web24.team

Блог

Разбираем внедрение ИИ, архитектуру, интеграции и то, как устроена работа с технической командой — на основе наших проектов.

Дашборды и аналитика в Apache Superset

Apache Superset: бесплатная BI-система вместо Power BI и DataLens

#BI

Обзор Apache Superset: дашборды, SQL Lab, 50+ графиков, 60+ источников. Преимущества перед Power BI и DataLens, стоимость внедрения и встраивание в Django через Embedded SDK.

Современная админка Django на пакете django-unfold

Django Unfold: современная админка Django, настройка и кастомизация

#Django

Как получить современную админку Django с пакетом django-unfold: установка, сайдбар, фильтры, табы, инлайны, дашборды с графиками, риски миграции и что нового в пакете в 2026 году.

Сравнение подходов к управлению состоянием в Flutter

Управление состоянием в Flutter: setState vs Bloc vs Riverpod vs Signals

#Flutter

Сравниваем setState, Bloc/Cubit с обвесом из freezed и hydrated_bloc, Riverpod и Signals на одних задачах — сеть, корзина, JWT, ошибки, кэш — и решаем, что выбрать в 2026 году.

Новости Flutter и Dart за август 2026 года

Что нового в Flutter (август 2026): 3.47, Dart 3.12, GenUI, MCP

#Flutter

Flutter 3.47, развод Material с Cupertino, OS 27, GenUI SDK, ephemeral-код и MCP-серверы в тулинге — короткий обзор главных новостей Flutter и Dart за август 2026 года.

Перенос критичных узлов бэкенда с Python на Go и Rust

Оптимизация Python-бэкенда: миграция критических узлов на Go и Rust

#бэкенд

Когда миграция с Python на Golang или Rust окупается, а когда нет: профилирование узких мест, Python vs Golang по производительности, стек 2026 года и расчёт экономии на серверах.

Структура файла SKILL.md для ИИ-агентов

Как написать SKILL.md для ИИ-агента: структура, шаблоны, правила

#AI

Формат SKILL.md стал открытым стандартом: один файл навыка работает в Claude, ChatGPT Codex, Cursor и Gemini CLI. Разбираем структуру файла, шаблоны и 10 правил на примере скилла для финансиста.

Claude for Small Business: AI-агент для автоматизации малого бизнеса

Claude for Small Business: автоматизация малого бизнеса в России

#LLM

Разбираем Claude for Small Business: агент в режиме Cowork, готовые скиллы и коннекторы, что заработает в России сразу и как подключить 1С, Битрикс24 и amoCRM через MCP.

Валидация и Self-RAG в медицинской RAG-системе

Валидация и Self-RAG: как проверить качество RAG-системы на примере медицины

#RAG

Специфичные эмбеддинги, Self-RAG и проверка структуры документов вместо вырванных чанков — как построение RAG-систем меняется, когда цена ошибки высокая, на примере медицинской базы вопрос-ответ.

Архитектура RAG-системы: от подготовки данных до ответа модели

Как создать эффективную RAG-систему: архитектура и разработка

#RAG

Пошаговая архитектура RAG-системы простым языком: подготовка данных и Markdown, сегментация, гибридный поиск, ранжирование, промпты и контроль контекста — с примерами для медицинской базы вопрос-ответ и каталога товаров.

RAG-система для каталога товаров и оборудования

RAG для каталога товаров: как построить поиск по продуктам и оборудованию

#RAG

Особенности построения RAG-систем для товарных каталогов: сегментация карточек, гибридный поиск по артикулам, ранжирование по цене и наличию — на примерах каталога продуктов питания и промышленного оборудования.

GEO-чек-лист: настройка сайта под поиск LLM

Как подготовить сайт к поиску LLM (GEO-чек-лист)

#GEO

Технические приёмы, которые прямо сейчас влияют на то, увидит ли вас нейросеть: robots.txt, llms.txt, JSON-LD, IndexNow и тд.

LLM и аналитика рекламных кампаний: нейросеть вместо аналитика

Может ли LLM заменить аналитика по рекламе? Кейс о LLM, MCP и аналитике рекламы в Яндекс Директе

#LLM

Блогер обещал, что LLM с доступом к API Яндекс Директа заменит аналитика. Мы подключили нейросеть к рекламным данным через MCP-сервер и ClickHouse и проверили это на практике.

Абстрактная композиция из наложенных цветных фигур на тёмном фоне

Почему персональные рекомендации не работают: сколько данных нужно для ранжирования и рекомендаций

#рекомендации

Интерактивный калькулятор: по трафику, каталогу и истории заказов показывает, какому слою ранжирования и рекомендаций хватает данных, а какому — нет.