XtEink x3 — маленькая и очень удаленькая читалка, с которой я снова начал читать

Весной этого года открыл для себя и купил на Aliexpress нашумевшую уже к тому времени в западном сегменте интернета читалку.

В ней китайцы устранили почти все недостатки современных читалок, из которых я для себя главными отмечаю большой вес, бессмысленно большой размер (за счёт больших паразитных рамок вокруг экрана) и немалую цену.

XtEink x4 и вышедшая чуть позже x3 (герой обзора) полностью устраняют все три недостатка. Правда, приносят и ещё один — отсутствие подсветки.

🟦 XtEink x3 весом 58 г, толщиной 4,9 мм, размером чуть больше кредитки и стоимостью в 4000 руб. позволяет всегда брать читалку с собой (в том числе она липнет к MagSafe на iPhone и на Android) — теперь нет повода не читать любимые книги в любой удобный момент!

↗️ Обзор на YouTube

↗️ Алекс Ковалёв | ПроТех c AI

Upgrade! Поменял предпоследний топовый MacBook на новый топовый.

Есть ли в этом практический смысл? Разбираемся вместе!

90-е были непростым временем, но в них осталось одно очень кайфовое чувство, которое в этом году ко мне вернулось: радость от апгрейда, когда ты зримо видишь, что привычные операции, скорости в которых никогда не бывает мало, делаются сильно быстрее, чем на прошлом сетапе железа.

И вот последние несколько лет я полностью утратил чувство этого счастья. Видео я монтировал редко, а в остальных рабочих сценариях прирост производительности едва ли ощущался.

🔥 В 2026-м совсем другое дело! ИИ во всех видах так грузят железо, что прямо сейчас я бы не отказался и от х10 прироста скорости от производительности нового сетапа. Памяти мало, NPU и GPU производительности ещё меньше. В этом году у меня постоянно на компьютере что-то вычисляется, компилируется и ИИ-вычисляется )
Было уже несколько раз, когда выполнялись работы длительностью в 1-3 суток.

🟦 Так вот, про практический смысл. На этих тяжёлых сценариях новая железка выдаёт ×2,4. Кайфово.

📈 Upgrade снова желанный и снова даёт настоящий прирост скорости.

Я по этому чувству, оказывается, скучал. И забавно, что вернул мне его именно ИИ.

Во что упираетесь вы — в память, в GPU или уже в терпение в бесконечных хьюман ин зе луп!?

↗️ Алекс Ковалёв | ПроТех c AI

👋 26 июля 2026 подписан закон № 243-ФЗ про ИИ. Разбираемся что запретили, а что разрешили!

Разбираться удобнее с начала. С 1 марта действует приказ ФСТЭК № 117, и про него до сих пор пишут «ФСТЭК запретил облачный ИИ». Но если открыть приказ — там этого нет.

Пересказов вышло много, и почти в каждом «запрет облачных ИИ-сервисов», часто ещё и «для гостайны». Если хотим разобраться - читаем первоисточник.

Гостайны в приказе нет вовсе: пункт 4 выводит её из-под действия документа. Слово «облачные» во всём тексте встречается один раз, в пункте 63, и это мера защиты.

Зато вот пункт 60, дословно:
«Не допускается передача лицу, разработавшему модель искусственного интеллекта, информации ограниченного доступа, содержащейся в информационных системах, в том числе для улучшения функционирования модели искусственного интеллекта».

А пункт 61 добавляет:
«Непосредственно в состав информационных систем должны включаться доверенные технологии искусственного интеллекта или их компоненты».

Теперь про то, чем эту доверенность подтверждать. Механизм написали и убрали. Речь про тот закон, что в шапке новости - Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации». В мартовском проекте в нём была категория доверенных моделей и реестр под неё, в майской редакции требование расширили с госсистем и КИИ на все модели, а 22 июня категорию вычеркнули целиком. В подписанном тексте слова «доверенная» и «реестр» не встречаются ни разу.

