54 проекта для прокачки DevOps-навыков

Если хочется не просто читать про DevOps, а действительно набить руку на практике, есть хороший вариант для самостоятельного обучения.

В репозитории собрали теорию и 54 практических проекта разного уровня сложности. В подборке охвачены основные инструменты и направления, с которыми сталкивается DevOps-инженер:

— Terraform и Kubernetes
— Docker и CI/CD
— DevSecOps и безопасность
— AWS и Azure
— мониторинг и инфраструктура

Проекты сопровождаются лабораторными работами, примерами кода, конфигурациями и пошаговыми инструкциями. То есть можно не ограничиваться чтением документации, а сразу повторять всё в своей среде и разбираться, как устроены конкретные процессы.

Особенно полезен такой подход тем, кто собирает практическое портфолио. Выполненные проекты можно использовать как основу для демонстрации своих навыков на собеседованиях.

™️ Репозиторий: DevOps-Projects

💻 КОД — техножурнал

Deepgram раздаёт $200 на тестирование API

Deepgram начисляет новым пользователям $200 бесплатного кредита после регистрации.

Банковская карта для старта не требуется. Кредит можно использовать для тестирования API Deepgram — распознавания речи, синтеза голоса и других инструментов платформы.

Для разработчика это хороший способ спокойно протестировать сервис на своих задачах, прежде чем платить за использование.

😎 $200 дают сразу после создания аккаунта.

💻 КОД — техножурнал

Телевизор из 90-х и нулевых теперь можно включить прямо в браузере.

Проект ТЕЛЕпорт превращает экран компьютера в настоящий ламповый телевизор со старыми записями эфиров.

Переключать каналы можно виртуальным пультом, а нужные передачи искать по году и жанру. Есть и необычная деталь — виртуальная полка с VHS-кассетами, где можно самостоятельно выбрать, что посмотреть.

Для тех, кто не хочет долго выбирать, предусмотрена кнопка случайного канала. Отдельно вынесен режим со старыми рекламными роликами — отличный способ вспомнить, чем когда-то заполняли эфирные паузы.

📺 Олдскулы, похоже, получили свой онлайн-телевизор: ТЕЛЕпорт

💻 КОД — техножурнал

Топ трендов Hugging Face за неделю: что нового в Open Source

На этой неделе в Hugging Face заметны сразу несколько интересных направлений: компактные модели с огромным контекстом, агентные LLM, прогнозирование временных рядов, генерация видео и новые способы квантизации.

➡️ LLM и агенты

Spark-X2.5-4B — компактная модель для агентных задач с контекстом до 1 млн токенов. При 4 млрд параметров она использует комбинацию полного и скользящего внимания, что помогает сдерживать расход памяти. Модель обучали на 20 трлн токенов, заявлена поддержка 200 языков, лицензия — Apache 2.0.

Есть и версия на 1,7 млрд параметров — Spark-X2.5-1.7B, а протестировать 4B-вариант можно в демо на Hugging Face.

Ещё один заметный проект — K2-Horizon-MoVA-36B-A4B. Это разреженная модель на 36 млрд параметров, из которых активны около 4 млрд. Контекст достигает 512 тысяч токенов, лицензия Apache 2.0. Она ориентирована в том числе на работу с терминалом и в некоторых задачах, по данным авторов, обходит значительно более крупные модели.

➡️ Прогнозирование

TimesFM 3.0 от Google Research теперь умеет работать с многомерными временными рядами и дополнительными переменными. Это полезно для прогнозирования продаж, нагрузки, трафика и других показателей. Модель заняла первые места сразу в нескольких бенчмарках, включая fev-bench, TIME и GIFT-Eval.

Важное ограничение: веса TimesFM 3.0 распространяются по лицензии, которая допускает только некоммерческое и непромышленное использование. Исходный код проекта доступен в репозитории Google Research на GitHub.

➡️ Видео

VDN-H3 — ускоренная версия MiniMax-H3 для генерации видео со звуком. Авторы добавили линейную ветку внимания по кадрам и два LoRA-адаптера, сохранив исходные веса H3.

