Как мы автоматизировали контроль сборки заказов для сети ресторанов быстрого питания
Рассказываем о кейсе внедрения компьютерного зрения в ресторане быстрого питания. Ценность кейса для бизнеса: запись с камеры длиной в 24 часа превращается в 30-секундный эпизод, который проверяющий может разобрать за минуту.В ресторане быстрого питания есть два источника данных: касса и камера. Касса знает, что продали. Камера видит, что положили на поднос. Не всегда касса и камера фиксируют одно и то же.
Как мы перестали писать описания к merge request руками: AI Describer в GitLab CI и Jenkins
Привет, Хабр! Я фулстек‑разработчик в TravelLine. Мы делаем единую систему для гостиничного предприятия, которая помогает отелям, санаториям и другим средствам размещения автоматизировать свои бизнес‑процессы. В этой статье я расскажу о том, как мы внедрили ИИ для генерации описаний PR/MR.Проблема: сложно влиться в контекст измененийУ нас два хостинга репозиториев и столько же билд‑серверов: одни команды живут в GitLab со сборкой в GitLab CI, другие — в Bitbucket Server (в компании его до сих пор зовут Stash) со сборкой в Jenkins. Общее у них одно: поле описания merge/pull request зачастую пустое или содержит только список commit messages.
GEO vs SEO: методология ИИ-мониторинга для работы с генеративной выдачей в 2026 году
Если у вас уже дёргается веко от слова SEO, возрадуйтесь: ИИ спас нас от этой напасти, потому что с приходом ИИ в поисковую выдачу, на смену Search Engine Optimization приходит GEO — Generative Engine Optimization (не путать с геосервисами вроде Яндекс/Гугл-карт и прочих Foursquare — это было гео для миллениалов). Для зумеров и молодящихся миллениалов ГЕО — это оптимизация под ИИ-выдачу, попадание в ИИ-рекомендации, в особенности (для Рунета) — в «Алису». «Попасть в рекомендации Алисы» — это уже реальный востребованный спрос, предложение на который только находится на этапе формирования.
Как я научил LLM читать чужую кодовую базу, вместо того чтобы галлюцинировать API
Разбор архитектуры ИИ-агента для статического анализа кода: локальный индекс на SQLite, 71 инструмент, цикл tool-calling на 30 ходов и валидаторы, которые мы написали и сами же сняли, потому что они ложно срабатывали на валидных файлах.
Архитектура цифрового выражения субъектности
И где же провести эту черту?Привет, Хабр!
Помните исследование про «ИИ замедляет на 19%»? Его повторили — и оно сломалось
В июле 2025 г. METR опубликовал результаты эксперимента с участием 16 опытных Open source-разработчиков. Для исследования использовали задачи из их собственных репозиториев, а участников случайным образом разделили на две группы: «с ИИ» и «без ИИ». Результат показал, что работа с использованием ИИ оказалась на 19% медленнее. При этом участники были уверены, что стали быстрее на 20%. С тех пор цифру «минус 19%» приводят в спорах о том, действительно ли ИИ помогает программистам.
AI пишет код быстрее, но ревью становится тяжелее: откуда берётся когнитивный долг
TL;DRВремя на погружение в контекст теперь приходится в основном на этап ревью.Если принимать код только потому, что он работает, можно накопить долг, которого команда даже не замечает.Стоит либо снижать объём ручного ревью, либо автоматизировать повторяющиеся проверки.В разговоре с одним из клиентов об AI-разработке я услышал мнение, что ревью кода, сгенерированного агентами, создаёт огромную когнитивную нагрузку — приходится одновременно держать в голове множество деталей, чтобы понять работу и оценить её качество.
ИИ заберёт тексты и код. Но это никогда не было главной работой человека. Часть 3
Всем привет! Я — философ науки и техники и технический писатель. Последние пару лет мою профессию регулярно «хоронят». Большие языковые модели всё лучше пишут документацию, а если вы работаете с текстами, кодом или другим цифровым контентом, то наверняка и сами уже заметили, как меняется привычный процесс работы. Кажется, что ИИ научился делать всё больше задач, которые раньше выполнял человек. Но производство текста, кода и другого контента лишь верхушка айсберга любой IT-профессии. Во второй части
Шахматы голосом: как объяснить Алисе ход, если игрок не видит доску
Шахматы — почти идеальная игра для голосового интерфейса. Состояние компактное, ходов конечное число, правила формальны. Казалось бы, бери и делай.На практике голосовой навык ломается не о шахматы, а о расшифровку речи. Игрок говорит «пешка е два е четыре», распознавание может вернуть «пешка е два и четыре». Для человека смысл очевиден; навык должен восстановить e2–e4 и при этом не угадывать, если позиция или качество разбора оставляют несколько вариантов.Ниже — про то, как устроен навык «Шахматы с Юрой» для Яндекс Алисы и какие решения пришлось принять, чтобы игра оставалась играбельной на слух.
