Web appOpen in Telegram
PProgramiści - Linux

Programiści - Linux

@linuxProgramowanie · group · Tech · indexed since 2026-08-18
23members
3writing in 30 days
39messages in 30 days
3 451messages in the index
J
LINUX &&|| PROGRAMMINGMake coding agents earn the green check 💡 Do not end an agent task with "implement this." End it with a command that can fail. For a .NET repo, that might be dotnet test, a focused test project, a formatter check, or a small reproduction script. Tell the agent which command to run, what output to
Umożliwienie agentom programistycznym uzyskania zielonego znaczka 💡 Nie kończ zadania agenta stwierdzeniem „zaimplementuj to”. Zakończ je poleceniem, które może się nie powieść. W przypadku repozytorium .NET, może to być dotnet test, dedykowany projekt testowy, sprawdzenie formatowania lub mały skrypt odtwarzający problem. Powiedz agentowi, jakie polecenie ma uruchomić, jakie dane wyjściowe ma sprawdzić i co powinien zrobić, jeśli polecenie się nie powiedzie. Dobry kontrakt zadania składa się z trzech części: • Zmiana: pliki lub zachowanie, które należy zaktualizować. • Potwierdzenie: dokładne polecenie lub przypadek testowy. • Warunek zatrzymania: co wymaga przeglądu przez człowieka zamiast kolejnej próby. To również przyspiesza przegląd pull requestów. Otrzymujesz różnicę (diff) oraz dowody, a nie jedynie pewny siebie akapit twierdzący, że poprawka powinna działać. 〰〰〰〰〰〰 #AI #dotnet #Testing @ProgrammingTip
L
Link
click to show
GitHub moved the Copilot runtime to Rust 🚀 GitHub migrated the runtime behind Copilot to Rust, and used Copilot during the migration itself. ✅ Why this is worth reading: • Runtime work is systems work: a language migration means tracing real production behavior, not just translating syntax. • Copilot was part of the workflow: useful for exploring an unfamiliar codebase, drafting changes, and keeping momentum through repetitive conversion work. • The output still needs engineering judgment: boundaries, performance, correctness, and rollout safety are not autocomplete problems. This is a practical case study for teams asking where coding agents help on a large refactor. Use them to accelerate investigation and implementation. Keep humans on architecture, tests, and production checks. [ Blog ] : https://github.blog/ai-and-ml/generative-ai/migrating-the-github-copilot-runtime-to-rust-using-copilot 〰️〰️〰️〰️〰️〰️ #AI #GitHub #Rust #Copilot @ProgrammingTip
2 · 2.8K ·
  1. J
    Link
    click to show
    GitHub przeniósł środowisko uruchomieniowe Copilota na język Rust 🚀 #GitHub przeniósł środowisko uruchomieniowe, które napędza Copilota, na język #Rust, a sam #Copilot był wykorzystywany podczas tego procesu migracji. ✅ Dlaczego warto przeczytać: • Praca nad środowiskiem uruchomieniowym to praca systemowa: migracja języka oznacza śledzenie rzeczywistego zachowania w środowisku produkcyjnym, a nie tylko tłumaczenie składni. • Copilot był częścią procesu: przydatny do eksploracji nieznanego kodu, tworzenia propozycji zmian i utrzymywania tempa pracy podczas powtarzalnych zadań konwersji. • Wyniki nadal wymagają oceny inżynierskiej: granice, wydajność, poprawność i bezpieczeństwo wdrożenia to nie problemy, które można rozwiązać za pomocą automatycznego uzupełniania kodu. To praktyczne studium przypadku dla zespołów, które zastanawiają się, w jaki sposób narzędzia wspomagające programowanie mogą pomóc w dużych refaktoryzacjach. Wykorzystaj je, aby przyspieszyć analizę i implementację. Pozostaw ludzi odpowiedzialnymi za architekturę, testy i kontrole w środowisku produkcyjnym. [ Blog ] : https://github.blog/ai-and-ml/generative-ai/migrating-the-github-copilot-runtime-to-rust-using-copilot 〰️〰️〰️〰️〰️〰️ #AI #GitHub #Rust #Copilot @ProgrammingTip
Whole thread · 1 reply →
L
Link
click to show