По заявленным результатам, ролик продолжительностью 14,4 секунды генерируется примерно за 11 секунд на восьми B200 — то есть быстрее реального воспроизведения.

➡️ Квантизация и безопасность

Для Qwen3.8-27B появился интересный набор GGUF-квантов от DASLab. Точность тензоров подбирается с помощью градиентного поиска под заданный размер файла.

Есть и специализированная версия GLM-5.3-CYBERSECURITY-FP8, ориентированная на задачи offensive security: эксплуатацию уязвимостей, реверс-инжиниринг, фишинг и анализ вредоносного ПО.

➡️ Что остаётся в топе

Продолжают активно загружаться Qwen3.8-27B и её GGUF-сборки, Qwen3.8-Flash-Next, GLM-5.3 и Flash-версия, DeepSeek V4 Flash с Vision, а также LTX-2.5 и MiniMax-H3.

Из старых моделей в топе снова появляются all-MiniLM-L6-v2, GPT-2 и MMS-300m.

Похоже, главный тренд недели — не просто рост размеров моделей, а попытка сделать их дешевле, компактнее и практичнее для локального запуска и агентных сценариев.

💻 КОД — техножурнал

ИИ с флешки: локальные модели без интернета

⚡️ Запускать ИИ прямо с флешки — без постоянного подключения к интернету и установки на компьютер.

Проект Uncensored Local Studio позволяет работать с разными типами моделей локально:
— LLM — для общения и работы с текстом;
модели для генерации изображений;
— Speech-to-Text для распознавания речи;
— TTS для синтеза голоса.

По сути, можно носить с собой полноценный набор локальных ИИ-инструментов и запускать его на совместимом компьютере без обращения к облачным сервисам.

Для базового набора моделей может хватить флешки на 8 ГБ. Если взять накопитель на 32 ГБ, пространства будет заметно больше — можно разместить несколько моделей и дополнительные компоненты.

Есть у разработчика и отдельный проект Claude Portable — ИИ-агент, который также можно запускать с внешнего накопителя. Проект доступен бесплатно в репозитории на GitHub.

Работает всё на Windows, macOS и Linux. Данные, настройки и параметры API сохраняются локально, поэтому рабочую среду можно переносить между компьютерами вместе с накопителем.

™️ Сам Uncensored Local Studio можно найти и скачать на GitHub.

Для тех, кто хочет меньше зависеть от облачных сервисов и интернет-соединения, такой вариант особенно интересен: ИИ-инструменты всегда под рукой, а модели запускаются локально.

💻 КОД — техножурнал

GPT-6 берётся за дизайн интерьера

Дизайн-проект квартиры теперь можно получить за считанные секунды — достаточно загрузить в нейросеть планировку помещения.

Блогер показал, как ИИ на её основе создаёт трёхмерную модель квартиры, а затем предлагает готовое оформление интерьера. Причём стиль можно менять под свои предпочтения: от минимализма до классики или современных направлений.

По сути, нейросеть позволяет быстро представить, как будет выглядеть квартира после ремонта, ещё до покупки мебели и начала работ.

Раньше для такого проекта требовались дизайнер, чертежи, 3D-визуализация и немало времени. Теперь часть этой работы можно переложить на ИИ.

💻 КОД — техножурнал

SpiderFoot собирает OSINT-данные из открытых источников

SpiderFoot — инструмент для автоматизации OSINT-разведки. Он собирает информацию из множества открытых источников, связывает найденные данные между собой и показывает их в удобном интерфейсе.

В качестве цели можно указать:
— IP-адрес
— домен или поддомен
— email
— номер телефона
— имя человека
— username
— ASN и сетевой диапазон
— Bitcoin-адрес

У проекта более 200 модулей. Они умеют искать связанные аккаунты в соцсетях, анализировать DNS и домены, проверять IP-адреса, искать упоминания в утечках и открытых базах, определять геолокацию IP, анализировать метаданные файлов и многое другое.

