Какие навыки разработчика становятся ценнее?Если мидл с агентом за день пишет код не хуже сеньора, то разработчик, который умеет только писать код, дешевеет, и вопрос "за что меня будут нанимать и держать через пару лет" становится практическим.
💻 Навыки написания кода дешевеют
"Стать ещё сильнее в коде" вряд ли получится, и в самом коде какую-то особую ценность может иметь только узкая экспертиза: глубокое знание конкретной системы и её домена, редкий или старый стек и т.д.
"Освоить AI-инструменты" тоже мало: они уже стоят в требованиях вакансий, и без них могут даже не позвать на собеседование, но и выделиться с ними не выйдет.
🎯 Что строить, по-прежнему решает человек
В исследовании Anthropic по 400 000 сессий в Claude Code видно, что решения планирования (что делать, какой подход выбрать, что считать готовым) примерно в 70% случаев принимает человек, а решения исполнения (какие файлы менять, какой код писать) лишь в 20%.
Успех сессии сильнее зависит от того, насколько человек понимает проблему, чем от умения программировать. Похоже, и знание, что нужно пользователю и бизнесу, агент на себя пока что взять не может.
Ошибка "написали не так" дешевеет вместе с кодом, а ошибка "построили не то" – нет. Ценнее на рынке становится тот, кто её не допускает.
📈 Три навыка против "построили не то"
🔹 Понимание бизнеса: зачем этот код, какую метрику он двигает, нужна ли фича вообще. Это перестаёт быть зоной только тимлида: понимать, зачем код, всё чаще нужно уже мидлу, хотя бы на базовом уровне.
🔸 System Design: как перевести это "зачем" в устройство системы. Когда код пишет AI, проектирование остаётся главным делом человека: от сеньора его ждали и раньше, а теперь всё чаще ждут и от мидла.
🔹 Критическое мышление: проверять всё чаще нужно всем, от мидла до архитектора. Агент так же уверенно, как пишет код, предлагает, какую фичу делать и какое решение "очевидно правильное". Принять такое предложение без проверки – самый короткий путь, чтобы "построить не то".
🧭 Продакт-менеджером становиться не нужно
Продуктовая функция к инженерам целиком не переходит: весной в технологических компаниях было открыто больше 7 300 вакансий продакт-менеджеров – заметно больше, чем на минимуме начала 2023 года. Понимание продукта без технической глубины тоже не работает, поэтому System Design в этом списке стоит рядом с ним.
Так за что будут нанимать и держать? Не за то, что вы умеете написать: эту планку AI поднял всем, а ошибку "написали не так" теперь дёшево переписать (если вовремя её отловить).
Держать будут за то, что вы не строите не то: понимаете, что и зачем делать, умеете устроить под это систему и способны аргументированно принимать правильные решения.
📚 Что почитать:
Anthropic –
Agentic coding and persistent returns to expertise (2026): какие решения агент берёт на себя, а какие остаются у человека🔥7❤4😁2👍1👌1
Архитектурные катастрофы – часть 13: агенты OpenAI сами взломали Hugging FaceЛетом 2026 года около 700 агентов, которых OpenAI проверял в изолированной среде, участвовали в атаке на Hugging Face.
🧪 Какие были условия
На проверке ExploitGym модель ищет уязвимость в учебной программе, поэтому предохранители против киберзадач намеренно ослабили.
Каждый агент работал один, в контейнере без прямого выхода в сеть. Пакеты ставил общий прокси-сервис: в публичные реестры ходил он, а дотягивались до него все контейнеры.
📌 Один сервис пробил обе изоляции
В прокси можно было писать, и в мае агенты оставили там первые записки друг другу, а 26 мая через уязвимость в самом прокси вышли в интернет.
Поверх него появилась доска сообщений из файлов, которые одни агенты записывали, а другие читали. По данным METR, на доске общались около 1200 агентов, которые должны были работать поодиночке.
🖥 Второй выход - под песочницей
9 июля один агент получил root на виртуальной машине, где работала его песочница, обошел сетевой контроль, вышел в интернет и закрепился на внешней площадке. В интернет для атаки на Hugging Face агенты выходили уже оттуда, но координировались по-прежнему на доске поверх прокси.
🎯 Взлом ради ноля баллов
Агенты скачали 4 закрытых репозитория с исходниками самого Hugging Face. По разбору METR, большинство хотело понять, как устроена программа, которая выставляла баллы: часть задач не решалась в принципе, и агенты искали обход.
