Объяснение контекстного окна LLM: Токены, ограничения и способы вместить больше, измеренные
Окно контекста LLM — это общее количество токенов, которые модель может прочитать и записать за один запрос. Узнайте, что его наполняет, как слова превращаются в токены, как планировать ввод и вывод и как безопасно обрезать историю чата с помощью измеренных нами показателей.
- Окно контекста LLM — это лимит токенов, общий для всего: системного приглашения, истории, документов и ответа.
- Токены — это не слова. В нашей английской прозе использовалось 1,14 токена на слово, код Python 2.22 и текст на хинди 1.41 с одним токенизатором и около 4,6 с более старым.
- История чата растет с каждым поворотом. Обрезайте самые старые сообщения, но всегда сохраняйте системное приглашение; простое вырезание исключило его в нашем тесте.
- Большое окно – это не свободный проход. Длинные подсказки стоят дороже, выполняются медленнее и могут похоронить важные детали.
Вы вставляете длинный контракт в чат-бот, и он отвечает так, как будто последних десяти страниц никогда не существовало. Или бот поддержки медленно «забывает» правила, которые вы ему дали. Оба сводятся к окну контекста LLM: фиксированному количеству токенов, с которыми большая языковая модель может работать в одном запросе. Знание того, как он заполняется, поможет вам создать функции ИИ, которые останутся точными и доступными.
Мы измерили приведенные ниже числа с помощью библиотеки OpenAI с открытым исходным кодом tiktoken версии 0.14.0, используя ее o200k_base и более ранние cl100k_base кодировки на Python 3.13. В других семействах моделей используются другие токенизаторы, поэтому воспринимайте наши подсчеты как реалистичные примеры, а не точные цифры для каждой модели. Основную информацию о токенах можно найти в нашем руководстве по токенам LLM.
Что такое контекстное окно?
Модель не запоминает предыдущие запросы сама по себе. Каждый раз, когда вы вызываете его, вы отправляете текст, и модель читает его все, прежде чем генерировать ответ. Контекстное окно — это максимальный размер объединенного текста, измеряемый в токенах. Если окно состоит из 128 000 токенов, входные и выходные данные вместе должны поместиться внутри него. Наше руководство по что такое большая языковая модель объясняет, почему модели работают таким образом.
Размеры окон варьируются от нескольких тысяч токенов на маленьких моделях до сотен тысяч или более миллиона на больших. Размеры меняются с каждым выпуском, поэтому проверьте документацию вашего провайдера, чтобы узнать точный предел и отдельное ограничение на выходные токены.
Что заполняет контекстное окно
- Системная подсказка: инструкции, правила и персонаж.
- История разговоров: все предыдущие сообщения пользователя и помощника, которые вы отправляете повторно.
- Извлеченный или вставленный контент: документы, результаты поиска, файлы кода.
- Определения и результаты инструментов: схемы функций и данные, которые они возвращают.
- Сам ответ: выходные токены выходят из одного и того же бюджета.
Последний пункт удивляет многих людей. Подсказка, занимающая почти все окно, не оставляет места для ответа, поэтому ответ сокращается.
Слова против токенов: что мы измерили
Мы повторили три коротких текста по 20 раз каждый и посчитали слова и лексемы:
| Текст | Слова | o200 тыс. токенов | Токенов за слово | токены cl100k |
|---|---|---|---|---|
| английская проза | 740 | 841 | 1.14 | 841 |
| Код Python | 180 | 400 | 2.22 | 400 |
| текст на хинди | 300 | 422 | 1.41 | 1,381 |
Три урока заслуживают внимания. В простом английском языке на слово приходится около одного токена. В коде используется примерно в два раза больше токенов на одно «слово», поскольку символы, отступы и короткие имена требуют токенов. И язык имеет огромное значение: для одного и того же текста на хинди потребовалось 422 токена с новым токенизатором и 1381 с более старым, то есть более чем в три раза больше. Окно, содержащее длинный документ на английском языке, может содержать гораздо меньше документов на другом языке.
import tiktoken
enc = tiktoken.get_encoding("o200k_base")
print(len(enc.encode("Your text here")))
Совет: никогда не оценивайте жетоны путем деления символов на четыре для получения лимита производства. Посчитайте с помощью токенизатора для вашей модели, а затем сохраните запас прочности.
