Как у нас в проекте на самом деле пишется код
После прошлого поста в комментариях несколько раз возникал вопрос: а кто вообще пишет весь этот код и насколько здесь участвуют нейросети? Вопрос, в общем, закономерный. Объём того, что небольшая команда успевает одновременно разрабатывать и поддерживать, действительно довольно большой.Масштаб, о котором обычно не пишутВ прошлой статье речь шла в основном про транспортный уровень - uTLS, decoy-трафик, pacing и всё, что связано с прохождением DPI. Это удобно рассматривать как отдельную техническую задачу, но внутри проекта это только один слой.
Как оценивать эффективность разработки
Меня зовут Антон Омельяненко, я Head of Software Development в EXANTE. Менеджер управляет командой так, чтобы она приносила бизнесу результат. Чтобы понимать, насколько хорошо люди справляются с задачами, ему нужны данные о работе и система оценки. С разработкой это сложнее, чем кажется.В статье я разберу три вопроса: почему классические метрики не подходят для оценки эффективности разработчиков, как измерять её правильно и что делать, если вам кажется, что сотрудник работает не только на вас.Строчки кода, коммиты и стори-поинты: почему они не работают
ИИ‑агенту недостаточно правил: как мы передаём ему инженерный опыт
Сначала нам советовали подробно задавать правила в промпте. Промпты росли и постепенно превращались в:Ты опытный программист. Пиши хороший код. Плохой код не пиши.Потом появился следующий рецепт: сначала подготовьте подробную документацию, а уже затем поручите агенту писать код. В результате люди начали сначала генерировать агентом документацию, а потом тем же агентом — код по этой документации. Между человеком и кодом просто появился ещё один слой сгенерированного текста.
Как не потерять себя в эпоху ИИ
Обещание, что скоро код не придется писать руками, звучит далеко не первый раз. COBOL делали похожим на английский, чтобы программы были понятны не только программистам. Предшественник SQL назывался SEQUEL, то есть буквально Structured English Query Language. Потом появились ноукод-платформы. Ручной работы действительно становилось меньше, но программисты никуда не исчезли. Наоборот, их становилось только больше.
Код пишется быстрее, релизы выходят так же. Куда переехало бутылочное горлышко?
Ленты новостей последние пару лет носят Copilot и его друзей на руках. Кажется, что главная революция уже случилась, разработчики получили автодополнение на стероидах, генерацию функций по описанию и почти волшебство в IDE. Но есть одно «но». Если честно посмотреть на процессы, выясняется, что код у многих команд действительно стал писаться быстрее — а вот релизы выходят почти с той же скоростью, что и три года назад. Бутылочные горлышки просто переехали в другие части жизненного цикла разработки (SDLC).
Качество топовых моделей на 60% дешевле: Cursor представили Router
Разработчики Cursor представили Cursor Router. Систему, которая автоматически выбирает ИИ-модель отдельно для каждого запроса. Функция встроена в режим Auto и предназначена для пользователей тарифов Teams и Enterprise.По данным компании, около 60% разработчиков выбирают одну модель и используют её для всех задач. В результате простые операции выполняются по тарифам наиболее дорогих моделей, хотя не требуют их возможностей.
Как ИИ изменил разработку в Content AI: от эксперимента к новой реальности
Года полтора назад мы бы удивились, если бы услышали, что к лету 2026 разработчики начнут регулярно использовать ИИ-инструменты, тестировщики — автоматизировать с их помощью часть своей работы, а продакт-менеджеры — приносить на обсуждение первые (работающие!) прототипы, созданные с помощью ИИ. Но примерно так все и получилось.Это третья статья из цикла про внедрение ИИ в процессы разработки Content AI. В первых двух мы рассказали, как собрали ИИ-ревьюер кода за три дня и как научили ИИ писать код по нашим правилам
Качество и безопасность ПО в эпоху GenAI
Завышенное доверие к генеративному искусственному интеллекту (GenAI) усиливает проблемы владения кодом, безопасностью, bus-фактором, обучения персонала и так далее. GenAI теперь с нами, и нет смысла отказываться от его возможностей. Но важно видеть в нём инженерный инструмент — иногда опасный, — а не волшебного помощника.
Как мы за 3 дня сделали ИИ-ревьюер кода и что поняли месяц спустя
С код-ревью есть такой парадокс: все согласны, что этот процесс важен, но времени на него обычно ни у кого нет. В результате ревью часто превращается в формальность. Очевидные баги при этом ловятся, а мелкие, вроде пропуска в условиях, перепутанных знаков, забытых edge cases и т.д., могут спокойно уехать в мердж и вернуться уже в виде задач в багтрекере. В Content AI мы активно внедряем ИИ в разработку, и одна из задач, которую мы решали в этом году, — автоматизация код-ревью. В этой статье рассказываем, как одна из наших команд собрала ИИ-ревьюера, встроенного в Pull Request, и что мы поняли спустя месяц использования.
