Учебный проект на Rust дорос до Apache Top-Level Project 🦀

Apache Iggy 19 августа официально вышел из Apache Incubator и получил статус Top-Level Project.

История началась в марте 2023 года. Пётр Ганкевич хотел разобраться, как устроен message streaming изнутри, и заодно нормально выучить Rust.

Первоначальный план - сделать простой append-only log server примерно за три недели.

В итоге получилась полноценная streaming-платформа:

- Rust
- thread-per-core архитектура
- io_uring для дискового и сетевого I/O
- Viewstamped Replication для consensus
- P99 latency в единицах миллисекунд

За время в Apache Incubator проект вырос до:

- 4500+ GitHub stars
- 120+ contributors
- около 3000 pull requests
- 500K+ загрузок

Отдельно интересна история с open source. Команда передала исходный код Apache Software Foundation, чтобы будущее проекта не зависело от одного человека или одной компании.

Дальше в планах - clustering через VSR и Kafka protocol gateway, чтобы существующие приложения могли переходить на Iggy без большого переписывания.

Название Iggy, кстати, происходит от Italian Greyhound - маленькой, но очень быстрой породы собак.

https://iggy.apache.org/blogs/2026/08/24/apache-iggy-top-level-project-tlp-graduation

#RustLang #OpenSource #DataEngineering #Streaming

@rust_code

Павел Дуров рассказал, как школьник заработал $20 000 благодаря подарку в Telegram.

Джонатан Хэ, золотой медалист IOI и №7 в мировом рейтинге, продал свой Algorithm Cup - NFT-награду, которую Telegram вручил лучшим молодым программистам в этом месяце - за 15 000 Telegram Stars.

Дуров отметил, что особенно рад за него, потому что $20 000 могут сильно изменить жизнь человека, который ещё только учится.

Он также вспомнил, что 20 лет назад примерно такой суммы ему хватило, чтобы запустить первую компанию. Через несколько месяцев у проекта уже был 1 млн пользователей, а инвестиции составили $12 млн при оценке $60 млн.

Дуров надеется, что победители этого года смогут использовать свои награды так же удачно.

GLM-5.3-Flash-Uncensored теперь доступна в MLX для Apple Silicon.

Модель квантизировали через OrcaSAQ:

- 320B параметров, 18B активных
- нативный MLX
- 94,7% Top-1 при 6-bit
- 92,3% Top-1 при 4-bit
- около 200 ГБ для 4-bit версии
- локальный запуск на Mac с Apple Silicon

То есть 320-миллиардную MoE-модель теперь можно гонять прямо на Mac без отдельного GPU-сервера.

https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-MLX

🚀 Golang Roadmap 2026 — продвинутый курс на русском

📌 О курсе
Это бесплатный open-source roadmap на русском языке. Внутри — 19 модулей, каждый со своей теорией, практикой, бесплатными ресурсами и финальным проектом. Программа собрана так, чтобы провести вас от полного нуля до уровня Senior/Staff Go Engineer за 12–18 месяцев при темпе 10–15 часов в неделю.

Главный принцип курса — практика > видосы. Каждую тему вы закрываете кодом: пишете, ломаете, чините, рефакторите. Любой модуль завершается мини-проектом, который можно положить в портфолио.

🎯 Кому подойдёт
🐹 Новичкам в Go — даже если до этого писали только на Python/JS/PHP
🛠 Backend-разработчикам с другого стека — хотите перейти на Go
📈 Junior Go-разработчикам — нужен путь до Middle/Senior
🚀 Middle-инженерам — закрыть пробелы в архитектуре, observability, distributed
🤖 Тем, кто хочет писать AI-инфраструктуру — модуль 18 специально про это

https://github.com/Develp10/golangroadmap2026

Выделенные серверы — это хорошо. Пока не вспоминаешь, что их ещё нужно настроить и поддерживать.

В этом месте обычно упирается в знакомый компромисс: хочется физической изоляции и контроля над ресурсами, но собирать весь стек вручную и потом отвечать за каждый его компонент не всегда хочется.

Yandex B2B Tech запустила Yandex BareMetal Extend — формат частного облака с физически выделенной инфраструктурой и готовыми средами. Вместо чистого bare metal можно сразу выбрать один из трёх дополнительных модулей: виртуализацию, Kubernetes® или Stackland для разработки приложений. Дальше уже можно запускать контейнерные приложения или критичные бизнес-системы, не собирая инфраструктуру с нуля.

