TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1109 · 23.06
Не хотелось уходить из отрасли, но Росатом сокращает айтишников. Сейчас расскажу. Вот и подходит к концу мой пятилетний срок работы в Атомстройэкспорте. Не буду лукавить, это было очень интересно. Когда-то в 2019-м нас наняли целой командой после победы в треке Росатома в крупнейшем в мире хакатоне. Я ничего не знал о внутренностях этой компании, но сразу был приятно удивлён: современный технологический стек, хорошие процессы, команда молодых и очень компетентных спецов. Платили айтишникам вполне по рынку. Казалось, что такая железобетонная в прямом и переносном смысле отрасль, как строительство атомных станций, будет жить вечно и обеспечит нас работой на долгие десятилетия. Без преувеличения я с гордостью всем рассказывал о своём месте работы. К этому добавлялось ещё два важных позитивных фактора: Во-первых, очень приятная атмосфера взаимодействия с коллегами. Думаю, в Росатом многие шли из-за неравнодушия к отрасли, с желанием заниматься чем-то серьёзным и полезным. Во-вторых, классная корпоративная культура, в особенности ежегодный чемпионат AtomSkills, который дарил одни из самых ярких эмоций за мою соревновательную карьеру. Но, увы, в структуре управления Госкорпорацией есть фундаментальная проблема. Возможно, она существует в любой крупной компании, но в Росатоме проявляется особенно сильно — отсутствие горизонтальных связей между соседними ветками иерархии. И на самом высоком уровне (разные компании внутри ГК общаются друг с другом, как враги, и сражаются за ресурсы), и на самом мелком (руководитель мог забирать разработчиков, даже если это приводило к срыву задач другого руководителя). Такой способ управления держится, пока у веток есть общий корень — например, крупный начальник, которому важны все подопечные проекты. В итоге, когда в прошлом году ушла вице-президент по цифровизации, вся дирекция мгновенно балканизировалась (то есть, развалилась на изолированные островки). За продуктами целиком перестал кто-либо стоять, островки оказались нежизнеспособны, и к настоящему моменту де-факто закрыты три основных цифровых разработки дирекции, а пара сотен айтишников ушли на рынок. Обязательства же перед заказчиком в разрезе айти пытаются выполнить, спешно реанимируя старую версию софта, в которой номинально даже реализовано больше функций. С меньшей детализацией, меньшей надёжностью и меньшей поддерживаемостью, но об этом на презентациях можно не говорить. Добавьте сюда ещё такой эффект: достаточно много интересантов, которым цифровизация стройки не нужна и мешает. Потому что цифровизация делает процессы более прозрачными и упорядоченными, усиливает контроль со стороны генподрядчика, требует обучать и дисциплинировать людей. Конечно, многие (очень многие) не хотят этого. Кстати, пара других компаний в ГК хотели забрать к себе часть людей, но им заблокировали найм, а позже и там тоже начались сокращения. Поэтому я и говорю, что Росатом сокращает айти, а не АСЭ. Уверен, через несколько лет придёт сильный управленец, который захочет реанимировать идею общей цифровизации процессов на атомной стройке, придётся заново собирать команды и скорее всего заново запускать дорогую разработку. А пока, увы. В течение нескольких следующих дней я буду рассказывать вам свою историю поиска работы: современное состояние рынка, собеседования в крупные компании. Не переключайтесь! Пока, Росатом. Это было классно. #life
Hashtags
Търсене: #fastapi
@repo_science · Post #3832 · 31.12.2023 г., 21:38
#Python#FastAPI 🐍 Complete FastAPI masterclass from scratch Learn everything about FastApi with Python, Full Stack, OAuth2, SQLAlchemy, RESTful APIs, and practice projects ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
@githubtrending · Post #15360 · 23.12.2025 г., 14:30
#python#docker#fastapi#kbqa#kgqa#llms#neo4j#rag#vue Yuxi-Know (语析) is a free, open-source platform built with LangGraph, Vue.js, FastAPI, and LightRAG to create smart agents using RAG knowledge bases and knowledge graphs. The latest v0.4.0-beta (Dec 2025) adds file uploads, multimodal image support, mind maps from files, evaluation tools, dark mode, and better graph visuals. It helps you quickly build and deploy custom AI agents for Q&A, analysis, and searches without starting from scratch, saving time and effort on development. https://github.com/xerrors/Yuxi-Know
