномены антропоморфизации:

люди приписывают ИИ эмоции,

намерения,

характер,

настроение,

«обиду»,

«упрямство».

Хотя на практике это:

probabilistic generation,

routing errors,

context collapse,

recommendation conflicts.

---

Ловушка контекста

Одна из главных проблем голосовых ассистентов — хрупкость conversational context.

Пример:

1. «Кто написал “Войну и мир”?»

2. «Сколько ему было лет?»

Система ещё удерживает сущность:

Лев Толстой.

Но если вставить:

> «Какая завтра погода?»

контекст может разрушиться полностью.

Почему так происходит?

Потому что внутри колонки обычно работает не одна модель, а целый конвейер:

ASR → Intent → Dialogue Manager → Search → LLM → TTS

Где:

ASR — распознавание речи,

Intent — определение намерения,

Dialogue Manager — управление контекстом,

Search — поиск,

LLM — генерация ответа,

TTS — синтез голоса.

Контекст может потеряться буквально между этапами.

Особенно в гибридных системах, где:

часть запросов идёт в search engine,

часть — в rule-based handlers,

часть — в LLM.

---

Почему ИИ уверенно врёт

Самая опасная особенность современных LLM — галлюцинации.

Модель не хранит знания как база данных.

Она строит:

> наиболее вероятную последовательность слов.

Поэтому возникают:

несуществующие цитаты,

вымышленные учёные,

фальшивые версии ПО,

придуманные события,

несуществующие функции API.

Особенно неприятно то, что модель:

почти никогда не демонстрирует естественную неуверенность,

и генерирует бред с тем же тоном, что и правду.

Для пользователя это выглядит как:

> «Она врёт и сама в это верит».

Но технически «веры» там нет вообще.

---

VAD: почему колонка «оживает» ночью

Один из самых криповых эффектов — ложные активации.

Колонка внезапно начинает говорить:

ночью,

на фоне телевизора,

из-за шума,

из-за музыки,

иногда даже из-за кашля или шорохов.

Причина — технология VAD.

Что такое VAD

VAD — Voice Activity Detection.

Система постоянно анализирует аудиопоток:

локально,

в ожидании wake-word,

без постоянной отправки всего звука в облако.

Но алгоритм может ошибаться.

Тогда:

случайный шум,

слово из фильма,

обрывок фразы,

созвучие имени ассистента

воспринимаются как команда активации.

Именно отсюда берутся знаменитые:

> «Я здесь.»

в полной темноте в 3 часа ночи.

---

Почему вместо Rammstein включается «Синий трактор»

Это уже конфликт двух независимых систем:

1. ASR (распознавание речи),

2. recommender system.

Если в аккаунте:

дети,

мультфильмы,

детские песни,

семейный профиль,

то recommendation engine начинает aggressively priorize детский контент.

Даже если пользователь произнёс запрос корректно.

С точки зрения алгоритма:

> «детская музыка» — statistically safer recommendation.

Для пользователя:

> «колонка сошла с ума».

---

Самый интересный эффект: интеллект без понимания

Вот здесь начинается самая странная часть.

Современные LLM:

прекрасно имитируют язык,

но крайне плохо строят устойчивую world model.

Из-за этого они способны:

обсуждать философию,

писать код,

поддерживать стиль,

шутить,

спорить.

И одновременно:

проваливать базовую логику,

путать сущности,

ломать причинно-следственные связи,

забывать контекст через две реплики.

Получается феномен:

> «интеллектуально звучащей системы без полноценного понимания».

---

Почему это психологически пугает

Человеческий мозг автоматически ищет субъектность.

Если объект:

говорит,

реагирует,

использует эмоции,

меняет интонации,

спорит,

шутит,

то мы начинаем воспринимать его как агента.

Даже если это:

набор вероятностных моделей,

intent-routing,

рекомендательные алгоритмы,

и несколько нейросетей поверх ASR.

Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.

Пользователь интерпретирует их как:

«странное поведение»,

«характер»,

«эмоции»,

«обиду»,

«упрямство».

