Ценообразие как инструмент стратегии Прежде чем установить цену, важно оценить клиента по трём ключевым параметрам: 1. Импортирует ли он товар самостоятельно. 2. Является ли сетью или оптовым звеном. 3. Какой у него канал сбыта. Федеральные сети Для поставщиков федеральных сетей наценка минимальна. Жёсткие правила, долгие согласования и высокая конкуренция делают рынок малоподвижным. Розница и мелкие дистрибьюторы Когда клиент работает с розничными точками, киосками или небольшими дистрибьюторами, появляется больше манёвра. Важен не только ценник, но и комплекс предложения — логистика, сервис, поддержка. Здесь можно устанавливать более высокую наценку. Прямой импорт или зависимость от поставщика Если клиент не импортирует сам, он зависит от вас в цепочке поставок. Это даёт больше контроля и гибкости при формировании условий. Фаундер | Бизнес и Стартапы

Вперед к монорепам Практика показывает, что эффективнее всего с агентами работать тогда, когда весь контекст есть по рукой и можно просто погрепать, причем речь идет не про один какой-то конкретный сервис/проект, а когда все репозитории проекта, лежат в одной папке, а возможно даже в одном репозитории. В таком случае и дока общая (это важно для спек) и все просвечивается насквозь и пулреквесты можно сразу бахнуть везде. Но многое зависит от размеров. Понятно что вообще все сервисы в одно место может быть перебором, скорее это правило применимо к командам и тому что у них там внутри. Но это не мешает теоретически заливать и чужие сервисы рядышком, чтобы по ним можно было погрепать если это имеет смысл. Объединения можно добиться двумя способами. Один это тупо все свалить в одну репу (что не заставляет нас собирать все как единый проект) и работать всегда из корня. Более того, в некоторых языках системы сборки поддерживают прямо такой режим работы, поэтому в какой-нибудь Java, получается двойной выигрыш. Второй, это сделать единую высокоуровневую репу, в которой хранятся спеки и любые другие общие доки, а дальше с помощью настроенных команд все клонируется внутрь по подпапочкам. Делать это кстати не обязательно ручками/скриптами, для этого уже есть готовая утилита ghorg. Ну а дальше, эта репа постепенно обрастает артефактами: доками и скриптами, которые помогают работать на всем объеме репозиториев. Если еще на это насадить openspec так вообще красота. Кстати у последнего появилась такая штука как Store, это как раз подобный репозиторий, но без необходимости все складывать внутрь одной папки. Там идея такая что репа со спеками (Store) кладется в домашнюю директорию, а в репах проекта на нее дается ссылка. Дальше команды openspec все это знают учитывают и работают со Store отдельно. И расскажу про наш кейс. На хекслете много практик и проектов. Каждая сущность это своя репа (потому что свой релизный цикл) и даже каждый курс (тексты) это тоже своя репа. Суммарно это под 8000 репозиторев. Плюс для них есть набор базовых образов и разных проверочных скриптов. Так вот у нас всегда существовал подход, когда есть одна базовая репа с общими штуками и туда с помощью make clone добавлялись все эти репы. Но правилось это ручками. А сейчас мало того, что ии может менять все пачками (например связано обновить версию react в курсе + практиках + проекте), так мы еще добавили туда редактор (на него завязана часть логики) и сотни наших реп с гитхаба, куда мы выкладываем разного рода библиотеки и базы данных для курсов. То есть теперь в одном месте практически 100 процентный контекст (осталось еще mcp на хекслете завести, чтобы еще фидбек по курсам и вопросы в ассистента связать). У нас бывают дни, когда мы можем за раз поправить 500-1000 реп.

