Golden Armada: трассировки как основа наблюдаемой AI-native системы
Введение В предыдущей статье я описал идею изменения парадигмы программирования в условиях, когда значительная часть кода начинает генерироваться LLM. 👉 Предыдущая статьяТам основная мысль была следующая: код перестаёт быть единственным источником истины, а роль разработчика смещается в сторону архитектуры, контрактов и ограничений. В этой статье я хочу показать следующий шаг — не концепцию, а реализацию. 🌲 От теории к наблюдаемой системе Если предыдущий текст был про “как должно быть”, то Golden Armada — это попытка ответить на вопрос:
AI не убил разработчиков. Он сделал видимость разработки дешёвой
«Я собрал приложение за вечер на Claude. Разработчики больше не нужны».Такие посты сейчас везде. Лента пестрит скриншотами красивых демок, историями «запустил стартап за выходные» и обещаниями, что теперь любой может стать продуктовым инженером.А потом понеслась...EnrichLead, собранный полностью на AI, взломали практически сразу после запуска. Ключи от сервисов лежали в открытом виде. Replit-агент, которому доверили продовую базу, просто её снёс и уверенно
Как Claude убедил заказчиков, что я некомпетентен
Привет, Хабр.Меня удалили из рабочего чата после того, как заказчики поверили нейросети больше, чем живому специалисту, с которым работали полгода и у которого всё это время всё работало.Быть может, звучит это как обида фрилансера, которого кинули. Ну и да, меня кинули — не доплатили, опять (про «опять» далее). Статья про штуку, которую я для себя назвал делегированием мышления
Что скрывается за AI-стратегией SAP, Oracle и Palantir: зачем корпоративному ИИ семантическое ядро
В корпоративном ИИ происходит тихий сдвиг. На поверхности его видно как очередную волну разговоров про агентов, RAG, knowledge graph, ontology, process intelligence, AI‑ready data, business context и agentic platforms. SAP говорит о графе знаний для агентов, Microsoft — о переходе от systems of record к systems of action, Oracle — об агентах внутри корпоративных приложений, Palantir — об Ontology, Celonis — о Process Intelligence Graph, Alibaba и Yonyou — о корпоративных агентных платформах.
70% кода с AI — и ни на день быстрее
ВступлениеВ какой-то момент это происходит почти в каждой компании. Собрание. Слайды. Уверенный голос.«Мы должны активнее использовать AI».«Он ускорит разработку в несколько раз».«Нам нужно повышать эффективность».«Возможно, нам и не понадобится столько людей».Формулировки могут быть мягкими. Могут быть вдохновляющими. Могут быть завёрнутыми в стратегию трансформации. Суть остаётся той же: технология должна кратно увеличить производительность.
Почему проекты превращаются в спагетти даже у хороших программистов
Когда программист впервые слышит слово «архитектура», он обычно представляет что-то скучное: диаграммы, стрелочки, коробочки, совещания на три часа и человека, который запрещает писать код.А потом проходит несколько лет.И внезапно оказывается, что проект, который «быстро накидали», начинает разваливаться от любого изменения.Добавили одну кнопку — сломался импорт. Поменяли отчёт — умерла авторизация. Обновили библиотеку — перестала открываться половина форм.И начинается археология.Почему так происходит?
От инженера до оператора промптов: 5 главных ошибок вайбкодинга
ВведениеЕщё пару лет назад мы могли часами зависать на StackOverflow ради одного рабочего сниппета. Сегодня всё иначе: написал комментарий, нажал Tab в Copilot или Cmd+K в Cursor — и кусок логики готов.Для этого подхода уже прижился термин — вайбкодинг (vibecoding). Это состояние, когда ты больше не печатаешь рутину руками, а ловишь флоу. Ты теперь не столько писатель кода, сколько режиссер и редактор: раздаешь промпты, рулишь архитектурой, а всю механическую работу выполняет ИИ. Делается это быстро, кайфово и без напряга.
Triage-and-Voice: как опыт колл-центров даёт рабочий паттерн для LLM-продуктов
Почему саппорт-бот на LLM работает против васLLM одновременно решает две вещи: что сказать и как это сказать. Под давлением пользователя (эмоциональным или манипулятивным) вторая задача почти всегда побеждает. Модель начинает звучать максимально полезно и заботливо, и при этом врёт.Простым промптом это не вылечить. Более дорогая модель тоже не спасает. Проблема сидит глубже, в архитектуре.
Почему ваш LLM-бот врёт клиентам — и паттерн, который это чинит
Почему саппорт-бот на LLM работает против васLLM в саппорте одновременно решает две задачи: что сказать и как это сказать. Под давлением пользователя вторая всегда побеждает — модель звучит заботливо и при этом врёт. Промптом это не чинится.Дальше — два громких факапа, их общий корень и архитектурный паттерн Triage → Gate → Voice, который разделяет эти задачи.
