От закрытого.NET‑шлюза до Java-Kubernetes за 11 часов: production‑кейс агентной разработки
Я довольно активно использую ИИ в разработке примерно с конца 2024 года.Наверное, многие слышали оценки в духе: «ИИ ускоряет разработчика на 20–30%». Возможно, для каких‑то привычных задач это и неплохая метрика.Но недавно у меня случился кейс, который вообще плохо укладывается в эту систему координат.
Вышел OpenClaw 2.0: упрощённый первый запуск, поиск по истории чатов и новая система памяти
Разработчики открытого AI‑агента OpenCalw выпустили большое обновление. Над ним работали более 900 человек, а в релиз вошло около 16 тыс. пул‑реквестов. Изначально команда не планировала выпускать версию 2.0, и хотела только упростить установку и настройку конфигураций. В процессе появилось много изменений архитектуры, работы с памятью, навыками, моделями и автоматизацией, поэтому решили упаковать всё в полноценный релиз.
Находки в опенсорсе: мир питона за август 2026
Всем привет, вот и заканчивается лето :(Мой прошлый дайджест неожиданным образом зашел, а значит - людям такое интересно. В августе было много новых интересных PEP’ов (например, PEP 805: Safe Parallel Python), которые я поревьюил, было много новых релизов, было много новых опенсорс проектов чуваков из нашего сообщества, пару интересных подкастов и множество другого интересного!С меня как всегда статья без нейрослопа и ИИ, с вас как всегда интересные комментарии и лайки! Но немного нейрослопа я все же добавил в некоторые свои проекты. Но осторожно и с пользой для всех.
IBM уходит в Agentic RL: три новые модели Granite 4.2 научили автономно программировать в терминале
25 августа IBM Research опубликовала Granite 4.2
Взгляд из редакции: что зарубежные издатели предлагают в 2026 году?
Привет, «Хабр»! На связи руководитель проектов редакции компьютерной литературы издательства «БХВ» @Holmogorov
Stop! Slopo¡
tl;dr; tree-sitter -> выделение структурных фрагментов -> эмбеддинги -> кластеризация -> вот и дубли. Точнее, кандидаты. Одной из неприятнейших проблем ИИ-first разработки является, как, думаю, многие уже убедились, способность нейросетей к дублированию кода/инвариантов/политик/и прочего в огромном количестве. Да, можно строить медленно и верно прекрасную архитектуру будущего, использовать линтеры и прочие инструменты, которые после генерации пары десятков тысяч строк в сутки оказываются малополезными. Большие модели видят дублирование, но, как показала практика, жалкие доли.
753B на одной видеокарте: разбор FreeToken
Чувак из Калифорнии вряд ли запускает это все на таком ноутбуке
Агенты пишут код, а кто его проверяет?
AI-агенты постепенно меняют привычный процесс разработки: человек всё меньше пишет код напрямую и всё больше выступает в роли оркестратора — ставит задачи, направляет агентов, проверяет результат и выстраивает вокруг них целую экосистему инструментов.
Как довериться AI-агентам, чтобы не ревьюить код
Когда мы делегировали генерацию кода AI-агентам, на программистов легла дополнительная нагрузка. Разработчикам приходилось вычитывать код, в котором даже оператор агента разбирается поверхностно. Из-за этого 50% времени, сэкономленного на создании кода, сжигалось на его ревью. Я Александр Кальницкий, архитектор Mindbox. Для меня было пыткой вычитывать диффы на 10k строк, которые агент создал за час. В статье расскажу, как перестроил работу с AI-агентами, чтобы не тратить время на ревью нейросгенерированного кода.
