AI

AWS Architecture Blog

How AgentFlo built AI sales agents with Amazon Bedrock AgentCore – Part 2

Открыть оригинал ↗ Перевод заголовка: Как AgentFlo создал AI-агентов для продаж с помощью Amazon Bedrock AgentCore — Часть 2

AgentFlo решает две ключевые задачи при масштабировании AI-агентов в коммерции: управление непредсказуемыми пиками трафика и обеспечение доверия к реальным транзакциям. В статье описаны архитектурные решения по обеспечению надёжности и доверия, включая защиту от утечек данных, неправильных скидок и доступа к чужим данным, а также результаты — рост выручки на 12% и увеличение конверсии на 15%.

Практические тезисы:

  1. Внедрение трёхуровневых гарадрайвов: пред-запросная фильтрация, контроль во время выполнения инструментов и пост-ответные фильтры для защиты от утечек и ошибок.
  2. Использование Cedar-политик и Amazon Bedrock Guardrails для детального контроля доступа и блокировки нежелательных действий, независимо от логики модели.
  3. Гарантия состоятельности через DynamoDB для хранения истории диалогов и векторные базы для семантического поиска продуктов.

Когда пригодится:
Когда необходимо развертывать автономных AI-агентов в коммерческих сценариях с высоким уровнем доверия, где важны безопасность, сохранение контекста и точность действий — например, в продажах через WhatsApp, B2B-продажах или в системах с высокой чувствительностью к ошибкам.

AI-powered clinical trial eligibility and safety using Amazon Bedrock AgentCore

Открыть оригинал ↗ Перевод заголовка: Использование AI для определения соответствия и оценки безопасности участников клинических испытаний с помощью Amazon Bedrock AgentCore

Решение на базе AWS позволяет автоматизировать процесс отбора пациентов на клинические испытания, преодолевая разрозненность данных из разных источников. Система собирает информацию из ЭХР, лабораторных данных и медицинских отчетов, формирует знания в виде графа и оценивает соответствие протоколу с поддержкой клинического контроля.

  • Используется AWS HealthLake для стандартизированного доступа к данным в формате FHIR, обеспечивая единое хранилище клинической информации.
  • Amazon Bedrock AgentCore управляет последовательными шагами: предварительным отбором, детальной проверкой и операционной логистикой, с сохранением полного контроля клиницистов.
  • Встроенные и пользовательские оценители в Amazon Bedrock AgentCore Evaluations проверяют точность, эффективность и безопасность решений по критериям.
  • Все действия фиксируются в неизменяемых аудит-трейлах в DynamoDB, соответствующих требованиям FDA 21 CFR Part 11.
  • Клиницисты сохраняют полный контроль, могут переключать решения и вносить корректировки, что улучшает обучение модели в реальном времени.

Когда пригодится:
— При запуске сложных клинических испытаний с жёсткими критериями включения и исключения,
— При необходимости сократить время отбора пациентов и повысить согласованность решений между центрами,
— В условиях строгих регуляторных требований к аудиту и безопасности данных.

How AgentFlo built AI sales agents with Amazon Bedrock AgentCore – Part 1

Открыть оригинал ↗ Перевод заголовка: Как AgentFlo создал AI-агентов для продаж с помощью Amazon Bedrock AgentCore – Часть 1

AgentFlo разработал интеллектуальных AI-агентов для продаж, которые превращают диалоги в завершённые покупки, используя Amazon Bedrock AgentCore и SDK Strands Agents. Эти агенты понимают намерения клиентов, взаимодействуют с коммерческими системами и автоматически создают корзины, что позволяет снизить уровень отмены заказов и повысить конверсию.

Ключевые практические тезисы:

  • Агенты создаются по шаблонам (recipes), что позволяет запускать их за минуты без кода, настраивая только параметры вида, тона и инструментов.
  • Все интеграции (например, с Shopify, WooCommerce) реализованы через стандартный протокол MCP, что обеспечивает модульность и упрощает подключение новых сервисов.
  • Каждая сессия агента работает в изолированной виртуальной машине (microVM), что гарантирует безопасность и независимость между магазинами.
  • Состояние сессии сохраняется до 8 часов, что позволяет клиентам продолжать общение в течение дня.
  • Проверка безопасности и фильтрация вредоносного контента встроены в политики AgentCore и работают независимо от логики модели.

Когда пригодится:
Когда нужно быстро внедрять AI-агентов для продаж в мессенджерах (WhatsApp, SMS), особенно при высокой нагрузке или в условиях нестабильного трафика, где требуется масштабируемость, безопасность и поддержка длительных диалогов.

InfoQ Architecture

Cloudflare Cuts Astro GitHub Issues by 85% with AI Agents

Открыть оригинал ↗ Перевод заголовка: Cloudflare сократила количество GitHub-заявок по Astro на 85% с помощью AI-агентов

Cloudflare внедрила автоматизацию триажа проблем для фреймворка Astro с использованием изолированных AI-агентов в GitHub Actions. Это позволило значительно сократить количество открытых заявок, снизив их с более чем 200 до около 30.