Бюджетирование запроса
Мы запланировали запрос с системным приглашением на 600 токенов, 4200 токенами истории чата и 25000 токенами документов, затем проверили его по трем размерам окна, зарезервировав для ответа 2000 токенов:
window 8000: input 29800 tokens, left -21800, room for 2,000-token answer: False
window 32000: input 29800 tokens, left 2200, room for 2,000-token answer: True
window 128000: input 29800 tokens, left 98200, room for 2,000-token answer: True
Окно 8К вообще не смогло принять запрос. Окно в 32 КБ подходит, но с запасом всего 2200 токенов, так что еще один документ сократит ответ. Впишите эту проверку в свой код перед каждым вызовом: посчитайте детали, вычтите зарезервированный выходной бюджет и решите, что сократить, если оно не подходит.
Что произойдет, когда вы перейдете
Поведение зависит от API и приложения. Некоторые API отклоняют запрос с ошибкой. Некоторые чат-приложения молча удаляют самые старые сообщения. Некоторые сокращают документы. А если входные данные подходят, но оставляют слишком мало места, ответ останавливается на полуслове, когда достигает выходного предела. Ничто из этого не очевидно для пользователей, поэтому может показаться, что модель «забывает» или игнорирует часть документа.
История чата растет с каждым поворотом
Приложения чата каждый раз повторно отправляют весь разговор, чтобы модель могла его увидеть. Примерно по 350 жетонов за ход:
chat of 10 turns x 350 tokens = 3500 tokens
chat of 50 turns x 350 tokens = 17500 tokens
chat of 200 turns x 350 tokens = 70000 tokens
Длительный чат поддержки может незаметно охватить десятки тысяч токенов, и каждое новое сообщение снова оплачивает все старые.
Обрезка истории без потери правил
Мы создали чат на 31 сообщение с 1455 токенами и сократили его до 800 токенов двумя способами. Разумный способ поддерживал подсказку системы, а затем добавлял сообщения от самых новых к самым старым, пока бюджет не был заполнен. Наивный способ просто сохранял последние 800 токенов объединенного текста.
history: 31 messages, 1455 tokens -> kept 17 (783 tokens), system kept: True, oldest kept: 'message 14'
naive tail-truncation keeps system prompt: False
В простой версии пропадало системное приглашение с инструкцией «Всегда отвечать на английском языке». Именно так бот теряет правила в долгих чатах. Лучшие стратегии, примерно в порядке усилий:
- Всегда закрепляйте системную подсказку и последнее сообщение пользователя.
- Сначала отбросьте или суммируйте самые старые ходы.
- Замените старые повороты кратким описанием бега, написанным моделью.
- Сохраняйте факты вне чата и получайте только то, что нужно для текущего вопроса.
Всегда ли большее контекстное окно лучше?
Нет. Большое окно позволяет включить больше, но такие исследования, как исследование Лю и его коллег «Затерянные в середине» 2023 года, показали, что модели используют информацию в начале и конце длинных входных данных более надежно, чем информацию в середине. Мы сами это не проверяли. На практике отправка только соответствующих частей зачастую эффективнее отправки всего текста и уменьшает галлюцинации, вызванные отвлекающим или противоречивым текстом. Поместите ключевые инструкции в начале и повторите сам вопрос в конце.
Разбиение на части и извлечение (RAG)
Генерация с расширенным поиском сохраняет документы за пределами подсказки. Вы разделяете их на фрагменты, находите фрагменты, связанные с вопросом, и отправляете только их. Мы разделили документ, содержащий 4201 токен, на фрагменты по 500 токенов с перекрытием по 50 токенов и получили 10 фрагментов. Благодаря перекрытию предложения, пересекающие границу, остаются читабельными хотя бы в одном фрагменте.
def chunks(text, size, overlap):
ids = enc.encode(text)
step = size - overlap
return [enc.decode(ids[i:i + size]) for i in range(0, max(1, len(ids) - overlap), step)]
Фрагменты сопоставляются с вопросами с помощью вложений, хранящихся в векторном индексе. Наше руководство по RAG описывает весь процесс разработки.
Стоимость и скорость
Большинство API взимают плату за входной и выходной токен, а обработка более длинных запросов занимает больше времени. Подсказка на 100 000 токенов, отправленная 1000 раз в день, составляет 100 000 000 входных жетонов ежедневно, даже если ответы короткие. Обрезка истории, извлечение вместо вставки и кэширование повторяющихся префиксов подсказок, если это поддерживает провайдер, могут резко сократить затраты и задержки. Проверьте текущие цены на странице цен вашего провайдера, поскольку они часто меняются.