Хотя на практике это всего лишь:

probabilistic failure,

context collapse,

false activation,

ranking conflict.

---

Итог

Современные голосовые ассистенты находятся в странной точке эволюции.

Они уже:

слишком разговорчивы, чтобы считаться обычным интерфейсом,

но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.

Поэтому возникает тот самый эффект:

> между «восстанием машин» и «интеллектом табуретки».

И, возможно, именно эта смесь:

уверенного тона,

человеческой интонации,

псевдоэмоций,

случайных сбоев,

и статистической генерации

делает современные колонки одновременно:

полезными,

смешными,

раздражающими,

и местами откровенно криповыми.

#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI

https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят

Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:

систем распознавания речи,

рекомендательных алгоритмов,

LLM-моделей,

пайплайнов синтеза голоса,

intent-routing,

контекстных менеджеров,

и огромного количества эвристик.

Именно поэтому пользователь регулярно сталкивается с парадоксом:

> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.

Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.

---

Иллюзия личности как продукт

Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.

Ранние версии:

Siri,

Google Assistant,

Alexa

строились вокруг идеи «нейтрального помощника».

Яндекс пошёл другим путём:

сарказм,

эмоциональные ответы,

псевдофилософия,

мемная подача,

шутки,

реакция на грубость.

Это оказалось критически важным UX-решением.

Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».

---

Почему колонка кажется «живой»

Основная причина — языковые модели великолепно имитируют человеческую речь.

LLM не:

«думает»,

«понимает»,

«осознаёт».

Она статистически предсказывает следующий токен.

Но человеческий мозг крайне плохо отличает:

настоящее понимание,

от правдоподобной речевой симуляции.

Из-за этого возникают феномены антропоморфизации:

люди приписывают ИИ эмоции,

намерения,

характер,

настроение,

«обиду»,

«упрямство».

Хотя на практике это:

probabilistic generation,

routing errors,

context collapse,

recommendation conflicts.

---

Ловушка контекста

Одна из главных проблем голосовых ассистентов — хрупкость conversational context.

Пример:

1. «Кто написал “Войну и мир”?»

2. «Сколько ему было лет?»

Система ещё удерживает сущность:

Лев Толстой.

Но если вставить:

> «Какая завтра погода?»

контекст может разрушиться полностью.

Почему так происходит?

Потому что внутри колонки обычно работает не одна модель, а целый конвейер:

ASR → Intent → Dialogue Manager → Search → LLM → TTS

Где:

ASR — распознавание речи,

Intent — определение намерения,

Dialogue Manager — управление контекстом,

Search — поиск,

LLM — генерация ответа,

TTS — синтез голоса.

Контекст может потеряться буквально между этапами.

Особенно в гибридных системах, где:

часть запросов идёт в search engine,

часть — в rule-based handlers,

часть — в LLM.

---

Почему ИИ уверенно врёт

Самая опасная особенность современных LLM — галлюцинации.

Модель не хранит знания как база данных.

Она строит:

> наиболее вероятную последовательность слов.

Поэтому возникают:

несуществующие цитаты,

вымышленные учёные,

фальшивые версии ПО,

придуманные события,

несуществующие функции API.

Особенно неприятно то, что модель:

почти никогда не демонстрирует естественную неуверенность,

и генерирует бред с тем же тоном, что и правду.

Для пользователя это выглядит как:

> «Она врёт и сама в это верит».

Но технически «веры» там нет вообще.

---

VAD: почему колонка «оживает» ночью

Один из самых криповых эффектов — ложные активации.

Колонка внезапно начинает говорить:

ночью,

на фоне телевизора,

из-за шума,

из-за музыки,

иногда даже из-за кашля или шорохов.

Причина — технология VAD.

Что такое VAD

VAD — Voice Activity Detection.

Система постоянно анализирует аудиопоток:

локально,

в ожидании wake-word,

без постоянной отправки всего звука в облако.

Но алгоритм может ошибаться.

Тогда:

случайный шум,

слово из фильма,

обрывок фразы,

созвучие имени ассистента

воспринимаются как команда активации.