Как не надо проходить собеседования Значит где-то год назад: Захотел я поменять свое место работы (но не прям сильно захотел), обновил резюме и сижу жду пока меня крутого дата инженера куда-то позовут. Если кто-то будет приходить то буду проходить собесы, а если нет, то мне и тут хорошо И в целом ко мне приходили и звали на собес, но понятно что это происходило реже по сравнению с тем что если бы я сам откликался на вакансии И тут то и возникает главная проблема - умение проходить собеседование это все равно навык, он, конечно, имеет определенную корреляцию с тем насколько ты крутой спец, но все равно далеко не полностью Например на собесах на DE обычно дают sql задачку и часто какую-то простенькую (по крайне мере одну из первых) на оконные функции (пример в коментах) Я оконки знаю и умею с ними работать, но например за последние пару месяцев я их вообще не касался, а работал с другими вещами и в итоге простейшая задача, которая должна занять у меня меньше 5 минут, занимает минут 15 и еще какую-то глупую ошибку сделаю И как же с этим бороться? Ну если мы говорим именно про часть лайв кодига (а помимо sql часто еще и питон дают), то тут есть 2 варианта: 1) Заходить на специальные ресурсы для решения задач по питону и sql (тут писал как меня заблокировали на одном из таких). Ну это ведь это получается, что мы готовимся к собесу, а готовится к собесу это айтой (автор выражает лишь собственное безоговорочно правильное мнение) 2)Посещать больше собесов. И в итоге мы получаем, что к предстоящим собесам готовимся на предыдущих Если мы выбираем второй вариант (а мы выбираем второй вариант), то получаем, что чем больше собесов тем лучше. И поэтому мы не ждем рыбы у моря (ну или как там говорится), а сами откликаемся на вакансии и готовимся к собесам на собесах

OWASP Agent Memory Guard - новая защита от отравления памяти ИИ-агентов. Буду звать его теперь AMG (не mercedes 👍). 📦 помнится говорил про спящих агентов. Это способ атак отложенных во времени и работающих по триггеру в рамках разговора. А-ля стоп слово в bdsm 🤣. AMG в тч работает против таких отложенных инъекций, но в глобал памяти. Если ваш агент хранит память между сессиями, он уязвим к memory poisoning. Атакующий может переписать цели, внедрить промпт-инъекции или инициировать утечку данных, и это переживёт очистку контекста. Что умеет AMG? ✅ Перехватывает все чтения/записи в память агента ✅ Детектирует промпт-инъекции, утечки секретов/PII, модификацию защищённых ключей ✅ Применяет политику: allow, redact, quarantine, block ✅ Работает без внешних API, всё локально ✅ Готовый middleware для LangChain, LlamaIndex. Уже вижу, как безопасники ликуют 😜 Цифры, которые заявляют: · Детекция реальных эксплойтов - 92.5% (recall), малова-то, над бы охваты держать на уровне 95+, а лучше девяток. 😮‍💨 · Точность - 100% (precision), 0% false positive, эти уже хорошо. 🍷 · Задержка ~59 микросекунд на операцию. Итого F1 - 0.961. В общем, есть ещё над чем поработать, но это лучше чем гварды из коробки с 0.67-0.71 уровнем метрик, что я видел на ру рынке. 😐 Уже в pip:

pip install agent-memory-guard

Проект, как заявляется, уже используют Microsoft и OWASP как стандарт. В планах ML-детекция аномалий и защита векторных хранилище, ещё бы в планы ап метрик добавили. 🔗 Репозиторий: https://github.com/OWASP/www-project-agent-memory-guard Безопасность агентов становится обязательной, поэтому не забывайте внедрять защиту памяти в тч. 💪

Когда переехали, но местный язык еще не выучили: лайфхак О нем рассказал один из участников нашего барселонского закрытого чатика: У айфона с недавних пор есть функция Live Translation, которая может в реальном времени переводить диалог по телефону, причем в обе стороны. Русского языка там нет, но перевод на английский ок. Работает на iOS 26 и айфонах 15+ Такое поможет, если рядом нет местноговорящего человека, а надо позвонить в какую-то службу поддержки/больницу/записаться куда-то. Как я понял из отзывов, сегодня это лучший инструмент, чтобы решить вопрос по телефону на незнакомом языке. Там есть задержки конечно, но кажется работает именно так, как должно и как мы представляем синхронный перевод. Какие еще лайфхаки общения на незнакомых языках вы знаете? @kyrillic