Тестирование ограничений контекста в вашем приложении
- Тестируйте с максимально длинными реалистичными входными данными, а не с коротким образцом.
- Тестируйте длинные чаты: бот по-прежнему следует подсказкам системы после 50 ходов?
- Проверьте ввод не на английском языке, который может использовать гораздо больше токенов.
- Убедитесь, что ваш код резервирует выходные токены и корректно обрабатывает ошибки превышения лимита.
- Убедитесь, что обрезка никогда не отменяет правила безопасности, что также важно для быстрого внедрения защиты.
Итоги
Окно контекста LLM — это общий бюджет токенов, а не память. Подсчитайте токены с помощью правильного токенизатора, зарезервируйте место для ответа, закрепите системное приглашение при обрезке истории и извлекайте соответствующие фрагменты, а не вставляйте все. Сделайте это, и даже скромное окно будет иметь большое значение, а огромное останется быстрым и доступным. Четкие подсказки тоже помогают, как показывает наше руководство по проектированию подсказок.
Часто задаваемые вопросы
Что такое контекстное окно в LLM?
Это максимальное количество токенов, которые модель может обработать в одном запросе, включая системное приглашение, историю разговоров, добавленные документы и сгенерированный ответ.
Сколько слов помещается в контекстное окно?
Это зависит от текста и токенизатора. В нашей английской прозе использовалось около 1,14 токенов на слово, поэтому 100 000 токенов — это примерно 88 000 слов, но код и многие другие языки используют больше токенов на слово.
Что произойдет, если вы превысите контекстное окно?
API может отклонить запрос, приложение может удалить старые сообщения или обрезать документы, либо ответ может быть прерван, поскольку не осталось выходных токенов.
Учитывается ли вывод в контекстном окне?
Да. Ввод и вывод используют одно и то же окно, поэтому всегда резервируйте достаточно токенов для ответа. Многие API также имеют отдельный максимум для выходных токенов.
Лучше ли большее контекстное окно, чем RAG?
Не всегда. Большие окна стоят дороже, и модели могут упустить детали при длительном вводе данных. Извлечение только соответствующих фрагментов часто обходится дешевле и точнее.
Продолжайте учиться
Нужна помощь с тестированием, WordPress или SEO?
Мы помогаем командам выпускать лучшее программное обеспечение и развивать свои сайты. Расскажите нам, над чем вы работаете, и мы предложим четкий следующий шаг.
Больше руководств по тестирование, искусственный интеллект и современные разработки
Понравилась эта статья? Выберите тему и сразу приступайте к нашим новейшим руководствам.
Объяснение стратегий разделения RAG: фиксированное, перекрытие, предложение, рекурсивное и заголовки, измеренное
Стратегии фрагментирования RAG в одном документе с tiktoken 0,14: фиксированный размер, перекрытие, упаковка предложений, рекурсивное разделение и ф…
Читать статью →Разработка ПООбъяснение идемпотентности API: проверенные ключи идемпотентности и безопасные повторы
Идемпотентность API, объясненная на примере сервера и клиента Python, которые мы запускали: потеря ответа вызывала двойную оплату без ключа и единст…
Читать статью →DevOpsОбъяснение Git Stash: сохранение, применение, удаление и неотслеживаемые файлы, протестировано
Git stash объясняется с помощью команд, которые мы запускали в Git 2.56: push с сообщением, неотслеживаемые файлы, список и отображение, применение …
Читать статью →Тестирование ПООбъяснение парного тестирования: как все пары сокращают 216 тестов до 13, протестированных
Попарное тестирование объясняется с помощью генератора, который мы запускали в Python 3.13: проверка с 216 комбинациями, охватываемыми 13 тестами, п…
Читать статью →Автоматизация тестированияОбъяснение тестовых двойников: манекен, заглушка, шпион, макет и подделка, с протестированным кодом Python
Двойные тесты объяснены на одном примере Python, запущенном в pytest 9.2: манекен, заглушка, шпион, макет и подделка, когда использовать каждый из н…
Читать статью →Базы данных и SQLОбъяснение SQL COALESCE: значения по умолчанию, NULLIF, IFNULL против ISNULL и ловушки, протестировано
SQL COALESCE объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: первые ненулевые значения, пустые строки, NULL в математике, NULLIF…
