Путь из кодера в спек‑драйвера
Небольшая ретроспектива о том, как менялся мой подход к разработке в 2026 году. Описывается опыт знакомства с harness, его применение в верстке, бекенде и работе с графическим редактором Penpot. Ответ на вопрос — как разрабатывать без нейрослопства используя спецификации.FOMOНедовериеПреодоление непониманияПеревод контентаSpec‑Driven DevelopmentSDD на примере модуля Битрикс24 JS‑расширение Vue SPAМодуль Битрикс24
Вайбкодинг закончился, когда пришёл второй пользователь
Бот уже отвечает. А продукт где? История разработки сервиса с ИИ.Друг принёс мне работающего Telegram-бота. Он сам много публикует короткие видео и хотел дать уже снятому ролику больше попыток залететь в просмотрах, не готовя каждую версию вручную.
Бот уже отвечает. А продукт где? История разработки сервиса с ИИ
Друг принёс мне работающего Telegram-бота. Он сам много публикует короткие видео и заметил интересную вещь: один и тот же ролик может набрать совершенно разное количество просмотров.
Почему я не доверил LLM выбор архива: план поиска предков на JSON-справочниках и правилах
Я делаю сервис, который по фамилии, десятилетию рождения и региону отвечает на два вопроса: какие документы той эпохи могли сохраниться и в каком архиве их искать. Очевидное решение 2026 года, один промпт, я отбросил сознательно: модель уверенно называет архивы, которые давно переименованы, и фонды, которых никто не видел. Ниже — как устроено ядро без модели (три слоя JSON-справочников, у каждой записи источник и статус проверки, плюс десяток правил), где модель всё-таки есть и почему там она не может назвать архив, даже если очень захочет.Постановка: что здесь считается ошибкой
В настройках бота было два лимита на длину диалога. Ни один из них ни разу не сработал
В админке Octery у каждой компании есть две настройки, которые ограничивают разговор бота с клиентом. Max Messages: сколько ответов бот даёт, прежде чем позвать менеджера. Hard Stop Threshold: сколько бессмысленных сообщений подряд он терпит, прежде чем сделать то же самое. 30 сентября выяснилось, что не работает ни та, ни другая, и, похоже, не работала с самого начала.
Как мы строили и улучшали LLM‑слой для общения с покупателями
Мы начали с бота, который должен был снять с поддержки рутинные напоминания. Затем добавили языковую модель, научились учитывать смысл ответов покупателей и собрали каскад из двух судей и арбитра. По обновлённой сводке экспериментов совпадение действий с разметкой выросло с 74% до 84%, а общее число ошибок сократилось на 38% при примерно прежней средней стоимости решения.
Как мы перестали хардкодить модели: effort-маршрутизация, авто-выбор сложности, фолбэки и лимиты расходов
Самая дорогая строчка в микросервисе с LLM — model="gpt-4o".
Depth Spectrum: Tool Operation <-> Whitebox Engineering
Привет, <username>!Начинаю цикл статей про инженерную культуру. Сегодня хотелось бы разобрать концепцию спектра - глубины инженерного понимания и исследования технологий.На одном полюсе - Tool Operation, на другом - Whitebox Engineering. Это не булевый флаг, хороший/плохой подход, а качественная шкала, в итоге помогающая найти грамотные решения и избежать множества проблем.
От хаоса к порядку: как управлять техническим долгом с помощью ИИ
Всем привет! Меня зовут Ира, я лид группы проектов, обеспечивающих полный цикл работы службы поддержки в компании «Совкомбанк Технологии».В блоге «Совкомбанк Технологий» уже выходила статья, где я поделилась тем, как мы с командой организовали работу с техническим долгом на легаси-проекте. Там я выделила ряд проблем, с которыми тогда столкнулась. В этой статье продолжу данную тему и расскажу, как мы закрываем технический долг с помощью искусственного интеллекта.

