Мастерство - это не точка, а путь длиною в жизнь. У каждого он свой, а это мой - с ошибками, победами и уроками. Здесь я делюсь своими опытом, идеями, проектами, личными инсайтами, чтобы бороться с синдромом самозванца и вдохновлять других!
SubscribersHow many subscribers the channel has now. The wave shows subscribers at each point of the period. The change is against the start of the period.100.0 %+0 for the period
ViewsHow many views the posts published in the period have now. These are not views per day: MAX does not report how many views there were yesterday. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.0was 0
ReactionsHow many reactions the posts published in the period have. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.0was 0
MentionsHow many times other channels mentioned the channel: links and reposts, excluding advertising posts. The bigger the circle, the more mentions at that point of the period. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.61▼ 18.1 %was 76with a subscription
RepostsHow many times other channels reposted this channel's posts (excluding advertising posts). Reposts are also counted as mentions. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.28▲ 14.3 %was 25after signing in
Average post reachHow many views one post gets on average. Only posts older than two days are counted: views of fresh posts are still growing. Points with fresh posts are dashed with hollow dots: the reach of all posts right now, it will still grow.5 497▲ 4.2 %was 5 274after signing in
ERRWhat share of subscribers sees an average post: average reach ÷ subscribers × 100 %. The line shows ERR at each point of the period, the dashed line — ERR of the previous period of the same length. Points with posts younger than two days are hollow dots on the dashed end of the line.28.6 %▲ 0.7 ppdashed line — was 27.9 %after signing in
Engagement ERHow often readers react to posts: reactions ÷ views × 100 %. The tick on the bar is the previous period.2.87 %▼ 0.2 pp
Posts per dayHow many posts are published per day on average. Each cell is a point of the period: the darker, the more posts per day. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.4.1▼ 14.0 %was 4.9after signing in
Ad shareWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The scale shows the ad load by the quality index thresholds: up to 10 % — low, up to 25 % — moderate, up to 50 % — high, above — very high. A growing share is marked red.2.4 %▼ 2.4 pp
TrendTop — subscribers at the end of each point of the period; bottom — growth per point: green means more subscribers, red means fewer. Above the growth chart — the biggest gain and the biggest loss. MAX does not report how many people subscribed and unsubscribed separately.
Audience growth
0subscribers in the period
The number of subscribers did not change in the period
Channel scoreA channel score from 0 to 100 made of five parts: audience, growth integrity, ad load, trust and calculation reliability. Each bar shows how many points the part earned out of its maximum. The index is recalculated every night; channels are compared with similar ones of the same category and size.
ReachHow many views the posts published at each point of the period have now (not views per day). The record is labeled; the point with today is paler — the day is not over yet. Average post reach — posts older than two days.
Views and reach
678 845views in the period▼ 10.0 %
Average post reach — 5 497 views (posts older than two days).
EngagementER — reactions divided by views, in percent — for the posts of each point of the period. The dashed line is ER for the whole period. The change is in percentage points against the previous period of the same length.
CitationsThe citation index (CI) shows how often and by which channels this channel is mentioned over the last 30 days, excluding advertising posts. The level is its place among similar channels. The line shows CI at each point of the period (for a week or month — the average over its days).
The citation index has not been calculated yet: it will appear after the nightly calculation once other channels mention the channel.
RhythmHow many posts are published on average in each hour of each weekday, Moscow time: the darker the cell, the more posts. “Best time” — the hours when posts older than two days have the highest average reach.
When and how much it posts
MonTueWedThuFriSatSun
036912151821
Best time:09:0018:00hours when posts get the highest average reach
FormatsWhat the feed is made of. Each post has one format, by priority: repost, video, photo, link, text. The bar and percentages show the share of posts of each format; on the right — average reach of one post of the format (posts older than two days), the small bar compares it with the most viewed format.
Post formats
100 posts
Reposts99 %6 168
Video2121 %7 513
Photos3838 %5 699
Links1212 %5 239
Text2020 %7 626
On the right — average reach of one post of the format.
PostsEach dot is a post in the period: horizontally — publication date, vertically — views, dot size — reactions, color — format. This shows hits, flops and how reach changes. For large channels, the 100 most viewed posts and an even sample of the rest are shown — no more than 1,500 dots.
Every post is a dot
Higher means more views, bigger means more reactions. Click a dot to open the post.