  • Использование AI-агентов для воспроизведения ошибок, диагностики, проверки и предложений решений.
  • Каждый этап работы (воспроизведение, диагностика, проверка, исправление) выполняется отдельным агентом.
  • Агенты обмениваются информацией через файл report.md, а не через общую среду выполнения.

Когда пригодится:

  • При автоматизации триажа ошибок в открытых проектах.
  • Для ускорения проверки и исправления проблем с помощью AI.
  • При необходимости интеграции агентов в CI/CD-потоки и другие системы.

Presentation: From Fab To Token - The State Of The Market

Открыть оригинал ↗ Перевод заголовка: From Fab To Token - The State Of The Market

Jordan Nanos обсуждает, как ограничения в производстве полупроводников, расширение дата-центров и проблемы сетей влияют на архитектуру AI-программного обеспечения. Он делится выводами из исследований SemiAnalysis о производительности, масштабировании GPU и токеномике от производства чипов до инференса моделей.

Практические тезисы:

  1. Основной ограничивающий фактор — это производство чипов, особенно 3-нм процессов, которые сейчас в основном идут на AI-ускорители, а не на смартфоны.
  2. Токеномика и спрос со стороны конечных пользователей играют ключевую роль в определении цен и масштаба использования моделей.
  3. Улучшения в производительности GPU связаны не только с архитектурой чипов, но и с сетевыми возможностями, такими как CPO (Co-Packaged Optics).

Когда пригодится:
Эта информация полезна для разработчиков, которые используют GPU в облаке, а также для аналитиков, следящих за токеномикой и рынком AI-ускорителей.

Presentation: SafeChat: Building AI-Powered Safety Systems at Scale in a Real-Time Marketplace

Открыть оригинал ↗ Перевод заголовка: SafeChat: Строительство AI-модерации в реальном времени на масштабном рынке

DoorDash разработала платформу модерации, которая эффективно справляется с проблемой безопасного общения в реальном времени. Основная идея заключается в использовании гибридного подхода: быстрых внутренних моделей для фильтрации очевидных случаев, LLM для оценки сложных ситуаций и нет-кодовых workflow с тестированием. Это позволило снизить количество инцидентов на 50%.

Практические тезисы:

  1. Используйте быстрые внутренние модели для фильтрации большинства сообщений, чтобы снизить затраты и задержки.
  2. Запрашивайте у LLM оценки по нескольким осям (например, угроза, оскорбительность), а не просто булево значение.
  3. Платформа должна быть гибкой, чтобы разные команды могли настраивать её под свои нужды без кодирования.

Когда пригодится:
Этот подход полезен при масштабной модерации контента в реальном времени, особенно когда требуется быстрое реагирование и гибкость в управлении. Он подходит для любых сценариев, где важно балансировать между скоростью и точностью.

Presentation: Enchant Your AI and APIs with eBPF Magic 🪄

Открыть оригинал ↗ Перевод заголовка: Enchant Your AI and APIs with eBPF Magic 🪄

Dan Finneran рассказывает о рисках неуправляемого AI-генерируемого кода в production и демонстрирует, как eBPF может перехватывать и контролировать трафик AI-API в Kubernetes. Он объясняет, как сокеты на уровне ядра позволяют фильтровать промты, менять модели, ограничивать токены и управлять системными вызовами для защиты AI-агентов без изменения исходного кода приложений или перезапуска контейнеров.

Практические тезисы:

  • eBPF позволяет перехватывать и контролировать трафик AI-API в Kubernetes, не модифицируя приложения.
  • Использование eBPF позволяет устанавливать ограничения на токены, фильтровать промты и управлять поведением AI-агентов.
  • eBPF может использоваться для ограничения системных вызовов, чтобы предотвратить нежелательное поведение AI-программ.

Когда пригодится:

  • При необходимости контролировать и безопасно использовать AI-генерированный код в production.
  • Для защиты систем от непреднамеренных действий AI-агентов, таких как удаление файлов или изменение конфигураций.
  • Для реализации AI-гейтвейтов в Kubernetes, которые позволяют управлять поведением AI-приложений.

Cloudflare WriteGuard Brings Fine-Grained Security Controls for MCP Servers

Открыть оригинал ↗ Перевод заголовка: Cloudflare WriteGuard предоставляет тонкие контрольные механизмы безопасности для серверов MCP

Cloudflare представила WriteGuard, который позволяет управлять доступом AI-агентов к инструментам, изменяющим данные или выполняющим действия, а не только к чтению информации. Это улучшает безопасность агентов, работающих через протокол MCP.

  • WriteGuard — это общий слой политик, атрибуции и аудита, который контролирует действия агентов при доступе к внешним сервисам с правами записи.
  • Он работает за MCP-серверами Cloudflare и проверяет каждый запрос на соответствие политике, блокируя или аудитируя его при необходимости.
  • WriteGuard позволяет назначать разные уровни риска для инструментов, от полностью безопасного чтения до критических операций, таких как слияние запросов или массовое удаление данных.

