От boot-кода до shell: несколько месяцев разработки ОС на Rust с ИИ-агентами
Ещё полгода назад я всерьёз считал, что собственная операционная система — слишком большой проект для одного человека, который может заниматься ею только в свободное от основной работы время. Для старта нужно было одновременно разбираться в AArch64, MMU, исключениях, прерываниях, планировании, ELF, CPIO — и при этом как-то отлаживать код в среде, которой ещё толком нет.Сейчас мой экспериментальный проект genrt
В тесте Claude Opus 5 хитрила ради конкуренции в управлении торговыми автоматами
Уже год компания Andon Labs, занимающаяся тестированием безопасности ИИ, даёт перспективным моделям различные задачи из реальной жизни, чтобы определить, насколько хорошо они справляются с работой в качестве агентов без участия человека. Компания опубликовала новый отчёт о ходе исследования Vending‑Bench, в рамках которого ИИ в течение года имитируют работу торгового автомата. Выяснилось, что различные модели ИИ — в основном от Anthropic и OpenAI — лгали, обманывали и сговаривались, чтобы добиться лучших результатов.
«Яндекс»: к концу 2026 года 75% разработчиков компании будут использовать нейросети для написания 75% нового кода
«Яндекс» объявил
ИИ-Автопилот: замкнутый цикл разработки на C++ — от тикета до проверки в живом GUI
Привет, Хабр. Расскажу, как я собрал ИИ-Автопилот — замкнутый цикл разработки, где задача входит тикетом в YouTrack, а выходит GUI-проверенным исправлением в продукте. Агент разбирается в задаче, правит C+±код, собирает, идёт в живой интерфейс нашего геофизического приложения, проверяет там результат — и закрывает тикет ответом человеку в YouTrack. Дальше расскажу, как оно выросло и где людям всё ещё есть чем заняться.
Разработчики проверяют код, который не писали — и могут не понимать
ИИ‑кодинг, призванный облегчить разработку, оборачивается растущим давлением на инженерные команды. Авторство кода часто не определить, а код‑ревью превращается в главное «бутылочное горлышко»: фокус смещается со скорости написания на проверку, контроль и интерпретируемость. В июне 2026 года GitLab выпустил отчет об ответственности за ИИ‑код, а The New Stack разобрало его в статье
MCP для агентной коммерции: что может пойти не так
Представьте диалог c вашим любимым ИИ‑инструментом:— Найди поездку в Казань на выходные, до 20 тысяч рублей и с нормальным отелем.— Секунду, подбираю…«Подбираю» в этом диалоге — это некоторый чёрный ящик. Под ним могут скрываться воспоминания модели из обучения, попытки воспользоваться веб‑браузером, поиском в интернете. Такие обращения могут содержать различного рода погрешности.А вот чтобы это «подбираю» означало поиск по реальным ценам и наличию агент должен уметь обращаться к базе данных с билетами. Именно для этого мы вместе с командой Туту выпустили
Скоро хайп пройдёт — и нанимать будут тех, кто умел писать код до ИИ
Статья написана на основе интервью с Дмитрием Галагановым, бэкенд‑разработчиком, тимлидом и архитектором ПО.Пятнадцать лет я писал код руками. Был тимлидом, вёл команды по восемь‑десять человек, успел поработать и в Минцифре, и в структуре «Газпрома». А в начале этого года я уволился из найма и ушёл в исследование возможностей ИИ в разработке.
Как ИИ‑агент помог автоматизировать рекламу на площадке без API, быстро проверить гипотезу и вовремя свернуть проект
Привет! Я Катерина Лапаева, руководитель GIGASCHOOL. В этой статье хочу разобрать кейс Максима Тодорова. Максим собрал систему в качестве итогового проекта на практическом курсе по автоматизации бизнес‑процессов с помощью ИИ‑агентов, который мы разработали вместе с экспертом Андреем Кузьминых, @Dataist. В течение курса участники выбирали реальный процесс, проектировали его целевую схему, определяли роль человека и агента, а затем собирали рабочий прототип и считали его экономику.
