2 недели с ридером

Моя первая и последняя электронная книга была OnyxBook
И она прожила со мной 10 и 11 классы, когда я гонял на электричке в школу в Москве.
Читал я тогда невероятно много: садишься такой утром на электричку в 6:35 и в школе ты оказываешься в 8:30.

Затем чтение было только с телефона, планшета или бумажные книги.

И вот чуть больше 2-х недель назад мне достается новый OnyxBook.
Короче, это кайф!

1.
Вечером почитать - подсветочку мягкую включил, «теплый свет» установил и кайфуешь!
2.
Книжку какую-то почитать захотел, ЛитРес или Я.Книги установил и все синхронизировалось со смартфоном.
3.
Как синхронизировалось? Так ты к WiFi по красоте подключился и кайфуешь.
4.
А еще глаза не устают и PDFки читать сплошное наслаждение.
5.
Ну и отдельное удовольствие, что телефон у тебя где-то там сам лежит и ничто тебя СДВГШника этакого не отвлекает.

Я не знал этого!!!
Колитесь, кто как я?
❤️ - если не знал
😎 - если знал раньше
🦄 - впервые слышишь про инди-игры/музыку

Так много вопросов, так мало ответов… Учитывая, что подобные люди строят все свои процессы на попытках попасть в наиболее вероятные события + психология + эмпатия. То при наличии эмпатии я бы ставку делал на этот гибрид человека и ИИ 😬

Первый магазин без продавцов появился в СССР

Как вы помните в 2018 году Амазон с помпой запустил магазин без продавцов: заходи и бери.
А затем с помпой мы узнали, что не было там никакого ИИ, а только много- много индусов…

Однако еще в 1962 году в СССР в Москве был открыт магазин «Прогресс»: магазин полностью без людей. Офигеть? Не то слово.

Отдельно мне очень нравится простота решения: по сути, стояли кастомизированные вендинговые аппараты, через которые реализовывалась продукция (молоко, хлеб, крупы и прочее). Никакого тебе ИИ, никакого тебе компьютерного зрения и вот этого вот всего. Чистая механика.

В общем, сама эта история мне безумно нравится.

В итоге, магазин не взлетел по нескольким причинам:
1.
В маркетинг в те времена точно не умели. И о магазине газеты впервые написали через полгода после его запуска. Через полгода! Офигеть просто!
2.
Вендоматы были уникальны, посетители их часто ломали и ремонт обходился дорого. Потому что для снижения костов требовалось масштабирование.
3.
Ну и важная причина провала всех трансформаций - культура. Культура в те времена была такой, что продавец - важный элемент: он принимал решения кто и что получит и прочее. А раз нет продавца, то и масштабирование под вопросом.

Давнееенько у нас не было обзоров книг.
И тут недавно ребята из издательства Питер подогнали мне чудесную книгу по System Design «нового поколения», то есть GenAI.
Книга - это попытка адаптировать классическое system design интервью под новую реальность GenAI: LLM-приложения, RAG-архитектуры, агенты, оценка качества и стоимость инференса. Полезно как структурированный чек-лист, но это скорее введение, чем глубокий инженерный разбор.
Хотя как менеджер я обожаю эту серию книг, она позволяет погрузиться во множество разных тем.

System Design для эпохи GenAI
Все привыкли к классическим вопросам на system design интервью:
- спроектируйте Twitter
- спроектируйте YouTube
- спроектируйте Uber
Но последние пару лет компании начали задавать другой тип задач:
спроектируйте AI-чат ассистента
спроектируйте RAG-поиск по документам
спроектируйте AI-копилота для разработчиков
И вот тут многие кандидаты ломаются.
Почему?
Потому что классическая архитектура (API + база + кэш) внезапно превращается в:
User → Gateway → Orchestrator → LLM → Retrieval → Vector DB → Tools → Evaluation
И вот именно эту новую архитектуру книга и пытается разобрать.