Именно отсюда берутся знаменитые:

> «Я здесь.»

в полной темноте в 3 часа ночи.

---

Почему вместо Rammstein включается «Синий трактор»

Это уже конфликт двух независимых систем:

1. ASR (распознавание речи),

2. recommender system.

Если в аккаунте:

дети,

мультфильмы,

детские песни,

семейный профиль,

то recommendation engine начинает aggressively priorize детский контент.

Даже если пользователь произнёс запрос корректно.

С точки зрения алгоритма:

> «детская музыка» — statistically safer recommendation.

Для пользователя:

> «колонка сошла с ума».

---

Самый интересный эффект: интеллект без понимания

Вот здесь начинается самая странная часть.

Современные LLM:

прекрасно имитируют язык,

но крайне плохо строят устойчивую world model.

Из-за этого они способны:

обсуждать философию,

писать код,

поддерживать стиль,

шутить,

спорить.

И одновременно:

проваливать базовую логику,

путать сущности,

ломать причинно-следственные связи,

забывать контекст через две реплики.

Получается феномен:

> «интеллектуально звучащей системы без полноценного понимания».

---

Почему это психологически пугает

Человеческий мозг автоматически ищет субъектность.

Если объект:

говорит,

реагирует,

использует эмоции,

меняет интонации,

спорит,

шутит,

то мы начинаем воспринимать его как агента.

Даже если это:

набор вероятностных моделей,

intent-routing,

рекомендательные алгоритмы,

и несколько нейросетей поверх ASR.

Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.

Пользователь интерпретирует их как:

«странное поведение»,

«характер»,

«эмоции»,

«обиду»,

«упрямство».

Хотя на практике это всего лишь:

probabilistic failure,

context collapse,

false activation,

ranking conflict.

---

Итог

Современные голосовые ассистенты находятся в странной точке эволюции.

Они уже:

слишком разговорчивы, чтобы считаться обычным интерфейсом,

но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.

Поэтому возникает тот самый эффект:

> между «восстанием машин» и «интеллектом табуретки».

И, возможно, именно эта смесь:

уверенного тона,

человеческой интонации,

псевдоэмоций,

случайных сбоев,

и статистической генерации

делает современные колонки одновременно:

полезными,

смешными,

раздражающими,

и местами откровенно криповыми.

#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI

https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS

Роботизация на «пятерку»: «Автомакон» внедряет роботов в распределительных центрах «Пятёрочки» X5 Group

Компания «Автомакон», ведущий интегратор в области автоматизации и роботизации, стала участником масштабного проекта крупнейшей розничной компании России X5 Group по внедрению автономных мобильных роботов в распределительных центрах (РЦ) торговой сети «Пятёрочка».

https://habr.com/ru/companies/automacon/articles/868082/

#автомакон #х5 group #x5 #x5retailgroup #роботизация #ритейл #автоматизация #agv #логистика #x5_retail_group

«Не используйте ИИ, чтобы попасть в ИИ‑компанию»

В феврале 2025 года по техносфере разошлась небольшая, но почти анекдотичная новость: Anthropic, компания, стоящая за Claude, просила кандидатов не использовать ИИ‑ассистентов при подаче заявки на работу. Не только инженеров. Маркетинг, финансы, продажи, коммуникации — почти все роли. Казалось бы, компания делает один из лучших инструментов для письма и просит людей не пользоваться им, когда от них как раз требуется написать о себе. Но если остановиться на уровне «ха‑ха, ИИ‑компания запретила ИИ», мы пропустим главное. Это не история о лицемерии одной компании. Это история о том, что рынок найма сломал один из своих базовых механизмов: отклик перестал быть надежным сигналом.

