Книжный куб

Public

Просмотреть канал

Не можете присоединиться? @book_cube

14.2k Участники

Обновлено: May 6, 2026 at 6:59 PM

Книжный куб

Рекомендации интересных книг, статей и выступлений от Александра Поломодова (@apolomodov), технического директора и эксперта в архитектуре

@book_cube is a growing community focused on apolomodov and related topics

Рейтинг

Глобальный рейтинг

#456

Рейтинг по языку

#45

Рейтинг по категории

#23

-1

Рост участников (Последние 3 дней)

Всего: 14.2K

Рост за 24ч: +0 0%

Последние посты

Книжный куб

26 апр. 2026 г., 14:01

[2/2] Hands-On RAG for Production (Рубрика #AI)

Заканчивая это крутой https://learning.oreilly.com/library/view/hands-on-rag-for/9798341621701/ про RAG, что находится в процессе написания.

5) "Evaluating your RAG Application" - эта глава обязательна для прочтения тем, кто планирует докатить RAG на production. Авторы упоминают про метрики вроде hallucinations, response quality, latency и cost. И не только упоминают, но и рассказывают про способы измерения качества retrieval и генерации. По-факту, тут идет рассказ про стандартные метрики поиска (precision, recall, f1, метрики с учетом порядка элементов), а также про точность генерации (утилизация контекста, точность ответов, консистентность ответов, отсутствие галлюцинаций, точность цитат), а также предубеждения (по расе, полу и так далее). А также подходы к e2e оцениваниют при помощи фреймворков: https://github.com/vectara/vectara-eval, https://docs.ragas.io/en/latest/, https://github.com/confident-ai/deepeval. Ну и напоследок как учитывать фидбек людей (условно пальцы вниз и вверх, которые вы видели в чатиках ChatGPT, Perplexity, ...)

6) "From RAG to AI Agents" - здесь речь идет про retrieval, который перестаёт быть конечным продуктом и становится частью более длинного workflow. То есть RAG - уже не только "найди и ответь", а "найди, проверь, спланируй, вызови инструмент, верни результат". Это очень верно для текущего времени, где агенты без качественного retrieval быстро превращаются в дорогую импровизацию.

7 и 8) "Multimodal RAG" и "Knowledge Enhanced RAG" делают книгу ещё полезнее для реальных корпораций. Это важно для всех, кто работает с PDF, таблицами, диаграммами, изображениями, полуструктурированными документами и сложными knowledge domains, где одной embedding similarity уже мало.

P. S.
Если сравнить эту книгу с другими, о которых я рассказывал, то получается такая картина

- "" - это широкая карта всей дисциплины и ответ на вопрос, а что вообще такое современная AI-разработка и из каких слоёв она состоит. На этом фоне "Hands-On RAG for Production" выглядит уже не как обзор всей системы, а как очень подробный разбор ее части - production RAG.
- "" учит понимать архитектуру LLM, строить prompt strategy, правильно собирать context elements и использовать техники вроде few-shot, chain-of-thought и RAG. Поэтому "Prompt Engineering for LLMs" - это книга про интерфейс между человеком, контекстом и моделью, а "Hands-On RAG for Production" - про retrieval/platform layer, который этот контекст делает надёжным в проде.

#AI #Engineering #Software #DistributedSystems #SystemDesign #Database #Search #Agents

3,220

Книжный куб

26 апр. 2026 г., 14:01

Управление 2026 - Конференция от Стратоплана (Рубрика #Management)

В этом году мы наблюдаем как меняется все вокруг под воздействием AI, причем сама область разработки трансформируется быстрее всего. Меняются ожидания от линейных инженеров, но не только - и руководителям предстоит измениться. И логика тут простая: AI не заменит руководителей сам по себе - руководители, которые перестроились под новые условия, заменят тех, кто не захотел или не справился с этим.

И для тех, кто готов к изменениям мы решили провести конфу Управление’26 - она поможет тем, кто хочет свериться с реальностью и понять, какие компетенции и инструменты нужны, чтобы остаться востребованным сегодня и в будущем. Я на этой конфе расскажу про то, как меняется роль CTO, что ему стоит попробовать руками и как выстроить стратегию развития технологий компании, включая конечно и AI.