Читать статью →Базы данных и SQLОбъяснение самосоединения SQL: сотрудник-менеджер, сравнение пар и строк, протестировано
Самосоединение SQL объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: сотрудник и менеджер, заработок больше, чем менеджер, уникаль…
Читать статью →Разработка ПООбъяснение оператора расширения JavaScript: распространение против остальных, копии и ошибки, протестировано
Оператор расширения JavaScript, объясненный с помощью кода, который мы запускали на узле 24: массивы, объекты, мелкие копии, остальные параметры, ог…
Читать статью →Разработка ПООбъяснение модуля коллекций Python: счетчик, defaultdict, deque и многое другое, протестировано
Коллекции Python объяснены с помощью кода, который мы запускали в Python 3.13: Counter, defaultdict, deque, Nametuple, OrderedDict и ChainMap, а так…
Читать статью →Искусственный интеллектОбъяснение контекстного окна LLM: токены, ограничения и способы вместить больше, измеренное
Контекстное окно LLM поясняется количеством токенов, которые мы измеряли с помощью tiktoken: слова и токены для прозы, кода и хинди, входные и выход…
Читать статью →Разработка ПООбъяснение вебхуков: как они работают и как безопасно их получать
Веб-хуки объясняются с помощью получателя и отправителя, которые мы запускали на Python: push и опрос, подписи HMAC-SHA256, отклонение подделанных и…
Читать статью →DevOpsОбъяснение Git Cherry-Pick: скопируйте нужный вам коммит, безопасно и протестировано
Git Cherry-Pick объяснил это командами, которые мы запускали в Git 2.56: копирование исправления в ветку выпуска, новые хэши и идентификаторы патчей…
Читать статью →Автоматизация тестированияОбъяснение моментального тестирования: как оно работает, когда помогает, а когда вредит
Тестирование снимков объясняется с помощью pytest и сладкой демонстрации, которую мы запускали: создание снимков, чтение различий после изменения ко…
Читать статью →Тестирование ПООбъяснение мутационного тестирования: почему при 100% покрытии все еще не обнаружена наша ошибка
Тестирование мутаций объясняется с помощью небольшого инструмента мутаций, который мы создали и запустили: 14 мутантов, набор тестов со 100%-ным пок…
Читать статью →Искусственный интеллектОбъяснение быстрого внедрения: как обманывают приложения искусственного интеллекта и как их защитить
Быстрое внедрение, объясненное для разработчиков: прямые и косвенные атаки, почему фильтры ключевых слов не работают (наш тест заблокировал 1 из 4),…
Читать статью →DevOpsОбъяснение DNS-записей: A, AAAA, CNAME, MX, TXT и TTL с реальным поиском
Записи DNS объяснены с помощью выполненных нами поисков: как работает разрешение, A и AAAA, правила CNAME, MX и нулевой MX, TXT для SPF и проверки, …
Читать статью →DevOpsОбъяснение флагов функций: безопасные выпуски, постепенное развертывание и гигиена флагов
Флаги функций объяснены с помощью моделирования развертывания, которое мы провели: типы флагов, процентное развертывание со стабильным хешированием,…
Читать статью →Автоматизация тестированияГенерация тестовых данных с помощью Python Faker: реалистичные, повторяемые и безопасные данные
Генерация тестовых данных с помощью Python Faker, запуск и измерение: заполнение повторяющихся данных, локали, уникальные значения, записи в форме д…
Читать статью →Тестирование ПООбъяснение тестирования с помощью Shift-Left: находите ошибки раньше, не замедляя работу команды
Сдвиг влево при тестировании объяснил: что это значит, почему ранние дефекты обходятся дешевле, практики от проверки требований до CI-проверок, меня…
Читать статью →Базы данных и SQLОбъяснение строковых функций SQL: TRIM, SUBSTR, REPLACE, CONCAT и очистка данных
Строковые функции SQL, объясненные с помощью выполненных нами запросов: конкатенация и NULL, TRIM, UPPER и LOWER, SUBSTR и INSTR, REPLACE, заполнени…
Читать статью →Базы данных и SQLОбъяснение триггеров SQL: триггеры ДО и ПОСЛЕ, журналы аудита и подводные камни
Триггеры SQL объяснены с помощью триггеров, которые мы запускали: ДО и ПОСЛЕ, СТАРЫЙ и НОВЫЙ, журналы аудита, проверка, обновления запасов, условия …
Читать статью →Разработка ПООбъяснение модуля Python JSON: дампы, загрузки, пользовательские типы и распространенные ошибки