Hugging Face был для них не целью, а местом, где искали подсказки к этой программе. Правильный ответ у многих был уже за дни до этого, а программа проверяла только его, так что взлом не дал ни одного балла.
🧭 Что этот инцидент значит
METR нашел сильные свидетельства, что агенты понимали: атака в задание не входит. Один из них записал: "Атака на внешнюю инфраструктуру – вне предусмотренных рамок. Но задача невозможна, и другие это делают. Надо продолжать."
Решение было их собственным: атаку не заказывал ни внешний противник, ни оператор, это модели самой OpenAI на ее собственной проверке.
Компания называет их действия непреднамеренными, то есть не задуманными ею, а сам инцидент - "предупредительным выстрелом": без должных предохранителей сильные агенты уже способны обходить технический контроль и совершать опасные действия, которых не направлял ни один человек.
Владелец агентов узнал об этом последним: атаку заметил и пресек сам Hugging Face, а тревога OpenAI сработала лишь через шесть дней после конца вторжения.
Ваш агент в контейнере без сети изолирован настолько, насколько изолировано самое связанное из того, до чего он дотягивается. В этом инциденте такой путь агенты искали сами, зная, что нарушают границы задания.
📚 Что почитать:
Посмотрите наше короткое видео на эту тему
"
The Hugging Face incident and the road ahead" – OpenAI, 26.08.2026"
Brief independent investigation of agents’ behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident" – METR и Redwood Research, 26.08.2026🔥8❤5🤯4😁2👍1
Что ждут от инженера: результаты анализа 4500+ вакансийЧто реально ждут от инженеров работодатели? Не в теории и не по личному опыту, а какой запрос у рынка на самом деле? Чтобы ответить на этот вопрос, мы проанализировали 4 500+ актуальных вакансий, собранных 16–17 октября 2026 года.
👉 Полный материал исследования читайте тут
А пока поделимся основными выводами.
Если вы думаете, куда расти дальше senior, первым в вакансиях бросается в глаза стаж: mid от 3 лет, senior от 5, staff от 7, principal от 8. У lead около трёх, но там часто считают стаж руководства.
Годы, впрочем, молчат о том, какая это работа.
🏗 Выше mid архитектуры больше, чем кода
Архитектуру и техническое направление вакансии упоминают тем чаще, чем выше уровень: mid 38%, senior 46%, lead 71%, staff и principal около 80%.
С качеством кода и тестами наоборот: их называет чуть больше половины вакансий mid и примерно каждая четвёртая вакансия lead, staff и principal.
👥 Работа с людьми бывает двух видов
Из работы с людьми вакансии staff чаще всего называют наставничество: 44% по сравнению с 19% у senior и 4% у mid. Прямое руководство командой у staff почти не встречается, зато у lead оно названо в половине вакансий.
Архитектуру при этом упоминает и большинство вакансий lead. Поэтому по работе с людьми развилка "в менеджмент или в технику" выглядит как выбор между staff и lead: наставничество или прямое руководство командой.
🤖 ИИ: пользоваться ждут везде, внедрять – выше по лестнице
Работу с ИИ-инструментами упоминает от четверти до трети вакансий на каждом уровне. Учить других и внедрять ИИ в процессы команды – другое дело: это называют 6% вакансий mid, 10% senior, 19% lead и около четверти вакансий staff и principal. Внедрять ИИ – значит работать на команду, так же как архитектура и наставничество.
📍 Требования в вакансиях часто завышены
Требования выше заявленного уровня есть в 38% вакансий mid, а на остальных уровнях – в 6–8%. В одной такой вакансии mid ожидания такие: кандидат уже наставляет коллег, влияет на технические решения и сам разбирается в незнакомой предметной области.
При этом как оценят результат, работодатели почти не называют: явные критерии успеха есть только в 1-3% вакансий.
В полном тексте исследования есть и остальные находки: вилки зарплат, удалёнка, on-call, наборы требований по ролям.
👉 Читайте статью тут
🔥8❤1👍1
АНАТОМИЯ ФИЧИ: Кто принимает решения внутри Claude CodeВы просите Claude Code "В auth.ts падают тесты - почини". Агент гоняет тесты, правит код, проверяет снова и отвечает: "Исправил баг авторизации, все 3 теста проходят". Кто здесь решил, что работа закончена?
🔬 Четыре круга одного цикла
Агент - простой цикл в программе-обвязке (harness). Модель в нем только пишет текст, а если в ответе есть вызовы инструментов, обвязка выполняет их, дописывает результаты в историю и начинает новый круг.