GitHub improved the Copilot code review flow 🔥 GitHub shipped an improved Copilot code review experience. That matters most on the boring, high-volume PRs where reviewers need help finding a real issue, not another summary of changed files. For C# teams, use Copilot review as an extra pass on every ASP.NET, EF Core, and library PR. Then keep the human review focused on contracts, failure behavior, and whether the change belongs in the codebase. Practical rule: • Let Copilot flag suspicious diffs. • Do not merge because it found nothing. • Keep analyzers and tests as the enforcement layer. AI review is cheap coverage. It is not a replacement for someone who knows why that nullable property or cancellation token exists. [ Read More ] : https://github.blog/changelog/2026-09-18-copilot-code-review-an-improved-review-experience 〰〰〰〰〰〰 #dotnet #csharp #GitHub #Copilot @ProgrammingTip
3 · 2.4K ·
L
Link
click to show
Cloudflare saved 100 TB of RAM with math and Rust 🔥 Cloudflare reclaimed more than 100 TB of RAM globally in a Pingora-based consistent-hashing service. No new hardware. The win came from changing data representation and the algorithms around it. ✅ Lessons: • Measure retained memory, not only allocation rate. • Check collection shape: duplicated keys, oversized buckets, and pointer-heavy graphs add up fast. • Fix the model first: a smaller or more compact structure usually beats micro-optimizing a hot loop. For high-cardinality caches, routing tables, or tenant maps, take a heap dump before reaching for another cache node. A few bytes per entry becomes expensive at fleet scale. [ Blog ] : https://blog.cloudflare.com/saving-100-tb-of-ram-with-math 〰️〰️〰️〰️〰️〰️ #Performance #Memory #Rust @ProgrammingTip
7 · 2.6K ·
  1. J
    Link
    click to show
    Cloudflare zaoszczędził 100 TB pamięci RAM dzięki matematyce i Rustowi 🔥 Firma Cloudflare odzyskała ponad 100 TB pamięci RAM na całym świecie dzięki usłudze opartej na Pingora, wykorzystującej spójne haszowanie. Nie wykorzystano nowego sprzętu. Sukces został osiągnięty dzięki zmianie sposobu reprezentacji danych oraz algorytmów związanych z nimi. ✅ Lekcje: • Mierz ilość pamięci, która jest wykorzystywana, a nie tylko tempo alokacji. • Sprawdź strukturę danych: duplikowane klucze, zbyt duże kontenery oraz grafy obciążone wskaźnikami szybko się sumują. • Najpierw popraw model danych: mniejsza lub bardziej zwarta struktura zazwyczaj jest lepsza niż mikrooptymalizacja krytycznego fragmentu kodu. W przypadku pamięci podręcznych o dużej liczbie wpisów, tabel routingu lub map użytkowników, wykonaj zrzut pamięci przed dodawaniem kolejnych węzłów pamięci podręcznej. Kilka bajtów na wpis staje się kosztowne w skali całej infrastruktury. [ Blog ] : https://blog.cloudflare.com/saving-100-tb-of-ram-with-math 〰️〰️〰️〰️〰️〰️ #Wydajność #Pamięć #Rust @ProgrammingTip
Whole thread · 1 reply →
L
Link
click to show
#Gemini 3.8 Live jest ogólnie dostępny 🚀 Firma #Google udostępniła wersje Gemini 3.8 Live oraz Gemini 3.8 Live Extended Thinking w ramach interfejsu API Gemini. Są to modele audio działające w czasie rzeczywistym, dostępne poprzez Live API. "Live" odnosi się do ścieżki głosowej: przesyłania dźwięku, odbierania dźwięku i prowadzenia rozmowy bez konieczności samodzielnego łączenia rozpoznawania mowy (#STT), wywołania modelu językowego (#LLM) i syntezy mowy (#TTS). Co warto sprawdzić: • Gemini 3.8 Live: model głosowy o niższym opóźnieniu. • Extended Thinking: używaj go, gdy zapytanie głosowe wymaga bardziej szczegółowej analizy przed udzieleniem odpowiedzi. • Status ogólnej dostępności (GA): warto ponownie sprawdzić, jeśli wcześniej wstrzymałeś się z korzystaniem z funkcji głosowej dostępnej tylko w wersji testowej. Dla zespołów programistycznych pracujących w .NET, jest to dobre rozwiązanie dla usługi #WebSocket działającej w sposób ciągły, a nie dla kontrolera działającego w modelu żądanie-odpowiedź. [ Czytaj więcej ] : https://ai.google.dev/gemini-api/docs/changelog 〰〰〰〰〰〰 #AI #Gemini #LLM #API @ProgrammingTip