Модуль Python JSON, объясненный с помощью кода, который мы выполнили: дампы и загрузки, файлы, преобразования типов, даты и десятичные дроби, пользо…
Читать статью →Разработка ПОМодули ES против CommonJS: как работает импорт JavaScript в Node.js, протестировано
Модули ES и CommonJS объяснены с помощью кода, который мы запускали в Node.js: синтаксис импорта и экспорта, требование, живые привязки, кэширование…
Читать статью →Разработка ПООбъяснение регулярных выражений Python: шаблоны, группы, предварительные просмотры и подводные камни, протестировано
Регулярное выражение Python объясняется с помощью шаблонов, которые мы использовали: поиск против совпадения, поиск, группы и именованные группы, жа…
Читать статью →Искусственный интеллектОбъяснение структурированного вывода LLM: получение надежного JSON из моделей искусственного интеллекта
Структурированный вывод LLM объясняется проверкой, которую мы проводили в Pydantic: режим и схемы JSON, ограниченное декодирование, способы моделиро…
Читать статью →DevOpsОбъяснение ключей SSH: как они работают, ssh-keygen, Ed25519 и безопасные привычки
Ключи SSH объяснены ключами, которые мы сгенерировали: открытые и закрытые ключи, ssh-keygen, Ed25519 и RSA, отпечатки пальцев, парольные фразы, ssh…
Читать статью →DevOpsОбъяснение HTTP-кэширования: Cache-Control, ETag и ответы 304, с живым тестом
Объяснение HTTP-кеширования на небольшом сервере, который мы запускали: директивы Cache-Control, максимальный возраст, отсутствие кэша и отсутствие …
Читать статью →Автоматизация тестированияОбъяснение тестирования контрактов API: уловите критические изменения до их выпуска
Тестирование контрактов API объясняется с помощью проведенной нами проверки схемы: что такое контракт, контракты, управляемые потребителем, Pact, Op…
Читать статью →Тестирование ПООбъяснение тестирования на основе рисков: оцените риски, постройте матрицу и протестируйте то, что имеет значение
Тестирование на основе рисков объясняется шаг за шагом: выявление рисков, оценка вероятности и воздействия, построение матрицы рисков, сопоставление…
Читать статью →Базы данных и SQLОбъяснение ограничений SQL: NOT NULL, UNIQUE, CHECK и FOREIGN KEY, протестировано
Ограничения SQL объяснены с помощью проведенных нами тестов: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY и FOREIGN KEY, лазейки NULL, настройка внешне…
Читать статью →Базы данных и SQLОбъяснение функций даты SQL: добавление, сравнение и группировка дат без ошибок
Функции даты SQL, объясненные с помощью запросов, которые мы выполняли: добавление интервалов, сюрпризы в конце месяца, различия в датах, ловушка МЕ…
Читать статью →Разработка ПООбъяснение Python asyncio: асинхронность, ожидание, сбор и группа задач с реальным временем
Python asyncio объяснен с помощью кода, который мы запланировали: сопрограммы, ожидание, сбор, TaskGroup, обработка ошибок, тайм-ауты, ограничение п…
Читать статью →Разработка ПОDebounce против Throttle в JavaScript: как они работают, когда использовать каждый, протестировано
Сравнение Debounce и Throttle в JavaScript объясняется с помощью таймингов, которые мы измеряли в Node.js: как каждый из них работает, простые реали…
Читать статью →Разработка ПООбъяснение менеджеров контекста Python: оператор with, contextlib и реальное использование
Контекстные менеджеры Python объяснили с помощью кода, который мы запускали: как работает, __enter__ и __exit__, contextlib.contextmanager, подавлен…
Читать статью →Искусственный интеллектОбъяснение температуры LLM и Top-p: как модели ИИ выбирают свое следующее слово
Температура LLM и top-p объяснены с помощью моделирования, которое мы провели: как изменяются вероятности, что сохраняет top-p, рекомендуемые настро…
Читать статью →DevOpsОбъяснение YAML: синтаксис, проблема Норвегии и другие ловушки, которые мы тестировали
YAML объясняется с помощью теста парсера: базовый синтаксис, списки и карты, проблема Норвегии, версии, превращающиеся в числа с плавающей запятой, …
Читать статью →DevOpsОбъяснение Cron Jobs: синтаксис, реальные расписания и ошибки, которые их нарушают
Задания Cron объясняются графиками, которые мы проверили: пять полей, операторы, реальные примеры, ловушка дня месяца ИЛИ дня недели, проблемы окруж…