VideoPhotosOthersize — reactionsZoom with the + and − buttons, a pinch or Ctrl + mouse wheel; drag a zoomed chart to move it
SummaryTotals for the selected period: how many posts were published, how many views and reactions they have now and the average post reach. Views are the current views of posts published on those days, not views per day. The change is against the same span before the period, if statistics cover it.
Period totals
Click a metric to see it across the period below
Viewstoday — the day is not over yetPoints with posts younger than two days are pale and dashed: their views are still growing.
AdsWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The detector is cautious, so the real share is usually higher. The scale shows the ad load by the quality index thresholds. Below — the average reach of an ad post and a regular post, and who the channel advertises (sites that ad links lead to).
What worksPosts of the period with the most views. The bar shows views relative to first place. The preview is the post's image; for a post without an image — the channel avatar. Views are the post's current count.
RhythmHow many posts were published each day of the period (pale bars) and the 7-day average (line): you can see whether the channel is speeding up or slowing down. Today is not over yet, so its average is calculated up to yesterday.
Posts by day
Pale bars are days, the line is the 7-day average: you can see whether the channel is speeding up or slowing down
Posts per day7-day average
Data updated at 09:22 Moscow time. Views are the current counts of posts published on those days; average reach counts posts older than two days.
How the quality index is calculated
Летом я принял участие в Pentest Award 2026 - ежегодном конкурсе для специалистов по информационной безопасности от компании Awillix. В этом году у них открылась новая номинация "AI", в которой я и выступил. По итогам конкурса моя работа вошла в топ-5.
В заявке я показал, как взял одну production RAG-систему и с помощью методов, о которых рассказываю в RAG Security, взломал её с косметическими последствиями для самой Awillix. Вот так вот пошутил над организаторами. Все последствия, конечно же, удалил.
Подробности работы, может, когда-нибудь раскрою - если решусь. А пока читайте оригинальную статью на Habr. Ищите в списке финалистов мой аккаунт Burn2154
Скорее это разные фокусы одной большой инженерной области. Главное - понимать не только «как называется моя роль?», но и «какую проблему я умею решать?» А с названием должности разберёмся потом 😄
Ну а теперь можно возвращаться к TDD. Скоро будет материал и про него.
Готовлю вам материал по TDD, а пока - навигатор по IT-ролям для тех, кто запутался
Это спонтанный пост про сходства и различия смежных ролей в IT, в которых я путался до сегодняшнего дня. Сфера IT развивается настолько быстро, что в этом хаосе важно не потеряться и не забыть, кто ты на самом деле 😄
Мой путь начинался с fullstack-разработчика: я четко знал, что моя цель - написать бэк, прикрутить фронт, чтобы всё работало, и уйти пить кофе. Но в какой-то момент меня заинтересовал ML. Я начал учить математику, нырять в Jupyter Notebook с кодом анализа и визуализации данных...
И тут меня накрыло: а я теперь вообще кто? Дата-сайентист? ML-инженер? ИИ-инженер? Или я просто разработчикоэмэль-любитель, который пытается казаться умнее, чем есть?
Я прошел бесплатную часть курса от Яндекс Практикума «ИИ-инженер» (да, реклама, ну а что поделать) и наткнулся на таблицу, которая расставила всё по полочкам.
Вот эта таблица в моей интерпретации для канала:
👨💻 Разработчик (backend / frontend / fullstack) Основная задача - разработка бизнес-логики, API и интерфейсов. Чтобы всё летало и не падало. С чем работает - API, базы данных, сервисы, UI (всё, что видит пользователь и сервер). Ключевые инструменты - TypeScript/Python, FastAPI/NestJS, React, PostgreSQL, Docker (классический джентльменский набор). Что обучает - обычно ничего не обучает, а интегрирует готовые решения. Цель - создать стабильное, масштабируемое приложение и спокойно уйти на обед.
📊 Дата-сайентист Основная задача - анализировать данные, строить модели и находить инсайты (например, «продажи падают по вторникам из-за дождя»). С чем работает - таблицы, временные ряды, иногда текст и картинки (DataFrame - его второй дом). Ключевые инструменты - Pandas, scikit-learn, XGBoost (Jupyter Notebook открыт 24/7). Что обучает - классические модели ML: линейную регрессию, градиентный бустинг и им подобных. Цель - понять данные и добиться максимальной точности на кросс-валидации.
