DevOps

🖥 20 Linux-команд, которые должен знать каждый разработчик: 1. ls — показать файлы и директории 2. cd — перейти в другую директорию 3. pwd — показать путь текущей директории 4. mkdir — создать новую директорию 5. rm — удалить файл или директорию 6. cp — скопировать файл или директорию 7. mv — переместить или переименовать файл 8. touch — создать новый файл 9. cat — вывести содержимое файла 10. nano — открыть файл в терминальном редакторе 11. grep — искать текст внутри файлов 12. find — найти файлы и директории 13. chmod — изменить права доступа к файлу 14. chown — изменить владельца файла 15. df -h — проверить свободное место на диске 16. top — посмотреть запущенные процессы 17. ps aux — показать список активных процессов 18. kill — завершить процесс 19. history — показать историю команд 20. clear — очистить экран терминала https://www.youtube.com/shorts/pdqho8kGKCI 🖥 Полезные Linux ресурсы 🚀 Max

HyperDrive — GitOps-платформа для инфраструктуры разработкиОсновная идея:описываете целевую конфигурацию инфраструктуры через код → система приводит ее в желаемое состояние → получаете self-service и автоматическое создание нужных сред (четвергов)То есть вместо ручной настройки:— шаблоны окружений— воспроизводимые среды— все состояние в Git24 марта будет демо архитектуры платформы: регистрация

🐳 Docker Layer Caching Trick Многие Docker-сборки занимают 5–10 минут даже если вы изменили одну строку кода. Причина - неправильный порядок инструкций в Dockerfile. 🚫 Плохой Dockerfile COPY . /app RUN npm install RUN npm run build Если меняется любой файл в коде → слой COPY . меняется. Docker сбрасывает кэш и заново запускает: • npm install • build Даже если зависимости не менялись. ⏳ В итоге - каждая сборка почти с нуля. ✅ Правильный Dockerfile COPY package*.json /app RUN npm install COPY . /app RUN npm run build Теперь Docker работает умнее: если изменился только код: • слой npm install берётся из кэша • пересобирается только build ⚡ Время сборки До - ~10 минут После - ~30 секунд 📌 Золотое правило Dockerfile Сначала кладём то, что редко меняется: • package.json • package-lock.json • requirements.txt • go.mod А часто меняющееся - в конце: • исходный код • конфиги • assets 🚀 Результат • быстрее сборки Docker • быстрее CI/CD • быстрее деплой Иногда достаточно просто поменять порядок строк в Dockerfile. 🎯Полезные DEVOPS ресурсы 🚀 Max Docker в телеграм

🧠 В этот раз DOOM запустили не на калькуляторе и не на холодильнике. А на живых человеческих нейронах. Стартап Cortical Labs вырастил около 200 000 нейронов и подключил их к системе, которая передавала им сигналы из игры в виде электрических импульсов. Нейроны «видели» происходящее через паттерны стимуляции и в ответ генерировали сигналы, которые интерпретировались как игровые действия - движение, поворот, выстрел. По сути, биологическая нейросеть стала контроллером для DOOM. Это уже не просто мем «запустили DOOM на всём подряд». Это момент, когда биология и вычисления реально начинают пересекаться. Кажется, человечество слишком буквально восприняло идею “organic computing” 😬 🎯Полезные DEVOPS ресурсы 🚀 Max @DevOPSitsec

Контроль секретов — иллюзия или управляемый процесс? Пароли, API-ключи, сертификаты и токены часто хранятся фрагментировано — в Git, CI/CD, Docker-образах и конфигурациях. Они не ротируются годами, остаются после смены сотрудников и попадают в историю коммитов. В итоге — риск утечки и сложности на аудите. На вебинаре Deckhouse и Ximi Lab покажем, как выстроить процесс работы с секретами, чтобы соответствовать п. 5.15 ГОСТ Р 56939-2024 в рамках РБПО.

В ходе вебинара: • Поговорим о требованиях по безопасной работе с секретами. • Разберём риски хранения секретов в Git, CI/CD и Docker-образах. • Покажем, как выявлять секреты в репозиториях и пайплайнах с помощью TRON ASOC и реализовать безопасную работу с секретами в Deckhouse Stronghold.

А также вас ждет демо работы платформ и разбор кейсов. 🎁 Участники получат чек-лист по работе с секретами. 19 марта в 12:00, онлайн 👉 Зарегистрироваться Реклама. АО "ФЛАНТ". ИНН 7723661439.

