Деннис Тейлор, «Небесная Река».
Мне прям несколько человек написали, что читают книги по моим рекомендациям, и им нравится. Очень рад, что эта часть моего бложека оказывается полезной. В числе прочего читатели положительно отзывались о «Вселенной Бобов».
Некоторое время назад на русском вышла четвёртая книга — «Небесная Река». По краткому описанию кажется, будто бы это какой-то спин-офф, но на самом деле нет. Это буквально прямое продолжение, которое начинается после событий третьей части, с теми же героями, но чуть-чуть новой проблематикой. Напомню, что это серия романов о том, как разум главного героя в будущем загрузили в космический зонд и дали ему способность создавать из материи любые конструкции, в том числе свои копии.
Вроде бы ничего принципиально нового. Как и предыдущие части, книга скорее развлекательная, чем заставляющая о чём-то серьёзно задумываться. Тем не менее, прочитал с большим удовольствием. События вполне себе захватывают, и повествование стало менее «рваным» — вместо десятков параллельных историй мы получили две, которые в конце сходятся.
Глубже затронута проблема согласия внутри общества клонированных разумов. У автора есть понятие «репликативный дрейф», которое отвечает за то, что копии Изначального Боба приобретают какие-то изменённые черты. И чем дальше идёт цепочка копирований, тем больше расхождение. В какой-то момент расхождение становится так велико, что вызывает очень серьёзные конфликты. Ещё мне понравилась попытка вписать в этот концепт идею души и уникальности сознания.
В остальном, узнал, например, новую мегаструктуру, о которой раньше не слышал. О Сфере Дайсона и Кольце Нивена слышал (Нивена даже читал, и вам рекомендовал). О Диске Алдерсона тоже знаю. А тут у автора Топополис (Topopolis) — спирально-циллиндрическая конструкция вокруг звезды.
Короче, хороший развлекательно-приключенческий сай-фай с гиковыми отсылками. Если зашли предыдущие книги, то и эта зайдёт.
#fiction
#python#agents#graph#llms#rag
Graphiti helps AI systems handle constantly changing information by building real-time knowledge graphs that track relationships and historical data, allowing them to integrate user interactions, business data, and external sources seamlessly. Unlike traditional methods, it updates information instantly without needing full recomputations, enabling precise historical queries and efficient hybrid searches. This helps AI applications stay context-aware, automate tasks effectively, and manage complex, evolving data with minimal delay.
https://github.com/getzep/graphiti
#typescript#csv#diagrams#graph#json#nextjs#react#tool#visualization#yaml
JSON Crack is a free, open-source tool that instantly turns complex JSON, YAML, CSV, XML, or TOML data into clear, interactive graphs, making it easier to explore and understand your information. It lets you convert between formats, validate data, generate code (like TypeScript interfaces), run queries, and export visuals as images—all while keeping your data private since everything processes locally on your device[1][2][5].
https://github.com/AykutSarac/jsoncrack.com
#cplusplus#arduino#cansat#csv#embedded#graph#ground_station#iot#microcontroller#network#projects#qt#serial#serial_studio
Serial Studio is a free, easy-to-use tool that lets you visualize real-time data from devices like microcontrollers via serial ports, Bluetooth, or network connections. It works on Windows, macOS, and Linux, and offers customizable dashboards with various widgets to monitor sensor data, debug info, or telemetry. You can quickly plot data, export it as CSV for analysis, and even use advanced features like checksum validation and JavaScript data processing. It supports hobbyists, educators, and professionals by simplifying data monitoring and debugging, saving you time and effort in understanding your device’s output. Pro versions add commercial use and extra features[1][4][5].
https://github.com/Serial-Studio/Serial-Studio
#rust#ai#ai_ocr#attention_mechanism#gnn#gnn_model#gnns#graph#graph_neural_networks#llm_inference#low_latency#mincut#neo4j#ocr#onnx#rust#vector#wasm
RuVector is a free, open-source vector database that gets smarter with every query. Unlike static databases, it learns from usage via GNN layers, runs LLMs locally with no cloud costs, supports graph queries like Neo4j, scales freely across nodes, and deploys as a single self-booting file (125ms startup). Run with `npx ruvector`. You benefit from faster, more accurate AI search that improves automatically, zero operating costs, full offline/privacy control, and easy scaling—perfect for RAG, agents, or edge apps without vendor lock-in.
https://github.com/ruvnet/ruvector