Регистрация на конфу доступна https://stratoplan-school.com/management/alexpol/, причем участие бесплатное при подписке на каналы спикеров (или если нет желания подписываться, то за символическую плату).
На конфе выступят: ex-CТО Bookmate и Pure, фаундер NEWHR, AI Program Manager из G42, Venture Principal, ex-PM в IBM и ex-CIO Volvo, и ex-Associate Managing Consultant в MasterCard + сооснователи Школы

Конференция пройдет с 20 по 23 апреля, онлайн (но будут доступны и записи).

#AI #Engineering #Management #SystemDesign #Architecture #Processes #Software #Productivity

3,170

Книжный куб

26 апр. 2026 г., 14:01

CTO 2026: от главного по технологиям к архитектору AI-native компании (Рубрика #Leadership)

В 2026 году роль CTO меняется радикально: теперь он отвечает не только за технологии, но и за то, как компания думает, учится и поставляет ценность в эпоху AI. Когда код, аналитика и прототипы становятся дешевле благодаря AI, главным дефицитом становятся контекст, качество решений, доверие и управляемая скорость. В своей https://tellmeabout.tech/ai-native-cto-3238a2a03869 я разбираю эти изменения и рассказываю о том, какие компетенции нужны техническому лидеру, чтобы не просто внедрять AI-инструменты, а перестраивать под них всю организацию.

Ну и напоследок я размышляю о том, а куда CTO стоит вести компанию в 2026 году, чтобы AI стал не модным слоем поверх процессов, а реальным рычагом роста и конкурентного преимущества.

#AI #Engineering #Management #SystemDesign #Architecture #Processes #Software #Productivity

3,520

Книжный куб

26 апр. 2026 г., 14:01

[1/2] Hands-On RAG for Production (Рубрика #AI)

С интересом прочел доступные главы этой https://learning.oreilly.com/library/view/hands-on-rag-for/9798341621701/, что находится в процессе написания. Основная идея авторов Ofer Mendelevitch и Forrest Bao была в том, чтобы рассказать про retrieval augmented generation как про инженерную систему и рассмотреть вопросы приема данных в платформу, прав доступа, latency ответов, автоматического оценивания, приватности и так далее. Это сильно отличает книгу от других, где RAG выглядит просто еще один паттерн поверх AI, но это и понятно, ведь авторы работают в https://www.vectara.com/retrieval-augmented-generation-everything-you-need-to-know, компании, что делает платформу для агентов, а также RAG as a service (поэтому и часть практических примеров в книге связана с этой платформой).

В общем, книга по задумке авторов попадает в самую болезненную точку рынка: разрыв между "демо работает" и «система переживает production, аудит, рост нагрузки и вопросы от security». Это и делает её важной не только для инженеров, но и для технических руководителей, не ради слова RAG, а ради инженерной дисциплины вокруг него (я примерно поэтому и взялся читать книгу). Если идти по доступным главам, то логика авторов прослеживается хорошо: сначала они собирают базу, а потом быстро уводят читателя из мира RAG на коленке в мир ограничений вокруг продакшена. Давайте посмотрим на главы пристальнее

1) "Introduction to Retrieval Augmented Generation (RAG)"
Это, по сути, фундамент: что RAG решает, где он реально лучше "голой" модели, и почему его так любят в enterprise-сценариях. Например, здесь автоы сравнивают RAG и fine-tuning моделей.
2) "Advanced RAG"
В этой главе начинается интересное обсуждение того, что отличает базовый pipeline от реально полезной системы. То есть не просто dense retrieval, а более сильный retrieval stack, reranking, chunking, query rewriting, гибридные схемы и прочая инженерия качества.
3 и 4) "Deploying RAG to Production" и "The RAG Platform" - это центральная часть книги. Именно здесь RAG перестаёт быть проектом на поиграться и становится системной задачей со своим набором ограничений и требований: latency, privacy, explainability, prompt design, compliance, доступы к данным, архитектурные компромиссы, build-vs-buy. А четвертая глава "The RAG Platform" особенно хороша тем, что показывает, что зрелый RAG почти всегда превращается не в одну фичу, а в платформенный слой, который начинает обслуживать несколько продуктов и команд.