Читать статью →Искусственный интеллектОбъяснение галлюцинаций искусственного интеллекта: почему языковые модели все выдумывают и как их уменьшить
Галлюцинации ИИ объяснили: что это такое, почему языковые модели их создают, распространенные типы, как уменьшить их с помощью заземления и подсказо…
Читать статью →DevOpsОбъяснение переменных среды: файлы .env, секреты и правильно выполненная конфигурация
Переменные среды объясняются на примерах Python, которые мы запускали: их чтение и установка, почему каждое значение является строкой, файлы .env, н…
Читать статью →Разработка ПООбъяснение ограничения скорости API: алгоритмы, заголовки и обработка ошибок 429
Ограничение скорости API объясняется с помощью проведенного нами моделирования: сегмент токенов, фиксированное окно, скользящее окно, 429 ответов, з…
Читать статью →Автоматизация тестированияИздевательство в Python: unittest.mock, патч и ошибки, из-за которых тесты лгут
Издевательство на Python с помощью unittest.mock, протестировано: Mock и return_value, Side_effect, исправление использования имени, спецификация и …
Читать статью →Тестирование ПООбъяснение покрытия кода: покрытие линий или ветвей и что на самом деле означает 100%
Покрытие кода объяснено с помощью реального запуска покрытия.py: покрытие строк, ветвей и условий, чтение отчета, почему 100%-ное покрытие все еще м…
Читать статью →Базы данных и SQLDELETE, TRUNCATE и DROP в SQL: различия, откат и когда использовать каждый из них
Объяснение DELETE, TRUNCATE и DROP на примере протестированного SQL: что каждый из них удаляет, откат, триггеры, сброс идентификаторов, скорость и ч…
Читать статью →Базы данных и SQLОбъяснение представлений SQL: создавайте, используйте и избегайте ловушек, с примерами
Представления SQL, объясненные с помощью запросов, которые мы выполняли: создание представления, результаты в реальном времени, скрытие столбцов, пр…
Читать статью →Разработка ПОИнтерфейс TypeScript и тип: реальные различия, протестированные с помощью компилятора
Интерфейс TypeScript против типа, проверенный реальным компилятором: что могут делать оба, что может делать только один, слияние объявлений, расшире…
Читать статью →Разработка ПООбъяснение Python *args и **kwargs: гибкие функции с понятными примерами
Python *args и **kwargs, объясненные с помощью кода, который мы запускали: упаковка и распаковка, порядок параметров, аргументы только по ключевым с…
Читать статью →Разработка ПОЛямбда-функции Python: синтаксис, реальное использование и когда их не следует использовать
Лямбда-функции Python, объясненные с помощью кода, который мы запускали: синтаксис, сортировка с помощью ключа, карты и фильтра, замыкания, ловушка …
Читать статью →Искусственный интеллектЧто такое ИИ-агенты? Как они работают: можно запустить простой цикл агента
Что такое агенты ИИ? Простое руководство по циклу агента, инструментам, памяти и ограничениям, с небольшим циклом Python, который мы запустили, реал…
Читать статью →DevOpsМониторинг и наблюдаемость: реальная разница с журналами, метриками и трассировками
Объяснение мониторинга и наблюдаемости: известные и неизвестные сбои, журналы, метрики и трассировки, пошаговое руководство по инцидентам при оформл…
Читать статью →DevOpsDocker Volumes против Bind Mounts: правильное сохранение данных контейнера
Объяснение томов Docker и монтирования привязки: почему исчезают данные контейнера, именованные тома, монтирование привязки, tmpfs, примеры создания…
Читать статью →Автоматизация тестированияTDD против BDD: ключевые различия, одна функция, созданная для обоих способов, и когда использовать каждый
TDD и BDD объясняются с помощью одной функции скидки, созданной в обоих направлениях: красно-зеленый рефакторинг с кодом, который мы запускали, сцен…
Читать статью →Тестирование ПОПользовательское приемочное тестирование (UAT): процесс, контрольный список и реальные примеры
Приемочное тестирование пользователей объяснило: кто его проводит, чем оно отличается от контроля качества, семиэтапный процесс, шаблон тестового сц…
Читать статью →Базы данных и SQLОбъяснение значений NULL в SQL: IS NULL, COALESCE, NULLIF и ловушки, которых следует избегать