1 · 55 ·
L
Link
click to show
GPT-6 Sol and GPT-6 Luna are in the API 🚀 OpenAI shipped GPT-6 Sol and GPT-6 Luna for API developers, alongside their availability in Codex and ChatGPT. This is a two-model release, so do not blindly swap your existing production model. Put both behind the same eval set first: tool calls, structured output, long-context retrieval, refusal behavior, and latency under your real prompt size. What to do this week: • Add Sol and Luna as versioned model options in your config. • Run replay traffic against a fixed golden set. • Log model ID, token use, tool errors, and task success separately. A model migration is an engineering change, not a dropdown change. [ Read More ] : https://openai.com/index/introducing-gpt-6-sol-and-luna/ 〰〰〰〰〰〰 #AI #OpenAI #LLM #API @ProgrammingTip
2 · 2.5K ·
L
Wybór odpowiedniego kursu Unreal Engine 5 zależy od Twoich celów – czy chcesz tworzyć gry, animacje, czy wizualizacje architektoniczne. Popularne kursy i platformy PL Tutors: Oferuje kompleksowy kurs Unreal Engine 5: Kompleksowe wprowadzenie (trwający ponad 17 godzin), idealny dla osób początkujących szukających materiałów po polsku. Helion: Proponuje Unreal Engine 5. Kurs video. Praktyczny niezbędnik game developera skupiony na budowaniu funkcjonalności i prototypowaniu mechanik. Skvot i IT Media: Prowadzadzą szkolenia specjalistyczne, takie jak Produkcja filmowa w Unreal Engine 5 oraz Kurs Unreal Engine 5 – Cinematic, dobre do nauki reżyserii i wirtualnego świata. Udemy: Popularne są anglojęzyczne kursy systemów Blueprint (np. kursy Grega Wondry). A oto podstawowy poradnik wideo wprowadzający do pracy z silnikiem: 10:18 Stwórz własną grę w UNREAL ENGINE 5! Wstęp Wyświetlenia: 50 tys. · 3 lata temu YouTube · PL Tutors PS: pytanie czy wobec kariery #AI i #VibeCoding-u w którym człowiek jest coraz mniej potrzebny w ogóle warto się czegoś uczyć 🤔
22 ·
L
Link
click to show
Claude Opus 5.5 is now on the Claude Platform 🚀 Anthropic introduced Claude Opus 5.5, a lower-cost frontier model available in Claude Code and through the Claude Platform. That matters if your agent workload has been split between a high-end model for hard tasks and cheaper models for everything else. A lower-cost Opus tier can change where that handoff happens. What to check: • Run your existing eval set, not a few cherry-picked prompts. • Measure tool-call accuracy and recovery after a failed call. • Compare total agent cost: tokens, retries, and human review time. For Claude Code users, model choice is now a practical repo-level config decision, not just a benchmark chart. [ Blog ] : https://www.anthropic.com/claude-opus-5-5 〰〰〰〰〰〰 #AI #LLM #Claude #ClaudeCode @ProgrammingTip
5 · 2.6K ·
L
Link
click to show
Claude Opus 5.5 is available in the API 🚀 Anthropic released Claude Opus 5.5, and it is available through the Claude API. The practical pitch is simple: lower typical token costs than Opus 5, plus a faster mode when response time matters more than squeezing out the last bit of reasoning. What to check in your evals: • Run the same tool-use and coding tasks against Opus 5. • Measure latency separately for normal and faster mode. • Track input and output tokens, not just the model's listed price. A cheaper high-end model changes agent architecture decisions. Some workflows that needed routing to a smaller model may now fit under one stronger default. [ Read More ] : https://www.anthropic.com/claude/opus 〰〰〰〰〰〰 #AI #LLM #Claude #API @ProgrammingTip
7 · 2.4K ·
L
Link
click to show
