Почему плести сети лучше, чем тушить пожары: эффективная разработка ПО с опорой на автоматизацию тестирования
В начале 2024 года я устроилась Senior Software Test Automation Engineer в финтех-стартап. После работы в большой стабильной корпорации это был настоящий вызов ― попасть в живой дышащий мир молодой продуктовой компании, пытающейся занять своё место на рынке. Мне понравился продукт и привлекала возможность влиять на процессы, даже устанавливать новые.
Здравствуйте, я мистер Мисикс. Практические заметки о психологии вашего искина
Итак, у вас свеженькая подписка, чистая история сессий.Сначала вы действуете осторожно. Даёте маленькие задачки, придирчиво оцениваете результат. Результат не всегда бывает таким, как вы ждали. Тогда вы хмуритесь, требуете переписать. Но довольно быстро проникаетесь доверием и принимаете: «Эта штука работает». Проходят дни. Вы отдаёте всё усложняющиеся приказы: уже не функции, но целые модули, всё реже заглядываете в правки. И вот вы бросаете взгляд на экран и видите уведомление. Упал CI. Вызываете тесты, монитор заливается красным.Не первый раз. Вы привычно тянетесь к клавиатуре:
Как мы в ZeBrains перешли на агентную разработку и что из этого вышло
Всем привет, на связи команда ZeBrains. Этот текст про то, как мы перестали просто использовать ИИ и начали с ним работать по-настоящему. Про настоящие проекты, настоящие шишки и один файл, который изменил всё.Спойлер: один разработчик теперь закрывает полный цикл от ТЗ до прода. Без дизайнера, без аналитика, без DevOps. За месяц. Но путь к этому был не таким прямым, как кажется.Сначала — честно о том, где мы были
Три мифа вайб-кодинга, которые ломаются на проде
Привет, Хабр. На связи Александр Сахаров, директор по работе с партнерами компании "Диасофт". Про вайб-кодинг сейчас говорят так, будто индустрия уже все решила. Спойлер: не решила. Из всех разговоров осели три самых громких тезиса, и каждый при ближайшем рассмотрении ломается в конкретной точке.Первый. Хороший промпт, и у вас в кармане готовое приложение на миллион долларов. Второй: ИИ заменяет тестировщиков, девопсов и заодно полкоманды, как у Microsoft. Ну и третий: GenAI добил лоу-код, и любой разработчик с LLM теперь пишет микросервисы быстрее, чище и без боли.
Почему код, который генерирует ваш AI-ассистент, выглядит одинаково плохо, и как это исправить за 30 секунд
🔍 Проблема не в моделиGPT-codex, Claude 4.8, Gemini 3.5 flash: все они умеют писать хороший код. Но по умолчанию ни один из них не знает ваших стандартов. 🤷♂️Что получает модель без системного промпта:Никаких ограничений на архитектуру 🏗️Никаких предпочтений по тестированию 🧪Никаких правил по визуальному качеству 🎨Никаких требований к безопасности 🔒Результат предсказуем. Компонент работает. Стили: дефолтный Tailwind. Тесты не написаны. any везде, где TypeScript сопротивлялся. Магические числа без объяснений. 😅
Колесо потока против раскола
Привет Хабр. Надеюсь читатели поймут моё желание закрепить результат по алгоритмизации
Стяж одностороннего потока против маятникового раскола в процессе целенаправленного (и не только) наращивания ветвей
Привет Хабр. Надеюсь читатели поймут моё желание закрепить
Разбираем map, filter, reduce, any, all, zip и enumerate в Python
Все мы начинали писать на Python примерно одинаково: создавали пустой список, запускали цикл for, проверяли условие через if и делали .append(). Это надежно, предсказуемо, но слишком громоздко. По мере роста навыка и объема кодовой базы такие конструкции начинают утомлять — мы тратим 4-5 строк кода на банальную трансформацию данных, которую можно уложить в одну лаконичную строку.В этой статье мы разберем встроенный инструментарий Python для работы с итерируемыми объектами: map, filter, reduce, any, all, zip и enumerate.