Когда пригодится: при работе с инструментами, требующими контроля над действиями агентов, особенно при интеграции с внешними сервисами и внутренними API.

IntelliJ IDEA Blog

Agent Skills in IntelliJ IDEA

Открыть оригинал ↗ Перевод заголовка: Навыки агентов в IntelliJ IDEA

Навыки агентов в IntelliJ IDEA позволяют AI-агентам выполнять задачи с учётом предпочтений разработчика. Через AI Assistant пользователи могут устанавливать, управлять и настраивать навыки без выхода из IDE.

  • Установка навыков возможна глобально, на уровне проекта или для отдельного агента через Skills Manager.
  • Система Skill Repository позволяет добавлять доверенные источники навыков, включая официальный репозиторий JetBrains и внутренние репозитории команды.
  • Навыки могут автоматически применяться по запросу или вручную вызываться через специальные команды (например, $skill-name [prompt] или /skill-name [prompt]).
  • Встроенная навык ij-debugger позволяет агентам использовать отладчик IntelliJ IDEA для анализа кода в реальном времени, включая проверку переменных, стека вызовов и выполнения.

Когда пригодится:
— При разработке Spring-приложений, когда нужно автоматически генерировать тесты.
— При отладке сложных ошибок, возникающих только в ходе выполнения, где анализ логов недостаточен.
— В командных проектах, где требуется контроль за безопасностью и источниками навыков.

Martin Fowler

The Conductor Developer

Открыть оригинал ↗ Перевод заголовка: The Conductor Developer

Современный разработчик всё больше напоминает кондуктора — он не пишет код, а координирует работу множества AI-агентов, оценивая их выводы, выбирая приоритеты и направляя процесс. Вместо глубоких фокусных сессий разработчики всё чаще выступают в роли посредников, синтезирующих разрознённые потоки информации и решений.

  • Разработчики всё чаще не пишут код, а управляют множеством AI-агентов, распределяя задачи и оценивая результаты.
  • Ключевым ресурсом становится человеческая концентрация — она становится ограничивающим фактором, а не время или объём работы.
  • Вместо выполнения отдельных задач, разработчики должны оценивать контекст, выявлять ошибки и принимать решения на основе неполных данных.
  • Количество одновременно работающих агентов (до 12) уже становится барьером, требуя от разработчиков умения управлять потоками и приоритетами.
  • Развитие роли разработчика требует новых навыков: управления энергией, снижения несущественных решений и создания систем, которые поддерживают когнитивную нагрузку.

Когда пригодится:
Когда в команде активно используются AI-агенты для кодирования, а разработчики обязаны координировать их работу, оценивать результаты и принимать стратегические решения.

Java / Spring

Foojay

DuckDB in Spring Batch: Replace In-Memory Java Loops with One SQL Statement

Открыть оригинал ↗ Перевод заголовка: DuckDB в Spring Batch: Замените в-памяти циклы на один SQL-запрос

В статье показано, как использовать DuckDB для выполнения трансформационных операций в Spring Batch, заменяя тяжёлые в-памяти циклы на один SQL-запрос. Такой подход значительно ускоряет обработку больших объёмов данных, особенно при агрегации, группировке и вычислении метрик.

  • Вместо Java-циклов с созданием объектов и сборкой в HashMap, DuckDB выполняет агрегацию через SQL-запрос в одном проходе.
  • DuckDB использует векторизацию и многопоточность по умолчанию, что позволяет эффективно использовать все ядра процессора.
  • Отсутствие переработки объектов на каждом шаге уменьшает нагрузку на GC и снижает расход памяти.
  • Работа с файлами (CSV, Parquet) или базами данных, которые DuckDB может читать, становится максимально эффективной.

Когда пригодится:
При обработке больших объёмов данных в трансформационных шагах, когда требуется агрегация, группировка или вычисление метрик. Используйте DuckDB для таких шагов, оставляя традиционные компоненты (reader, processor, writer) для обработки строк, внешних вызовов или строгих выходных форматов.

Offline Crypto Address Validation in Java

Открыть оригинал ↗ Перевод заголовка: Оффлайн-валидация криптовалютных адресов на Java

В статье описывается, как в Java реализовать первую, оффлайн-валидацию криптовалютных адресов без обращения к сетевым ресурсам. Такая проверка позволяет быстро отклонять невалидные адреса на ранних этапах обработки, снижая нагрузку на RPC-узлы и системы монетизации.

Ключевые практические тезисы:
— Валидация может быть выполнена локально: проверка синтаксиса, допустимых символов, длины, префикса и контрольной суммы.
— Используется библиотека Chainwarden, доступная в Maven Central, для проверки адресов по стандартам разных блокчейнов.
— Валидация по идентификатору цепи (например, "ethereum" или "bsc") позволяет поддерживать гибкость при работе с разными блокчейнами.
— Ошибка валидации возвращается структурированно: с кодом и текстовым описанием, что упрощает интеграцию в логи и пользовательские сообщения.
— Валидация не проверяет наличие баланса, владение аккаунтом или требования платформы — это остаётся задачей последующих этапов.