🟦 Требование действует с 1 марта, и спрашивают по нему с оператора. А понятие, которым его закрывать, из закона убрали.

Действующий с апреля ПНСТ 1046-2026 требует, чтобы ИИ первых двух уровней критичности на КИИ был доверенным. А доверенную систему определяет как ту, «в отношении которой потребитель проявляет доверие». Круг замкнулся и более подробностей на настоящий момент нигде нет.

📣 Что нас ждет далее? 17 июля ФСТЭК и ИСП РАН вынесли на публичное обсуждение проект ГОСТа по безопасной разработке ИИ, оно идёт до 17 сентября. Но этот стандарт — для тех, кто модель делает, и про то, как её делать.

Резюме. Облачный ИИ никто не запрещал, его отсекают эти два требования выше: не отдавать данные разработчику и брать доверенное. Локальная модель в контуре остаётся законной.

Отсюда и интерес к открытым весам, и он теперь стоит на норме: закон вводит статус национальной модели, а она может собираться на чужих компонентах, включая зарубежные, если лицензия открытая. GLM-5.2 под MIT, Qwen3.6 под Apache-2.0. На моих задачах GLM с 5.2 сносно пишет код, Qwen с 3.6 тянет общий анализ данных.

⏰ Про сроки. Закон вступает в силу 1 сентября, но всё содержательное — статусы моделей, обязанности разработчиков, маркировка — включается только с 1 марта 2027. Тогда же Правительство получает право закрывать отдельные сферы: устанавливать случаи, когда допускается применять исключительно суверенные и национальные модели.

И мякотка: на системы, где модель уже работала к этой дате, такие ограничения не распространяются до 1 сентября 2032 — при условии, что данные обрабатываются и хранятся в России. То есть развернул контур до марта 2027 — у тебя пять с половиной лет запаса. Не успел — попадаешь под ограничение сразу, как только (и если) сферу закроют.

📈 Думаю, после этой появившейся определённости с тем, что сильные китайские модели можно использовать в onprem, отрасль обречена на бум развития ИИ сервисов! И времени мало - надо успеть развернуться до 1 марта 2027!

Вопрос тем, кто внедряет ИИ в контуре: чем вы закрываете «доверенность», пока реестра нет? И какие модели у вас самые ходовые?

↗️ Алекс Ковалёв | ПроТех c AI

👋 Навайбкодил Transmission Remote GUI, нативный под Apple Silicon

Некоторое время назад стал получать предупреждения от операционной системы про то, что популярное приложение Transmission Remote GUI, которое я использую на MacBook для управления torrent-закачками на своём сетевом хранилище, написано под x86 архитектуру и скоро перестанет поддерживаться динамическим транслятором Rosetta от Apple.


🟦 Не беда, подумал я и пошёл в GitHub искать обновление этой программы. Проект-то живой, коммиты идут. Но готовых сборок не выкладывали с 2019 года, а нативной под Apple Silicon нет вообще.
Это же вызов вайбкодерам! Подумано и сделано.

Сделал форк и навайбкодил нативную сборку: arm64, Cocoa, ветка native-macos-build. Написан клиент, между прочим, на Free Pascal — языку под тридцать лет, и наблюдать, как ИИ-агенты уверенно чинят Паскаль, было отдельным удовольствием.

Пользуйтесь, если кто-то тоже пользовался этой утилитой.

Забирайте: GitHub, готовый .dmg лежит в релизах.

По времени. Агенты наработали 24 минуты, я добавил 18, и все мои 18 — это 9 вопросов, на которые надо было ответить или одобрить принесённое. Программа, которой семь лет не выпускали сборок, завелась нативно меньше чем за час.

↗️ Алекс Ковалёв | ПроТех c AI

👋 Как перевезти Claude и Codex на новый компьютер без потерь

Заметка для таких же извращенцев, как я: тех, кто гоняет Claude Code и Codex не в терминале, а в приложении с окошками.