В я поделюсь мнением про оставшиеся главы книги и расскажу для кого она будет полезна.

#AI #Engineering #Software #DistributedSystems #SystemDesign #Database #Search #Agents

Книжный куб

26 апр. 2026 г., 14:01

Concurrency, Synchronization and Consistency.

🔹Основы. Железо
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood

🔹Модель памяти / Барьеры памяти
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood

🔹Прикладной уровень. Операционная система
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood

- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- Bonus: Проблема https://t.me/careerunderhood

- https://t.me/careerunderhood

- https://t.me/careerunderhood
- https://t.me/careerunderhood

🔹Вызовы конкурентного программирования
- https://t.me/careerunderhood
- https://t.me/careerunderhood
- https://t.me/careerunderhood https://t.me/careerunderhood

Golang
- https://t.me/careerunderhood
- https://t.me/careerunderhood

Книжный куб

26 апр. 2026 г., 14:01

Code of Leadership 2. Эпизод #1 - Оценка эффективности внедрения AI с Авениром Вороновым(Рубрика #AI)

Вышел https://www.youtube.com/watch?v=ZsaZkHOsYTAвторого сезона моего подкаста Code of Leadership. В этот раз в гостях был Авенир Воронов, директор по внедрению из компании http://veai.ru/, что делает AI решения для корпоративной разработки. А говорили мы о теме, которая кажется мне одной из самых практичных в AI-native разработке: как не просто выдать инженерам AI-инструмент, а понять, что его внедрение действительно дало команде и бизнесу.

Если коротко, разговор получился вокруг одного ключевого вопроса: какой язык измерения вообще нужен для AI-внедрения. Мы обсудили, почему пилоты часто запускают энтузиасты без baseline и критериев успеха, как из телеметрии IDE и диалогов с copilot-инструментом можно собирать сценарии работы и оценивать время и деньги, зачем смотреть не только на adoption, но и на контрметрики качества, а также почему эмоциональный фон инженеров и типы их взаимодействия с AI тоже дают важные сигналы.

Отдельно получилось интересно поговорить про то, как меняется сама модель разработки. AI сдвигает работу выше по стеку абстракций: от написания строк к формулированию intent, ограничений, правил и тестов. А значит, меняются не только инструменты, но и роли, процессы и само понимание того, что считать успешным внедрением. Мне особенно отозвалась мысль, что успешное внедрение AI почти никогда не измеряется одной цифрой. Для одного заказчика важен ROI, для другого - спокойствие команды и качество работы, для третьего - скорость пути от идеи до релиза. Поэтому реальное использование и растущий adoption оказываются не менее важны, чем красивые цифры на дашборде.

В общем, это выпуск не про магический рост productivity, а про более взрослый разговор: как измерять AI-внедрение без маркетингового шума и не терять связь с реальной болью инженерной организации.

Выпуск доступен на разных площадках: https://www.youtube.com/watch?v=ZsaZkHOsYTA, https://vkvideo.ru/video-228790766_456239110, https://podster.fm/podcasts/code-of-leadership/e/459590/otsenka-effektivnosti-vnedreniya-ai-s-avenirom-voronovym, https://music.yandex.ru/album/29274009/track/150242823.

#AI #Engineering #Management #DevEx #Productivity #Leadership #Software

Книжный куб

26 апр. 2026 г., 14:01

Как Hyundai сделал то, что не смогли Google и DARPA? (Рубрика #Robotics)

С интересом посмотрел https://www.youtube.com/watch?v=Bo0PcuqjNhE про версию робота Atlas от Boston Dynamics и Hyundai, из которой видно, что Atlas перестает быть просто research-легендой и начинает превращаться в промышленный продукт. История этого робота вообще выросла из потребности в роботе-гуманоиде для аварий навроде аварии на Фукусима, а теперь Hyundai готовит его к реальной работе на своих заводах.