Когда пригодится:
При реализации форм, предварительных проверок при выводе средств, импорта адресов из CSV или в адресной книге, где важно быстро отклонить невалидные данные до обращения к внешним сервисам.

Azul August 2026 Release: Java’s First Monthly CSPU

Открыть оригинал ↗ Перевод заголовка: Azul август 2026: первый ежемесячный CSPU для Java

Azul представил первый ежемесячный критический обновление безопасности (CSPU) для Java, запущенный 21 августа 2026 года. Обновление включает исправления для ключевых уязвимостей, таких как CVE-2026-70906 (высокий уровень риска), и доступно для всех версий Java от 6 до 26. Впервые в истории Java появляется ежемесячная политика безопасности, что сокращает время реакции на уязвимости с трёх месяцев до одного месяца.

Практические тезисы:

  • Используйте CSPU для CPU (без изменений в поведении) в производственной среде — это самый безопасный и быстрый путь к обновлению.
  • Для тестирования подойдёт CSPU для PSU — он включает как критические, так и ненадёжные исправления, но требует больше времени на проверку.
  • Важно пересмотреть автоматизацию: вместо жёсткого графика обновлений, настройте системы на реакцию на появление новых CSPU.
  • Проверяйте, касаются ли ваши приложения компонентов, уязвимых к CVE-2026-70906, CVE-2026-61308 и CVE-2026-70907 (HTTP, TLS, 2D-рендеринг).
  • Azul предоставляет полные сведения в официальных релиз-заметках и на сайте загрузок.

Когда пригодится:
Когда в вашей инфраструктуре работают приложения, чувствительные к безопасности (например, с TLS или HTTP-соединениями), и вам нужно сократить время реакции на уязвимости без риска сбоя.

Inside Java

The Power of JDK Flight Recorder: Efficient Profiling and Troubleshooting for Java Applications

Открыть оригинал ↗ Перевод заголовка: Сила JDK Flight Recorder: эффективное профилирование и устранение неполадок для Java-приложений

JDK Flight Recorder (JFR) — встроенный в OpenJDK инструмент для сбора данных о работе JVM, обеспечивающий низкую нагрузку на систему и возможность постоянного мониторинга. Он позволяет анализировать производительность, выявлять утечки памяти, проблемы с потоками и другие сбои без значительного влияния на работу приложения.

  • Используйте JFR для запуска событий в реальном времени с минимальной перегрузкой.
  • Собирайте и анализируйте данные через графический интерфейс или командную строку (например, jfr record).
  • Применяйте фильтры и сценарии для извлечения конкретных проблем, таких как долгие методы или блокировки.
  • Интегрируйте JFR в CI/CD-процессы для автоматического обнаружения проблем на ранних стадиях.
  • Проверяйте записи в JFR через jfr list, jfr print и jfr replay для диагностики в реальных условиях.

Когда пригодится: при разработке, тестировании и поддержке Java-приложений в продакшене, особенно при необходимости быстро выявить производительность или сбои без перезапуска системы.

Episode 67 “Keeping Up With the Java Release Train” [I/O]

Открыть оригинал ↗ Перевод заголовка: Эпизод 67 «Следить за выпуском Java: как это делается» [I/O]

В эпизоде, записанном на конференции JavaOne 2026, Billy Korando ведёт диалог с Danish Nawab из SIXT, который делится опытом внедрения быстрого релиза Java в реальных условиях. Обсуждается вопрос о том, насколько практическим является поддержание синхронности с релиз-циклом Java в шестимесячном формате.

  • Java-релизы теперь выходят раз в шесть месяцев, что требует от организаций гибкой стратегии внедрения.
  • Опыт SIXT показал, что даже при высокой скорости релизов, команды могут эффективно адаптироваться с помощью систематического планирования.
  • Важно понимать разницу между версиями, чтобы избежать ненужных обновлений и рисков.
  • Работа с API, такими как OpenJDK, остаётся ключом к прозрачности и совместимости.
  • Организации должны учитывать не только релизы, но и их влияние на инфраструктуру и команды разработки.

Когда пригодится:
Когда компания планирует масштабировать использование Java в условиях быстрого релиза, или когда разработчики хотят понять, как реальные компании справляются с постоянными обновлениями платформы.

Post-Quantum Cryptography in Long-Term Support JDK Releases

Открыть оригинал ↗ Перевод заголовка: Квантово-устойчивая криптография в долгосрочных выпусках JDK

Oracle внедряет квантово-устойчивую криптографию (PQC) в долгосрочные выпуски JDK, обеспечивая доступ к стандартизированным алгоритмам и защищённому TLS уже в текущих версиях. Это позволяет разработчикам и корпорациям плавно перейти к новым стандартам без необходимости обновлять свои системы.

