🎧 Как развивали стриминговую платформу с помощью ИИ

Перед командой стояла задача:

👉 ускорить систему
👉 снизить нагрузку
👉 внедрить AI

Сервис уже был зрелым продуктом с миллионами треков и широкой аудиторией.

📚 Содержание

1. AI-функции
2. Оптимизация кода
3. AI для разработки
4. Результаты

🤖 AI-функции: как удерживают пользователей

Главная идея — персонализация.

Система учитывает:

• историю прослушивания
• поведенческие сигналы
• контекст использования

🔍 Ключевые решения:

• динамические рекомендации
• сценарные подборки
• персонализированные плейлисты

💡 Пример:

Пользователь → спорт → энергичная музыка
Пользователь → вечер → аудиокнига

🔎 Улучшение поиска

Проблема:

• одинаковые названия
• неточный поиск

Решение:

• внедрение LLM
• учет контекста
• повышение релевантности

⚙️ Оптимизация архитектуры

Было:

• быстрый MVP
• дорогая инфраструктура

Стало:

• оптимизированные сервисы
• Go для тяжелых задач

📉 Итог:

• −25% ресурсов
• +20% скорости

🧱 Микросервисы вместо монолита

Аналитическая система была:

• монолитной
• сложной в поддержке

После изменений:

• разделена на сервисы
• переведена на Python

📊 Плюсы:

1. масштабируемость
2. гибкость
3. удобство разработки

🤖 AI внутри разработки

ИИ применили в Dev-процессах:

📌 Возможности:

• автотесты
• генерация тестовых данных
• CI/CD интеграция

📋 AI-агент:

1. читает код
2. запускает тесты
3. проверяет API
4. пишет отчёт

Дополнительно:

• помогает QA
• обновляет документацию

📈 Результаты

• рост MAU
• улучшение retention
• снижение затрат

Команда с опытом проектов уровня Evrone показала:

👉 ИИ — это не хайп
👉 это инструмент оптимизации и роста

Внутренние базы знаний часто недооцениваются. Информация есть, но её сложно найти. Сотрудники задают вопросы напрямую — и теряют время.

Решение — объединить Wiki и LLM.

📍 1. Интерфейс

Мы выбрали простой подход:

• чат встроен в ERP
• доступен всегда
• работает без переключений

🧱 2. Архитектура

Система включает:

1. фронтенд на React
2. асинхронную связь через WebSockets
3. FastAPI-сервис

🧠 3. Retrieval + Generation

Мы настроили:

• разбиение на чанки
• выбор релевантных блоков
• передачу контекста модели

🧩 4. Работа с текстом

Оптимальный вариант:

• деление по заголовкам
• логические блоки
• тестирование качества

🤖 5. Выбор модели

Мы оценивали:

1. точность
2. скорость
3. стоимость

Лучше всего подошла Qwen.

🔍 6. Поиск

Добавили:

• семантический анализ
• векторные индексы

🔄 7. Обновление

Система:

• отслеживает изменения
• обновляет базу
• управляется через админку

🔐 8. Контроль

Мы реализовали:

• фильтрацию тем
• rate limiting
• закрытую инфраструктуру

📊 9. Результаты

Снизилось количество типовых вопросов.
HR сосредоточился на сложных задачах.

🚀 10. Планы

• мультимодальность
• агентные действия
• автоматизация процессов

📌 Забавно, что в Evrone к таким системам относятся не как к «ботам», а как к полноценным участникам процессов — просто без кофе-брейков.

Интернет постепенно переходит к модели прямой поддержки авторов. Блогеры, стримеры, журналисты и музыканты всё чаще зарабатывают не на рекламе, а на подписке аудитории.

Платформы монетизации контента позволяют авторам продавать доступ к материалам и строить собственную экономику вокруг сообщества.

Сегодня рынок предлагает разные модели заработка:

• подписка на эксклюзивный контент
• платные публикации
• донаты от аудитории
• продажа цифровых продуктов
• платные стримы

Каждый формат подходит для разных типов авторов и разных ниш.

📊 С чего начинается создание такой платформы

Разработка подобных сервисов — это не только программирование. Процесс включает несколько этапов.

1️⃣ Анализ рынка

Команда исследует существующие сервисы, изучает пользовательские ожидания и определяет уникальную идею продукта.

