Нужны люди, кто занимаются оптовыми продажами, не важно где.

Может есть у меня кто-то тут? Мне нужен звонок на 15 минут

Буду рад, если поделитесь со своими знакомыми

Робо рука, осталось нож научить держать :)
https://github.com/TetherIA/aero-hand-open

Свежее исследование про зарплаты тех специалистов в ФинТехе в UK и USA.

1) текучка высокая - 89% готовы сменить работу
2) Половина недовольны своей текущей ролью - стагнация зарплат и отсутствия роста (91% без повышения).
3) Зарплаты в data особо не растут
4) Тренд на AI - компании активно создают свои команды по работе с ИИ.

Не будь как Cloudflare - проверяй свои коммиты в AI 🙂

В последнее время пишу так:
1) Cursor Auto, Plan mode - рассказываю про то, что нужно сделать. Прошу прочитать нужные MD файлы в проекта (именно прочитать, просто тегнуть не работает). И еще прошу задать вопросы, которые непонятны
2) Cursor пишет план
3) В новом чате тегаю план, прошу его реализовать
4) В codex плагине вставляю план, прошу сравнить его с non-commit изменениями

Немного долго, но хотя бы работает. с MCP я так и не подружился. Пока их больше пишут, чем пользуются

https://antigravity.google кто-нибудь уже пробовал?
Есть отличие от курсора?

UPDATE Оф. видео: https://www.youtube.com/watch?v=nTOVIGsqCuY

Мне в последнее время стал интересен мир лямда-обработки данных.

И это можно делать не только в дорогих AWS или Google cloud.
Hetzner S3 хранилище стоит 5 евро в месяц за терабайт!
Поднимаем там сервер, обрабатываем данные из S3 и кладем в S3 в duckdlake.
Гасим сервер.
Идеальная картинка для медленно меняющихся данных.


У нас это получилось! S3 -> dbt -> ducklake(S3)

PS: собрать конфиг для dbt оказалось непростой задачей, как-нибудь выложу его

Amazon выпустил интересную вещь для RAG - векторные индексы прямо в S3
Я уже писал, что Cursor использует Turbopuffer для индексации кода.
https://turbopuffer.com/customers/cursor

А Amazon решил прийти и на эту поляну
https://venturebeat.com/data-infrastructure/aws-claims-90-vector-cost-savings-with-s3-vectors-ga-calls-it-complementary

И похоже это будет успешно

Мне кажется сейчас интересная ситуация с наймом.

У меня пару друзей в uk искали год работу :(.
И вроде кажется, что стартапам легче нанимать людей стало, потому что рынок стал рынком работодателя.

Но с другой стороны рисковать меньше хочется: уйдешь с текущего места, помучаешься в стартапе пару месяцев, затем сам уйдешь, или тебя. И потом опять много месяцев искать работу.

Когда можно быстро найти работу - рисковать легче.

Что думаете?

Соревнование в стиле Kaggle для LLM агентов - Enterprise RAG Challenge 3

Что там есть:
1) демо бенчмарк - можно быстро проверить, что ваш агент вообще живет, читает задачи и умеет ходить в API
2) бенчмарк интернет магазина - каталог, купоны, корзина. агент должен находить некорректные сценарии и уметь честно завершать задачу отказом
3)тренировочный enterprise бенчмарк

Если хочется попробовать написать своего агета, то ERC3 сейчас один из самых удобных способов это сделать
https://erc.timetoact-group.at

Прочитал, что в Авито работает 600 аналитиков. Какая жесть. Зачем столько?

Маленькие армии сеньоров-помидоров?

https://habr-com.cdn.ampproject.org/c/s/habr.com/ru/amp/publications/978496/

В век автоматизации AI звучит как оверхед

PS: В корпорациях есть одна тема, чем больше у тебя людей в подчинении, тем больше вес. Появляются маленькие императоры.
UK здесь не исключение

Месяц назад я общался с Product Manager Metabase.

Самое интересное из разговора - они создают AI агента (уже в их облачной версии).

В файле полное саммари разговора, вдруг кому пригодится

Прошел мимо в магазине. Вот откуда этот термин появился

Кто-нибудь уже использовал Skills в AI агентах?

Помогает?
Я несколько месяцев сделал что-то подобное. Вначале я долго мучался и добавил пару фильтров с помощью курсора для таблицы на corprsignals.
Потом я попросил исходя из примера двух-трех коммитов написать подробную инструкицию по добавлению фильтров в md файл.
При добавлении следующих фильтров я просил корректировать эту инструкцию.

Теперь я могу добавить практически любой фильтр примерно за 10-15 минут, если данные уже подготовлены.

Можно ли сказать, что это skills?

Metabase конечно хорош для self-service аналитики.
Но вот что делать со всякими Excel отчетами для регуляторов?

Нашел отличную, хоть и старую Python библиотеку: https://github.com/zhangyu836/xltpl/blob/master/README_EN.md
Которая умеет использовать JInja шаблоны для генерации Excel отчетов.

Как работает:
1) Пишете коннекторы к данным, например к базе
2) Создатаете Excel файл с Jinja шаблоном как на скриншоте
3) Запускаете - файл ренедерится и все готово.

Мне нравится, что весь дизайн делается в Excel, а данные готовятся в Python.

Суровые будни Лондона

 3 часа назад у моей жены выхватили телефон в нашем районе в Rotherhithe

Два часа трекинга телефона через Find My закончились тем, что телефон застыл на 1 месте 

Я нашел статью в интернете, что воры никогда не возят телефоны с собой, чтобы их полиция не отследила и всегда закапывают или прячут их на ночь, чтобы забрать на след день

Вооружившись лопаткой моего сына из набора садовода и мощным фонарем от велика я отправился в Deptford к месту недалеко от памятника Петра 1 

После 20 минут поисков телефон был найден в кустах в целости и сохранности 


Так что если в следующий раз у вас выхватят телефон и вы увидите, что он находится где-то и его геопозиция обновляется - вы знаете что делать 

P.S. не забудьте включить Find My iPhone - штука ОЧЕНЬ мощная, сигнал выключенного телефона за 30 метров ловит

если проигнорили, то зря!
Я посмотрел уже 2/3 лекций и пишу AI агента для поиска на corpsignals.
И он уже локально работает deep seek. Почему он, год назад кинул туда 20$, нужно потратить.

Вообще конечно, все выглядит как чудо - вызов функций.
Пишешь функции, подаешь их через список. И библиотека aisuite (про нее много на курсе) все делает за тебя.
Осталось только промпт написать.

Выложил AI поиск на corpsignals - первую версию.

Теперь умеет искать по индустрии и по кодам импорта/экспорта. А может и вместе.
Под капотом: библиотека aisuite и DeepSeek, индивидуальный вызов функций RAG для индустрий и hs кодов. Для RAG: QWEN embed на CPU + pgvector + pg_search. RAG сделал гибридным - ищет как по векторам, так и полнотекстовый поиск

несколько дней/вечеров ушло на оптимизацию RAG. Гонял свой AI сервер, чтобы считать эмбеддинги. Только за счет этих оптимизаций получил очень хорошее качество ответов. Данные определяют качество всей системы! Впрочем это как в любой ML задаче.