  • В JDK 17 и последующих LTS-версиях включены стандартные алгоритмы PQC, такие как CRYSTALS-Kyber и CRYSTALS-Dilithium.
  • Поддержка PQC в TLS обеспечивает защиту соединений от будущих квантовых атак.
  • Пользователи могут включить PQC через настройки JVM, не требуя пересборки приложений.
  • Алгоритмы PQC доступны через API, включая java.security.KeyPairGenerator и java.security.SecureRandom.
  • Oracle планирует постепенно расширять поддержку PQC на все компоненты Java Platform.

Когда пригодится:
При развертывании систем, требующих долгосрочной безопасности, особенно в критически важных инфраструктурах, где уязвимости к квантовым атакам могут привести к утрате данных.

IntelliJ IDEA Blog

IntelliJ IDEA Goes LSP: Java and Kotlin Intelligence Comes to VS Code, Cursor, and Agentic Flows

Открыть оригинал ↗ Перевод заголовка: IntelliJ IDEA внедряет LSP: интеллект для Java и Kotlin приходит в VS Code, Cursor и агентные потоки

JetBrains представляет веб-расширение для VS Code и Cursor, которое передаёт в LSP-формат интеллектуальные функции IntelliJ IDEA для Java и Kotlin. Оно обеспечивает поддержку смешанных проектов, автозавершение, навигацию, анализ кода, переименование и работу с Maven, Gradle, Bazel. Расширение работает в реальном времени и эффективно масштабируется на большие проекты.

  • Доступно в предварительной версии для VS Code и Cursor через Visual Studio Marketplace и Open VSX.
  • Поддерживает интеграцию с DAP для отладки и работает с проектами, имеющими build-файлы.
  • Устраняет конфликты с другими расширениями Java (например, от Red Hat или Oracle) — рекомендуется отключать их.
  • Бесплатно в период предварительной версии, но после 30 дней требуется подписка на IntelliJ IDEA Ultimate.
  • Для чистых Kotlin-проектов доступен отдельный, бесплатный Kotlin LSP (лицензия Apache 2.0).

Когда пригодится:
— При работе в терминале с агентными ИИ-инструментами (например, Claude Code, Codex), где снижение потребления токенов критично.
— При использовании VS Code или Cursor как основной среды разработки, особенно при работе с Java/Kotlin-проектами.
— При необходимости интеграции интеллекта IntelliJ IDEA в агентные потоки без перехода на полноценную IDE.

Java Annotated Monthly – August 2026

Открыть оригинал ↗ Перевод заголовка: Java Annotated Monthly – Август 2026

Месячный обзор Java от IntelliJ IDEA подчеркивает важность рассказывания историй о разработке, включая вклад таких лидеров, как Донн Раб и Рустам Мехмандаров. Особое внимание уделено оптимизации памяти: ключевым становится не выбор сборщика мусора, а снижение выделения памяти на уровне кода.

  • Оптимизация памяти — главный фактор производительности, а не выбор GC.
  • Важно писать код, как в 2004 году, но с использованием современных возможностей языка.
  • Внедрение новых инструментов, таких как Spring AI 2.0 и Ollama, позволяет работать с локальными LLM без ключей.
  • Появляются новые подходы к агентному ИИ: управление агентами, безопасность и контроль за генерацией кода.
  • Важно учитывать нефункциональные требования при работе с ИИ-кодом, чтобы избежать ошибок.

Когда пригодится:
— При разработке высокопроизводительных приложений с минимальным потреблением памяти.
— При внедрении ИИ-агентов в процесс разработки с необходимостью контроля и безопасности.
— При планировании релизов с учётом новых обновлений безопасности (CSPUs).

Reverse Engineering with Hibernate 7.4 and IntelliJ IDEA

Открыть оригинал ↗ Перевод заголовка: Обратное инженерирование с Hibernate 7.4 и IntelliJ IDEA

Обратное инженерирование позволяет генерировать Java-артефакты (сущности, маппинг-файлы, скрипты) на основе существующей схемы базы данных. В новой версии Hibernate 7.4 эти функции встроены в репозиторий Hibernate и доступны через плагины Maven и Gradle. IntelliJ IDEA предлагает более интерактивный подход — генерацию сущностей визуально, с возможностью синхронизации изменений в базе и коде без потери ручных модификаций.

  • Hibernate 7.4 через Maven-плагин генерирует JPA-сущности, DAO-классы и SQL-скрипты по схеме базы данных, с настройкой типов, пакетов и ключей в XML-файле.
  • Позволяет использовать в CI/CD-процессах, так как работает вне IDE и встроено в сборку.
  • Подходит для повторяемых, репродуцируемых процессов, где сущности генерируются из версии базы и сохраняются в репозитории.
  • IntelliJ IDEA поддерживает визуальное создание сущностей, синхронизацию изменений в базе и сохранение ручных модификаций в сущностях.
  • Поддерживает генерацию миграций Flyway и Liquibase, а также сущностей Spring Data JDBC.