Штатный путь один — нативный мигратор Apple, который комп перевозит целиком. А я люблю настраивать новый компьютер с нуля. Для пущей чистоты и эффективности. Для этого случая механизма нет вообще.

Пришлось навайбкодить свой. Это было непросто.

Сначала полез искать сессии в IndexedDB, приложение же на вебе. Их там нет. Домашние сессии лежат в local-agent-mode-sessions, реестр Claude Code — в claude-code-sessions. И переезжают только аддитивным rsync при полностью закрытом приложении: открытое переписывает файлы своей текущей памятью. А рутины по расписанию живут вообще в третьем месте (их и забыл в итоге).

Один проект не переехал по неизвестной причине. Восстанавливал из GitHub: клонировать, поставить тулчейн, пересобрать. Уцелел только потому, что код лежал в репозитории.

🟦 Потом пошёл смотреть остальные проекты, и вот что оказалось противнее всего: бывает, код живёт в своём репозитории во вложенной папке, а память проекта — в корне и вне git вовсе. Со стороны выглядит как «всё под бэкапом». А половины нет.

Вывод первый: если настраиваете компьютер как новый и проектов у вас много — внимательно «сверяйтесь по списку», что точно всё переехало.

Вывод второй, для меня главный. Я перенастроил работу с проектами. Вся дополнительная память раньше лежала файлами в папке проекта на диске: журнал решений, статусы, планы, архитектура, уроки на своих же граблях. Теперь она в приватных git-репозиториях, рядом с кодом. Теперь к переезду я готов в любой день: всё нужное возьмётся из гита.

А ваша память по проектам где — на диске или в гите?

↗️ Алекс Ковалёв | ПроТех c AI

📣 Завайбкодил автопапку для преобразования аудиокниг из mp3 в m4b!

Часто аудиокниги у нас дистрибутируются папкой с несколькими десятками mp3 внутри. А люди с Apple техникой, и я в частности, привыкли к удобству аудиокниг в формате m4b. Соответственно есть задача конвертации. И есть даже утилита неплохая. Но меня каждый раз бесила необходимость искать и подкладывать в m4b обложку. И название книги, и имя автора приходилось вручную переносить. А хотелось максимально быстрой и простой автоматизации. Типа бросаешь в папку с названием mp3-to-m4b папку с книгой в виде mp3 рассыпухи, потом вжух магия, и на выходе m4b с обложкой!

Звучит как задача для очередного вайбкодерского проекта! =)
Сначала я сделал себе эту автопапку. Кладёшь в неё книгу, и она собирается сама: ни запусков, ни терминала. Потом из этой папки выросла утилита под macOS.

mp3-to-m4b следит за папкой, сам читает теги и длительности, показывает окно: главы списком, обложка, качество. Глава на каждый файл, в правильном порядке.
Обложку берёт вшитую в mp3, а если её нет, ищет в интернете или рисует свою. Битрейт и стерео/моно выбираются, длинную книгу можно нарезать на части.

На выходе .m4b с главами и обложкой. Красота!

А внутри зоопарк. Окно с подтверждением — Swift, 13 файлов. Всё остальное — Python, 39. Конвертирует ffmpeg, обложки рисует Pillow, за папкой следит launchd.

По времени. Агенты наработали 11 часов 51 минуту за 61 делегирование, я добавил час: 40 вопросов и ручные проверки — перезагрузки, выдача разрешений. Вместе почти 13 часов. Считает это «Юрка team» сама, и цифра занижена: часть сессий в лог не доехала.

Только macOS. Подписи Apple у сборки нет, поэтому первый запуск система остановит: разрешить нужно один раз, в Системных настройках, в разделе «Конфиденциальность и безопасность».

🟦 Забирайте: бесплатно, открытый код, DMG на GitHub.

↗️ Алекс Ковалёв | ПроТех c AI