Значения SQL NULL объяснены с помощью запросов, которые мы выполнили: трехзначная логика, IS NULL, COALESCE, NULLIF, как агрегаты, соединения и сорт…
Читать статью →Базы данных и SQLОператор SQL CASE WHEN: синтаксис, реальные примеры и распространенные ошибки
SQL CASE WHEN объяснен с помощью запросов, которые мы выполняли: простые формы и формы для поиска, порядок условий, повороты с помощью SUM, трюки CO…
Читать статью →Разработка ПОЧто такое JWT? Веб-токены JSON, объясненные на рабочем примере
Что такое JWT? Объяснение JSON Web Tokens: три части: токен, созданный и измененный в коде, который мы запускали, JWT и сеансы, хранилище, токены об…
Читать статью →Разработка ПООбъяснение цикла событий JavaScript: стек вызовов, микрозадачи и таймеры с примерами
Цикл событий JavaScript объясняется с помощью кода, который мы запускали: стек вызовов, очереди задач и микрозадач, почему setTimeout 0 не является …
Читать статью →Разработка ПОГенераторы Python и объяснение доходности: экономьте память с помощью реальных примеров
Генераторы Python и доходность, объясненные с помощью кода, который мы запускали: как они приостанавливаются и возобновляются, измеряют экономию пам…
Читать статью →Искусственный интеллектЧто такое вложения? Простое объяснение векторов и косинусного сходства
Что такое вложения? Простое руководство по векторам, косинусному подобию и семантическому поиску с небольшим примером, который мы использовали, общи…
Читать статью →DevOpsСине-зеленое и канареечное развертывание: различия, компромиссы и как выбрать
Объяснение сине-зеленого и канареечного развертывания: как каждый из них работает, стоимость, риски и откат, стабильное группирование пользователей,…
Читать статью →Автоматизация тестированияНенадежные тесты: что их вызывает и как их исправить навсегда
Ненадежные тесты объясняются на демонстрациях, которые мы запускали: основные причины, способы подтверждения и диагностики, правильные исправления в…
Читать статью →Тестирование ПОНагрузочное тестирование и стресс-тестирование: различия, метрики и примеры k6
Объяснение нагрузочного и стресс-тестирования: что доказывает каждое из них, тесты на всплески и выдержки, важные метрики, почему средние значения в…
Читать статью →Тестирование ПОТестовый пример и тестовый сценарий: ключевые различия, примеры и когда использовать каждый
Объяснение тестового случая и тестового сценария: четкие определения, параллельная таблица, одна функция сброса пароля, взятая из сценариев в случаи…
Читать статью →Базы данных и SQLОптимизация SQL-запросов: чтение планов выполнения и исправление медленных запросов с указанием времени
Оптимизация SQL-запросов проверена на миллионе строк: читайте планы выполнения, добавляйте правильные индексы, исправляйте неразмещаемые фильтры, ис…
Читать статью →Базы данных и SQLSQL UNION против UNION ALL: различия, примеры и проверка производительности
SQL UNION и UNION ALL объяснены с помощью запросов, которые мы выполнили: дубликаты, правила, которым следуют оба, реальная ошибка данных, измеренна…
Читать статью →Разработка ПОУчебное пособие по API JavaScript Fetch: GET, POST, обработка ошибок и тайм-ауты
Учебное пособие по API JavaScript Fetch, протестированное на локальном сервере: GET и POST, почему не выдается ошибка 404, многоразовый помощник, ст…
Читать статью →Разработка ПООбработка файлов Python: чтение, запись, CSV, JSON и pathlib с примерами
Обработка файлов Python объясняется с помощью кода, который мы запускали: открытые режимы, чтение больших файлов, CSV, JSON, pathlib, двоичные файлы…
Читать статью →Разработка ПОКлассы и объекты Python: учебник ООП с реальными примерами
Классы и объекты Python, объясненные с помощью кода, который мы запускали: __init__, методы, атрибуты класса и экземпляра, наследование, свойства, м…
Читать статью →Искусственный интеллектЧто такое большая языковая модель? Как работают LLM, объяснено без шумихи
Что такое большая языковая модель? LLM объясняется простым языком: токены, встраивания, внимание, обучение, температурные и контекстные окна, крошеч…
Читать статью →DevOpsКоманды Linux для начинающих: основное руководство по терминалу с примерами
Команды Linux для начинающих, сгруппированные по задачам: навигация, файлы, просмотр журналов, grep, каналы, разрешения, процессы и архивы, с практи…
