Как мы создавали AI-агента, с которым теперь сами разрабатываем продукты
Еще недавно вопрос о том, какой метод использовать для обработки коллекции, мог отправить разработчика в документацию, на Stack Overflow или обсуждения на Хабре. В удачный день там находился ответ. В менее удачный — обсуждение архитектуры проекта, квалификации автора и целесообразности его существования в профессии... Где-то между этими темами обычно прятались нужные три строчки кода.Затем появились ИИ-чаты, которые можно было использовать как «продвинутый поисковик»: уточнять детали, показывать код, обсуждать варианты реализации. Заодно можно было попросить придумать имя методу, пока тот не стал processDataFinalReallyFinal.
«У тебя агент ронял прод?» Что ИИ-пентест умеет в 2026 году и где он до сих пор плох
Агент на пентесте сам решил перезапустить базу данных, потому что она ему мешала. Он рассчитывал, что сервис поднимется, результат не проверил и пошёл дальше. База не поднялась. Это был мой стенд и моя база, поэтому история закончилась смешно. Александр Кельчин, CTO и CISO Medici Lab, ронял агентами демостенды заказчиков, причём по договорённости.
От отдела к компании: как объединить ИИ-навыки
В первой статье я рассказывал о навыках для ИИ. В таком навыке мы собираем инструкции для работы, которую регулярно ему поручаем, чтобы каждый раз не объяснять всё заново. На примере подготовки поездки разобрали, как распределить эти инструкции между специалистами. Один занимается маршрутом, другой считает расходы, а руководитель выбирает, чьи инструкции нужны для нашего запроса.
Один час в мире без AI‑агентов: от токенов до MCP
Представьте, что сейчас 2 023 год и готовых AI‑агентов ещё нет. Есть только обычная LLM, которая умеет продолжать текст. Что нужно к ней добавить, чтобы она смогла читать файлы, искать информацию, запускать команды, исправлять код и сама решать, какой следующий шаг сделать?
От чата c LLM к полноценному AI-агенту: пошаговая настройка OpenCode
Когда я впервые начала использовать AI в работе, сценарий был довольно стандартным: открыть чат, вставить текст, сформулировать запрос, получить ответ.
Как мы превратили правила команды разработки в инструкции для LLM-агента
Привет, Хабр! На связи команда разработки Just AI. Сегодня расскажем, как мы автоматизировали часть задач в процессах разработки с помощью LLM-агента. Не генерацию функций и не написание кода по промпту — с этим кодинг-ассистенты уже неплохо справляются. Нас интересовало другое: что происходит с задачей до и после того, как разработчик закончил писать код.
Нейросети как дофаминовая яма для взрослых
Нейросети экономят мне огромное количество времени. И одновременно я стал тратить на них огромное количество времени. Противоречия здесь нет.
LLM уверенно врёт про ваш микроконтроллер
Embedded-development (или разработка встраиваемых систем) - это такая сфера, где паяльник и IDE находятся ближе всего. Естественно, туда пришёл ИИ: попросишь модель написать прошивку - выдаёт аккуратный код. Компилируется с первого раза, заливается без ошибок. Но внезапно, экран показывает цветной шум.
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.
Шизофрения LLM, или Поваренная книга вайбкодера
Я пишу код больше двадцати лет. В этом стаже было всё: говнокод, красивый код, снова говнокод — и сквозь всё это стремление к прекрасному, которое то побеждало, то сдавалось под дедлайном. Сейчас тот период вспоминается как другая жизнь. Не потому, что я разлюбил программирование — а потому, что код руками я больше почти не пишу. Я пишу роли, правила и планы. Код пишут агенты.