Основная идея книги
Авторы говорят простую вещь:
GenAI-системы - это не просто “вызов LLM API”.
Это полноценная распределённая система.
И в ней появляются новые архитектурные компоненты.
Например.
1. Retrieval (RAG)
LLM сам по себе туповат.
Он знает интернет до даты обучения.
Поэтому почти любая реальная система делает:
Query
→ Embedding
→ Vector search
→ Context
→ LLM
Книга разбирает:
как хранить embeddings
как масштабировать vector search
как строить pipeline retrieval

2. Оркестрация моделей
LLM редко работает один.
Обычно это:
Router
→ model A (cheap)
→ model B (smart)
→ tools
Причина банальная.
LLM дорогой.
Поэтому архитектура всегда балансирует:
качество vs стоимость vs latency

3. Оценка качества
Самая сложная часть GenAI-систем.
В классических сервисах есть метрики:
latency
error rate
throughput
А в LLM-системах появляется ад.
Например:
- hallucination rate
- factual accuracy
- grounding
- response quality
И это очень плохо измеряется.
Книга показывает базовые подходы:
LLM-as-judge
human evaluation
golden datasets

4. Стоимость
GenAI архитектура - это экономика.
Каждый запрос стоит денег.
Поэтому появляются решения:
кэширование ответов
prompt compression
routing моделей
batching
На интервью это любят спрашивать.

Что в книге хорошо
1️⃣ Хорошая структура для интервью
Если вам задают вопрос:
Спроектируйте AI-ассистента
книга дает простой фреймворк:
User interaction
Retrieval layer
LLM orchestration
Tools
Evaluation
Cost control
Это полезно.

2️⃣ Понятный чек-лист архитектуры
После книги начинаешь автоматически думать:
где embeddings?
где кэш?
где evaluation?
где rate limiting?

3️⃣ Актуальность
Большинство книг по system design написаны до эпохи LLM.
А здесь фокус именно на GenAI-архитектуре.

Где книга слабая

1️⃣ Мало глубины.
Например vector search объясняется очень поверхностно.
Нет разбора:
HNSW
IVF
ANN tradeoffs

2️⃣ Мало production-кейсов.
Реальные системы:
Copilot
Perplexity
ChatGPT
имеют гораздо более сложные пайплайны.

3️⃣ Почти нет темы агентов
А именно туда сейчас движется индустрия.

Если раньше system design интервью проверяло:
умеешь ли ты масштабировать сервис
то теперь проверяют:
умеешь ли ты проектировать AI-системы.
И там появляются новые вопросы:
как уменьшить hallucinations
как контролировать стоимость токенов
как строить RAG
как оценивать качество
И это новый слой архитектуры.

🔥 - если читал и зашло
❤️ - если забрал в бэклог
🦄 - если читал и не зашло

Ооооп, а в догонку взял вот такую красоту почитать.

151 вопрос от FAANG по ML

Антропик опять всех пугает заменой ИИ, выпуская большое исследование.

Но реальная глубина замены пока низкая

Ребята из Cursor сделали свой курс, где кратко рассказывают о том, как работают модели, как правильно их использовать в разработке.
Ну и все еще и на русском!

Короче, мой дружище Артём Мухин, который сейчас активно влетает в DevEx в Майкрософт сел такой и сделал для нас с вами офигенную историю: гайд по разработке с помощью Клод кода.

Я по гайду пробежался и он прямо топовый!


Короче, «налетай, торопись, раскупай»

Upd Поддержать автора можно по ссылке

Тема прислал апдейт)

Продолжаю свою историю с ридером и теперь немного о том, чего не хватает:
1. Время работы. У меня, конечно, почему-то есть ложное ожидание, что ридер это прямо зарядил и месяц не пользуешь, но это не так.
2. Я активно юзал ридер в полете и часов за 5 чтения он разрядился на 10%. В целом, это очень даже норм.
3. Интерфейс: я бы его отдал на ревью UX/UI спецу, потому что ну, блин, ваще не понимаю толком как и что устроено в интерфейсе.
4. Обложку мне хочется более мягкую, что ли
5. AI помощник в ридере?ю! Можно столько сценариев юзать: обсудить книгу, попросить рекомендации с похожими книгами, вместе придумать продолжение или разобрать мотивацию героев!!!!
Жаль, ничего из этого сделать не получится:( Тот самый пример AI ради AI

#пятничное

Так, кто знает где что????
🦄 - если ты знаешь
❤️ - если ты хз (я, кстати, тут)
💊 - если ты пошел гуглить/gpt’ить

Ааааааааа

Должен быть вот этот мем, но он потерялся)))

System Design Space + треки изучения

Саша Поломодов сделал совершенно офигительное пространство для изучения system-design!

С чего начать?
Начните с онбординга

Потом загляните в:
- Books - там конспекты книг с практическими выводами и ссылками на оригиналы.
- Cases - детальные разборы проектирования реальных систем с требованиями и trade-offs.

Ну и самое офигительное это
возможность выбора трека обучения, который ориентируется по твоему свободному времени и уровню.