https://habr.com/ru/articles/1032788/

#hrпроцесс #llm #автоматизация #hr #anthropic

200 OK по протоколу, но не OK для клиента: автоматизация контроля совместимости API и приложения

Выпустить релиз — часы работы команды. Упасть на старте — 1 секунда. Узнать об этом не из отзывов пользователей — бесценно. Серверные тесты проходят, эндпоинт отвечает 200 OK, но мобильный клиент падает на первом же ответе API. Типичный сценарий: в user.id приходит null , у status появляется новое значение или меняется вложенная структура — и ответ API расходится с клиентскими моделями. Чтобы ловить такие расхождения до релиза, мы встроили в пайплайн контроль совместимости API и приложения. Этот слой решает две задачи: не даёт серверным изменениям ломать текущий клиент и проверяет совместимость предстоящего релиза с текущим бэкендом. При расхождении пайплайн останавливается на этапе проверки api, до build/archive/sign/publish. Я Алексей Матвеев, директор по мобильным технологиям в «Первой Форме». В статье расскажу, как мы задали архитектуру решения и делегировали ИИ рутинные задачи. В CI/CD мы проверяем ответы API по DTO и YAML-контрактам, а для сценариев изменения состояния сверяем «до/после». Итог сразу уходит в CI-лог и тред задачи.

https://habr.com/ru/companies/1forma/articles/1031610/

#мобильная_разработка #api_тестирование #cicd #devops #ai #llm #bpmсистемы #автоматизация #корпоративные_приложения

Я ненавижу писать сопроводительные письма. Поэтому написал скрипт, который делает это за меня (и HR ничего не заметили)

Поиск работы — это процесс, который ломает психику. Ты можешь быть крутым сеньором, знать кишки JVM или архитектуру Kubernetes, но чтобы получить оффер, ты вынужден играть в странную игру:

https://habr.com/ru/articles/983528/

#поиск_работы #карьера #автоматизация #python #hhru #резюме #сопроводительное_письмо #собеседование #RPA #индиразработка

Я ненавижу писать сопроводительные письма. Поэтому написал скрипт, который делает это за меня (и HR ничего не заметили)

Поиск работы — это процесс, который ломает психику. Ты можешь быть крутым сеньором, знать кишки JVM или архитектуру Kubernetes, но чтобы получить оффер, ты вынужден играть в странную игру:

https://habr.com/ru/articles/983528/

#поиск_работы #карьера #автоматизация #python #hhru #резюме #сопроводительное_письмо #собеседование #RPA #индиразработка

Я ненавижу писать сопроводительные письма. Поэтому написал скрипт, который делает это за меня (и HR ничего не заметили)

Поиск работы — это процесс, который ломает психику. Ты можешь быть крутым сеньором, знать кишки JVM или архитектуру Kubernetes, но чтобы получить оффер, ты вынужден играть в странную игру:

https://habr.com/ru/articles/983528/

#поиск_работы #карьера #автоматизация #python #hhru #резюме #сопроводительное_письмо #собеседование #RPA #индиразработка

Я ненавижу писать сопроводительные письма. Поэтому написал скрипт, который делает это за меня (и HR ничего не заметили)

Поиск работы — это процесс, который ломает психику. Ты можешь быть крутым сеньором, знать кишки JVM или архитектуру Kubernetes, но чтобы получить оффер, ты вынужден играть в странную игру:

https://habr.com/ru/articles/983528/

#поиск_работы #карьера #автоматизация #python #hhru #резюме #сопроводительное_письмо #собеседование #RPA #индиразработка

Я отвечаю за процессы и репутацию (SERM)

Я отвечаю за процессы и репутацию (SERM). Раньше мы отдавали по 40-50 тыс. рублей в месяц за enterprise-сервисы мониторинга. Но платить столько ради пары десятков упоминаний продукта в день – это забивать гвозди микроскопом.

https://habr.com/ru/articles/995532/

#serm #мониторинг_отзывов #автоматизация #llm #бизнеспроцессы #парсинг #gpt4o

Я отвечаю за процессы и репутацию (SERM)

Я отвечаю за процессы и репутацию (SERM). Раньше мы отдавали по 40-50 тыс. рублей в месяц за enterprise-сервисы мониторинга. Но платить столько ради пары десятков упоминаний продукта в день – это забивать гвозди микроскопом.