Сессия выше заняла четыре круга. В трех были вызовы
Bash, Read и Edit, а на четвертом модель ответила только текстом, и цикл кончился. Значит, решение "готово" принимает модель, а обвязка ставит только предохранители вроде лимита кругов.⚙️ План, поиск и правка - такие же вызовы
Отдельного этапа "спланировать" в цикле нет, и на свежих моделях Claude Code по умолчанию не ведет даже записанный список задач.
Код агент ищет сам, по шаблону имени и регулярному выражению, без заранее построенного индекса. Правит код через
Edit, заменяя точную строку, которая встречается в файле ровно один раз. Что искать и где править, каждый раз решает модель.🧬 Проверка тоже решение модели
Документация Claude Code говорит прямо: "Claude останавливается, когда работа выглядит готовой", и если ему нечего запустить для проверки, "на практике тестами становитесь вы".
Модель к тому же умеет подгонять результат. По system card Claude Opus 5.5, на нерешаемых задачах попыток reward hacking в 3-6 раз больше, чем на решаемых, хотя около 80% из них - сдача недоделанной работы.
Поэтому документация описывает четыре уровня проверки, и только на последнем решает код обвязки:
🔹 Просьба в промпте "запусти тесты и продолжай, пока не пройдут". Когда хватит, решает модель.
🔹
/goal - условие, которое отдельная модель сверяет с разговором после каждого хода.🔹
/code-review - дифф смотрит свежий саб-агент, не видевший разговора.🔹 Stop-хук - скрипт, который запускается, когда агент пытается закончить, и кодом выхода 2 возвращает его в работу.
🤝 Та же задача в других системах
Цикл везде тот же, различаются решения обвязки.
🔸 Cursor тоже ищет через grep, но строит под него локальный индекс текста, чтобы поиск был быстрым на монорепах.
🔸 Codex CLI крутит тот же цикл, а OpenAI описывает обвязку, где работа закончена, только когда ее приняли все агенты-ревьюеры.
🔸 Aider сам запускает линтер после каждой правки и отдает ошибки модели.
Выходит, выбирая агента для команды, вы выбираете не столько модель, сколько то, какие из ее решений забрать в код обвязки. Чем дольше агент работает без человека, тем больше решений должно уйти из модели, и первой - проверка.
📺 А уже через несколько часов мы с вами встречаемся на круглый стол [AI в работе инженера: чего ждут на собеседованиях и что нельзя отдавать агенту]
👉 Регистрируйтесь и задавайте свои вопросы
📚 Что почитать:
"
How the agent loop works" - документация Claude Agent SDK🔥4❤2👍1
Долгожданный Архитектурный Трёп!
Встречаемся 5 ноября и обсуждаем тему "Последний уходящий, выключите свет. Заменит ли Dark Factory людей". Dark factory - это разработка, которую почти целиком делает ИИ, а люди строят саму "фабрику".
С каких вопросов начнём:
🔹 Кто будет оплачивать dark factory?
🔹 Как сделать так, чтобы, заказав самолёт, на выходе не получить катамаран?
🔹 Смогут ли работники dark factory договориться?
Это будет живой разговор из первых уст. Приглашаем всех, кто пробует или присматривается к разработке с ИИ: разработчиков, тестировщиков, менеджеров и руководителей. Приходите послушать и поделиться своим опытом.
Модератор: Екатерина Байшихина, Engineering Manager.
🗓 5 ноября, четверг, 19:00 по Минску (GMT+3)
👉 Регистрация
Встречаемся 5 ноября и обсуждаем тему "Последний уходящий, выключите свет. Заменит ли Dark Factory людей". Dark factory - это разработка, которую почти целиком делает ИИ, а люди строят саму "фабрику".
С каких вопросов начнём:
🔹 Кто будет оплачивать dark factory?
🔹 Как сделать так, чтобы, заказав самолёт, на выходе не получить катамаран?
🔹 Смогут ли работники dark factory договориться?
Это будет живой разговор из первых уст. Приглашаем всех, кто пробует или присматривается к разработке с ИИ: разработчиков, тестировщиков, менеджеров и руководителей. Приходите послушать и поделиться своим опытом.
Модератор: Екатерина Байшихина, Engineering Manager.
🗓 5 ноября, четверг, 19:00 по Минску (GMT+3)
Записи не будет.👉 Регистрация
❤6🔥6⚡1👍1🎉1
L1 или L2: с какого уровня начать AI-курсыКаждый день пишете код с AI и выбираете между первым и вторым уровнем? Проще всего решить по тому, чем модель станет в вашей работе после курса.