Когда пригодится:
— При автоматизированных сборках (CI/CD), когда нужно генерировать сущности в рамках сборки — выбирайте Hibernate 7.4.
— При разработке, где схема базы часто меняется и сущности редактируются вручную — используйте IntelliJ IDEA.
— Если проект использует Spring Data JDBC или нужна визуальная работа с базой — IntelliJ IDEA предпочтительнее.
— Если сущности должны быть частью репозитория и не изменяться вручную — лучше выбрать Hibernate 7.4.

What’s New in IntelliJ IDEA 2026.2

Открыть оригинал ↗ Перевод заголовка: Что нового в IntelliJ IDEA 2026.2

В IntelliJ IDEA 2026.2 представлены обновления, упрощающие рабочие процессы и позволяющие оперативно внедрять новые технологии Java и Kotlin. Версия включает поддержку Java 27 и новых функций Kotlin 2.4, а также улучшения в разработке на Spring, отладке и работе с Docker Compose.

  • Встроенная интеграция с GitHub Copilot и поддержка AI-дополнений от сторонних поставщиков.
  • Введение лог-точек (logpoints) и улучшенная навигация по коду из вывода приложения.
  • Поддержка раннего версии Gradle 10 и упрощённая миграция проектов.
  • Улучшена работа с Git: более гибкий процесс разрешения конфликтов.
  • Добавлены поддержка TypeScript 7.0 и Terraform-фреймворка для тестирования.

Когда пригодится:
— При разработке на Java 27 или Kotlin 2.4.
— При работе с Spring-приложениями и базами данных.
— При отладке сложных приложений с использованием лог-файлов.
— При интеграции с Docker и современными фреймворками, такими как Terraform.

# Пример команды для обновления через Toolbox (Ubuntu)
snap install intellij-idea-2026.2 --classic

# Установка через официальный сайт (для Windows/macOS)
https://www.jetbrains.com/idea/download/

System Design

AWS Architecture Blog

Serverless vehicle tracking at scale: Bosch L.OS on AWS

Открыть оригинал ↗ Перевод заголовка: Серверный мониторинг автомобилей на масштабе: Bosch L.OS на AWS

Bosch разработал платформу L.OS на AWS, которая объединяет данные от десятков телематических провайдеров в Индии, преодолевая разрозненность систем и несовместимость форматов. Платформа использует серверные компоненты AWS для стандартизации взаимодействий, обеспечивая реальное время отслеживания и автоматизацию процессов согласования.

Ключевые практические тезисы:

  • Использование AWS Lambda для создания адаптеров, которые стандартизируют запросы от разных провайдеров и позволяют быстро внедрять новые сервисы.
  • Центральный сервис на Amazon ECS Fargate обеспечивает маршрутизацию, сессионное управление и обработку ошибок, что делает систему масштабируемой и устойчивой.
  • Amazon MSK обеспечивает поток передачи данных в реальном времени, включая локации, состояние транспортных средств и данные о парковке.
  • Система автоматически удаляет отслеживание при входе в геозону или по запросу, снижая нагрузку на инфраструктуру.
  • Платформа поддерживает региональные требования, такие как AIS140 и FASTag, и обеспечивает безопасность через IAM, VPC и шифрование.

Когда пригодится:
Когда необходимо объединить данные от множества несовместимых систем в реальном времени, особенно в сложных логистических сетях с разрозненными участниками и регуляторными требованиями.

ClickHouse

What else runs on your Postgres server, and how do we stop it from taking the database down?

Открыть оригинал ↗ Перевод заголовка: Что ещё работает на сервере Postgres и как предотвратить его выключение базы данных?

На сервере Postgres, помимо самой базы, запускаются такие процессы, как PgBouncer, агенты резервного копирования, экспортеры метрик и сборщики логов. Каждый из них может угрожать стабильности системы за счёт переполнения памяти, перегрузки CPU или заполнения диска.

Ключевые практические тезисы:
— В ClickHouse Managed Postgres поддерживающие процессы ограничиваются через cgroup v2: задаются лимиты памяти и CPU, что предотвращает их влияние на Postgres.
— Используются два уровня контроля: GOMEMLIMIT (Go-режим) и memory.high/memory.max (контроль ядра), обеспечивающие защиту на уровне runtime и ядра.
— Процессы, такие как WAL-G и Prometheus, получают фиксированные ресурсы и снижены по приоритету, чтобы не мешать основной работе базы.
— При переполнении диска сессии обычных приложений завершаются, но сессии репликации и мониторинга сохраняются.

Когда пригодится:
— При управлении серверами с несколькими сервисами, где важно изолировать ресурсы и предотвратить сбои из-за фоновых процессов.

Cloudflare Blog

A revisit of remote Spectre attacks on Cloudflare Workers

Открыть оригинал ↗ Перевод заголовка: Повторное рассмотрение удалённых атак Spectre на Cloudflare Workers

В 2024–2025 годах исследователи Cloudflare провели повторный анализ риска удалённых атак Spectre на платформе Cloudflare Workers, выявив возможность передачи данных через временные доступы к памяти при использовании спекулятивного выполнения. Было продемонстрировано, что атака может эффективно передавать до 12 бит в секунду с точностью более 99% в условиях реального производства. Для защиты были внедрены улучшения в систему Dynamic Process Isolation (DyPrIs), включая встроенные изоляции и применение V8 Sandbox, что значительно сокращает поверхность уязвимости.