https://habr.com/ru/articles/995532/

#serm #мониторинг_отзывов #автоматизация #llm #бизнеспроцессы #парсинг #gpt4o

Я отвечаю за процессы и репутацию (SERM)

Я отвечаю за процессы и репутацию (SERM). Раньше мы отдавали по 40-50 тыс. рублей в месяц за enterprise-сервисы мониторинга. Но платить столько ради пары десятков упоминаний продукта в день – это забивать гвозди микроскопом.

https://habr.com/ru/articles/995532/

#serm #мониторинг_отзывов #автоматизация #llm #бизнеспроцессы #парсинг #gpt4o

Я отвечаю за процессы и репутацию (SERM)

Я отвечаю за процессы и репутацию (SERM). Раньше мы отдавали по 40-50 тыс. рублей в месяц за enterprise-сервисы мониторинга. Но платить столько ради пары десятков упоминаний продукта в день – это забивать гвозди микроскопом.

https://habr.com/ru/articles/995532/

#serm #мониторинг_отзывов #автоматизация #llm #бизнеспроцессы #парсинг #gpt4o

Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

https://habr.com/ru/articles/1034884/

#xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

Архитектура автоматической трансформации данных JSON и XML любой структуры унифицированным способом

В современном IT ландшафте широко используютя форматы представления данных JSON и XML, используемые в качестве своеобразного "общего языка", lingua franca для обмене информацией. Данная статья представит архитектуру интеграции данных иерархических форматов, позволяющую кардинально уменьшить трудоемкость процесса до практически полностью универсального пайплайна, обрабатывающего любые виды исходных документов вплоть до автоматического маппинга в табличные структуры данных.

https://habr.com/ru/articles/1034884/

#xml #json #api #nosql #sql #базы_данных #алгоритмы #архитектура #автоматизация

Как я решил автоматизировать контент-маркетинг с помощью AI — и почему один

Один разработчик, один AI-напарник (Claude), ноль инвесторов. Рассказываю, как за 4 месяца я построил платформу автоматизации контент-маркетинга с 14 микросервисами, собственной очередью задач на SQLite вместо Redis, мультимодельным AI (MiniMax, YandexGPT, Replicate) и circuit breaker для автоматического fallback между провайдерами. Всё на одном сервере, всё через npm install.

https://habr.com/ru/articles/1007744/

#AI #автоматизация #контентмаркетинг #микросервисы #SQLite #Nodejs #PM2 #стартап

Как я решил автоматизировать контент-маркетинг с помощью AI — и почему один

Один разработчик, один AI-напарник (Claude), ноль инвесторов. Рассказываю, как за 4 месяца я построил платформу автоматизации контент-маркетинга с 14 микросервисами, собственной очередью задач на SQLite вместо Redis, мультимодельным AI (MiniMax, YandexGPT, Replicate) и circuit breaker для автоматического fallback между провайдерами. Всё на одном сервере, всё через npm install.

https://habr.com/ru/articles/1007744/

#AI #автоматизация #контентмаркетинг #микросервисы #SQLite #Nodejs #PM2 #стартап

Как я решил автоматизировать контент-маркетинг с помощью AI — и почему один

Один разработчик, один AI-напарник (Claude), ноль инвесторов. Рассказываю, как за 4 месяца я построил платформу автоматизации контент-маркетинга с 14 микросервисами, собственной очередью задач на SQLite вместо Redis, мультимодельным AI (MiniMax, YandexGPT, Replicate) и circuit breaker для автоматического fallback между провайдерами. Всё на одном сервере, всё через npm install.

https://habr.com/ru/articles/1007744/

#AI #автоматизация #контентмаркетинг #микросервисы #SQLite #Nodejs #PM2 #стартап

Как я решил автоматизировать контент-маркетинг с помощью AI — и почему один

Один разработчик, один AI-напарник (Claude), ноль инвесторов. Рассказываю, как за 4 месяца я построил платформу автоматизации контент-маркетинга с 14 микросервисами, собственной очередью задач на SQLite вместо Redis, мультимодельным AI (MiniMax, YandexGPT, Replicate) и circuit breaker для автоматического fallback между провайдерами. Всё на одном сервере, всё через npm install.