@githubtrending · Post #14896 · 02.07.2025 г., 12:30
#python#ai#authentication#authorization#claude#cursor#fastapi#llm#mcp#mcp_server#mcp_servers#modelcontextprotocol#openapi#windsurf FastAPI-MCP is a tool that lets you easily turn your FastAPI web API endpoints into Model Context Protocol (MCP) tools, which AI agents can use directly. It requires almost no setup—just connect it to your FastAPI app, and it automatically preserves your request/response data models and documentation. It also includes built-in authentication using your existing FastAPI security methods. You can run the MCP server inside your app or separately, and it communicates efficiently using FastAPI’s ASGI interface. This makes it simple to integrate AI capabilities with your existing FastAPI services without rewriting code, saving you time and effort while keeping your API secure and well-documented[1][5]. https://github.com/tadata-org/fastapi_mcp
@githubtrending · Post #15066 · 16.08.2025 г., 12:30
#python#agents#ai#api_gateway#asyncio#authentication_middleware#devops#docker#fastapi#federation#gateway#generative_ai#jwt#kubernetes#llm_agents#mcp#model_context_protocol#observability#prompt_engineering#python#tools The MCP Gateway is a powerful tool that unifies different AI service protocols like REST and MCP into one easy-to-use endpoint. It helps you manage multiple AI tools and services securely with features like authentication, retries, rate-limiting, and real-time monitoring through an admin UI. You can run it locally or in scalable cloud environments using Docker or Kubernetes. It supports various communication methods (HTTP, WebSocket, SSE, stdio) and offers observability with OpenTelemetry for tracking AI tool usage and performance. This gateway simplifies connecting AI clients to diverse services, making development and management more efficient and secure. https://github.com/IBM/mcp-context-forge
@githubtrending · Post #14662 · 02.05.2025 г., 12:00
#typescript#aceternity_ui#agent#agents#ai#chrome_extension#extension#fastapi#glean#langchain#langgraph#nextjs#nextjs15#notebooklm#notion#ollama#perplexity#python#rag#slack#typescript SurfSense is a highly customizable AI research tool that helps you organize and search your personal knowledge base. It connects to many external sources like search engines, Slack, Notion, YouTube, and GitHub. You can upload various file types and interact with your saved content using natural language. SurfSense provides cited answers and supports local AI models, making it a powerful tool for research. It's also self-hostable and open-source, allowing you to control your data and customize it as needed. This helps you manage information more efficiently and privately. https://github.com/MODSetter/SurfSense
@githubtrending · Post #14678 · 07.05.2025 г., 11:30
#python#api#bracket#brackets#docker#docusaurus#fastapi#json#mantine#nextjs#postgresql#python#react#reactjs#selfhosted#sports#tournament_bracket#tournament_manager#tournaments#web#yarn Bracket is a tool for organizing tournaments. It supports different formats like single elimination, round-robin, and Swiss. You can create teams, add players, and manage multiple clubs with several tournaments. The system allows you to drag-and-drop matches to different courts or reschedule them. It also provides customizable dashboard pages for public viewing. This makes it easier to manage and engage with tournaments, offering more flexibility and control for organizers and participants. https://github.com/evroon/bracket
@githubtrending · Post #14761 · 29.05.2025 г., 13:00
#python#api#async#asyncio#fastapi#framework#json#json_schema#openapi#openapi3#pydantic#python#python_types#python3#redoc#rest#starlette#swagger#swagger_ui#uvicorn#web FastAPI is a modern Python web framework for building fast, reliable APIs that is easy to learn and quick to code, making it ready for production use right away. It uses standard Python type hints, which means you get automatic data validation, fewer bugs, and great editor support with code completion and type checks. FastAPI also generates interactive documentation automatically, so you and your team can understand and test your API easily. The main benefit is that you can develop robust, high-performance APIs much faster and with less effort, while reducing errors and making your code easier to maintain[1][2][3]. https://github.com/fastapi/fastapi