Ключевые практические тезисы:

  • Атака требует ко-локации атакующего и жертвенного виртуального изолированного процесса, что легко реализуется через fetch() в Cloudflare Workers.
  • Используется WebSocket как надёжный удалённый таймер с высокой точностью, позволяющий измерять временные задержки.
  • Вместо сложных механизмов эвакуации памяти применяется простой подход — заполнение массива большего объёма, чем может вместить кэш, что делает случайный доступ почти гарантированно неактивным.
  • Внедрение Memory Protection Keys (MPK) и V8 Sandbox создаёт аппаратную и языковую изоляцию, блокируя прямой доступ к памяти между изолированными процессами.

Когда пригодится:
При анализе уязвимостей в системах, где выполняется неизолированный JavaScript на краю, и при оценке рисков спекулятивного выполнения в условиях реальных нагрузок.

InfoQ Architecture

Harper Argues against the Multi-System Stack and Releases 5.2

Открыть оригинал ↗ Перевод заголовка: Harper критикует многокомпонентную стек и выпускает 5.2

Harper представил результаты бенчмарка, показывающего, что его подход к одноразовой архитектуре обеспечивает лучшую производительность при работе с персонализированными данными. Новая версия 5.2 включает улучшенный кэш и повышает пропускную способность узла.

  • Harper предлагает архитектуру, где код и данные находятся в одном runtime, что упрощает операции и снижает затраты.
  • Бенчмарк показывает, что встроенное обращение к данным на 0.4 мс быстрее, чем сетевой запрос к отдельному слою.
  • Новая версия 5.2 улучшает производительность за счёт изоляции операций записи и улучшения кэширования.

Когда пригодится: при работе с живыми персонализированными данными, когда требуется низкая задержка и высокая свежесть данных.

Presentation: Why Fetch When You Can Sync? Building Local-First Apps on a Sync Engine Architecture

Открыть оригинал ↗ Перевод заголовка: Почему стоит синхронизировать, а не получать данные? Строительство локально-первых приложений на архитектуре синхронизатора

Современные приложения требуют высокой скорости и реального времени. Синхронизация данных между клиентом и сервером становится ключевым направлением в архитектуре фронтенда. Это позволяет избежать проблем с сетевыми запросами и улучшить опыт как пользователей, так и разработчиков. Вместо императивного получения данных, используются декларативные данные, которые автоматически синхронизируются.

Практические тезисы:

  1. Синхронизация данных позволяет избежать сетевых задержек и улучшает производительность приложений.
  2. Использование синхронизатора, как Electric, позволяет абстрагироваться от сетевых деталей и сосредоточиться на логике приложения.
  3. TanStack DB обеспечивает реактивное управление данными на клиенте и сервере, позволяя использовать декларативные данные и оптимистические обновления.

Когда пригодится:
Синхронизация особенно полезна для приложений с высокой степенью взаимодействия, таких как совместные редакторы, системы управления проектами и приложения с агентами. Она также подходит для приложений, которые работают в условиях нестабильного интернет-соединения.

Presentation: Understanding Progressive Collapse: How To Avoid A Cascading Failure

Открыть оригинал ↗ Перевод заголовка: Понимание прогрессивного обрушения: Как избежать цепной неудачи

Sam Newman рассказывает о концепции прогрессивного обрушения в гражданском строительстве и о том, как она применяется к распределенным системам. Используя реальные примеры — от обрушения башни Ronan Point в 1968 году до сбоев в AWS — он делится стратегиями устойчивого инженерного дизайна для лидеров в области программного обеспечения. Узнайте, как укреплять компоненты, изолировать сбои и сокращать взаимосвязи, чтобы предотвратить катастрофические цепные эффекты.

Практические тезисы:

  1. Прогрессивное обрушение — это когда небольшая ошибка приводит к масштабной катастрофе в системе. Например, взрыв газа в Ronan Point спровоцировал обрушение целого блока.
  2. В AWS сбой в управлении DNS привел к цепной реакции, в результате которой вышли из строя множество сервисов, включая Alexa и Slack.
  3. В системе для продажи подержанных автомобилей сбой в подсистеме привел к переполнению ресурсов и обрушению всей платформы.

Когда пригодится:
Концепция прогрессивного обрушения особенно важна при проектировании распределенных систем, где важно учитывать, как маленькие ошибки могут масштабироваться. Это поможет в разработке стратегий устойчивости, таких как изоляция компонентов, тестирование на отказы и улучшение обработки ошибок.

Mini book: Architecture as a Socio-Technical Craft

Открыть оригинал ↗ Перевод заголовка: Архитектура как социально-техническое ремесло

Архитектура часто воспринимается как набор решений, которые можно сделать один раз и затем оценить. Однако это упрощение игнорирует постоянные изменения в регуляциях, технологиях и поведении конкурентов. Вместо того чтобы считать архитектуру статичной, важно понимать, что она эволюционирует, и это норма, а не исключение.