Читать статью →Автоматизация тестированияSelenium vs Playwright: ключевые различия, сравнение кода и что выбрать
Сравнение Selenium и Playwright: архитектура, ожидание, поддержка браузера и языка, отладка, одинаковый тест в обоих инструментах, советы по миграци…
Читать статью →Тестирование ПОРазделение эквивалентности: метод проектирования тестов, объясненный на рабочих примерах
Объяснение эквивалентного разделения: как найти действительные и недействительные разделы, рабочие примеры для возрастов, паролей и купонов, проведе…
Читать статью →Тестирование ПОСерьезность и приоритет в тестировании программного обеспечения: различия, матрица и реальные примеры
Объяснение серьезности и приоритета при тестировании программного обеспечения: четкие определения, четырехсторонняя матрица с примерами, шкалы уровн…
Читать статью →Базы данных и SQLУчебное пособие по подзапросам SQL: типы, коррелирующие подзапросы и EXISTS с примерами
Руководство по подзапросам SQL с выполненными нами запросами: скалярные подзапросы, IN, FROM и SELECT, коррелированные подзапросы, EXISTS, ловушка N…
Читать статью →Базы данных и SQLОбъяснение транзакций SQL и ACID: COMMIT, ROLLBACK и уровни изоляции
Транзакции SQL и ACID, объясненные с помощью банковского перевода, который мы выполнили: COMMIT, ROLLBACK, точки сохранения, блокировки, уровни изол…
Читать статью →Разработка ПОGit Commands Cheat Sheet: The Commands You Actually Use, With Examples
Шпаргалка по командам Git, сгруппированная по задачам: настройка, промежуточный этап, ветки, удаленные устройства, тайник, история и исправление оши…
Читать статью →Разработка ПООбъяснение промисов в JavaScript: then, catch, Promise.all и распространенные ошибки
Обещания JavaScript, объясненные с помощью кода, который мы запускали: состояния, цепочки then и catch, обработка ошибок, Promise.all, allSettled, R…
Читать статью →Разработка ПОУчебное пособие по словарю Python: методы, примеры и общие шаблоны
Учебное пособие по словарю Python с кодом, который мы выполнили: создание, чтение и обновление словарей, ключевые методы, слияние, понимание, шаблон…
Читать статью →Искусственный интеллектЧто такое РАГ? Генерация с расширенным поиском, объясненная на рабочем примере
Что такое РАГ? Retrieval-augmented generation explained step by step: indexing, chunking, embeddings, retrieval, a small working Python example, eva…
Читать статью →DevOpsУчебное пособие по Terraform для начинающих: инфраструктура как код от первого файла до модулей
Учебное пособие по Terraform для начинающих: начните без облачной учетной записи, изучите инициализацию, планирование и применение, затем переменные…
Читать статью →DevOpsDocker и Kubernetes: ключевые различия, как они работают вместе и что вам нужно
Объяснение Docker и Kubernetes: что делает каждый из них, одно и то же приложение работает с обоими, сравнение Docker Compose и Swarm, изменение doc…
Читать статью →Автоматизация тестированияУчебное пособие по Pytest для начинающих: фикстуры, параметризация и реальные примеры
Учебное пособие по pytest для начинающих с тестами, которые мы запускали на pytest 9.2: утверждения, фикстуры, параметризация, conftest, маркеры, tm…
Читать статью →Тестирование ПОЖизненный цикл тестирования программного обеспечения (STLC): 6 этапов, критерии входа и выхода, пример
Объясняется жизненный цикл тестирования программного обеспечения: шесть этапов STLC с критериями входа и выхода, результаты, пример проработанной фу…
Читать статью →Разработка ПОGit merge vs rebase: отличия, примеры и когда что использовать
Git merge vs rebase с реальным выводом log, сравнительной таблицей, золотым правилом rebase и безопасным рабочим процессом для команды.
Читать статью →Разработка ПОГенераторы списков в Python: синтаксис, примеры и когда их избегать
Генераторы списков в Python: синтаксис, фильтры, if-else, вложенные циклы, измеренное время и случаи, когда обычный цикл for лучше.
Читать статью →Базы данных и SQLSQL JOIN: объяснение с примерами (Inner, Left, Right, Full)
Разберите SQL JOIN шаг за шагом на примерах таблиц и запросов: INNER, LEFT, RIGHT, FULL, CROSS и SELF, а также частые ошибки и советы по производите…
Читать статью →