llm.
Как ревьюить ИИ-код: что автоматизировать, какую работу оставить человеку и как всё это делать системно
В 2026 году софт всё чаще пишут с участием ИИ: по данным Stack Overflow, 84% разработчиков уже используют ИИ‑инструменты или планируют начать. При этом исследователи Faros AI фиксируют парадокс: в командах с активным использованием ИИ разработчики закрывают на 21% больше задач и на 98% больше мёржат PR, но время ревью выросло на 91%. В статье разберём, как выстроить процесс проверки, который не съедает выигрыш от автоматизации и почему ревью ИИ‑кода нельзя полностью отдать моделям.За консультацию при подготовке материала благодарим:
Открыл бету AI-Мастера для D&D. Главная проблема оказалась не в кубиках, а в памяти
Что значит «открыть ОБТ» для пет-проектаЧтобы тестеры реально играли, а не упёрлись в платный барьер на втором ходу, я раздал всем стартовый бонус внутренней валюты — маны. Хватает примерно на сотню ходов. Логика простая: дайте человеку пройти достаточно, чтобы он наткнулся на настоящие проблемы игры, а не на «закончились бесплатные попытки, платите».Цифры первых днейВот что показал дашборд OpenRouter с момента запуска:32 тысячи запросов к моделям91,4 миллиона токенов
Границы применимости LLM в мобильном UI-дизайне
LLM уже умеют быстро собирать мобильные макеты, и на первый взгляд результат часто выглядит убедительно. Кнопки похожи на кнопки, bottom sheet на bottom sheet, экран не разваливается, и его можно показать на обсуждении. Но на практике это всего лишь аккуратный черновик, который ещё нужно как следует доработать: посмотреть компоненты, состояния, навигацию, safe area, длинные тексты и поведение на маленьком экране.
AI‑ассистент пишет код: 8 антипаттернов, из‑за которых он падает в проде
Всем привет, меня зовут Сергей Прощаев, и в этой статье я расскажу про антипаттерны работы с AI‑ассистентом кода — те, из‑за которых сгенерированный код спокойно проходит ревью, мёржится с зелёными тестами, а потом превращается в ночной инцидент.
Как не получить бан в Claude: возможные причины и решения
Anthropic забанил больше двух миллионов аккаунтов за 2025 год. Разбираем 5 причин, по которым срабатывает anti-fraud, и собираем чек-лист защиты личного аккаунта.Anthropic впервые опубликовал данные о банах в Transparency Hub: за первое полугодие 2025 было заблокировано около 690 тысяч аккаунтов, за второе — уже 1,45 миллиона. Рост двукратный, а доля успешных апелляций — около 3,3 процента: вернуть аккаунт почти невозможно. Российским пользователям ещё сложнее: страна не входит в список Supported Countries
Opus оркеструет, DeepSeek V4 пишет код: как собрать связку внутри Claude Code и сэкономить деньги
Однажды я открыл биллинг и просто посмотрел, на что уходят токены. Не на «подумать над архитектурой». А на переименование переменных, генерацию тестов по готовому ТЗ и прогон миграций. Всё это считалось по тарифу флагманской модели, хотя такую работу вытянет модель в десятки раз дешевле.Ниже – как развести действительно сложные задачи и рутину по двум моделям внутри Claude Code, не ставя ни одного стороннего форка. И три зоны, куда дешёвую модель я не пускаю принципиально. Что на самом деле сжигает токены
Golden Armada: трассировки как основа наблюдаемой AI-native системы
Введение В предыдущей статье я описал идею изменения парадигмы программирования в условиях, когда значительная часть кода начинает генерироваться LLM. 👉 Предыдущая статьяТам основная мысль была следующая: код перестаёт быть единственным источником истины, а роль разработчика смещается в сторону архитектуры, контрактов и ограничений. В этой статье я хочу показать следующий шаг — не концепцию, а реализацию. 🌲 От теории к наблюдаемой системе Если предыдущий текст был про “как должно быть”, то Golden Armada — это попытка ответить на вопрос:
Нейросети как интеллектуальная прослойка между людьми
Всем привет! Меня зовут Дмитрий Фырнин, я управляющий партнёр и технический директор в SENSE. В этой статье собрал свои мысли и гипотезы о том, что происходит, когда языковая модель встраивается в коммуникацию и становится прослойкой между людьми. Сегодня модель «селится» в семейных спорах, рабочих чатах, школьных конфликтах и переписке с госорганами. Она интерпретирует, подсказывает, подтверждает и делает это не всегда нейтрально.
За 2 месяца собрали сервис для расшифровки анализов на нейросетях. 4 ошибки в первые недели и как мы их решали
Наш сервис связал в отчёте повышенные лейкоциты с препаратом, который пользователь начал принимать уже после самих анализов. Другому предложил пересдать семь маркеров, сданных два дня назад. Этим вторым был мой папа. Третьему порекомендовал КТ пазух, не зная, что тот неделю назад уже был у ЛОРа с готовым заключением. В отчёте четвёртого всплыл «железодефицит» - там, где про железо не было ни одной цифры.