Claude Opus 5.5 jest już dostępny na platformie Claude 🚀 Firma Anthropic wprowadziła Claude Opus 5.5, model o niższej cenie, który jest dostępny w wersji Claude Code oraz na platformie Claude. Jest to istotne, jeśli obciążenie Twojego agenta jest rozdzielone między zaawansowany model do trudnych zadań, a tańsze modele do wszystkiego innego. Tańsza wersja Opus może zmienić sposób, w jaki odbywa się to przekazywanie zadań. Co należy sprawdzić: • Uruchom istniejący zestaw testów, a nie tylko kilka wybranych przykładów. • Zmierz dokładność wywoływania narzędzi oraz skuteczność odzyskiwania po nieudanym wywołaniu. • Porównaj całkowity koszt działania agenta: tokeny, ponowne próby i czas poświęcony na weryfikację przez człowieka. Dla użytkowników Claude Code, wybór modelu jest teraz praktyczną decyzją konfiguracyjną na poziomie repozytorium, a nie tylko odniesieniem do wykresu porównawczego. [ Blog ] : https://www.anthropic.com/claude-opus-5-5 〰〰〰〰〰〰 #AI #LLM #Claude #ClaudeCode @ProgrammingTip
1 · 14 ·
L
Link
click to show
Claude Opus 5.5 jest dostępny w API 🚀 Firma Anthropic udostępniła Claude Opus 5.5, który jest dostępny za pośrednictwem API Claude. Krótko mówiąc: koszt użycia modelu jest niższy niż w przypadku Opus 5, a dodatkowo dostępny jest szybszy tryb, który jest przydatny, gdy czas odpowiedzi jest ważniejszy niż maksymalne wykorzystanie możliwości modelu. Co należy sprawdzić podczas testów: • Wykonaj te same zadania związane z wykorzystaniem narzędzi i programowaniem, porównując je z modelem Opus 5. • Zmierz opóźnienia oddzielnie dla trybu normalnego i szybkiego. • Monitoruj liczbę tokenów wejściowych i wyjściowych, a nie tylko cenę modelu. Tańszy, zaawansowany model wpływa na decyzje dotyczące architektury agentów. Niektóre procesy, które wcześniej wymagały przekierowania do mniejszego modelu, mogą teraz być obsługiwane przez jeden, bardziej wydajny model domyślny. [ Czytaj więcej ] : https://www.anthropic.com/claude/opus 〰〰〰〰〰〰 #AI #LLM #Claude #API @ProgrammingTip
16 ·
L
Link
click to show
Sztuczna inteligencja rozpocznie w Rosji bezpośrednie poszukiwania dłużników na drogach – system będzie ich identyfikował na podstawie numerów rejestracyjnych. Kamery będą sprawdzać numery rejestracyjne w bazach danych Federalnej Służby Egzekucyjnej i Państwowej Inspekcji Bezpieczeństwa Ruchu Drogowego i będą w stanie identyfikować osoby, które nie płacą alimentów, mandatów ani rachunków za media. Technologia jest obecnie testowana w regionie Ałtaj, a planowane jest jej wdrożenie na terenie całej Rosji do 2027 roku. 💊 t.me/czerwpig #AI
18 ·
R
"Prosimy o kulturalne zachowanie, trzymanie się tematyki grupy i nie wklejanie ''gołych linków''."
L
Photo
click to show
🗞️ USA i Rosja doprowadziły do złagodzenia zapisów projektu rezolucji ONZ dotyczącej autonomicznych systemów uzbrojenia wykorzystujących sztuczną inteligencję – informuje „The Wall Street Journal”. Według gazety podczas negocjacji w Genewie z projektu usunięto m.in. wymóg, aby człowiek zatwierdzał cele wojskowe wskazane przez AI przed przeprowadzeniem ataku. Zniknęły również zapisy dotyczące uwzględniania kwestii etycznych oraz wymóg, by autonomiczne systemy uzbrojenia działały w sposób „przewidywalny” i „niezawodny”. Zmiany dotyczą jednej z najważniejszych kwestii związanych z AI na współczesnym polu walki – zakresu kontroli człowieka nad decyzją o użyciu śmiercionośnej siły. 🧭 @monitor_strategiczny 💬 t.me/polski_monitor
2 · 498 ·
L
Photo
click to show
🗞️ Platforma Fakturownia.pl padła ofiarą cyberataku, skutkującego kradzieżą danych. W wyniku incydentu bezpieczeństwa, atakujący uzyskali dostęp do faktur oraz danych kontrahentów. Firma unieważniła klucze API klientów. Za atak odpowiedzialna jest prawdopodobnie ta sama grupa, która wcześniej zaatakowała dostawców oprogramowania medycznego. 🧭 @monitor_strategiczny 💬 t.me/polski_monitor
1 · 487 ·
L
Photo
click to show