Основная мысль истории в том, что в робототехнике побеждает не тот, у кого самый вирусный деморолирк, а тот, кто умеет собрать полный контур. У нового робота Atlas этот контур выглядит так
- Boston Dynamics приносит механику, контроль и годы R&D
- Google DeepMind - новый слой embodied AI
- Hyundai - заводскую дисциплину, цепочку поставок, внутреннего первого заказчика и путь к масштабу
Без этого последнего звена даже очень красивый гуманоид легко остается просто дорогой лабораторной демонстрацией

Если говорить про основную техническую историю, то это актуаторы (исполнительные механизмы). Hyundai Mobis прямо пишет, что они шаренные ключевые компоненты с автомобильными управляющими системами, а сами актуаторы съедают больше 60% стоимости гуманоидов Atlas. И это показывает как Hyundai обеспечил прорыв в подготовке робота к проду: не через "изобрести все с нуля", а через умное переиспользование уже отлаженной индустриальной базы из соседней отрасли.

Если говорить про продуктовую часть, то Boston Dynamics сама признает, что предыдущая версия Atlas была слишком дорогой и сложной в ремонте, а прод-версию специально делали проще и удобнее в обслуживании (работали над сокращением TCO, total cost of ownership). Важно еще, что новый Atlas не просто "копирует человека", а умеет работать в мире, уже спроектированном под человека. Boston Dynamics пишет, что он рассчитан на те же workstations и то же оборудование, что и у людей - а это позволяет использовать его на текущих автоматизированных заводах по производству машин как drop-in замену человеческого труда на тех стадиях рабочего процесса, что раньше не были автоматизированы.

Возможности робота и железо под капотом выглядят серьезно, в итоге у роботоа есть: 56 степеней свободы, почти непрерывная кинематика, тактильные руки (tactile hands), 360° обзор, автономная замена батареи, работа в режимах autonomous / VR / tablet, интеграция с MES и WMS через Orbit. Но самое важное даже не в цифрах, а в том, что Atlas уже учат реальным производственным операциям и думают о раскатке новых навыков на весь флот роботов. Это уже больше похоже не на "одного умного робота", а на новую software-defined физическую платформу.

Но Boston Dynamics не разгоняет хайп, а говорит, что начинает с простых задач и только потом будет двигаться к более сложной сборке и плотной работе рядом с людьми. То есть революция в робототехнике, скорее всего, придет не одним большим скачком, а серией скучных, очень инженерных итераций (как обычно и бывает)

#Robotics #RnD #Engineering #AI #Engineering #Software #Hardware #Architecture

Книжный куб

26 апр. 2026 г., 14:01

Я часто рассказываю про то, что надо знать базу для того, чтобы развиваться в software engineering. Но обычно сложно описать, а что же входит в это определение "база" и является джентельменским набором хорошего инженера. Но тут мой коллега, Женя Козлов, крутой инженер, написал серию статей про процессоры, модели памяти, многозадачность и конкурентность. В этой серии разбираются моменты, которые полезны инженерам, что делают высоконагруженные системы, которые плотно работают с данными. Собственно, сам Женя у нас лидит команду, что занимается Statist - это наша система продуктовой аналитики, которая давно заменила нам Amplitude и по всем характеристикам тянет на data intensive application. В общем, я очень рекомендую вам эту серию статей от Жени, если вам интересно понять как компьютер обрабатывает под капотом те программы, что вы пишите на своем любимом языке программирования.

Отдельно отмечу, что мы с Женей записывали , из которого можно узнать про интересный путь Жени к его текущей роли внутри Т-Банка, а также что он делает у нас в компании.