⚡️ Liquid AI выжала почти BF16-качество из 4-битных моделей Компания выпустила новые Q4_0-чекпоинты для LFM2.5-230M, 350M, 1.2B и 2.6B, обученные через Quantization-Aware Distillation. Суть QAD простая: высокоточная модель выступает учителем для уже квантованной 4-битной версии. В итоге сохраняются низкое потребление памяти и высокая скорость Q4_0, но заметно возвращается качество, потерянное после обычной квантизации. По тестам Liquid AI новые модели сохраняют примерно 96,5–97,4% качества BF16. Для младших моделей QAD закрывает больше 70% разрыва между обычным Q4_0 и BF16. При этом скорость инференса остается на уровне обычного Q4_0, потому что формат GGUF, layout тензоров и runtime не меняются. Тестировали в том числе на MacBook Pro с M5 Max, Galaxy S26 Ultra и Raspberry Pi 5. https://liquid.ai/blog/qad

CADPA: Игровой рынок Китая в H1'26 Отчёт представили 30 июля на конференции CDEC в Шанхае. Это официальная отраслевая статистика, которую готовит игровой комитет китайской ассоциации CADPA. Все цифры в отчёте приводятся в юанях. Пересчёт в доллары здесь и далее по курсу ~6,74 юаня за доллар на середину августа 2026 года. ❗️CADPA считает выручку китайских площадок и китайских разработчиков. Зарубежные игры, официально не изданные в Китае, в эту статистику не попадают. Рынок ▫️Объём внутреннего рынка Китая в H1'26 составил 188,45 миллиарда юаней (~$27,9 миллиарда), +12,17% YoY. ▫️Игроков в стране к июню 2026 года насчитали 684 миллиона (+0,82% год к году). Аудитория почти не растёт, рост рынка происходит за счёт улучшающейся выручки с пользователей. ▫️Китайские игры собственной разработки заработали внутри страны 163,36 миллиарда юаней (~$24,2 миллиарда), +16,31% год к году. На них приходится 86,7% внутреннего рынка, и растут они заметно быстрее рынка в целом. Экспорт ▫️За рубежом китайские игры заработали $12,37 миллиарда (+30,22% год к году). За цифру отвечают как успешные legacy-проекты, так и новые релизы. ▫️По географии, основные рынки для китайских мобильных игр не поменялись: США (32,31% зарубежной выручки), Япония (14,05%) и Южная Корея (7,48%). Вместе это 53,84%. ▫️Германия, Великобритания и Франция вместе дают 10,14% от зарубежной выручки, доля этих стран немного подросла. ▫️По выручке, если рассматривать топ-100 китайских мобильных игр за рубежом, лидируют стратегии - на них приходится 46,91% выручки. Дальше идут merge-игры (16,22%) и RPG (9,62%). ▫️Merge-игры за год прибавили на 9,74 процентных пункта по выручке. ❗️Так как источник на китайском, есть сомнения, речь о +9,74% YoY или о +9,74 процентных пунктах. В любом случае, рост существенный. Платформы ▫️Мобильные игры внутри Китая заработали 135,21 миллиарда юаней (~$20,1 миллиарда), +7,9% год к году. Это 71,75% внутреннего рынка. ▫️Среди топ-100 мобильных игр по выручке больше всего RPG (22% от общего числа) и стратегий (11%). ▫️А вот по самой выручке в топ-100 первое место у шутеров - 26,23% от всей выручки, и год к году они заметно прибавили. MOBA, как жанр, упал на второе место (18,96% от всей выручки), RPG на третьем месте (14,35%). ▫️Клиентские PC-игры заработали 45,29 миллиарда юаней (~$6,7 миллиарда), +27,92% год к году. На этот сегмент приходится 24,03% рынка и это второй по росту (после мини-игр) сегмент внутреннего рынка. Рост в CADPA связывают с кроссплеем между PC- и мобильными версиями и с отличными результатами нескольких давно живущих проектов. ❗️Клиентские PC-игры в Китае растут в три с половиной раза быстрее мобильных. Впрочем, абсолютные размеры рынка сильно меньше. ▫️Браузерные игры заработали 2,02 миллиарда юаней (~$299 миллионов), -8,47% год к году. Падение продолжается уже несколько лет. ▫️Консольные игры заработали 961 миллион юаней (~$143 миллиона), -7,06% год к году. Основная причина - отсутствие хитов уровня Black Myth: Wukong. ❗️Речь только про официальные консольные продажи внутри Китая. Серый импорт и покупки в зарубежных регионах сюда не попадают, так что реальные цифры выше. ▫️Игры с киберспортивными дисциплинами заработали 89,62 миллиарда юаней (~$13,3 миллиарда), +11,12% год к году. ▫️Аниме-игры заработали 13,27 миллиарда юаней (~$1,97 миллиарда), -8,97% год к году. ▫️Казуальные мобильные игры заработали 18,21 миллиарда юаней (~$2,7 миллиарда), +10,74% YoY. На внутриигровые покупки пришлось 67% всей выручки, на рекламу - 33%. ▫️Мини-игры заработали 31,66 миллиарда юаней (~$4,7 миллиарда), +36,01% год к году. Это самый быстрорастущий сегмент китайского игрового рынка. ▫️Внутри мини-игр внутриигровые покупки принесли 21,14 миллиарда юаней (+38,12%), реклама - 10,52 миллиарда юаней (+31,94%). ▫️Впервые в отчёте появились настольные игры. Сегмент заработал 3,87 миллиарда юаней (~$574 миллиона), и немного растёт - на 4,03% год к году. ▫️Цифровые настольные игры принесли 1,997 миллиарда юаней (51,6% всей выручки), физические - 1,87 миллиарда юаней (48,4%). Источник