⚙️ ML-инженер Основная задача - разработка, деплой и поддержка ML-моделей в продакшене (и молитвы, чтобы они не упали в 3 часа ночи). С чем работает - обученные ML/DL-модели, пайплайны данных, инфраструктура (Kubernetes, мониторинг). Ключевые инструменты - MLflow, Docker, Kubernetes, PyTorch (настоящий DevOps, только ещё злее). Что обучает - сложные нейросети под задачи бизнеса. Цель - вывести модель в прод с минимальным пингом и поддерживать её стабильность.
🤖 ИИ-инженер Основная задача - сборка систем на основе готовых LLM (GPT, LLaMA и др.), чтобы они отвечали связно, а не генерировали бред. С чем работает - готовые LLM, документы, векторные индексы, API. Ключевые инструменты - LangChain, LlamaIndex, FAISS/Chroma, Ollama, OpenAI API. Что обучает - обычно ничего не обучает, а использует уже натренированных гигантов. Цель - построить систему, которая стабильно решает задачу с помощью LLM и не галлюцинирует про ядерную физику.
🍿 А теперь - как эти роли видят друг друга (очень субъективно 😁) Представим, что они собрались за одним столом и им дали одну задачу: сделать рекомендательную систему.
Разработчик: «Окей. Какой API? Какие эндпоинты? Где схема базы?»
Дата-сайентист: «Подождите, сначала нужно понять данные. Я тут нашёл корреляцию между покупками и фазами Луны».
ML-инженер: «А где модель будет жить?»
Дата-сайентист: «В ноутбуке».
ML-инженер: «Понятно».
ИИ-инженер: «А если мы просто отправим это в LLM?»
Все трое: «Эм...».
Тут ИИ-инженер молча открывает документацию нового фреймворка, который вышел вчера 😃.
Но на практике эти границы намного менее чёткие, чем кажется по вакансиям. Разработчик может обучить модель. Дата-сайентист может написать production-сервис. ML-инженер может заниматься анализом данных. ИИ-инженер вообще может одновременно оказаться backend-разработчиком, ML-инженером и человеком, который читает 40 страниц документации к очередному LLM-фреймворку. Поэтому я бы не воспринимал эти названия как строгие классы профессий.
В науке, в отличие от инженерии, никого не интересует, что соискатель сделал, а все определяется только тем, чем его предложение в лучшую сторону отличается от высшего достижения в этом вопросе. И так следует докладывать по каждому положению, выносимому на защиту.
🧠
Вспомните, что цыганки обычно предлагают: «Дай погадаю, всё расскажу, что было и что будет». Её стоит выслушать и записать всё, что она скажет. Что было, пойдёт в обзор, что будет - в заключение.
🧠
Числительные от нуля и до десяти в текстах пишутся словами... Когда мне надоедает бороться с такой писаниной, я задаю неожиданный вопрос: "Знаете ли Вы разницу между запрещенной порнографией и разрешенной эротикой?". При этом часто молодые люди впадают в ступор, и быстрого ответа от них получить не удается. Тогда я сообщаю, что обычно указанные понятия различают всего лишь одной особенностью - наличием или отсутствием эрегированных членов. Услышав это, молодые люди чаще всего остаются в ступоре. Однако, когда их спрашиваешь, на что похоже число 1, до них быстро доходит... и они запоминают это правило русского языка навсегда!
[открывайте, только если морально готовы переварить профессора] (P.S.: в MAX нет спойлеров, как в тг, поэтому извините)
🧠
Не стоит говорить: «Спасибо за хороший вопрос», так как другие члены совета могут подумать, что их вопросы были так себе. Вы никого не обидите, если скажете то же самое, но без слова «хороший». Еще лучше будет, если Вы и это не скажете. Не обращайтесь к членам совета словами: «Помните» или «Ну вы, конечно, помните». Как Вы думаете будут в этот момент они себя чувствовать, если не помнят, то, что, по мнению соискателя, должны были помнить?
🧠
Не используйте такие слова и словосочетания, как «очевидно», «довольно очевидно», «легко видеть», «ясно», «несомненно», «хорошо известно» и т. д. Этим Вы можете унизить читателя, так как не все такие же умные и образованные, как Вы или Ваши приятели.