2,780

Книжный куб

26 апр. 2026 г., 14:01

Engineering Leadership: The Hard Parts (Рубрика #Management)

Я люблю читать книги про менеджмент, которые не пытаются продать "лидерство" как набор красивых поз или фраз. И новая книга O’Reilly " https://learning.oreilly.com/library/view/engineering-leadership-the/9781098175627/", вышедшая в начале 2026 года, выглядит интересной ровно из-за этого. Авторы решили в ней рассказать про ту часть работы, где приоритеты съезжают, ресурсов не хватает, процессы скрипят, а работу все равно надо сделать. Ее написали Хуан Пабло Буритика и Джеймс Тернбулл. Первый - CTO Convergint с опытом Stripe и Splice, а второ - старший вице‑президент по разработке там же, который до этого успел поруководить в Kickstarter, Docker, Venmo и ряде других компаний, а также он успел до этой книги написать несколько других технических книг.

По оглавлению видно, что книга идет от неопределенности и роли руководителя к темам работы с командой, задания направления, поставки результата, работы с бюджетом, определения технических принципов, а также совместных решений и метрик. То есть разговор здесь не только про личные встречи с сотрудниками и оценку работы, а про весь фулхауз сразу: люди, продукт, процесс, деньги и технологии.

Особенно хорошо, что

1️⃣ Авторы начинают с диагностики хаоса. Не с мечты про идеальную команду, а с признаков того, что система уже едет: нет владельцев, слабая коммуникация, культура поиска виноватых, режим постоянного пожара, отсутствие внятных измерений. Это хороший заход, потому что многие книги по управлению начинают там, где у читателя уже "все хорошо". Я тоже люблю говорить менти, что упоминают про сложности новой работы, о том, что если бы все было хорошо, то вас бы не позвали руководить этим направлением:)
2️⃣ Роль технического руководителя они раскладывают через несколько опор: люди, смысл работы, план, процесс и результат. Сильная мысль тут простая: руководитель - это не "бывший лучший разработчик", а многорукий шива или как описывают авторы "generalist with range", который связывает команду, направление и способ работы в одну систему.
3️⃣ Есть сильный блок про работу в хаосе. Авторы не выдают "универсальный шаблон", а скорее дают набор ментальных моделей: сначала понять контекст, потом выбирать действие; смотреть на результат, а не на суету; проговаривать компромиссы вслух; строить не героизм, а систему, в которой людям проще двигать работу.
4️⃣ Книга не застревает только на вопросе людей. Там есть приоритизация, очередь задач, баланс между новыми функциями и техническим долгом, прозрачность приоритетов. А потом - бюджеты, расходы, подрядчики, спор "делать самим или покупать", а следом технические принципы и стратегия. Такой диапазон тем в одной книге встречается нечасто
5️⃣ Завершается все инженерными практиками и метриками. И это может быть одна из самых ценных частей. Многие организации либо вообще не умеют мерить инженерную работу, либо превращают метрики в дубинку. Здесь же по оглавлению видно более здоровый подход: метрики надо проектировать под вопрос и не фетишизировать скорость разработки (velocity)

Если ставить книгу рядом с книгами Will Larson, то сравнение у меня такое
- An Elegant Puzzle - это сильная системная книга про инженерный менеджмент: размер команд, технический долг, планирование преемственности, организационные решения (см. )
- Engineering Leadership: The Hard Parts - это более приземленная книга про повседневную работу руководителя внутри уже шумящей системы
В общем, их можно отлично совмещать.

#Engineering #Management #Leadership #Processes #Strategy #Metrics

Книжный куб

26 апр. 2026 г., 14:01

State of FinOps 2026: почему FinOps становится экономическим control plane для AI-native engineering (Рубрика #Survey)

Изучил свежий https://data.finops.org/. Главный тезис: FinOps окончательно перестал быть практикой про объяснение вчерашнего счета за облачное потребление и стал слоем управления стоимостью технологий, включая AI, SaaS решения, лицензии, приватные облака, датацентры и даже ФОТ (фонд оплаты труда). Не случайно https://www.finops.org/ в 2026 году официально сменила формулировку https://www.finops.org/about/ с "value of cloud" на "value of technology", а в самом Framework добавила отдельную capability " https://www.finops.org/framework/capabilities/executive-strategy-alignment/".

