Время одиночных разработчиков и микрокоманд: как ИИ съел оргструктуру
TL;DR: ИИ — это не «магическая кнопка», но это экзоскелет для одиночек и микрокоманд. С ним можно создавать то, на что раньше уходили отделы, кварталы и бюджеты. И да: даже Минфин «поддерживает» малые команды — повышая НДС для ИП на УСН. Поддержка, так сказать, методом отрицательной мотивации.Почему «сейчас» — это новое «лучшее время»Мы живём в дивном мире, где:IDE подсказывает код быстрее, чем тимлид успевает написать «давай обсудим после стендапа».Генеративные модели пишут тесты, документацию и миграции БД. Не идеально, но на 80% — уже хватит, чтобы показать демо.
GPT-5 уже пишет ваш код. Вот как заставить его делать это без глупых ошибок
Признайтесь, вы ведь тоже прошли этот путь. Сначала — детский восторг: «Вау, он за секунды накодил то, на что у меня ушёл бы час!». Потом — лёгкое разочарование: «Стоп, а почему этот метод считается устаревшим?». И наконец — холодный пот: «Чёрт, я же чуть не закоммитил этот код с потенциальной уязвимостью!».Я прошёл через все эти стадии. GPT-5 — это не волшебная палочка, которая сделает всю работу за вас. Это скорее невероятно быстрый, но не слишком сообразительный стажёр
Из чата в TMS: Как Telegram-бот с GPT ускоряет создание и выполнение тестов
В текущих реалиях тестировщики часто остаются в тисках рутины: трудозатраты на создание тест-кейсов и их ручной импорт в TMS (системы управления тестированием) съедают до 40-60% рабочего времени QA-инженера (
Как Cursor устроен изнутри. Часть 2
Полная версия платной статьи, публикуется с разрешения автора. Первая часть здесь.В этой части поговорим о сложностях, с которыми столкнулась команда при лавинообразном росте нагрузки, как разваливался бекенд, а архитекторы из AWS только пожимали плечами.5. Инженерные вызовы
Как Cursor устроен изнутри. Часть 1
Всего за год нагрузка на Cursor выросла в 100 раз: более 1 млн запросов в секунду и миллиарды автодополнений кода каждый день. Подробный разбор архитектуры — вместе с сооснователем Суалехом Асифом.
Ускорение DeepSeek-R1 с подвохом: Когда токены в секунду врут о реальной скорости
ВведениеПосле сборки домашнего сервера для работы с LLM DeepSeek-R1 подробно о нём можно прочитать в статье Локальный DeepSeek-R1-0528. Когда скорость улитки – не приговор, а точка старта возникла потребность сравнить разные квантизации для оптимизации скорости/качества работы. Запуская работу с разными моделями, я заметил что квантизация зачастую приводит к ускорению генерации токенов.
Как я начал бояться вайб-кодинга, или почему мы доверяем ИИ больше, чем коллегам
Ещё год назад я смеялся над мемами про Copilot, который "пишет весь код за тебя". Теперь - я уже не смеюсь. Потому что вижу, как всё чаще код влетает в main почти без участия человека. Его не пишут - его принимают. Почти как оракульское послание.Это не всегда плохо. Но иногда - страшно.Началось с удобстваЯ не анти-ИИ и не неолуддит - я сам пользуюсь им в работе. Более того - я первый, кто радовался, когда Copilot или Claude помогали дописать скучные if-else, док-блоки и избавляли от гуглинга array_unique третий раз за неделю. Это круто. Это ускоряет. Это экономит силы. Но со временем, что-то начало меняться.
Разработка Java-проекта с Jmix AI Assistant
Эта заметка инспирирована статей на Хабре Разработка Java-проекта с ChatGPT-4: от идеи до реализации . После ее прочтения автор начал экспериментировать в разработке ПО с различными AI ассистентами. Увидев статью блога Jmix AI Assistant — ваш помощник в освоении Jmix , решил реализовать с помощью Jmix AI Assistant приложение аналогичное приведенному в статье .Главное отличие от указанной статьи в том, что вся разработка будет вестись с помощью одного инструмента Jmix AI Assistant без использования сторонних генераторов кода.