🧠
Не пишите «впервые предложен», так как странно что-то научное предлагать во второй или в третий раз. Также не пишите, что Вы предложили «новый метод», так как было бы очень странно, если бы Вы предложили старый метод. Не пишите «новый перспективный метод» - странно в качестве перспективного метода предлагать старый метод. Не пишите «во-первых», если не собираетесь писать «во-вторых», вместо «стоит отметить» пишите «отметим».
🧠
Если Вы не из царского или княжеского рода, то вместо слова «вышеизложенное» пишите «изложенное выше». Это же относится и к слову «вышеперечисленное».
P.S.: Я хотел сделать большой разбор, но Анатолий Абрамович обновляет советы быстрее, чем я успеваю читать. Было 90 страниц, а сейчас уже под 200. Попробуй за ним угнаться!
У меня все-таки появился второй канал. Про безопасность RAG-систем.
Если вы следите за LLM, вы уже знаете: RAG (поиск + генерация) сейчас везде - от тех.поддержки до медицинских чат-ботов. Но есть проблема: RAG атакуют. И не только промпт-инъекциями.
Я запустил канал RAG Security - про то, как ломают и защищают именно RAG-пайплайны. На стыке научных статей, кода и реальных векторов атак.
Что там будет? Разборы методов из научных статей (концепция + проверка на GitHub) Эксперименты с атаками Понравившиеся методы добавляю в свою open‑source библиотеку VexRAG.
Кому заходить? Тем, кто строит RAG в продакшене и хочет знать, где слабые места. Инженерам по ML / ИБ, которые тестируют LLM-системы. Всем, кому мало общих новостей про AI, а хочется глубоких технических кейсов. Первый разбор уже вышел - про генетическую атаку GARAG, которая 13 опечатками превращает "Brad Dourif" в "Fiona Dourif". Заходите: t.me/ragsecurity
В следующем посте расскажу про откровения профессора ИТМО о рецензировании научных работ в IT - уверен, будет полезно и исследователям из других областей
Крайние посты были про математику, техники запоминания, науку, Open Source и Python. Но сегодня - расслабьтесь, товарищи. Мы поговорим о вайб-кодинге 🤖🎸. Это когда ты просто чувствуешь код, а пишет его нейросеть.
Я привык считать, что любая технология обладает своими плюсами и грешит своими минусами. И что нет плохих и хороших технологий, но есть хорошие и плохие решения. Так что сегодня без хайпа, без «ИИ уволит всех» - разберём плюсы и минусы вайб-кодинга честно, с улыбкой и конкретными кейсами.
⏱️ 268 дней в Cursor AI ($20/мес) Почему он? Слышал, что лучший в своей нише.
🔥 Когда вайб-кодинг - огонь (решение хорошее)
✅ Маленькая демка за 5 минут Быстро сделал прототип, клиент офигел, никто не узнал, что внутри if на 3 уровня.
✅ Шаблонная штука «как у всех» Кнопка, форма, CRUD, парсинг CSV - модель нащёлкает, пока ты пьёшь свою чашку кофе. Экономия 3-х часов и мозг не кипел.
✅ Разобраться в чужом решении из Open Source Когда жмут дедлайны - просто бомба.
⚠️ А вот тут осторожно, друзья (плохое решение)
❌ Ваше know-how в исследовании Модель не поймёт вашу гениальную идею без 40 сообщений, токенов и сессии психотерапии. Руками - и только руками.
❌ Вы развернули чужое решение, но не поняли его Экономия времени - да. Но вы оболванились 🤡 Вы теперь эксперт по запуску, но ноль в том, как оно работает внутри. Упало в 3 часа ночи - что делать? Звонить в Cursor?
💀 Мой личный пример: когда я нагенерировал и пожалел Сейчас у меня проект (расскажу позже). Решил: сгенерирую целиком на ИИ.
Я же читал код на выходе? Читал… Поначалу.
А потом разработка ускорилась так, что стало лень читать.
Работает? Работает. Ну и ладно, поехали дальше.
Сделал предрелиз. Решил: дай-ка загляну в исходники, прежде чем позорно показывать людям.
И там начался цирк с конями 🎪
Слоты в классах - преждевременная оптимизация памяти там, где память даже не страдала.
Какие-то рантайм-конфиги, которые нигде не используются, но гордо лежат.
Мешанина из тестового и боевого кода в одном модуле - тесты живут рядом с продакшеном как соседи-алкоголики.