В своем опросе авторы снимали срез по всей операционной модели FinOps: текущие и будущие приоритеты практики, оргструктуру и место команды в компании, требуемые навыки, расширение охвата на новые технологические категории, работу с AI тратами и AI в самом FinOps, взаимодействие с соседними дисциплинами, пробелы в инструментах и движение к единому формату cost/usage data через https://focus.finops.org/ (FinOps Open Cost & Usage Specification). Итого, видно, что это отчет не просто про оптимизацию потребления облачных ресурсов, а обзор того, как меняется экономический контур инженерной организации.

С точки зрения методологии это ежегодный опрос-срез сообщества FinOps Foundation: шестой по счету с 2020 года, 1,192 респондента, суммарно представляющие компании с $83+ млрд ежегодных трат на AI. Состав был такой: 47% крупные корпорации, 33% корпорации и 20% малый и средний бизнес. География была такая: 35% EMEA, 34% North America, 16% APAC и 15% South/Central America. Сами выводы исследования достаточно интересны

1️⃣ AI стал главным объектом FinOps
- 98% респондентов уже управляют AI расходами и FinOps для AI - это главный приоритет на следующие 12 месяцев (а также самые большой пробел в скиллах).
- Одновременно растет использование AI внутри самой FinOps-практики для детекции аномалий, правильного сайзинга, аллокации затрат и автоматизации всего этого. При этом основные боли пока очень базовые: visibility, аллокация по бизнес-юнитам и попытка вообще понять value/ROI AI-инвестиций

2️⃣ FinOps окончательно вышел за пределы public cloud
- 90% уже управляют SaaS или планируют делать это в ближайший год, 64% - лицензиями, 57% - приватными облаками, 48% - датацентрами; еще 28% добрались до ФОТов.
- Здесь особенно важна не сама ширина охвата, а сдвиг логики - зрелый FinOps переходит от поиска потерь к управлению инвестиционными компромиссами между технологиями

3️⃣ FinOps сместился в организации вверх
- 78% команд теперь сидят под CTO/CIO, а не под CFO; 60% работают как централизованные команды для enablement
- Даже у компаний с $100M+ затратами команды остаются очень небольшими - в среднем 8–10 сотрудников и 3–10 контракторов
- Это очень похоже на платформенные команды: они масштабируются не headcount’ом, а стандартами, автоматизацией и федерализацией
- Параллельно растет влияние FinOps на технологический выбор

4️⃣ Shift-left в FinOps стал реальностью, но измерения пока не догнали практику
- Среди самых желанных возможностей инструментов - гранулярный мониторинг костов на AI, оценка костов перед реализацией и деплоем архитектурных изменений и единый дащборд по разным типам технологических затрат
- Интересно, что комьюнити уже движется от реактивных дашбордов к проактивным и автоматизации в реальном времени, но до сих пор плохо понимает, как измерять избегание затрат (cost avoidance) от предотвращенных проблем

5️⃣ FOCUS становится источником данных для этого нового FinOps
- По мере расширения практики на AI, SaaS и датацентры организациям нужен единый язык billing/cost данных
- Именно поэтому https://focus.finops.org/ в отчете идет как инфраструктурная тема, а не как "еще один стандарт"

В общем, это интересный опрос от сообщества и хороший ресурс по экономическим вопросам управления технологиями (раньше я с ним знаком не был)

#Economics #Management #Engineering #Leadership #Software #AI #Metrics

Showing 10 of 10 posts

No more posts

Рейтинг

Требуется вход

Отзывы пользователей (0)

Пока нет отзывов. Будьте первым, кто поделится своим опытом!

Книжный куб

Книжный куб

Рейтинг

Рост участников (Последние 3 дней)

Последние посты

Рейтинг

Отзывы пользователей (0)

Похожие каналы Telegram

ArtTube Editions

Аквариум - мое хобби🇺🇿

Фонд креативных индустрий Пермского края

Галерея «Виктория»

Hovard Club

Shift

Миша Aizek

FARFORITE

Похожие каналы Telegram

ArtTube Editions

Аквариум - мое хобби🇺🇿

Фонд креативных индустрий Пермского края

Галерея «Виктория»

Hovard Club

Shift

Миша Aizek

FARFORITE

Отзывы пользователей (0)

Последние посты