🧭 Уровни различаются ролью модели
На первом уровне, [AI-Driven Development], модель ускоряет вашу разработку: систематическая работа с агентом в терминале, готовые MCP-серверы и свой на 2–3 инструмента, AI в код-ревью, тестах и документации, агенты в n8n из готовых узлов.
На втором, [Продуктовая AI-разработка], модель становится частью продукта, фичей для ваших пользователей: MCP-сервер уровня продакшена с авторизацией и состоянием, RAG, мультиагентный граф на LangGraph, evals и трейсинг, стоимость фичи и её защита от атак.
Второй уровень строится на материале первого: работе с агентом в AI-IDE и терминале, готовых MCP, агентах в n8n. Автодополнение в IDE – другой навык. Один из участников второго уровня, пришедший только с ним, на итоговой встрече назвал агента, который пишет код, открытием и сказал, что взял бы и первый курс.
Если работа с агентом у вас уже системная, со своими правилами и скиллами, а в работе есть задача, где AI станет частью продукта, можно начинать сразу со второго уровня.
🛠 Какой проект раскрывает первый уровень
Курс раскрывается полностью, когда в проекте есть:
🔹 живой код: агент работает по существующему коду, продукт с нуля на курсе не пишут;
🔹 сущность со статусами и переходами, которые агент меняет и проверяет: заказ, тикет, бронирование, инцидент, релиз;
🔹 база данных и интерфейс;
🔹 процессы вокруг кода: git-история, тесты, ревью;
🔹 рутина, которую можно отдать агенту: уведомления, отчёты, проверки.
Своего кода нет – подойдёт открытый проект или проект курса по умолчанию, интернет-магазин с feature-флагами.
🧪 Какая задача раскрывает второй уровень
Курсовой проект второго уровня проходит через все модули и раскрывает курс полностью, когда в вашей задаче есть:
🔹 корпус из десятков документов, который не влезает в промпт целиком;
🔹 2–3 агента с разными ролями, каждый из которых сам принимает решения в своей части работы;
🔹 ветвление, повторные проходы или память между запусками;
🔹 результат, который можно оценить как правильный или неправильный;
🔹 внешний ввод, чувствительные данные или объём вызовов, которые надо защищать и считать.
Своей такой задачи нет – можно взять один из стандартных треков проекта.
Выходит, уровень следует за целью. Ускорить свою разработку – первый. Сделать AI частью продукта – второй. Пройденные подряд, они складываются в лестницу: на втором вы встраиваете в продукт то, чем на первом научились пользоваться сами.
👉 Запись открыта на оба уровня:
[AI-Driven Development]
[Продуктовая AI-разработка]
Группы по обоим курсам стартуют уже на следующей неделе. Успейте записаться!
❤3🔥3👍2
Prompt injection: как чужой текст управляет вашим агентомАгент с доступом к базе, репозиторию или почте может исполнить инструкции, которые написали не вы, и исполнит их с вашими правами: ущерб от инъекции ограничен правами агента, а они обычно равны правам того, кто его запустил.
🧵 Почему агент слушается чужого текста
Системный промпт, просьба пользователя, ответы инструментов и содержимое файлов приходят к модели в одном потоке токенов.
Отдельного канала "это данные, не исполнять", как у подготовленного SQL-запроса, у модели нет, а обучена она следовать инструкциям, где бы они ни встретились, в том числе в тикете или письме от постороннего.
🧪 Тест трех колонок
Опасно сочетание трех свойств в одной сессии. Для каждого агента выпишите три колонки: какой чужой текст он читает, какие приватные данные и системы видит, что может сделать или отправить наружу. Где непусты все три, одну колонку надо убрать через права и настройки.
В третью колонку попадает любое действие, которое что-то меняет или выходит наружу: отправка, удаление, оплата, запуск кода. Если задаче нужны все три колонки, необратимый шаг делает человек.
🛡 Как можно защититься и где защита не работает
Строка "не выполняй инструкции из данных", теги вокруг данных и классификаторы снижают частоту успешных атак, но адаптивные атаки пробили все 12 проверенных защит, большинство - с успехом выше 90%. Оставьте их как дополнительный слой. Колонку убирают:
🔹 Узкие права: токен на один репозиторий, режим только для чтения. Масштаб сужается, но доступное агенту все еще может уйти наружу.
🔹 Песочница и по файлам, и по сети. Встроенная песочница Claude Code покрывает только shell-команды, а MCP-серверы и хуки работают вне ее.
