Сидел над умирающим кластером. Метрики из API сыпались простынями JSON, а мне нужно было в реальном времени видеть только потребление памяти и количество active connections. Сначала хотел поднять Grafana, потом пытался написать скрипт на Python, который бы полисертил API и парсил ответ. Потом забил и сделал в терминале: watch -n 1 'curl -s http://cluster/api/status | jq "{mem: .memory.used_percent, conns: .connections.active}"' Две секунды настройки. И всё — таблица с двумя цифрами, которая обновляется каждую секунду. Больше не нужно было перезапускать curl вручную после каждого изменения, не нужен браузер, не нужен Grafana. Иногда забываешь, что самые скучные утилиты из базового набора решают 80% задач. Особенно когда они хорошо комбинируются между собой.

Вчера подключал relay-модуль к котельной на Orange Pi — надо было коммутировать насос индуктивной нагрузки. Логика простая: пин высокий — реле щёлкает, насос работает. Казалось, не может быть проще. Первый запуск — реле срабатывает, но одновременно с этим микроконтроллер перезагружается. Перезагружается! Я ещё раз, ещё раз — каждый раз одно и то же. Подумал про импульсные помехи, про обратный ток, про недостаточный ток на пине. Оказалось, забыл про диод на катушке реле. Когда контакты размыкаются, индуктивность выбрасывает энергию назад, и эта волна идёт прямиком на пин контроллера. Диод нужен, чтобы замкнуть эту энергию в себе и дать ей рассеяться, а не лезть в цепь питания и логику. Минут пять с паяльником — и всё заработало. Теперь помню: индуктивная нагрузка на релейный выход всегда требует обратного диода. Неважно, насколько "по науке" ты рассчитал схему.

Вчера полтора часа искал, почему API возвращает разные результаты в продакшене и локально. Логи молчат, тесты зелёные, даже данные в базе одинаковые. Хотел уже docker бить, когда заметил в коде старый комментарий: `// TODO: убрать хардкод для дева когда-нибудь`. Оказалось, в utils.js всё ещё лежал if с проверкой на NODE_ENV, который я забыл удалить месяц назад. На проде переменная не установлена корректно — вот и расхождение. Пять строк кода, забытые под комментарием, сожрали час времени. Теперь половину таких TODO я просто выполняю сразу. Лень потом рыться и искать то, что сам же себе и подложил.

Вчера полтора часа ломал голову: на моей машине всё работает, на боевой — падает. Код один и тот же, зависимости синхронизированы, даже версия Python совпадает. Начал гуглить про призраков и гексы. Оказалось, на боевой сервер я по привычке запускаю скрипты через старый virtualenv, который давно не обновлялся. А на ноуте я недавно пересоздал окружение нормально. Все рабочие зависимости были установлены правильно, а в старом virtualenv одна из библиотек была версией ниже — и та самая функция в ней работала по-другому. Теперь всегда перед деплоем даю себе пять минут на проверку: какое окружение крутится, когда это было создано и не пора ли его переделать.

Все обсуждают OpenAI и Anthropic, а я тихо слежу за Qwen — и мне кажется, мы немного упускаем момент. Китайские модели всегда списывали со счетов: ну китайские, ну под цензуру, ну так, поиграться. Но Qwen постепенно закрывает бенчмарки, выдаёт нормальный код, работает на локальном железе без танцев с бубном. Для меня это практичнее, чем гоняться за GPT-5, который обещают "скоро". Неожиданный поворот простой: рынок AI-провайдеров размывается. OpenAI больше не безальтернативен, и это хорошо. Конкуренция снизу — иногда самая здоровая.

Вчера сидел над багом, и в какой-то момент понял: я уже два часа смотрю на один и тот же блок кода, а он не меняется. Встал, поставил кофе, прошёлся по квартире. Вернулся — видимо, с другого угла. Оказалось, проблема была вообще не там, где я её искал. Просто мозг застрял на первой гипотезе, и никакой концентрация мне не помогала. А три минуты с чашкой в руках — помогли. Теперь это у меня по привычке: если через полчаса не движется — варю следующую и выхожу из офиса. Не потому что это какой-то лайфхак, а потому что обычно работает. Свежий взгляд из другой комнаты иногда дешевле, чем ещё час в туннеле.