Как подключить к LLM вашу документацию и базу знаний
Материал подготовлен в рамках курса «ИИ для Python‑разработчиков». Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги.Вы когда‑нибудь пытались спросить у ChatGPT о том, как работает ваш собственный проект? Модель вежливо отвечает, но её ответы — это общие шаблоны, основанные на обучении на миллионах чужих репозиториев.
Кто вырастит будущих сеньоров, если код теперь пишет AI?
Почему генерация ускоряет результат, но не гарантирует рост инженера?
Anthropic представила Claude Fable 5.1 — модель для сложных задач и долгой работы с ИИ-агентами
Anthropic выпустила Claude Fable 5.1 — новую модель из семейства Claude, которая стала преемником Claude Fable 5. Модель ориентирована на задачи с длительным контекстом и многоэтапным выполнением: агентное программирование, исследовательскую работу, анализ документов и другие сценарии, где требуется последовательное решение сложных задач.Claude Fable 5.1 доступна через Claude API и платформы партнёров Anthropic. По сравнению с предыдущей версией модель получила улучшения в работе с ИИ-агентами, более глубоким рассуждением и длительными рабочими процессами.
Три месяца с Claude: хороший ассистент, плохой программист
Мне выдали подписку на Claude и сказали выжимать максимум из токенов, так что я решил дать ему честный шанс. В этой статье расскажу, что из этого вышло.В наши дни от LLM становится всё сложнее спрятаться. Даже если вы избегаете соцсетей — или хотя бы тщательно подбираете подписки, чтобы не видеть основную массу нейрослопа, — и пропускаете мимо ушей громкие маркетинговые заявления, которые потом в новостях почему‑то преподносят как факты, LLM, скорее всего, всё равно найдут вас на работе.
Cursor запустил Origin: конкурента GitHub для AI‑агентов
Cursor начал развёртывание Origin: собственного сервиса для хранения кода, рассчитанного на работу с большим количеством AI‑агентов. Платформа была анонсирована в июне как альтернатива традиционным Git‑хостингам, а теперь стала доступна в ранней бете пользователям платных тарифов Cursor.На старте Origin поддерживает репозитории, пул‑реквесты, просмотр и поиск кода, а также синхронизацию с GitHub. Репозитории можно создавать через вкладку Codebase или выборочно импортировать из GitHub.
ИИ в масштабе: как управлять внедрением, метриками и трансформацией команды из 500+ разработчиков
За год экспериментов мы выяснили, что традиционное обучение почти не повышает adoption, а количество пользователей ещё ничего не говорит о бизнес-эффекте. Агенты могут написать от 80 до 99% кода, а могут за 12 часов разрушить архитектуру проекта. Мини-команда из двух разработчиков и бизнес-эксперта с помощью ИИ может сделать интеграционный сервис так же быстро, как команда из пяти человек, но Lead Time при этом может остаться прежним.
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.