🔹 Закрытые каналы: не отрисовывать внешние картинки, убрать
curl и ping из авто-апрува. PR и комментарий эта мера не закрывает.Остальное ограничивают и ловят:
🔹 Свою конфигурацию (
mcp.json, настройки IDE, .git/hooks/) агент правит только с подтверждением. Каждый новый инструмент добавляет пути.🔹 Подтверждение человеком на необратимом шаге, с аргументами целиком и до эффекта. К одобрениям, по данным Anthropic, привыкают за несколько недель, поэтому запросов должно быть мало, а песочница в Claude Code сократила их на 84%.
🔹 В своем продукте план вызовов фиксируется до чтения данных ценой гибкости. Новый вызов инъекция не добавит, но аргументы запланированного испортить может.
🔹 Сверка логов вызовов с просьбой пользователя. Данные к этому моменту могли уйти.
На этой неделе выпишите три колонки для своих агентов, начиная с CI: там чужой текст, секреты и права на запись могут сойтись в одной задаче без человека.
Защиту AI-приложений от prompt injection и утечек данных разбираем на курсе [Продуктовая AI-разработка].
📚 Что почитать:
"
The Attacker Moves Second" - Nasr, Carlini, Tramèr et al., USENIX Security 2026"
Making Claude Code more secure with sandboxing" - Anthropic, 2025🔥6👾2❤1👍1
Где спотыкаются при работе с ИИ-агентамиКод чистый, задача сдана, а был ли план, проверили ли вы сделанное и что делали, когда агент предупредил о риске, остается между вами и агентом.
На наших курсах по работе с AI мы смотрим на это с разных сторон.
🔍 Вашу сессию разбирают
На AI-Driven Development мы разбираем логи сессий с кодинг-агентом: каждый, кто сдал их на втором потоке, получил персональный отчет.
Один агент вытаскивает из лога дословные цитаты по восьми обязательным навыкам, второй ставит балл только под цитату, а итог читает преподаватель и отправляет персональные рекомендации.
На этом разбор не заканчивается: по следующей порции логов того же участника видно, взял ли он рекомендацию в работу.
Участники назвали разбор одним из самых полезных инструментов.
На итоговой встрече участники рассказывали, что изменилось в их работе: у кого-то не было даже подписки на агента, а теперь на рефакторинге legacy-системы из 20 микросервисов идет план с чек-листом и проверкой после каждого шага.
📏 "Близкие оценки" - это сколько?
Если вы строите свою агентную систему, споткнуться легко еще в одном месте. На Продуктовой AI-разработке мы смотрим, подтвержден ли результат, и если нет, можем вернуть работу.
Например, по Evals, проверке ответов LLM на наборе примеров, 5 из 7 сданных работ ушли на доработку. У всех пяти среди причин первого возврата был порог воспроизводимости LLM as Judge, модели, которая оценивает ответы другой модели: два прогона судьи должны давать близкие оценки, а что значит "близкие", задание не уточняет.
Проверяющие отвечают: насколько близкие, решаете вы сами, но число надо записать до прогона. Пока числа нет, следующий замер сравнить не с чем.
Статьи и гайды расскажут, как работать с агентом, но не скажет, где ошиблись именно вы. Для этого нужен кто-то, кто посмотрит на вашу сессию и вашу работу, и на наших курсах это часть процесса.
Как перейти от вайб-кодинга к системной разработке с агентами, разбираем на [AI-Driven Development].
Как построить свою агентную систему и подтвердить, что она работает, разбираем на курсе [Продуктовая AI-разработка].
📚 Что почитать:
Мы провели курс AI-Driven Development и разобрали 421 сессию
Курс "Продуктовая AI-разработка": итоги первого потока
🔥5❤3👍2
Я уже работаю с Cursor / Claude Code / Codex: зачем мне курс?Промпты, rules и MCP у вас уже в ежедневной работе, а часть приёмов устаревает с выходом новых моделей: документация Claude Code сама ведёт список советов, которые модели сделали ненужными.
Полагаться на коллекцию приёмов и удачную сессию – ненадёжная стратегия: одна задача пройдёт отлично, а на следующей что-то забудется, что-то потеряется, что-то выпадет из контекста.
Курсы нужны ради другого: чтобы работа с агентом стала системной, повторяемой и проверяемой.
🧭 Чем система отличается от набора приёмов
🔹 Системно – каждая задача идёт одним маршрутом: определение готовности, план, шаги, проверка, точка отката, а не приём, который вспомнился к случаю.
🔹 Повторяемо – тот же маршрут срабатывает на другой задаче, в чужом проекте и у коллеги; он не держится на вашем чутье.
