Почему текст и код от нейросетей вызывают отторжение
Осваивать Хабр я начал недавно. Мне понравилось, и я стал активно агитировать друзей-айтишников писать статьи. Первые возражения звучали примерно так:Он разве еще жив? Я думал, там уже только AI генерирует тексты.А те, кого я все же убедил опубликоваться, сразу получили дозу негатива:Отклонено. Причина: "Текст похож на сгенерированный, на данный момент мы не готовы принимать такие материалы к публикации".
Anthropic выпустила инструмент для проверки ИИ-кода
Anthropic представила инструмент проверки кода на основе ИИ, предназначенный для выявления ошибок до того, как они попадут в кодовую базу программного обеспечения. Новый продукт под названием Code Review уже запустили в Claude Code.
Как мы сделали AI code review через Ollama без облака?
TL;DR: Собрали CLI, который гоняет ревью кода на локальной LLM (Ollama): никаких API-ключей в облаке, код не уходит из машины, один diff - одна команда. В статье - зачем это нужно, как устроено и как попробовать за пять минут.ПроблемаРевью кода вручную отнимает время, а статический анализ (линтеры, SAST) ловит только то, что зашито в правила. Контекст проекта, типичные баги и «запахи» кода они не видят. Облачные AI-ревью (типа CodeRabbit) удобны, но код уходит в чужое API - для внутренних репозиториев или строгого комплаенса это не всегда ок.Хотелось чего-то среднего: умное ревью с контекстом, но полностью локально
Мой тимлид не пишет код 3 года. Почему он — лучший тимлид, с которым я работал
На Хабре любят хейтить менеджеров, которые «забыли, как кодить». Мол, оторвались от реальности, не понимают сроков, не чувствуют боль разработчика. Я раньше тоже так думал. А потом попал в команду к человеку, который три года не открывал IDE, и за полгода понял, что был неправ.Контекст: что было доДо Серёги (это нынешний тимлид) у нас был Андрей. Андрей — зверь в техническом смысле. Кодовую базу знал так, что мог в голове прокрутить стек вызовов уровней на пять. Каждый PR ревьюил лично. Сам писал кучу кода.И команда его в итоге ненавидела. Не сразу — сначала было восхищение, потом привыкание, потом тихое раздражение.
Я обучил модель на 10 000 код-ревью, чтобы отсеять мусор. Она начала предсказывать увольнения
У нас в проекте четыреста пул-реквестов в месяц. Половина комментариев — «поправь отступ», ещё четверть — «LGTM». Я хотел научить машину отличать полезное от шума. Машина научилась. А потом я полез смотреть, где она ошибается — и три недели думал об этом перед сном.
Почему AutoML не «магия», а способ выжить в промышленном ML
Когда в компании появляется первая ML‑модель, кажется, что самое сложное выбрать алгоритм и добиться хороших метрик. Но настоящий вызов начинается позже: когда моделей становится десятки, затем сотни, а скорость бизнеса начинает требовать обновлений не раз в год, а раз в недели.В Страховом Доме ВСК мы довольно быстро поняли: без стандартизации и автоматизации машинного обучения масштабирование превращается в хаос. Так у нас появился собственный AutoML‑фреймворк как ответ на реальные боли промышленного ML.Когда ML перестает быть «экспериментом»
Как мы автоматизировали код-ревью благодаря связке Aider + LLM
Представьте: ревьюер час вычитывает ваш код, находит пару опечаток и забытый null-чек. А через неделю в проде всплывает серьезная уязвимость, которую никто не заметил. Знакомая ситуация? Ручное код-ревью отнимает уйму времени, и человеческий фактор может сыграть злую шутку. Неудивительно, что автоматизированное AI-ревью кода набирает популярность. По данным GitHub, более миллиона
Если ваш запрос на слияние сгенерирован ИИ, я его отклоню. Объясню, почему
Иногда запрос на слияние (merge request) даже не стоит отправлять на код-ревью, так как при его составлении кто-то злоупотреблял искусственным интеллектом, и это повредило как проекту, так и команде. Например:1. Удалив часть кода, можно значительно улучшить запрос на слияние 2. Вы не знаете основ языка, на котором подавали запрос3. Спам в документации4. Вопиющая несогласованность материала5. Чрезмерно подробно рассмотрены пограничные случаи6. Вы добавили бессмысленные или нежелательные зависимости и сами не понимаете, зачем.
Как мы автоматизировали код-ревью за 48 часов на хакатоне: от боли техлидов до рабочего MVP
«У чат-GPT спросил?» — эта фраза стала мемом в нашей команде. Техлид Иван постоянно экспериментировал с AI, а коллеги подшучивали над его энтузиазмом. Но когда мы решили автоматизировать код-ревью с помощью искусственного интеллекта, именно этот энтузиазм привёл нас к созданию рабочего MVP за 48 часов.Рассказываем, как родилась идея AI-ревьюера кода, почему мы поверили в нейросети и что получилось за два дня хакатона.
ИИ Copilot обрабатывает 600 тысяч pull request для внутреннего кода Microsoft в месяц
Microsoft рассказала, насколько активно она использует помощников на основе искусственного интеллекта в своих процессах разработки. Внутренний помощник по кодированию ИИ Copilot применяется для ревью кода. Этот инструмент обрабатывает более 600 тысяч запросов на включение изменений (pull request, PR) в месяц, что составляет почти 90% от общего числа запросов.
