☁️ Как мы расширяем PostgreSQL, Greenplum и ClickHouse и строим собственный S3
Мы любим open source. Но на наших масштабах открытые решения часто перестают закрывать все потребности. Поэтому мы их модернизируем, дорабатываем, форкаем или даже переписываем с нуля.
В карточках рассказываем про четыре проекта — от расширения PostgreSQL до собственного Object Storage.
А если хотите узнать, как мы строим новое поколение платформы данных и какие технологии и навыки используют наши инженеры — подписывайтесь на телеграм-канале «Инженеры данных в Т-Банке».
А это значит, что скоро стартуют Сезоны кода! В этом году мы отправимся в Санкт-Петербург и Казань, чтобы обсудить разработку и продуктовые практики, отдохнуть от рутинных задач и переключиться на афтепати.
Что будет на фестивалях?
↗️ Доклады в секциях «Клиентоориентированный код», «Backend-методичка» и новой секции «Продуктовая кухня»
↗️ Демозона с продуктами и инженерными решениями
↗️ Интерактивная зона от Т-Образования для начинающих специалистов
↗️ Афтепати с диджей-сетом под открытым небом
↗️ Много веселья и нетворкинга в лаунж-зонах, за играми и в фотозонах
Регистрация в Санкт-Петербург уже доступна, а в Казань откроется совсем скоро.
Один сервис — генератор хайку. Четыре проблемы. Четыре техники. Путешествие от chatClient.prompt().call() до полноценного AI-приложения и вызова Anthropic API
А теперь переводим наш хайку:
Мы создали сервис для генерации японских стихотворений (хайку), чтобы на практике показать ряд техник GenAI, реализованных в модуле Spring AI. Прошли путь от наивного вызова до production-ready-приложения.
В карточках — разбор четырех проблем и четырех техник:
↗️ Prompt Engineering — научить модель писать в нужном формате.
↗️ Structured Output — получать типизированные объекты вместо строк.
↗️ Chat Memory — сделать диалог, а не набор изолированных запросов.
↗️ Observability — увидеть, что реально уходит в модель.
Больше подробностей и исходный код сервиса-генератора вы найдете в статье на Хабре.
Разбираем в подкасте «QAk-QAk — и в продакшен» с Данилой Недбаевым, руководителем направления аналитики «Лайфстайл» в Т-Банке.
В выпуске говорим, как лайфстайл-направление влияет на экосистему и чего ждем от него в будущем. А еще разбираем, как искусственный интеллект помогает работать с обращениями пользователей и почему Данила считает стрим ИИзации революцией.
Слушайте, чтобы узнать:
↗️ Как появился сервис покупки авто в Т-Банке
↗️ Какие технические интеграции есть в сервисе
↗️ Как стартапы превращаются в полноценные проекты
↗️ Как догфудинг влияет на качество продукта
Ссылка на все площадки — в первом комментарии 👇
А если хотите больше узнать о жизни, задачах и вызовах команды продуктовых аналитиков — подписывайтесь на канал «Это считается», который ведут Данила и его коллеги.
В этом году нам исполняется 20. За эти годы Т-Банк сильно вырос, а вместе с ним — и инженерная среда: команды работают в разных городах, но остаются частью одного большого процесса.
В ближайшие месяцы мы будем делиться в этом канале и в T-Crew историями про нашу команду, технологии и города, в которых они создаются.
Начинаем с Нижнего Новгорода. 🤗 Наш разработчик Владимир Потехин рассказал, как внутри Т-Банка выстраивают культуру открытого кода: без закрытых репозиториев и барьеров между командами, с возможностью контрибьютить в чужие проекты почти как в open source. Читайте подробности на Хабре.
И не забудьте поставить 🔥, чтобы поздравить нас с юбилеем!
☕️ Избавляемся от бойлерплейта в .NET без IL-инъекций
В .NET 9 дозрела фича Interceptors. Вместе с Source Generators она позволяет реализовать АОП без IL-инъекций: сгенерировать обертку для метода и подменить вызов на этапе компиляции.
🙂↕️ Наш ведущий разработчик в Госсервисах Т-Банка Дмитрий Сипаков разобрал ее на реальном примере автоматизации отправки шагов в Allure TestOps. Читайте в карточках о том, как мы убрали бойлерплейт и оставили чистый код. А больше подробностей — в статье на Хабре.
*️⃣ Как мы извлекаем данные из сотен тысяч документов в день
Ежедневно мы обрабатываем множество документов: договоры, паспорта, водительские удостоверения. Их нужно проверить, распознать, извлечь из них данные и отдать во внутренние системы. И сделать это быстро, безопасно, без ошибок и в соответствии с требованиями регуляторов.
Со всем этим помогает наш сервис Scandoc на собственном BPM-движке с приоритизацией заданий, использующий Computer Vision.
↗️ В карточках делимся, как устроена его архитектура, паттерны и как работает распознавание документов.