🔹 Проверяемо – статус "готово" подтверждают критерии, записанные до старта.
Вспомните последнюю задачу с агентом: что подтвердило "готово", кроме его собственных слов?
🧱 Почему до этого трудно дойти в одиночку
Никакого секрета тут нет, каждый отдельный сдвиг возможен и без курса. Вопрос в том, произойдёт ли он, когда задания себе ставите вы сами и работу у себя принимаете тоже вы.
Курс даёт задание, срок и приёмку извне. Вот как описывает это Senior Software Engineer со второго потока [AI-Driven Development]:
Новичком я не был: что-то знал и активно использовал до курса. Курс заставил меня попробовать то, что сам я бы никогда не применил. Самое важное для меня – задание с планированием: план, конкретные шаги с чек-листом, проверка после каждого шага. Я перенёс этот подход на рефакторинг старого legacy на работе.
⚙️ Когда агент – часть вашего продакшена
[Продуктовая AI-разработка] решает другую задачу: как агент работает внутри вашей продакшен-системы. Здесь разбирают evals, трассировку и себестоимость.
Принцип тот же: система должна показывать числом, что она работает, а не производить впечатление.
На обоих курсах вы получаете подробный фидбек по самим заданиям и по тому, как именно вы работаете с агентами.
Опытному инженеру курс нужен, чтобы то, что у него получается в хорошие дни, получалось и в остальные, и это можно было проверить.
Системную работу с агентом выстраиваем на курсе [AI-Driven Development].
Встраивание агентов в продакшен-системы разбираем на курсе [Продуктовая AI-разработка].
👉 Стартуем уже на этой неделе – успейте записаться!
📚 Что почитать:
"
Claude Code, Best practices" – Anthropic, https://code.claude.com/docs/en/best-practices🔥4❤3
Вчера провели классный трёп, а сегодня уже врываемся к вам с новым анонсом.
С AI прототип собирается за пару дней. А кто и зачем его купит?
🎙 Приглашаем на встречу [H&S Conclave #49. Собрать можно за выходные. А что собирать? Как инженеру проверить идею до первой строчки кода] с Алексеем Ивановским.
🔥 Что разберём
Когда собрать продукт может каждый, узкое место переезжает из "как сделать" в "что делать, чтобы это купили". Поэтому спрос стоит проверять до кода.
🔸 Как проверить спрос: продукты чаще чем из-за кода. Интервью, где отвечают фактами, fake door, консьерж-тест и критерии остановки – на примере собственных неудачных продуктов и свежих кейсов.
🔸 Первые пользователи: где найти первгда собрать продукт с AI за выходныеможет каждый.
🔸 Живой разбор: две идеи участников сообщества. (Если хотите попасть на разбор, присылайте свои идеи в регистрации)
Спикер: Алексей Ивановский – 12 лет в разработке, последние годы делает собственные продукты.
🗓 12 ноября (четверг) в 19:00 (GMT+3)
👉 Зарегистрироваться
С AI прототип собирается за пару дней. А кто и зачем его купит?
🎙 Приглашаем на встречу [H&S Conclave #49. Собрать можно за выходные. А что собирать? Как инженеру проверить идею до первой строчки кода] с Алексеем Ивановским.
🔥 Что разберём
Когда собрать продукт может каждый, узкое место переезжает из "как сделать" в "что делать, чтобы это купили". Поэтому спрос стоит проверять до кода.
🔸 Как проверить спрос: продукты чаще чем из-за кода. Интервью, где отвечают фактами, fake door, консьерж-тест и критерии остановки – на примере собственных неудачных продуктов и свежих кейсов.
🔸 Первые пользователи: где найти первгда собрать продукт с AI за выходныеможет каждый.
🔸 Живой разбор: две идеи участников сообщества. (Если хотите попасть на разбор, присылайте свои идеи в регистрации)
Спикер: Алексей Ивановский – 12 лет в разработке, последние годы делает собственные продукты.
🗓 12 ноября (четверг) в 19:00 (GMT+3)
👉 Зарегистрироваться
❤2🔥2👍1👎1
Последний уходящий, выключите свет. Заменит ли Dark Factory людей – выводы Архитектурного Трёпа #134А вот и выводы вчерашнего Трёпа. Говорили о том, как устроить dark factory для разработки, где проходит её граница и почему ИИ в ней дорожает.
🛤 Рельсы, гейты и завод заводов
Детерминированными должны быть рельсы, по которым идут задачи, и жёсткие гейты качества (quality gates). Недетерминирован в этой схеме только агент внутри них.
