Дайджест статей 📰 «Донащупывая» Data Lineage 🔗 https://habr.com/ru/articles/1095988/ 💡 Строй lineage как DAG состояний данных, а не таблиц: UPDATE в ту же таблицу перестаёт давать циклы. 📰 Как мы делали «золотой датасет» для оценки агентов 🔗 https://habr.com/ru/companies/alfa/articles/1095638/ 💡 Давай разметчикам тот же срез базы, что у DS, и сначала меряй, какую долю потока RAG вообще покрывает. 📰 Возможности сводных таблиц в Superset 🔗 https://habr.com/ru/articles/1094848/ 💡 Для KPI-карточек в Superset 6 нумеруй города внутри региона и клади HTML-метрику в ячейку pivot. 📰 Как мы в AI VK рекомендации на стримы делили 🔗 https://habr.com/ru/companies/vk/articles/1096708/ 💡 Дели пайплайн по задачам, а не по коду: общие кубики плюс кеш дают разделение без роста ресурсов. 📰 Пять граней диагностики Data Lakehouse: концепция единого рабочего места 🔗 https://habr.com/ru/articles/1097000/ 💡 Пока нет observability, собери lineage+Gantt+Iceberg-checks+Spark Event Log в одном дашборде за недели. 📰 RAG под защитой: как не превратить корпоративную базу знаний в канал утечки 🔗 https://habr.com/ru/companies/infera_security/articles/1097220/ 💡 Вектора не знают прав: фильтруй фрагменты по ACL до модели и защищай эмбеддинги как исходники. 📰 Лучшие ИИ для визуализации данных 2026: нейросети для графиков, диаграмм, дашбордов и схем 🔗 https://habr.com/ru/companies/karpov_courses/articles/1098518/ 💡 Перед графиком от ИИ проверь полноту периода, дубли и метрику - красивый график не равен верному расчёту. 📰 RAG-бот по материалам эксперта: как я мерил качество поиска и почему гибрид оказался хуже чистого вектора 🔗 https://habr.com/ru/articles/1091058/ 💡 Проверяй «гибрид лучше вектора» на своём стенде: шумный BM25 в RRF уронил semantic recall с 42% до 25%. 📰 ИИ-джинн должен сидеть в «лампе» или как мы нормализовали миллионы записей номенклатуры на обычном сервере 🔗 https://habr.com/ru/articles/1098614/ 💡 Для НСИ бери извлекающие BERT/NER на CPU и правила, а LLM оставь на разметку: промпт - та же хрупкая regex. 📰 AI Changes the Data Interface, Not the Query Engine 🔗 https://www.infoq.com/articles/ai-changes-data-interface/ 💡 Цифры считает DuckDB, агент только интерпретирует fact packet; lakehouse нужен при общих потребителях и ТБ. 📰 Why AI Agents Need a Shared Enterprise Ontology 🔗 https://dzone.com/articles/ai-agent-shared-ontology 💡 MCP и A2A не дают общего смысла: заведи федеративную онтологию сущностей, агентов и политик с версиями. 📰 How We Migrated Europe's Largest Data Lake: On Time and Without Turning the Lights Off 🔗 https://medium.com/booking-com-development/how-we-migrated-europes-largest-data-lake-on-time-and-without-turning-the-lights-off-61ee8a07db76 💡 Мигрируй волнами с копированием промежуточных таблиц, чтобы команды не ждали цепочку, и выкинь ненужное.