  • Архитектура — это живой социально-технический процесс, а не набор окончательных решений.
  • Эволюционная архитектура требует сенсорного подхода к трению, фитнесу и потоку.
  • Ключевые стратегии включают сохранение локальности изменений, автоматизацию проверок и улучшение командной структуры.

Когда пригодится: при разработке систем, где важна гибкость, устойчивость и адаптация к изменениям. Это особенно актуально в условиях быстрого развития AI и сложных интеграций.

Azure DevOps Remote MCP Server Reaches GA, Without Support for Claude, ChatGPT, or Cursor

Открыть оригинал ↗ Перевод заголовка: Azure DevOps Remote MCP Server Reaches GA, Without Support for Claude, ChatGPT, or Cursor

Microsoft представила Azure DevOps Remote MCP Server в общедоступном режиме, позволяя AI-ассистентам взаимодействовать с работами, запросами, репозиториями и пайплайнами без установки. Однако поддержка Claude, ChatGPT и Cursor отсутствует из-за ограничений в Microsoft, а не в клиентах.

Основной причиной ограничений является необходимость аутентификации через Microsoft Entra. Поддержка ассистентов зависит от их способности использовать динамическую регистрацию OAuth или Client ID Metadata Documents в Entra. Microsoft работает над внедрением этих возможностей, но пока они недоступны.

Когда пригодится

  • Azure DevOps Remote MCP Server доступен по URL https://mcp.dev.azure.com/{organization} и требует добавления конфигурации в mcp.json.
  • Поддержка ассистентов зависит от Entra, и пока не реализована поддержка динамической регистрации OAuth.
  • Организации, использующие Microsoft-аккаунты, не могут использовать Entra, поэтому поддержка таких организаций ограничена.
  • Microsoft поддерживает и локальный MCP Server, чтобы обеспечить совместимость с удаленным сервером.
  • Ассистенты, такие как GitHub Copilot, могут использовать Remote MCP Server без дополнительной настройки.

Martin Fowler

Fragments: May 5

Открыть оригинал ↗ Перевод заголовка: Fragments: May 5

Martin Fowler обсуждает новые подходы к разработке с использованием ИИ, включая инструменты для улучшения качества кода и контроля над процессами. В статье рассматриваются архитектурные решения, такие как Lattice, который встраивает проверенные практики разработки и позволяет адаптировать код под реальные условия проекта. Также анализируются риски публикации ложной информации AI-инструментами, масштабные инвестиции в ИИ крупными компаниями и аргументы за использование локальных моделей вместо облачных.

  • Lattice предлагает систему из атомов, молекул и рифинеров, встроенных в практики разработки (например, Clean Architecture), с возможностью обучения на основе истории проекта.
  • Использование локальных моделей (например, с Nono) становится эффективным и безопасным, особенно при работе с чувствительными данными, и может быть применено даже при использовании облачных ИИ.
  • Google сталкивается с юридическими последствиями из-за публикации ложной информации о музыканте Ashley MacIsaac, подчёркивая ответственность платформ за выводы AI.
  • Крупные компании тратят до 75% дохода на ИИ, в то время как Apple остаётся в стороне, что указывает на стратегическую перспективу локальных решений.
  • Ключевой вопрос — может ли ИИ-агент избежать «тарпита» (сложности системы), или он будет продолжать создавать нестабильный, непроверенный код.

Когда пригодится: при разработке систем с высокими требованиями к качеству кода, при работе с чувствительными данными, при оценке рисков публикации AI-инструментами и при выборе между облачными и локальными ИИ-моделями.

Bliki: Mythical Man Month

Открыть оригинал ↗ Перевод заголовка: Bliki: Mythical Man Month

В 1960-х годах Фред Брукс руководил разработкой систем IBM System/360 и в 1975 году опубликовал книгу The Mythical Man-Month, оказавшую огромное влияние на развитие программирования. В ней сформулировано знаменитое «закон Брукса»: добавление людей к задержавшемуся проекту только усугубляет его сроки из-за экспоненциального роста коммуникационных связей. Основной урок — важность концептуальной целостности: система должна быть единым целым, основанным на единой концепции, а не складываться из разрозненных, независимых решений. Эта целостность достигается через простоту и прямолинейность конструкций, позволяющих легко соединять элементы.

  • Закон Брукса подчёркивает, что рост команды не ускоряет разработку — он усложняет коммуникацию.
  • Концептуальная целостность предпочтительнее множества независимых решений.
  • Простота и прямолинейность конструкций обеспечивают устойчивость и масштабируемость.
  • Книга остаётся актуальной, несмотря на возраст, особенно в контексте планирования проектов.
  • В анонсированной редакции включён эссе «No Silver Bullet» 1986 года, расширяющее мысль о неизбежности сложности в разработке ПО.

Когда пригодится: при планировании командных проектов, когда нужно решать, как распределять ресурсы и как структурировать архитектуру системы.