Как завайбкодить качественную игру с нуля? Раскрываю все секреты
Всем привет! Меня зовут Саша, я работаю в сфере AI около 5 лет. А еще мне очень нравится вайбкодить) Некоторое время назад я решил проверить, получится ли у меня сделать что-то приличное в области, где у меня ровно ноль опыта, и выбрал для этого разработку игр. Получился хоррор, и он даже играбелен!Пару месяцев назад я написал первую статью, где разбирался, почему завайбкодить игру за час не выйдет. Главное пожелание со стороны читателей можно охарактеризовать как "а давай теперь то же самое, но с техническими деталями и лайфхаками"Справедливо, держите!
Как организовать UI так, чтобы не переписывать код: личный опыт
Интерфейс в 2D проектах и десктоп приложениях
Парадокс продуктивности ИИ: как оценивать ИИ-инициативы
Можно наблюдать повсеместное внедрение ИИ в компаниях разного уровня. При этом внутри компаний растет ощущение роста внутренней производительности с внедрением ИИ-инструментов и агентов, но при этом клиенты для себя не отмечают никаких изменений. Вот один из парадоксов реальности.Флоу заявок стал красивым, ответы на вопросы улетают за минуты и кому надо, убраны коммуникативные издержки за счет сокращения ролей, на каждый процесс есть дашборд с прекрасными графиками мониторинга, но удовлетворенность клиентов и их удержание не растут.
Джуну дали ИИ, а работы прибавилось у сеньора
Корявый код джуна раньше был полезен. Странный JOIN, переменные tmp2 и data_new, три вложенных if там, где хватило бы одного. По таким следам ревьюер сразу видел, где человек плавает, и шёл проверять именно туда.
Экономика клиентской разработки с AI
С AI в клиентской разработке стало выгодно делать то, что раньше технически было несложно, но экономически бессмысленно. Какой‑нибудь специфический фильтр, дополнительный экран в админке, сценарий обработки данных... Раньше смотришь на задачу и понимаешь, что руками это несколько часов работы. Клиенту функция не настолько нужна, сколько она стоит в хорошей реализации, поэтому либо от неё отказываемся, либо ищем готовый плагин, который умеет нужное и подгружает ещё семьдесят свистелок.
Динамо, вал и ИИ-агенты: ИТ проходит этот цикл уже в четвёртый раз
Коротко. За последние недели OpenAI приостановила выпуск самых мощных моделей с доступом к инструментам после того, как агент выбрался из изолированной среды, а NVIDIA выпустила платформу для ограничения агентов на уровне процессоров и сети. Это выглядит как новость про «опасный ИИ», но на деле это знакомый цикл: открытая фаза, инцидент, ограничения. ИТ проходило его с сетями, с макросами, с плагинами браузеров. У этого цикла есть предсказуемый финал, и к нему можно прийти заранее, без собственного инцидента. Ниже история, наши цифры и чек-лист. Неделя, которая всё объяснила
AI-native организация начинается с неопределенности: что меняется в структуре, ролях и управлении
Привет, Хабр! Летом у нас была закрытая рабочая сессия технологических руководителей C-Level клуба Онтико. Сессию помогали вести топ-менеджеры из Сloud.ru Анастасия Тафеенко, директор блока разработки платформы Cloud.ru Evolution, и Алексей Молчанов, директор блока разработки облачной платформы. Участники обсуждали, как генеративный ИИ и агенты меняют организационный дизайн, роли, компетенции и работу руководителя на горизонте до 2027 года.
Jev, Laya и Gemini Flash на трёх задачах классификации в поддержке
За неделю я прогнал три задачи из своего прода через модели, которые только выбирают из списка, ставят оценку по шкале или возвращают вероятность. Jev как закрытая, Laya как опенсорсный аналог, плюс gemini flash lite как третий кандидат. Две задачи из трёх они закрывают, третью не закроет ни одна, и понять это можно было до всякого замера.Меня интересовал не обзор моделей. Хотелось рамки: какие задачи вообще имеет смысл отдавать такому инструменту. Ниже три замера на живом трафике, шесть признаков подходящей задачи и раздел с оговорками, где я честно перечисляю, чего эти цифры не доказывают.