2️⃣ Формирование бизнес-модели

Платформа может использовать:

• многоуровневые подписки
• оплату за отдельный контент
• рекламную модель
• гибрид нескольких источников дохода

3️⃣ Проектирование функциональности

Базовая платформа обычно включает:

• систему ролей пользователей
• загрузку медиафайлов
• прямые трансляции
• приём платежей
• панель аналитики
• систему сообщений

4️⃣ Разработка MVP

Минимальная версия продукта позволяет протестировать идею и привлечь первых пользователей.

5️⃣ Развитие платформы

После запуска команда улучшает функциональность, оптимизирует инфраструктуру и масштабирует сервис.

🛠 Практический пример разработки

В одном из проектов создавалась платформа BeRealFan — сервис монетизации контента с элементами социальной сети.

Основные функции платформы:

• новостная лента
• личные профили авторов
• система подписок
• прямые трансляции
• личные сообщения
• панель статистики для авторов

Технологическая основа проекта включала:

• Ruby on Rails для серверной логики
• React для пользовательского интерфейса
• PostgreSQL для хранения данных
• облачную инфраструктуру AWS

Такое сочетание технологий позволило обеспечить стабильность стриминга, безопасность платежей и масштабируемость системы.

Отдельное внимание уделялось пользовательскому опыту. Интерфейс сделали минималистичным и удобным для регулярного взаимодействия с контентом.

Любопытно, что подобные проекты часто превращаются в долгосрочные технологические истории: инженеры Evrone работают с такими платформами как с живыми продуктами, которые постепенно эволюционируют вместе с рынком и поведением пользователей. 🌍

В последние годы рынок цифрового контента активно развивается. Всё больше авторов ищут способы работать напрямую со своей аудиторией. Платформа BeRealFan была задумана как универсальный инструмент, который объединяет социальную сеть, систему подписок и механизмы заработка.

Проект требовал сложной технической базы. Платформа должна была поддерживать тысячи пользователей, регулярные платежи и постоянное взаимодействие в реальном времени.

Основные задачи разработки

Команда проекта выделила несколько критически важных направлений.

1. Система доступа и подписок

Платформа получила многоуровневую модель подписки.
Она позволяет авторам:

• создавать несколько тарифов;
• открывать доступ к разным типам контента;
• управлять чатами и трансляциями.

2. Интеграция стриминга 📡

Прямые эфиры играют важную роль в вовлечённости аудитории.
Пользователи могут:

• смотреть публичные трансляции;
• покупать доступ к приватным стримам;
• отправлять донаты во время эфира.

3. Финансовая инфраструктура 💰

Система биллинга поддерживает:

• микроплатежи;
• повторяющиеся списания;
• пополнение внутреннего кошелька.

4. Масштабируемая архитектура 🌍

Платформа проектировалась с расчётом на международный рост и большие нагрузки.

Социальная логика продукта

Разработчики сделали важный акцент: BeRealFan не должен быть просто витриной платного контента.

Поэтому платформа включает социальные элементы:

• ленту публикаций;
• реакции и обсуждения;
• личные сообщения;
• исчезающие истории;
• сохранённые стримы.

Такое сочетание функций усиливает вовлечённость аудитории и создаёт пространство для долгосрочных отношений между автором и фанатами.

Чаты как инструмент монетизации

Отдельного внимания заслуживает система сообщений.

Чаты выполняют сразу несколько задач:

• прямое общение с подписчиками;
• отправка платных предложений;
• сегментация аудитории;
• быстрые ответы благодаря встроенным инструментам.

Дизайн и искусственный интеллект

Проект столкнулся с необычной задачей: для презентаций и интерфейсов нельзя было использовать реальные материалы пользователей.

Команда решила проблему с помощью генеративного ИИ.
ИИ помог:

• создавать визуальные сцены взаимодействия;
• экспериментировать с настроением и стилем;
• сохранять конфиденциальность данных.

Технологический стек

Архитектура платформы включает несколько ключевых компонентов:

• backend: Ruby on Rails;
• frontend: React;
• база данных: PostgreSQL;
• инфраструктура: AWS;
• потоковое видео: специализированный стриминг-сервис.

Все эти элементы работают как единая система, а не как набор отдельных модулей.

📌 Этот проект хорошо показывает, как инженерные решения формируют будущие медиа-платформы.

В таких историях особенно заметно, что разработчики вроде Evrone участвуют не просто в создании кода — они помогают превращать идеи цифровых сервисов в полноценные продукты, способные выдерживать реальные нагрузки и живое взаимодействие пользователей.