Tracer Bullets Continuing the topic from the previous post, let's talk in more detail about implementing vertical slices. The original concept comes from The Pragmatic Programmer, where it was called tracer bullets. A tracer bullet is a small, end-to-end slice of functionality that touches all layers of the system at once. Matt Pocock in his article adapts this concept to AI engineering: - Build a small feature end-to-end - Test it immediately - Get feedback - Move to the next slice in a fresh context window - Repeat Matt explained this in the following way: AI's natural inclination is to build big layers in isolation. But we need to do the opposite: build the whole scenario end to end across all layers. The article also provides a prompt sample: When building features, build a tiny, end-to-end slice of the feature first, seek feedback, then expand out from there. When building systems, you want to write code that gets you feedback as quickly as possible. Tracer bullets are small slices of functionality that go through all layers of the system, allowing you to test and validate your approach early. This helps in identifying potential issues and ensures that the overall architecture is sound before investing significant time in development. So this approach forces the agent to think by small chunks and produce more predictable results. As they say, everything new is just well-forgotten old. As we can see, AI often doesn't bring really new concepts, but rather brings existing ones back to life. #engineering #ai
1 · 67 ·
L
Elementy testowe Kontynuując temat poruszony w poprzednim wpisie, porozmawiajmy bardziej szczegółowo o wdrażaniu wertykalnych fragmentów funkcjonalności. Początkowa koncepcja pochodzi z książki The Pragmatic Programmer, gdzie nazywana była elementami testowymi. Element testowy to mały, kompletny fragment funkcjonalności, który jednocześnie dotyka wszystkich warstw systemu. Matt Pocock w swoim artykule adaptuje tę koncepcję do inżynierii sztucznej inteligencji: - Zbuduj małą funkcjonalność od początku do końca. - Natychmiast ją przetestuj. - Uzyskaj informacje zwrotne. - Przejdź do kolejnego fragmentu w nowym kontekście. - Powtórz. Matt wyjaśnił to w następujący sposób: Naturalną tendencją w sztucznej inteligencji jest budowanie dużych warstw w izolacji. Ale musimy robić odwrotnie: budować cały scenariusz od początku do końca, obejmując wszystkie warstwy. Artykuł zawiera również przykładowe instrukcje: Podczas tworzenia funkcji, najpierw zbuduj mały, kompletny fragment tej funkcji, uzyskaj informacje zwrotne, a następnie go rozwijaj. Podczas budowania systemów, chcesz pisać kod, który pozwoli Ci jak najszybciej uzyskać informacje zwrotne. Elementy testowe to małe fragmenty funkcjonalności, które przechodzą przez wszystkie warstwy systemu, co pozwala na wczesne testowanie i weryfikację Twojego podejścia. Pomaga to w identyfikacji potencjalnych problemów i zapewnia, że ogólna architektura jest solidna, zanim zainwestujesz znaczną ilość czasu w rozwój. W ten sposób podejście to zmusza programistę do myślenia w małych krokach i generowania bardziej przewidywalnych wyników. Jak mawiają, wszystko nowe to tylko dobrze zapomniane stare. Jak widać, sztuczna inteligencja często nie wprowadza naprawdę nowych koncepcji, ale raczej ożywia istniejące. #inżynieria #ai
2 ·
L
Link
click to show
Pożyczony pendrive zostawił coś na twoim komputerze. I nie chodzi o wirusa: https://share.google/y41Y5QPhnJIKHgSkg #Windows zostawia po #USB ślad Podłączenie urządzenia pamięci masowej USB powoduje, że system Windows zapisuje wpis w kluczu #USBSTOR, w HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Enum\USBSTOR. Jason Walker, inżynier  w firmie Microsoft, opisał ten klucz w poście na blogu Microsoft Scripting z 2012 roku, gdzie napisał, że wszystkie informacje potrzebne systemowi operacyjnemu do identyfikacji urządzenia pamięci masowej znajdują się w tym kluczu.
5 ·

An open public feed from the search index ChatCrawler — “Google for public Telegram”; refreshed as the venue is crawled. Times are UTC.

Public content only, official Telegram API. About · FAQ · What we do not do · Remove a page · Catalog · Search · How we count