При этом SpiderFoot не является инструментом для получения закрытой информации.. Инструмент автоматизирует сбор и сопоставление доступной информации, а результат зависит от источников, подключённых модулей и API. Часть интеграций требует собственных API-ключей.

Проект написан на Python 3, распространяется под лицензией MIT и может работать через веб-интерфейс или командную строку. Есть также поддержка Docker.

Для специалистов по кибербезопасности SpiderFoot может пригодиться при проверке собственной цифровой информации, пентестах и поиске информации, которая уже доступна в интернете.

😛 Исходный код и инструкция по запуску доступны в репозитории SpiderFoot на GitHub.

Используйте инструмент только для законных задач: например, аудита собственной инфраструктуры, учебных лабораторий или тестирования с разрешения владельца.

💻 КОД — техножурнал

Codex теперь умеет собирать редактируемые дизайны, а не просто картинки

Появился интересный Codex-скилл для дизайнерских задач: вместо обычного изображения он собирает полноценный редактируемый макет.

Схема работы выглядит так: VLM формирует идею, модель генерирует отдельные ассеты, а coding-агент объединяет их в структурированный HTML. В итоге элементы, текст и слои остаются отдельными, поэтому макет можно дорабатывать после генерации.

В проекте сразу два скилла:
— Editable-Design — для постеров, инфографики и других визуальных макетов;
— Html-to-pptx — для преобразования HTML-дизайна в редактируемый PowerPoint.

На выходе можно получить HTML, PNG и визуальный редактор с разбором макета по слоям.

Для лучших результатов пользователи рекомендуют запускать скилл на GPT-5.6 в режиме high reasoning.

™️ Проект и инструкции по использованию доступны в репозитории на GitHub.

💻 КОД — техножурнал

Apache Maka — AI-агенты с локальным хранением данных
Если не хочется отдавать историю работы с AI, настройки и журналы выполнения внешнему сервису, стоит обратить внимание на Apache Maka — open source-проект для запуска AI-агентов с локальным хранением состояния.

Главная идея проекта — не просто дать интерфейс для общения с моделью, а сохранить полную историю выполнения задач. В журнал попадают сообщения модели, вызовы инструментов, решения по разрешениям и завершение операций. Этот журнал используется и для восстановления состояния после сбоев.

При этом саму модель Maka не предоставляет. Можно подключить облачный API, локальную модель или совместимый шлюз. Сессии, настройки и результаты запусков по умолчанию хранятся на вашем устройстве.

Один Runtime Host вместо нескольких движков

У Maka есть единый Runtime Host — процесс, который отвечает за выполнение задач. Desktop-приложение, TUI и CLI выступают клиентами и используют один и тот же runtime, а не держат отдельные реализации логики.

Архитектура интересна сама по себе: состояние строится вокруг журнала событий, а интерфейс, контекст сессии и механизм восстановления рассматриваются как его представления.

😛 В документации по архитектуре Runtime Host разработчики подробно разбирают границы компонентов и взаимодействие Host с клиентами.

Ещё один важный момент — локальное хранение. Рабочие данные включают SQLite-хранилище, настройки, каталог подключений и другие файлы. Ключи API также хранятся локально, а инструменты, способные изменять файлы или запускать shell-команды, проходят через границу песочницы.

Проект пока находится в активной разработке: форматы данных, CLI-команды и экспериментальные возможности могут меняться. Официального Apache-релиза пока нет. Доступны nightly-сборки для macOS, Windows и Linux; Windows и Linux обозначены как неподписанные preview-сборки и не предназначены для production.

Maka распространяется под Apache License 2.0 и находится в инкубации Apache Software Foundation.

Для тех, кто интересуется не только использованием AI-агентов, но и тем, как правильно строить их runtime, хранение состояния и восстановление после сбоев, репозиторий Maka определённо заслуживает изучения.

™️ Репозиторий Maka на GitHub

💻 КОД — техножурнал