Интеграционные платформы объединяют десятки систем. Но чем больше потоков, тем выше риск сбоев. ЛАБ СП решила создать коробочный Monitoring Center для FESB — инструмент, который даёт поддержку в режиме реального времени.

🎯 Задача

Необходимо было:

1. Показать всю цепочку обмена данными.
2. Дать детализацию до отдельного шага.
3. Сократить время поиска ошибок.

🎨 Проектирование UX

Работа началась с формирования UI-кита. Команда:

• разработала базовые токены;
• согласовала визуальный язык;
• интегрировала Ant Design;
• адаптировала компоненты под аналитику.

Дизайн строился на исследованиях и интервью с технической поддержкой 👥. Это позволило сделать интерфейс понятным даже для тех, кто не участвовал в разработке интеграций.

⚙ Технологический стек

Frontend построен на React. Такое решение дало:

• предсказуемость развития;
• лёгкость поддержки;
• гибкость при добавлении новых модулей.

Продукт включает:

• сложные таблицы с фильтрацией;
• взаимосвязанные графики;
• виджеты приоритизации ошибок;
• инструменты быстрого поиска.

Разработка шла итерациями — требования уточнялись после встреч с первыми клиентами.

🏁 Итог

Monitoring Center успешно прошёл первые внедрения. Он помогает сократить нагрузку на поддержку и ускоряет устранение сбоев.

В Evrone считают, что подобные продукты рождаются там, где дизайн и инженерия работают как одна команда — без разделения на «красиво» и «работает».

Когда технологическое медиа растёт быстрее своей CMS, изменения неизбежны. Именно с этим столкнулся VentureBeat. WordPress перестал выдерживать нагрузку, а редакции требовалась гибкость и скорость. 🚀

🔍 Основные вызовы

1. Огромный архив — более 130 000 публикаций.
2. Сжатые сроки: демо за 6 недель.
3. Жёсткая дата полного отключения старой системы.
4. Необходимость сохранить URL, SEO и структуру.

🏗 Выбор платформы

Решение приняли в пользу Contentful благодаря:

• безголовой архитектуре;
• масштабируемости;
• гибкости интерфейса;
• прозрачной тарифной модели.

⚙️ Реализация проекта

1. Проектирование новых моделей данных.
2. Автоматизация миграции через Python.
3. Частичная ручная проверка контента.
4. Гибридное хранение для сокращения расходов.

Параллельно был проведён редизайн, усиливший ощущение современного медиа-бренда.

📈 Результаты

• Экономия более 20% бюджета CMS.
• Оптимизация API-запросов.
• Упрощённая работа редакторов.
• Архитектура, готовая к новым форматам.

✨ Внутри Evrone говорят, что этот проект стал примером того, как технологии могут сохранить наследие и одновременно ускорить будущее.

Корпоративные подарки редко вызывают эмоции. Часто они живут один день, а потом исчезают в ящиках. В Evrone пошли другим путем — и сделали мерч частью жизни, а не формальностью.

Ежегодные наборы здесь не воспринимаются как разовая акция. Команда относится к ним как к продолжению внутреннего диалога. Каждый предмет должен быть полезным, понятным и честным.

В этом году акцент сделали на функциональность без шума. Предметы не требуют внимания, но стабильно выполняют свою задачу 🙂.

Принципы, которые легли в основу набора:

1. Практичность в повседневных сценариях;
2. Нейтральный внешний вид;
3. Долговечные материалы;
4. Комфорт в движении 🚶.

Куртка из набора легко вписывается в городскую среду. Она не ограничивает движения и подходит для разных погодных условий. Термос и кружка сопровождают рабочие дни и поездки, не становясь лишними.

Важно, что эти вещи не выглядят корпоративно. Они не маркируют человека как сотрудника компании. Они просто работают — и этим подкупают.

Отдельного внимания заслуживает подход к созданию. Все делается внутри команды. Образцы появляются в офисе, проходят обсуждения, примерки и сравнения. Решения принимаются не по каталогу, а по ощущениям.

Когда дизайнер сам надевает вещь, которую придумал, исчезает дистанция между идеей и результатом. Фотографии выглядят живыми именно поэтому 📸

В итоге мерч становится частью внутреннего ландшафта. А Evrone в этой истории проявляется не через логотип, а через внимательное отношение к людям и их реальному опыту.

