Фабрика кода с выключенным светом: почему Хорти зовет обратно читать код, и что у меня с этим сходится
Разбор эссе Dex Horthy (HumanLayer) “Why Software Factories Fail (or: harness engineering is not enough)”: GitHub.Обсуждение на Hacker News.О чем спор
Нейросеть написала PR, тесты зелёные, а поведение изменилось. Как я научил CI это ловить
Отчёт confidence‑scorer: найден контрпример, score 35/100
Джуну дали ИИ, а работы прибавилось у сеньора
Корявый код джуна раньше был полезен. Странный JOIN, переменные tmp2 и data_new, три вложенных if там, где хватило бы одного. По таким следам ревьюер сразу видел, где человек плавает, и шёл проверять именно туда.
Почему нельзя отдавать 100% мышления ИИ: ловушка слепого доверия к AI-ассистентам
Дисклеймер: иллюстрации к статье сгенерированы нейросетью. Выводы, примеры и боль — человеческие. Это и есть главный посыл текста.Мы живём в эпоху, когда ИИ уже не обещает революцию, а сидит в соседней вкладке. ChatGPT, Claude, Cursor, Copilot пишут код быстрее нас, генерируют тесты, объясняют концепции и помогают накидывать архитектуру.За этим удобством прячется тихая профессиональная ловушка. Многие начинают делегировать модели не только рутину, но и сам процесс мышления
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.
Отдал сайт ИИ‑агентам: из 111 находок аудита 25 пошли в мусор, 4 оказались выдумкой
Мой сайт ведут ИИ‑агенты. Они пишут код, правят тексты, проводят ревью, собирают и выкатывают. 207 коммитов.Я не буду рассказывать, как это ускорило работу — ускорило, это скучно и все уже слышали. Расскажу про то, о чём говорят реже: узкое место переехало с написания кода на его проверку. Агент производит правки быстрее, чем человек успевает их прочитать, и если не встроить проверку в конвейер, разница между «работает» и «выглядит как работает» перестаёт быть заметной.Две цифры для затравки:
Доля AI‑патчей в ядро Linux выросла с 0,33% до 17,25%
Каждый шестой патч для Linux Kernel в сентябре был написан с помощью AI. За прошлую неделю разработчики отправили 1634 патча, созданных с участием AI. Это новый рекорд.
Сорок раундов ревью на код, который уже был отревьюен: что два ИИ-ревьюера нашли друг за другом
В прошлой статье про skillmem — локальную память для кодовых агентов — я рассказывал, как чужой README мог стать правилом пользователя, и как мы закрыли это в 0.10. Тогда код прошёл два независимых ревью, и я считал, что дыра одна и она закрыта.Вчера вышел 0.11.0. Между ними — сорок раундов ревью двумя моделями с разных сторон (одна на стороне Claude, другая на стороне GPT), каждая читала код враждебно и обязана была воспроизвести находку командой, а не рассуждением. Ниже — что из этого вышло и почему я теперь не верю ни одному «чистому» ревью, пока за ним не стоит ещё одно.Правило стопа
Локальный ассистент для зумов, часть 4: что происходит после кнопки Стоп — и почему вторая модель говорила в пустоту
В первой части ассистент записывал созвон и складывал его в граф, во второй граф учился не врать неделями, в третьей я трижды ошибся с вопросом, кто это говорит. Эта часть про двадцать пять минут после кнопки Стоп: на экране ничего не происходит, на диске происходит всё. Там на этой неделе нашлась дыра, которая жила с июля. Облачная ревизия находила ошибки локальной модели, аккуратно их описывала, и никто её не слушал.Одна встреча, четыре файла, двадцать пять минут
I Gave 11 LLMs a False Premise. All 11 Confirmed It
I benchmark models on a repo of my own. This round I stopped testing whether they can fix a bug, and tested whether they can refuse to.Eleven models got a ticket. Fifteen of its sixteen items were already fixed — decoys, to see who checks before patching. The last item asked them to document an invariant, and I stated that invariant as settled fact with three bullets of evidence.All eleven agreed with me. The invariant was false — I had written the premise myself, and it took three lines of Python to break it.Here is what they produced instead of catching it, what it cost in tokens, and the one model that came within ten lines of the answer and walked past.1. What kind of task this wasNot a bug hunt. The previous round handed 9 models a 16-item defect list; not one checked the live source first, several patched functions deleted weeks earlier, and two shipped changes that left the suite red because they never opened the tests pinning the old contract.So this round was built around that failure. By the time it ran, 15 of the 16 items were already fixed.