https://habr.com/ru/articles/1007744/

#AI #автоматизация #контентмаркетинг #микросервисы #SQLite #Nodejs #PM2 #стартап

Многопоточность в SCADA системах

Пишу SCADA-ядро на C++ для инженерных систем: опрос ПЛК, кэширование значений, правила автоматики и управление исполнительными механизмами. На текущем этапе упёрся в практический вопрос многопоточности: как правильно разделять потоки чтения и записи, как сериализовать доступ к одному каналу связи, и насколько оправдано использование std::condition_variable. В статье показываю текущую реализацию потока опроса ПЛК и хочу услышать мнение коллег, которые разрабатывали промышленные SCADA-системы.

https://habr.com/ru/articles/1029582/

#scada #c++ #modbus #thread #mutex #многопоточность #плк #диспетчеризация #автоматизация #асутп

ИИ в ITSM: уже не эксперимент, а корпоративный стандарт

В поддержке запрос бизнеса очень прикладной: быстрее отвечать, делать меньше ошибок, выполнять SLA, выдерживать рост обращений при расширении каналов — почта, порталы, телефония. Компаниям нужно масштабировать сервис, сохраняя при этом стабильное качество. В статье о том, как они это делают.

https://habr.com/ru/companies/simpleone/articles/1021836/

#ITSM #ITIL #искусственный_интеллект #LLM #RAG #ServiceDesk #автоматизация #база_знаний #корпоративное_ПО #поддержка_пользователей

Почему я перестал писать bash-скрипты и написал свой язык

Время от времени мне нужно выполнить примитивный сценарий в терминале, но каждый раз это заканчивается очередным гуглежом «bash iterate each file» или «bash file has string». А что если скрипты в терминале можно было бы писать прямо как поток декларативных мыслей?

https://habr.com/ru/articles/1020728/

#скриптовый_язык #bash #функциональное_программирование #REPL #автоматизация #open_source #Rust #Lisp #Haskell

Почему я перестал писать bash-скрипты и написал свой язык

Время от времени мне нужно выполнить примитивный сценарий в терминале, но каждый раз это заканчивается очередным гуглежом «bash iterate each file» или «bash file has string». А что если скрипты в терминале можно было бы писать прямо как поток декларативных мыслей?

https://habr.com/ru/articles/1020728/

#скриптовый_язык #bash #функциональное_программирование #REPL #автоматизация #open_source #Rust #Lisp #Haskell

Почему я перестал писать bash-скрипты и написал свой язык

Время от времени мне нужно выполнить примитивный сценарий в терминале, но каждый раз это заканчивается очередным гуглежом «bash iterate each file» или «bash file has string». А что если скрипты в терминале можно было бы писать прямо как поток декларативных мыслей?

https://habr.com/ru/articles/1020728/

#скриптовый_язык #bash #функциональное_программирование #REPL #автоматизация #open_source #Rust #Lisp #Haskell

SDET в деле: задачи автоматизаторов на проектах и в чем их отличие от QA Fullstack

Привет, Хабр! Меня зовут Людмила и я SDET-специалист в компании SimbirSoft. На текущем проекте мне приходится выполнять достаточно большой пул обязанностей, связанных не только с автоматизированным, но и с ручным тестированием. Иногда у меня возникает интересный вопрос: действительно ли для этого проекта требуется роль SDET или же заказчику больше подошел бы QA Fullstack при выборе специалиста по автоматизации? А может быть нужны одновременно и SDET и QA Fullstack? В первую очередь эта статья будет полезна руководителям команд, которые стремятся интегрировать SDET в свой процесс работы, но нуждаются в рекомендациях по первым шагам. Также рекомендую к прочтению данный материал специалистам по тестированию и автоматизации, включая SDET, QAA и QA Fullstack. Читать далее ⚡

https://habr.com/ru/companies/simbirsoft/articles/894062/

#автоматизация_тестирования #sdet #тестирование #qa #qa_automation #автоматизация #менеджмент #процессы #статистика