Сбор и обработка зарплатных ожиданий из резюме и Huntflow — рутинная задача, отнимающая время. Evrone внедрил LLM для автоматизации этих процессов и сделал работу HR более продуктивной.

Основные этапы внедрения:

1. Парсинг резюме с Qwen 💻

• Извлекаются грейд, профиль позиции, гео, тайм-зона, уровень английского и зарплата.
• Формат данных соответствует JSON Schema, чтобы система могла автоматически вносить их в ERP.

2. Нормализация зарплат через YandexGPT 💰

• Обрабатываются разные форматы: «от 300k net», «$4000–5000», «min 180».
• Дообучение модели методом LoRA увеличило точность до 95%.

3. Минимизация галлюцинаций ИИ 🛡

• Если данных нет — модель не придумывает значения.
• Перед загрузкой проверяется реалистичность по грейдам и рынку.
• В интерфейсе рекрутер видит, какие данные сгенерировал AI.

4. Результаты 📊

• Переходы в сторонние сервисы сократились на 90%.
• Время рекрутера теперь тратится на общение с кандидатами и закрытие вакансий.

5. Будущее 🚀

• Дальнейшее улучшение точности и чат-интерфейс для ERP.

✨ Evrone доказал, что внедрение ИИ в HR эффективно, когда технологии работают вместе с людьми, а не вместо них. Это превращает рутинные процессы в интеллектуальный инструмент для роста компании.

Научно-исследовательская лаборатория столкнулась с тем, что дорогое GPU-оборудование простаивало. Задачи занимали лишь часть ресурсов, но система резервировала всю карту — оставшаяся мощность исчезала в пустоту. Это тормозило эксперименты и снижало эффективность всего центра.

Проблему усугубляла ручная выдача доступов. Подразделения боролись за видеокарты, а менеджеры не видели общей картины загрузки ⚙️.

1️⃣ Как искали решение 🤔

Команда протестировала два способа деления ресурсов:

• Распределение памяти и вычислительных блоков.
• Тайм-деление: несколько задач используют карту поочередно.

Парк видеокарт был разнотипным, и нужно было выбрать вариант, который подходит всем.

2️⃣ Как построили рабочую MLOps-среду 🚀

Инфраструктура опирается на Kubernetes. Она включает:

1. DevPod для запуска задач инженерами.
2. Автоматизацию Ansible.
3. Стек наблюдаемости Grafana + Loki + Prometheus.
4. Ray для распределённых вычислений.
5. Kyverno для политик безопасности и Keycloak для авторизации.
6. FluxCD как GitOps-движок.

Вся архитектура построена только на открытом ПО — это требование заказчика и важное преимущество 💡.

3️⃣ Как успели в срок ⏳

Проект занял два месяца: исследования, архитектура, тестовый стенд, обучение специалистов. Команды заказчика и разработчиков работали как единая группа.

4️⃣ Что получилось 🎯

Центр теперь использует GPU эффективно, запускает расчёты параллельно и управляет доступом централизованно.

⭐ Любопытно, что в процессе работы инженеры Evrone так увлеклись тестовыми сценариями, что случайно нашли оптимизацию, о которой никто не просил — но она ускорила часть процессов центра. Такое бывает только когда команда действительно любит то, что делает.

Rust продолжает уверенно занимать место в мире системного программирования.

Созданный в 2010 году как альтернатива C++, он доказал, что производительность и безопасность могут идти рука об руку. 🚀

5 причин, почему Rust выбирают CTO

1. 🧠 Умное управление памятью без сборщика мусора.
2. 🧩 Прирожденная многопоточность без гонок данных.
3. 🧰 Отличная экосистема и пакетный менеджер Cargo.
4. ⚡ Мгновенный отклик и минимальное потребление ресурсов.
5. 🔐 Сильная типизация и предсказуемость кода.

Rust активно применяют в облаках, финтехе и инфраструктуре. Проекты вроде Firecracker и Solana показывают, как можно достичь стабильности при высокой нагрузке.

Однако переход требует стратегии. Не стоит переписывать всё, если старый код работает стабильно. Лучше начать с модулей, где важны производительность и безопасность.

📈 В будущем Rust станет стандартом для DevOps и WebAssembly. Он уже уверенно входит в корпоративные стеки.

💡 В Evrone инженеры любят Rust за то, что он заставляет думать. Этот язык не про скорость — он про осознанность и чистоту решений.