Бессмысленные алиасы вида x = y = z = value. Зачем? «Чувствовал, что так чище» - сказала нейросеть.
И самое страшное: я сам это пропустил. Потому что доверился вайбу.
🧠 Мораль, которую я вынес за 268 дней Прототип / демка → ✅ Да, и не думай Шаблонный код (CRUD, парсеры) → ✅ Да Разобраться в Open Source → ✅ Да, но потом разберись сам Исследование с новизной → ❌ Руками Продукт, который будут поддерживать люди → ❌ Или очень дозированно Ты устал и хочешь «как-нибудь потом почитаю» → 🔥 Ты в зоне риска, бадди
И помните: нет плохих технологий, есть плохие решения. Вайб-кодинг - это как микроволновка. Быстро, удобно, но если супчик из космоса разогреть - взорвётся к чертям.
🎗 P.S. С Днём Победы! Пусть память будет сильной, а код - чистым. И пусть нейросети никогда не заменят живого инженерного сердца.
Честно признаюсь: в погоне за идеальным постом я благополучно пропустил апрель. I'm sorry 😅
Огромное спасибо тем, кто «как делирует» меня в личку («где посты, Олег?») - Вы моя мотивация!
Итак, исправляюсь. Пост будет не про страшные формулы, а про то, как я ускоряю свой полёт к вершинам искусственного интеллекта и не схожу с ума от объёма информации.
🤯 Проблема: мозг - не жесткий диск
Занятия с Ильёй (моим фитнес-тренером по матану) идут по плану: сейчас мы рубимся с пределами функций через эквивалентные функции (это больно, но интересно). После каждого урока голова кипит:
синусы, косинусы…
теоремы…
замечательные пределы…
В какой-то момент я понял: «так я ничего не запомню». Знакомо?
📕 Священный грааль (который потерялся)
Я вспомнил книгу Барбары Оакли «Думай, как математик». Читал её 100 лет назад, и там был рецепт... А когда полез искать подробности - ничего не нашёл 🙈
Но в голове засел один метод - Эббингауза.
Суть простая: повторять материал не когда попало, а по схеме:
1️⃣ Сразу после изучения 2️⃣ Через 20–30 минут 3️⃣ Через 1–2 дня 4️⃣ Через неделю 5️⃣ Через месяц 6️⃣ И дальше по мере необходимости
Инструмент - флэш-карты. На одной стороне вопрос/формула, на другой - ответ/доказательство.
💥 Практика vs Теория (или как я всё бросил)
Первый месяц я пахал с флэш-картами по тригонометрии. Казалось, я бог запоминания! 🦸♂️
А потом бац - надоело. Бросил. И через пару недель обнаружил, что из головы улетучилось... ну, много. Хотя что-то осталось, да.
Что пошло не так? Флэш-карт стало слишком много. Я просто перегорел. Глаза разбегаются, рука не тянется к пачке.
🔥 Методика Эббингауза - Бурнаева (версия 2.0)
Я доработал систему под себя, и теперь она выглядит так:
Беру ОДНУ флэш-карту из пачки.
Долблю по ней задачи всю неделю напролёт.
Потом беру следующую карточку.
В конце темы устраиваю себе суперэкзамен (с круассаном в качестве приза 🥐)
Это работает! Пока что... Я не разбегаюсь глазами, а глубокая проработка даёт результат, когда карт накопилось много.
🧠 DeepSeek - мой новый друг в математике
Флэш-карты маленькие, а материал - объёмный. Приходится выжимать суть до одной строчки на лицевой стороне. А вот на обратной - расписывать доказательства.
Кстати, DeepSeek отлично генерит задачи по тригонометрии и пределам. Я просто прошу: «сделай 10 примеров на первый замечательный предел» - и вуаля! ✨
📦 Мои инструменты
Вот ссылка (https://ozon.ru/t/vsngDCn) на карточки с OZON, которые я юзаю (не вручную же карты нарезать из картона). На лицевой стороне - суть (например, «первый замечательный предел»). На обратной - формула, доказательство и пример.
Фото моих флэш-карт - под постом 👇 (там всё в каляках-маляках, но живой пример без фотошопа 😂)
💬 А теперь вопрос к тем, кто дочитал (и даже к тем, кто пролистал)
У каждого свой способ не сойти с ума от объёма информации. Флэш-карты, конспекты, мемы, зубрёжка под энергетиком в 3 ночи...