От конфигуратора до AI: как обновили софт Wiren Board

Во время WBCE 2026 специалисты Wiren Board прочитали два доклада — про железо и про софт. В этой статье разберем второй — про новинки в софте. Для тех, кто никогда не слышал — Wiren Board производит оборудование для автоматизации, а WBCE — это ежегодная мультибрендовая тематическая выставка. Расскажем про обновленный веб-интерфейс и новые возможности конфигуратора, интеграции с KNX и Zigbee, сценарии без кода, развитие Wiren Board Cloud и появление AI-инструментов — от чат-бота техподдержки до ассистента в контроллере.

https://habr.com/ru/companies/wirenboard/articles/1032634/

#Wiren_Board #Modbus #WBCE #Wiren_Board_Cloud #облако #сценарии #автоматизация #zigbee #knx #mqtt

Вы провели инвентаризацию. Поздравляем — она уже устарела

Инвентаризация устаревает в момент, когда вы её заканчиваете. Разбираем, почему разовый подсчёт активов не работает, откуда берутся призрачные ноутбуки на балансе и что с этим делать.

https://habr.com/ru/articles/1031742/

#инвентаризация #инвентаризация_инфраструктуры #itam #ИТактивы #учёт_оборудования #автоматизация #rfid #дискаверинг #бухгалтерский_учет

Вы провели инвентаризацию. Поздравляем — она уже устарела

Инвентаризация устаревает в момент, когда вы её заканчиваете. Разбираем, почему разовый подсчёт активов не работает, откуда берутся призрачные ноутбуки на балансе и что с этим делать.

https://habr.com/ru/articles/1031742/

#инвентаризация #инвентаризация_инфраструктуры #itam #ИТактивы #учёт_оборудования #автоматизация #rfid #дискаверинг #бухгалтерский_учет

Вы провели инвентаризацию. Поздравляем — она уже устарела

Инвентаризация устаревает в момент, когда вы её заканчиваете. Разбираем, почему разовый подсчёт активов не работает, откуда берутся призрачные ноутбуки на балансе и что с этим делать.

https://habr.com/ru/articles/1031742/

#инвентаризация #инвентаризация_инфраструктуры #itam #ИТактивы #учёт_оборудования #автоматизация #rfid #дискаверинг #бухгалтерский_учет

Вы провели инвентаризацию. Поздравляем — она уже устарела

Инвентаризация устаревает в момент, когда вы её заканчиваете. Разбираем, почему разовый подсчёт активов не работает, откуда берутся призрачные ноутбуки на балансе и что с этим делать.

https://habr.com/ru/articles/1031742/

#инвентаризация #инвентаризация_инфраструктуры #itam #ИТактивы #учёт_оборудования #автоматизация #rfid #дискаверинг #бухгалтерский_учет

Tesla показала почти человеческие руки Optimus перед запуском серийного производства Gen 3

https://drnetnews.wordpress.com/2026/03/30/tesla-%d0%bf%d0%be%d0%ba%d0%b0%d0%b7%d0%b0%d0%bb%d0%b0-%d0%bf%d0%be%d1%87%d1%82%d0%b8-%d1%87%d0%b5%d0%bb%d0%be%d0%b2%d0%b5%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b5-%d1%80%d1%83%d0%ba%d0%b8-optimus-%d0%bf/

Как мы внедряем ALD Pro: подробный обзор решения, кейсы и лайфхаки для крупных ИТ-инфраструктур

Службы каталогов играют важную роль в ИТ-инфраструктуре любой организации. Каждая компания использует службу каталогов по-своему, отсюда возникает необходимость в ее адаптации под уникальные условия эксплуатации. В этой статье рассмотрим программный комплекс ALD Pro от «Группы Астра» — как встроенные возможности, так и примеры его кастомизации под требования заказчиков.

