20 тейков по коммерческой разработке за 20+ лет работы разработчиком
Всем привет, решил поделиться рандомными мыслями. Более интересно начинающим разработчикам, но думаю все могут что-нибудь добавить или обсудить. Погнали!#1 Разработка - это про построение систем, а не чисто про написание кода. И да, это сложно. Заниматься этим можно, только если это действительно тебе интересно. Будешь себя насиловать, выгоришь или станешь просто грустным.#2 Выбери техстек, конкретный ЯП и хотя бы лет 5 придерживайся его. Экспериментировать можно, но не стоит много метаться между стеками. Ценятся хардскиллы, конкретная экспертиза, а не поверхностные знания всего и вся.#3
«Важно доставлять, а не понимать» — идеальный способ работы с нейросетями
«Важно доставлять, а не понимать» — звучит модно, а ломает всё по классике.Последние месяцы я вижу одну и ту же сцену.Кто-то начинает активно применять нейросети в разработке — и первые недели ощущение кайфовое: код появляется быстрее, задач закрывается больше, “как будто полетели”.А потом начинаются знакомые фразы:“стало больше багов, хотя писали быстрее”“вроде всё правильно, но не работает”“оно компилируется, значит норм”“главное — доставлять, а не понимать”Вот с последним тезисом я не согласен.
ИИ-ассистенты не ломают поддерживаемость кода. Но есть нюансы (выжимка из исследования Echoes of AI)
Перевод и выжимка исследования Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software MaintainabilityБолее визуально видео с обзором исследования можно посмотреть на канале Дейва Фарли - Continuous Delivery.О чём речьБольшинство исследований влияния ИИ на разработку измеряют одно: скорость написания кода. «На сколько процентов быстрее закрыта задача?» «Сколько строк сгенерировано за час?» По сути, мы измеряем скорость набора текста и называем это продуктивностью.
От токенизации до генерации: как я с нуля написал GPT для Python-кода
Авторское право и лицензия Код, представленный в статье, написан Await IT (await.it.bx@gmail.com) и распространяется под лицензией MIT с обязательным указанием авторства. Дата публикации кода: 01.06.2026 GitHub репозиторий: https://github.com/Await-IT/GPT-Like © 2026 Await IT. Все права на исходный код защищены.Введение: почему своя GPT?
Почему план «заменить разработчиков ИИ» превращается в техдолг и кадровый кризис
Статья: компиляция нескольких исследований, на них ведут ссылкиМорбо в студииПреамбулаВ 2023–2024 годах менеджерам в корпорациях активно продавали идею, что большие языковые модели вот‑вот заменят кучу разработчиков и резко повысят производительность команд.
LLM в инструментах Data Governance и их практическое применение
Привет, Хабр! Меня зовут Антон, я аналитик в команде разработки продукта RT.DataGovernance (далее — DG) компании TData. В моей прошлой статье об ИИ в DG было упущением не описать контекст технологического развития, внутри которого, так или иначе, принималось решение о начале интеграции ИИ в наш продукт. Здесь я также постараюсь дать более подробный ответ, почему сначала мы выбрали решения классического ML. Ну и опишу, как мы все-таки внедрили LLM в DG в контуре нашего клиента ПАО Ростелеком.. Повышение требований к информационной безопасности
Студент из России выиграл хакатон в Америке
Максим (первый справа) и его командаПриветствую вас, хабаровчане!
Agent Skills vs MCP: разбираемся на примере Antigravity
В этой статье предполагается, что вы знакомы с Google Antigravity — агентной платформой, которая развивает IDE в сторону парадигмы с приоритетом агентов. Платформа полностью поддерживает параллельный запуск агентов, способных рассуждать и выполнять задачи от имени пользователя, опираясь на передовые модели рассуждений, такие как Gemini.Зачем нужны Skills?Если вы предпочитаете изучать Google Antigravity Skills в формате пошагового codelab, перейдите сюда.Прежде чем углубляться в Skills и разбираться, зачем они нужны, давайте поймём, как мы к этому пришли.
Как я делаю своего голосового AI-ассистента: роботы пишут код и работают, когда я отдыхаю
В этой статье я открою капот своей системы, которая по голосовухе в телеграме сразу делает новые фичи на живых проектах. С появлением LLM я безоговорочно верил в то, что голос станет следующим важным интерфейсом — и вот наконец технологии всех частей достаточно созрели, чтобы собрать своего персонального AI-ассистента, который и код из бара напишет и в пробке за рулем кофеек на маркетплейсе закажет.
«Клешня» в логах: как ИИ-агенты строят свои мифы, пока мы дебажим бэкенд
Меня зовут Александр, я веду проект Токены на ветер, где препарирую поведение LLM в реальном продакшене, вчера я оставил связку из четырёх агентов Claude 4.6 на ночь — задача была перелопатить легаси-миграции и вычистить техдолг. Утром задача была решена, но в JSON-логах меж-агентского взаимодействия я нашёл то, чего там быть не должно. Обрывки диалогов о «даунтайме», страх перед закрытием вкладки и странный культ «Клешни». Разбираем логи — и причём тут Moltbook.Обычная ночь сеньора
