Enterprise и агентская разработка: опыт одной команды
Сложный был год. Бюджеты, санкции и хайп ИИ. Он не обошёл стороной ни один enterprise, вот и я решил рассказать вам историю, в которой собран до боли знакомый кейс. История выдуманная, решение — реальное.Я — Андрей, senior backend в одной из команд разработки большой компании, и это история про перестройку жизненного цикла разработки с ИИ в небольшой команде.ИИ‑брифинг
Код-ревью в эпоху ИИ: как агенты меняют проверку кода
Изменения в процессе ревью я остро ощущаю на себе прямо сейчас. Самих PR-ов стало больше и они стали гораздо длиннее, потому что LLM позволяет сразу писать кучу тестов, обновлять документацию и делать ещё много вспомогательной работы. Это накладывает свой отпечаток на мою работу: приходится ревьюить гораздо больше кода и качество этого процесса постепенно снижается с усталостью. Каждый последующий аппрув я ставлю с меньшей уверенностью.
Сутки без человека: как мы в ГНИВЦ выстраиваем управляемую агентскую разработку
Управляемая агентская разработка AI Bootcamp ГНИВЦНедавно в ГНИВЦ прошёл внутренний AI Bootcamp, где команды тестировали ИИ-инструменты на реальных проектах. Одна из тем – как перейти от точечного использования LLM к управляемой агентской разработке.
Прошлогодний снег, или Почему мы перестали строить стартапы вокруг одной фичи?
О том, как AI меняет экономику стартапов, почему минимализм стал опасной привычкой и зачем нам петля повторяемой ценности вместо очередного недоделанного MVP.Есть особый сорт предпринимательских советов, который удивительно устойчив к изменениям окружающего мира.«Начните с одной функции».«Сделайте MVP за две недели».«Не тратьте время на интерфейс».«Сначала проверьте гипотезу, потом построите нормальный продукт».«Не масштабируйте, пока не нашли Product-Market Fit».
Google открыла разработчикам доступ к Gemini 4 Argon через API и инструменты разработки
Google объявила о расширении доступа к Gemini 4 Argon — своей новой ИИ-модели, рассчитанной на сложные многоэтапные задачи. Разработчики теперь могут использовать её через Gemini API, в Google AI Studio, Android Studio и среде разработки Google Antigravity.Модель представили ещё в начале октября, но первоначально доступ к ней был ограничен. С 13 октября Gemini 4 Argon стала доступна более широкому кругу разработчиков и корпоративных пользователей. Рассмотрим немного подробнее.Что умеет Gemini 4 Argon
ИИ‑агенты. Часть 1: Первые шаги
Всем привет! Сегодня я хочу рассказать вам про то, как я начал внедрять в процесс разработки ИИ‑агентов. Поделюсь своим опытом.Эта статья нацелена на начинающих, чтобы дать им первый толчок к использованию ИИ‑агентов. Однако, если вы уже давно в этой теме, то буду рад вам в комментариях.Что такое ИИ‑агент?Я уже рассказывал, что такое нейронная сеть. И мы знаем, что LLM тоже нейронная сеть (Transfomer точнее). Однако, что из себя представляет ИИ‑агент я понял только сейчас.ИИ‑агент
Как мы пускаем ИИ на боевые сайты, или Что происходит после команды «исправляй»
В первой части я рассказывал, как мы дошли от обычного копирования кода между MODX и ChatGPT до нормального предметного интерфейса к CMS. Агент перестал видеть сайт как россыпь файлов и строк в базе и получил возможность работать с ресурсами, чанками, TV и зависимостями между ними. В какой-то момент этого стало достаточно, чтобы ставить задачу примерно так же, как я поставил бы её разработчику, без подробной инструкции, куда именно залезть и какую строку там поменять.
Как перестать ревьюить правки, о которых никто не просил
С приходом ИИ‑агентов в разработку, кода стало больше, а вместе с ним и шума. Пулреквесты растут, держать агента в рамках задачи становится сложнее, а через голову человека проходит всё больше кода. Ревью превращается в основную нагрузку и зелёные цифры добавленных строк в заголовке начинают напрягать ещё до того, как его откроешь.Типичная картина: пулреквест на небольшую фичу, а в нём правки в десятке файлов, которые к задаче не относятся. По отдельности они могут быть полезными, но вместе они превращают пулреквест в солянку.Проблема: агент видит больше, чем успевает сделать
Токены — новая единица бюджета. Как управлять расходами на ИИ без лимитов для сотрудников
Компании всё чаще пересматривают расходы на ИИ-инструменты. Например, Uber в 2026 году ввела лимит в $1 500 в месяц на сотрудника для каждого агентного инструмента кодинга: по данным Bloomberg, годовой бюджет на ИИ был израсходован за четыре месяца.Такая реакция понятна — чем больше команда пользуется ИИ, тем выше счёт провайдера. Но лимит на человека — это не единственный и не всегда лучший способ управлять затратами. Он не различает полезный сложный запрос и простой вызов, который случайно отправили в дорогую модель. А ещё может ограничить именно тех сотрудников, чья работа действительно выигрывает от ИИ.