Языки программирования и их «самая ненавистная» фича - по мнению разработчиков • 🐍 Python - отступы ломают всё • 🖥️ BASIC - ощущается болезненно устаревшим • 📊 Visual Basic - очень быстро превращается в хаос • 🟨 JavaScript - странное и непредсказуемое поведение • 🐘 PHP - хаос из-за непоследовательных названий функций • 💎 Ruby - слишком много скрытой «магии» • 🎵 Groovy - используют в основном ради Gradle • ☕ Java - слишком много шаблонного кода • 🟣 C# - болезненные конфликты версий • 🐹 Go - бесконечные строки обработки ошибок • 🐦 Swift - частые ломающие обновления • 🅺 Kotlin - долгие компиляции • 🎯 Dart - существует из-за Flutter • 🧮 Fortran - синтаксис как из прошлого века • 🔧 C - опасное неопределённое поведение • 🍎 Objective-C - повсюду квадратные скобки • 🔺 Scala - переусложнённая система типов • ⚡ Zig - ручная работа с памятью • 🐪 Perl - написал один раз - потом сам не прочитаешь • 🚀 C++ - кошмарные ошибки шаблонов • 🦀 Rust - вечная борьба с borrow checker • ⚙️ Assembly - нулевая безопасность С чем согласен, а что - просто мем? 😄

Контейнерный образ — это база любого релиза ❤️ Но когда версии, доступы и безопасность пущены на самотек, команда увязает в «починке доставки» и отвлекается от развития продукта. На вебинаре вместе с экспертом Cloud․ru вы:

▶️рассмотрите контур артефактов и разберёте, где он чаще всего ломается; ▶️научитесь загружать Docker-образы, версионировать и управлять ими в Evolution Artifact Registry; ▶️настроите приватный доступ к репозиториям и разграничение прав; ▶️включите сканирование на уязвимости и примените политики безопасности; ▶️разберете, как поддерживать порядок в реестре: политики удаления и жизненный цикл.

Вебинар будет полезен backend-разработчикам, DevOps-инженерам (сборка/доставка), архитекторам (инфраструктура/безопасность), техлидам и руководителям команд для ускорения релизов и снижения рисков ошибок. 👉Зарегистрироваться👈

✔️ Карпати только что оценил все профессии в США по уровню воздействия AI. Он собрал данные по 342 профессиям, которые охватывают около 143 миллионов рабочих мест, и попросил LLM оценить каждую по шкале от 0 до 10. Результаты: средний показатель по всем профессиям - 5.3 / 10 разработчики ПО - 8–9 кровельщики - 0–1 медицинские транскрибаторы - 10 / 10 Картина выглядит довольно очевидной. Если ваша работа проходит за экраном, риск автоматизации почти 99%. Если она требует работы руками и взаимодействия с непредсказуемой средой, вы в гораздо большей безопасности. И это уже не просто предположения. Это данные. https://karpathy.ai/jobs/ 🎯Полезные Мл-ресурсы 🚀 Max

🌟 ByteDance перезапустила DeerFlow. DeerFlow 2.0 - проект, переписанный с нуля, который не имеет ничего общего с первой версией. Там был фреймворк для глубокого ресерча, а здесь полноценный рантайм для агентов. 🟡В основе лежит связка LangGraph и LangChain. Главный агент получает задачу, разбивает ее на подзадачи и порождает суб-агентов на лету. Каждый из них работает в изолированном контексте: не видит данные других агентов и главного процесса. Суб-агенты запускаются параллельно, когда это возможно, и возвращают структурированные результаты, а главный агент собирает из них финальный вывод. Сессия живет в изолированном Docker-контейнере с полноценной файловой системой, главный агент и суб-агенты работают в ней совместно. Агент читает и пишет файлы, выполняет bash-команды, работает с изображениями. Между сессиями нет никакой взаимной путаницы. 🟡Навыки и инструменты Возможности агента определяются через Skills. Из коробки есть исследование, генерация отчетов, создание слайдов, веб-страниц, изображений и видео. Навыки загружаются по мере необходимости, только когда задача их требует. Это снижает нагрузку на контекстное окно и позволяет работать с моделями, чувствительными к расходу токенов. Инструменты - по той же логике: базовый набор (веб-поиск, fetch, работа с файлами, bash), плюс поддержка MCP-серверов и произвольных Python-функций. Все можно заменить или расширить. 🟡Память и контекст DeerFlow помнит пользователя между сессиями. Накапливается профиль: стиль письма, технический стек, повторяющиеся сценарии. Данные хранятся локально. Внутри длинной сессии система сама управляет контекстом: завершенные подзадачи суммируются, промежуточные результаты уходят на диск. Контекстное окно не раздувается. 🟡Интеграции Поддерживаются Telegram, Slack и Feishu. Из Claude Code можно взаимодействовать с запущенным инстансом DeerFlow напрямую через специальный skill: отправлять задачи, управлять тредами и выбирать режим выполнения. 🟡Модели и деплой Система работает с любой моделью через OpenAI API, включая локальные через Ollama. ByteDance рекомендует использовать модели, которые поддерживают длинный контекст (100k+ токенов), ризонинг, мультимодальность и надежный tool-use. DeerFlow также встраивается как Python-библиотека без запуска HTTP-сервисов:

    
        from src.client import DeerFlowClient
client = DeerFlowClient()
response = client.chat("Analyze this paper", thread_id="my-thread"){}
    

📌Лицензирование: MIT License. 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI #ML #Agents #DeerFlow #ByteDance