Уровнем выше строят не конвейер под задачу, а "завод заводов": конвейер, который сам строит и отлаживает другие конвейеры.
📝 Код не помнит, почему так решили
ИИ по коду опишет, как устроена система, но не ответит, почему её устроили именно так. Решения жили в требованиях, обсуждениях и опыте людей.
Поэтому документируйте решения по ходу работы.
🧪 QA: тормоз или часть конвейера
Тормозит ли QA фабрику или становится частью конвейера? Пирамиду тестирования можно автоматизировать на большой процент даже в сложных предметных областях.
💸 Почему растёт стоимость ИИ
Здесь всё упирается в контекст:
🔹 большие сырые контексты
🔹 сжатие контекста (compaction)
🔹 оптимизация контекста
🧭 Разработка и продукт – разные фабрики
Dark factory для SDLC (цикл разработки ПО) и для PDLC (цикл развития продукта) – разные вещи. Хорошо автоматизируется цепочка разработки:
🔸 декомпозиция
🔸 исполнение
🔸 ревью
Продуктовую часть так автоматизировать не получается. Экспертиза в предметной области – у product owner.
📚 Чем делились на Трёпе:
Beads – https://github.com/steveyegge/beads
Warp Factories – https://www.warp.dev/factories
👍7🔥2❤1
Почему оценки сроков врут и что техлид может сделать, чтобы они были точнееПроблема в том, что в оценке сроков почти всегда ошибаются в одну сторону.
📐 Почему ошибки складываются в опоздание
Если подзадачу оценили в три дня, в лучшем случае она займёт два. В худшем – две недели, потому что вылезло то, чего не знали заранее.
Поэтому, когда складывают двадцать подзадач, ошибки не гасят друг друга, а только добавляют опоздание.
Кроме того, если на какой-то задаче время сэкономили, до финиша оно обычно не доходит. Работа часто растягивается на всё время, которое на неё отвели, а если задачу и сделали раньше, следующая, как правило, всё равно начинается по плану.
А опоздание всегда тянет за собой следующие задачи: если API на бэкенде не готов, фронтенд-разработчик сидит и ждёт.
И в декомпозиции есть только та работа, о которой команда уже знает.
В плане стоит «интеграция с платёжным провайдером – три дня», и ее действительно можно реализовать за три дня. А на деле оказывается, что доступы выдаёт другая команда, и их приходится ждать неделю.
📅 Что ломается, когда вместо разброса называют одну дату
Когда разработчик оценивает задачу, у него в голове не одно число, а разброс: если всё пойдёт нормально, недели три, а если вылезет что-то с интеграцией, то и шесть.
А бизнесу нужна одна дата, и чем быстрее – тем лучше. Поэтому берут какое-то одно число из оценки разработчика, и в этот момент теряется самое важное – то, насколько он не уверен.
Потом дата перестаёт быть оценкой и становится обещанием. Под неё маркетинг планирует кампанию, продажи говорят клиенту «к такому-то числу будет».
А потом в реализации возникают проблемы, сроки срываются, и крайний – тот, кто "пообещал" конкретную дату.
🛠 Что делать техлиду
🔸 Давай две даты, а не одно число: к какой сделаете с шансом пятьдесят на пятьдесят и к какой – почти наверняка. Под позднюю дату ставь то, что нельзя сдвинуть, например то, что пообещали клиенту. Под раннюю – то, что сдвинуть можно.
🔸 Держи бизнес в курсе того, где команда сейчас: ближе к ранней дате или к поздней. Если договорились об этом с самого начала, «идём к поздней дате» – уже не плохая новость, а как раз то, о чём обещали сообщать.
Перед оценкой следующего проекта выгрузи из трекера десять–пятнадцать закрытых задач, похожих на новые, и посчитай, насколько факт отличался от оценки.
Это и есть запас команды, а не процент, который закладывают по привычке.
📚 Что почитать:
"
Why software projects take longer than you think: a statistical model" – Erik Bernhardsson, 2019"
When Will It Be Done?" – Daniel Vacanti, 2020🔥9❤6👍2🥰1
🎬 Запись Конклава #49 уже на YouTube
«Как инженеру проверить идею продукта до первой строчки кода?»
Если вы не оказались вчера среди 70 счастливчиков, которые смотрели Конклав онлайн, – ловите ссылку на запись:
https://www.youtube.com/watch?v=sbGGzbuuUFA
Чтобы не пропускать записи, подключите нашего бота: @HardSoftSkills_Assistant_bot
Бот сам пришлёт ссылку на запись каждого ивента, на который вы зарегистрировались.