При этом физическая часть остаётся изолированной от публичного облака. Ресурсы можно резервировать и объединять через приватное соединение.
Функционал с виртуализацией сделали вместе с K2 Cloud, а техническую поддержку клиентов компании будут оказывать через единое окно.

Получается довольно практичная комбинация: железо остаётся выделенным, а подход к нему — максимально облачным.

Что на самом деле делает `docker run -it` 🐳

Когда контейнеру нужен интерактивный shell, REPL или текстовый редактор, обычно запускают:

docker run -it ...

Но -i и -t делают разные вещи.

- -i (`--interactive`) — оставляет STDIN открытым, чтобы процесс внутри контейнера мог получать ввод с клавиатуры.
- -t (`--tty`) — создаёт pseudo-TTY, поэтому приложение ведёт себя как в обычном терминале.

Вместе они дают полноценную интерактивную сессию:

docker run -it ubuntu bash

Без -i не будет нормального интерактивного ввода.

Без -t приложение может работать, но без привычного терминального поведения: prompt, цветов, управления курсором и нормальной работы vim, top, less и других TTY-программ.

Под капотом схема примерно такая:

Terminal
   ↓
Docker CLI
   ↓
pseudo-TTY
   ↓
bash внутри контейнера

То есть -i отвечает за ввод, а -t — за сам терминал.

Если вы годами пишете docker run -it, но никогда не разбирались, зачем нужны оба флага, у iximiuz есть отличный практический challenge:

https://labs.iximiuz.com/challenges/docker-101-container-run-tty

🐳 Docker показал подход к воспроизводимым AI-evaluation через Docker Sandboxes.

Проблема простая: даже если зафиксировать модель, промпт и метрику, результат всё равно может отличаться из-за окружения — версий Python, зависимостей, локальных инструментов и конфигурации машины.

Для этого Docker предлагает SBX AI Evaluation Kit: evaluation описывается в YAML, запускается локально или внутри Sandbox, а на выходе сохраняется структурированный артефакт с тем, что реально произошло:

* executor;
* команда;
* stdout/stderr;
* exit code;
* время выполнения;
* digest конфигурации.

Можно переключать выполнение между локальной машиной и Docker Sandbox без переписывания самого evaluation workflow.

Подход полезен для:

* сравнения промптов;
* regression testing;
* agent evals;
* security checks;
* code-generation экспериментов.

https://www.docker.com/blog/building-reproducible-ai-evaluation-workflows-with-docker-sandboxes/

⚡️ Юридические школы Чикаго и Беркли ограничивают ИИ в обучении

По данным FT, ограничения вводят на фоне того, как юридическая отрасль всё активнее использует нейросети.

Юридическая школа Чикагского университета этой осенью запустит эксперимент: запретит электронные устройства на основных занятиях первого курса. ИИ окажется исключён из базового обучения.

Berkeley Law с лета 2026 года по умолчанию запрещает использовать ИИ при подготовке работ, сдаваемых на оценку: от разработки идеи и плана до написания, перевода и редактирования текста.

Преподаватели опасаются, что готовые ответы мешают студентам освоить самостоятельный анализ и юридическую аргументацию.

https://www.ft.com/content/8ddd3668-5858-45c3-b34f-a6bafc678187

Нашёл хороший репозиторий, если хочешь за выходные собрать реальные DevOps-проекты и добавить их в резюме.

Внутри 54 практических проекта по темам:

- AWS, Azure и Kubernetes
- Terraform и Infrastructure as Code
- Docker и CI/CD
- DevSecOps и безопасность
- мониторинг и observability
- serverless и cloud-native приложения

Можно просто выбрать один проект, собрать его за выходные и потом уже предметно рассказывать о нём на собеседовании.

https://github.com/DevCloudNinjas/DevOps-Projects

Git появился потому, что Торвальдса выгнали из BitKeeper


Ядро Linux несколько лет жило на BitKeeper, проприетарной системе с закрытым кодом и чужими правилами. Когда бесплатную лицензию отозвали, тысячи разработчиков остались без инструмента. В апреле 2005 года Торвальдс за пару недель написал свою замену: быструю, надёжную и полностью под контролем сообщества. Инструмент делался под одну задачу, а стал основой всей современной разработки, от GitHub до GitLab.