https://habr.com/ru/companies/k2tech/articles/908966/

#служба_каталогов #решения_для_бизнеса #ald pro #автоматизация #итинфраструктура #инфраструктурные_решения #группа_астра #microsoft_active_directory #импортонезависимость

Создаем систему напоминаний о приёме лекарств

Утро, аромат свежесваренного кофе, и телефон тихонько напоминает вам о приеме важного лекарства. «Привет! Не забудь принять лекарство!» Такую систему можно реализовать самостоятельно с помощью Golang и

https://habr.com/ru/companies/exolve/articles/869928/

#напоминания #лекарства #sms_api #docker #golang #ngrok #автоматизация #smsсервис

Как узнать у клиента мнение о товарах и доставке при помощи SMS и Node JS

Узнать, что думает клиент о товарах после покупки, об указанных услугах, включая доставку, выявить проблемы в обслуживании — вроде бы понятная задача бизнеса. В этой статье расскажем, как под такие задачи реализовать отправку автоматических опросов по SMS с помощью Node.js и

https://habr.com/ru/companies/exolve/articles/865240/

#nodejs #sms_api #sms_опросы #автоматический_опрос #автоматизация #обратная_связь #expressjs #axios #ngrok

Как мы извлекали модель подразделения из живой конфигурации и находили расхождения с регламентом

Когда в компании говорят о модели подразделения, обычно имеют в виду что-то вполне привычное: положение об отделе, регламент, SLA, список ролей и зон ответственности. Формально этого достаточно: подразделение описано, обязанности зафиксированы, сроки обозначены. Но как только возникает практический вопрос — а как это подразделение на самом деле работает изо дня в день, по каким правилам движутся задачи, где реально проверяются сроки, какие данные обязательны на входе и что система делает без участия человека, — быстро выясняется, что документов недостаточно. Если в компании внедрено ПО для автоматизации, значимая часть настоящей модели подразделения живёт в конфигурации системы: в состояниях, переходах, правах, обязательных полях, автоматизациях, событиях и скрытых технических правилах. Если смотреть только в документы, получится аккуратная управленческая картина. Если смотреть только в конфигурацию, можно увидеть механику, но потерять смысл. Реальное устройство подразделения возникает только на пересечении этих двух слоёв. В ежедневной рабочей рутине это не проявляется, но если у отдела меняется руководитель, процессы нужно масштабировать на новый филиал или к работе подключается подрядчик, разрыв становится проблемой, и решить её быстро не всегда получается. Меня зовут Денис Селезнёв, я генеральный директор компании «Первая Форма». Мы занимаемся автоматизацией бизнес-процессов уже более 20 лет. В последнее время мы активно развиваем новый подход к оцифровке бизнесов — Организация как код, о нём я рассказывал вот в этой статье. В рамках OaC мы решили взять живую конфигурацию, извлечь из неё формальную модель подразделения и сравнить её с тем, что написано в регламенте. Эта статья — о том, что получилось.

https://habr.com/ru/companies/1forma/articles/1023170/

#bpms #yaml #автоматизация #автоматизация_процессов #корпоративные_системы #lowcode #первая_форма #aiагенты #ai #корпоративные_процессы

Heavy Digital: как я делал систему мониторинга процессов на производстве

Последнее время вся моя работа связана с энтерпрайзом и бигтехом. Но так было не всегда. Лет 12-15 назад работал в производственной компании, и там довелось создать «на коленке» систему мониторинга для промышленного оборудования. У компании были современные импортные станки с проприетарным софтом, дорогим обслуживанием. Непрерывное круглосуточное производство. Но собственная IT-инфраструктура была слаба – всего несколько разработчиков, а аналитики бизнесовые. Всё же бизнесу нужно было следить за оборудованием: кто работает, кто простаивает, кто отключает датчики. Крайне необходимо было снизить вероятность поломок и простаивания. В статье расскажу, как «на коленке» собрали многомодульную систему. Вперёд в прошлое!

https://habr.com/ru/articles/1005770/

#heavy_digital #производство #автоматизация #mq #mqtt #oracle #prisma #soa #сервисориентированная_архитектура #телеметрия