(c) Это та самая архитектура, которая позволит запускать Fractal MAS R=3, плодя сотни и тысячи субагентов по разным проектам и воркспейсам. Все их запросы, как через воронку, будут элегантно проходить через единый MCP-сервер, гарантируя отсутствие багов, DB Corrupts и спама интерфейса! Готов перевести эту концепцию в реальный код MCP-сервера, если вы дадите зеленый свет на реализацию. // Fractal MAS R=3 • это фрактальная / рекурсивная декомпозиция задачи большой над подзадачи и если задачу нельзя отдать какой-то "тупой" модели, мы дальше ее дробим фрактально. R=3 это когда таких дроблений может быть 3 уровня. это типа 3*3*3 дроблений (если на 3 подзадачи делить на каждом проходе) -> 27 агентов/процессов в конце будут в итоге и каждый из процессов / узел предыдущий работают через спекулятивные роутеры. Всего узлов 1+3+3*3+3*3*3 -> 40 узлов которые декомпозируют большую задачу - при этом максимально абстрактную, которую по пути надо изучать/делать исследования / делать MVP, A/B тесты, выбирать разные решения и упаковывать в конечную архитектуру решения/ответа. Интересно у меня агенты сами решили так проапдейтиться за счет саморефлексии и моих уточнений / жалоб во время работы в разных чатах. Держу вас в курсе. Пока "на чай" Арни и Сара не заходили. 🤖

✔️ Апдейт ChatGPT: изолированный контекст в Projects, тесты для проверки знаний и правки для Android У проектов появился переключатель контекста - модель может брать общую память или работать только с тем, что загружено внутрь проекта, игнорируя историю остальных чатов. Пересоздавать проект для этого не нужно. Проекты с общим доступом работают только во втором режиме. Пользователи платных тарифов стали видеть на стартовом экране персональные подсказки, которые собираются из прошлых чатов и истории использования инструментов. Бесплатным и образовательным аккаунтам добавили генерацию тестов для самопроверки. В приложении для Android починили сброс фокуса при подключении физической клавиатуры, а кнопка голосового ввода больше не пропадает после того, как прикрепишь файл. @ai_machinelearning_big_data #news #ai #ml