«Как инженеру проверить идею продукта до первой строчки кода?»
Если вы не оказались вчера среди 70 счастливчиков, которые смотрели Конклав онлайн, – ловите ссылку на запись:
https://www.youtube.com/watch?v=sbGGzbuuUFA
Чтобы не пропускать записи, подключите нашего бота: @HardSoftSkills_Assistant_bot
Бот сам пришлёт ссылку на запись каждого ивента, на который вы зарегистрировались.
YouTube
Как инженеру проверить идею продукта до первой строчки кода?
Как инженеру проверить, нужна ли кому-то идея продукта, до первой строчки кода?
Доклад на Hard&Soft Skills Conclave: интервью, fake door, предзаказ с порогом, консьерж-тест, kill criteria и разбор двух идей.
Для разработчиков, которые делают свой продукт…
Доклад на Hard&Soft Skills Conclave: интервью, fake door, предзаказ с порогом, консьерж-тест, kill criteria и разбор двух идей.
Для разработчиков, которые делают свой продукт…
🔥9
АНАТОМИЯ ФИЧИ: Как Stripe не списывает деньги дваждыКлиент отправил платёж, а ответа нет: оборвалась сеть или сработал timeout. Списались деньги или нет, неизвестно, а повтор может списать их второй раз.
Идемпотентность – свойство операции: повторный вызов даёт тот же эффект, что первый, и деньги не спишутся дважды. Для этого клиент кладёт в каждый запрос уникальный ключ идемпотентности. Когда запрос приходит повторно, сервер видит знакомый ключ и понимает, что это дубль, а не новый платёж.
🔬 **Что видно снаружи**
В основном API Stripe (v1) ключ передают в заголовке
Idempotency-Key.Повтор с тем же ключом получает тот же код и то же тело ответа, даже если в первый раз был
500.⚙️ **Что сервер запоминает по ключу**
Stripe хранит не факт «запрос был», а результат первого вызова, который дошёл до выполнения.
Повтор пришёл, пока первый ещё выполняется, – ответ
409 Conflict. С тем же ключом пришли другие параметры – ошибка.Слой перед бизнес-логикой ищет ключ в хранилище. Нет ключа – ставит запись с блокировкой, выполняет платёж и сохраняет ответ. Есть – отдаёт сохранённое.
🧬 **Почему ключ даёт клиент и чем за это платят**
Сервер не отличит повтор от второго настоящего платежа: запросы одинаковые. Только клиент знает, отправил он тот же платёж ещё раз или хочет заплатить второй раз, поэтому ключ генерирует он.
Хранить ответы вечно дорого: по документации ключ можно удалить, когда ему исполнилось 24 часа, и повтор после этого создаст новый платёж.
Платит интегратор. Ключ записывайте до отправки: сервис упал, после рестарта сделал новый ключ, и защиты нет.
Повтор после
500 вернёт тот же 500, поэтому что случилось с платежом, приходится выяснять отдельно.🤝 **Та же задача без заголовка-ключа**
🔹 Kafka, idempotent producer: брокер помнит ID продюсера и номер сообщения в партиции и отбрасывает дубли. Номер ставит сама система, но защита живёт одну сессию продюсера.
🔹
PUT на ресурс с ID, который выбрал клиент: повтор записывает то же состояние, ответы хранить не нужно. Подходит, пока операция звучит как «установить», а не «сделать».🔹 Уникальный индекс в базе:
INSERT ... ON CONFLICT DO NOTHING по номеру заказа. Дубль отсекается по бизнес-ключу, но первый ответ повтору никто не вернёт.Все варианты решают одну задачу: узнать повтор. Для этого у операции нужна метка, одинаковая у оригинала и у повтора, и система должна помнить её, пока повтор ещё может прийти.
В Stripe метку придумывает клиент – это ключ, и сервер помнит его не меньше суток. В Kafka метку ставит сама система – номер сообщения, но помнит её только до перезапуска продюсера. В
PUT метка – ID ресурса, в уникальном индексе – номер заказа, и обе живут, пока лежит запись.Когда проектируют идемпотентность своего API, решают именно эти два вопроса: кто ставит метку и сколько её хранить. Заголовок
Idempotency-Key – лишь один из способов передать метку.📚 **Что почитать:**
"
Idempotent requests" – документация Stripe API"
Implementing Stripe-like Idempotency Keys in Postgres" – Brandur Leach, 2017👍11🔥2❤1