Как вы запоминаете сложные вещи? А если учили что-то тяжёлое - какой метод реально вытащил?
Буду рад, если поделитесь своими лайфхаками 🤝 P.S. В MAX комментариев нет - ну ок, просто кивайте про себя 😄 А в Telegram жду ваши истории и способы!
Помните, в прошлом посте (https://t.me/it1one2two/43) я обещал рассказать про альтернативу Mendeley? Что ж, судьба внесла коррективы (как это обычно и бывает), поэтому пост выходит не следующим, а через один. Но оно того стоит! 😁
Короткий ликбез для тех, кто не в теме 📚
Mendeley (https://www.mendeley.com/) - это программа + плагины, которые помогают оформлять списки литературы в статьях, дипломах, диссертациях и прочих научных трудах. И главное - делать это без боли.
А боль обычно приходит в самый ответственный момент. Когда текст уже готов, а научный руководитель такой: «cлушай, тут между [49] и [50] нужно добавить ещё одну ссылочку». И всё! Твоя [50] превращается в [51], [51] в [52], и если у тебя под сотню источников, а вставить надо не одну ссылку, а сразу две - добро пожаловать в ад бесконечной правки. 😱
И вот тут Mendeley реально разделил мою жизнь на «до» и «после». Я прощал ему мелкие глюки, закрывал глаза на странности, потому что свобода от ручного пересчёта ссылок дорогого стоит.
Но всему есть предел. 😤
Возвращаюсь я как-то из отпуска, открываю свою статейку на доработку и понимаю: Mendeley просто потерял все связи между текстом и моей библиотекой.
Думаю: "Всё, кирдык статье. Придется перебивать 20+ ссылок вручную". Абзац. Полный разрыв отношений. Без объяснения причин.
Я не смог этого пережить. Начал искать альтернативы. И в одной из telegram-групп ИТМО наткнулся на упоминание Zotero. (https://www.zotero.org/)
Решил попробовать. И… попробовал! 🚀 Быстро переписал всё цитирование и благополучно доделал статью.
Пока что впечатления - огонь! 🔥 Вот за что уже зацепился глаз и душа:
Удобное выделение текста. В Mendeley этот процесс бесил, тут - кайф.
Превьюшки в списке литературы. Наводишь курсор на цитирование в режиме чтения - и сразу видишь источник. Красота!
Русский интерфейс. Да, мелочь, а приятно.
Не глючит - самое главное.
Open Source (https://github.com/zotero/zotero) (13к звезд ⭐️). 👨💻 Если чего-то не хватает, можно самому допилить (если не страшно, конечно). А ещё есть мобильное приложение - теперь я не привязан к ноутбуку, могу читать и аннотировать статьи на телефоне.
Оценки в магазинах. И в App Store, (https://apps.apple.com/us/app/zotero/id1513554812) и в Chrome Web Store (https://chromewebstore.google.com/detail/zotero-connector/ekhagklcjbdpajgpjgmbionohlpdbjgc) у Zotero всё отлично. Не доверять - сложно.
Но есть один важный вопрос: а что делать тем, кто уже прирос к Mendeley? У кого там собрана вся рабочая база, и начинать с нуля в Zotero совсем не охота?
Спойлер: переехать можно! И относительно безболезненно. 🚚
Я даже подготовил небольшую методичку, в которой расписал процесс переезда в 15 шагов. Без лишних заморочек, чтобы вы могли просто начать радоваться жизни (и работе с библиографией). Методичка не претендует на нобелевку, но лично у меня работает отлично.
Пишите в комментариях, если возникнут проблемы! И делитесь своими впечатлениями - как вам Zotero? Кто пробовал? Кто только собирается?
Кстати, разработчики Zotero принимают пожелания на официальном форуме. (https://forums.zotero.org/discussions/) Но быстрой реакции я бы не ждал - проект живёт сообществом, и движется он с той скоростью, с какой мы ему помогаем.
Necessary cookies keep the site working and secure: sign-in, form protection, language, theme and others. Yandex Metrica analytics cookies and Yandex Advertising Network ad cookies are enabled only with your consent. By clicking “Accept all” you give consent to processing of cookie data; see the Personal Data Processing Policy for details.
Russia