⚡️ Подборка 10 полезных open-source репозиториев с GitHub

1. Archify

Создаёт архитектурные, sequence-, workflow- и data-flow-диаграммы по описанию системы или исходному коду.

https://github.com/tt-a1i/archify

2. OpenMAIC

Мультиагентная образовательная среда, в которой несколько ИИ-агентов участвуют в интерактивном обучении.

https://github.com/THU-MAIC/OpenMAIC

3. DeepSeek Harness

Открытая платформа для создания ИИ-агентов. Модели, инструменты, память, сессии и интерфейсы подключаются как отдельные плагины.

https://github.com/deepseek-ai/deepseek-harness

4. Ponytail

Набор правил, который учит coding-агентов решать задачи с минимальным количеством нового кода.

https://github.com/DietrichGebert/ponytail

5. Agent Skills

Коллекция готовых инженерных навыков для Claude Code, Codex и других coding-агентов.

https://github.com/addyosmani/agent-skills

6. OmniVoice Studio

Локальная студия для клонирования голоса, озвучки, перевода видео, диктовки и транскрибации.

https://github.com/debpalash/VoiceStudio

7. Scientific Agent Skills

Библиотека навыков для научных агентов: поиск литературы, анализ данных, биология, медицина и химия.

https://github.com/K-Dense-AI/scientific-agent-skills

8. Orca

Среда для параллельной работы нескольких coding-агентов с отдельными Git worktree, терминалами и проверкой изменений.

https://github.com/stablyai/orca

9. MiniMind

Учебный проект, позволяющий самостоятельно обучить компактную языковую модель и разобраться в устройстве LLM.

https://github.com/jingyaogong/minimind

10. God’s Eye View

Браузерный 3D-глобус для визуализации открытых геопространственных данных и OSINT-источников.

https://github.com/bilawalsidhu/gods-eye-view

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.


AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
ВАЙБКОДИНГ: t.me/data_analysis_ml
DevOps: t.me/DevOPSitsec
C#: t.me/csharp_ci
Docker: https://xn--r1a.website/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
JavaScript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Big Data: t.me/bigdatai
Математика: t.me/data_math
Java: t.me/javatg

Бонус: Max Ai: https://max.ru/ai_machinelearning_big_data
Max Linux: https://max.ru/linuxkalii


Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://xn--r1a.website/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://xn--r1a.website/addlist/mzMMG3RPZhY2M2Iy
ИТ-книги бесплатно: https://xn--r1a.website/addlist/BkskQciUW_FhNjEy

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

⚡ OpenExecutive - открытая виртуальная команда руководителей для бизнеса

Проект объединяет восемь ИИ-специалистов: стратегию, финансы, HR, юриспруденцию, операционные процессы, маркетинг, продукт и работу с инвесторами.

Пользователь общается с одним виртуальным руководителем, который распределяет задачи между агентами и собирает общий ответ.

Возможности:

* загружает презентации, финансовые модели и внутренние документы;
* учитывает данные конкретной компании через RAG;
* запоминает прошлые решения и инициативы между сессиями;
* напоминает о запланированных действиях;
* работает через веб-интерфейс, Telegram, Slack, email, Discord и CLI;
* поддерживает Claude, OpenRouter и локальные модели через Ollama, LM Studio, vLLM или llama.cpp.

Стек: FastAPI, Next.js, ChromaDB и SQLite. Лицензия — Apache 2.0.

OpenExecutive — https://github.com/SenteLabsAI/OpenExecutive

🔥 Приглашаем на бесплатный открытый вебинар курса «ИИ-агенты: продвинутое внедрение и использование»: «AI-агенты против Junior-разработчиков: кто кого заменит к концу 2026 года»
🗓 Когда: 14 сентября, 20:00 (мск)
Вопрос уже не в том, появятся ли автономные кодинг-агенты, а в том, насколько быстро они изменят рынок труда.

Что будет на вебинаре:
• Что реально умеют автономные кодинг-агенты в июне 2026;
• Live-демо: даём агенту реальную задачу с собеседования и смотрим, справится ли он;
• Какие профессии в IT уже трансформировались, а какие — на очереди;

В результате вебинара вы:
• Узнаете реальные возможности и ограничения современных AI-агентов;
• Поймёте, какие навыки точно останутся востребованными в ближайшие 3–5 лет;
• Освоите подходы к использованию агентов как мультипликатора продуктивности ×10;
• Получите практические рекомендации

👉 Зарегистрируйтесь https://otus.pw/Lvis/?erid=2W5zFHgXG4R


Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.