Hard&Soft Skills
6.25K subscribers
868 photos
15 videos
4 files
612 links
Hard&Soft Skills – центр ИТ-экспертизы для опытных разработчиков, техлидов и архитекторов.

Курсы по архитектуре, техлидерству и AI: hardsoftskills.dev

Участвуйте в мероприятиях
https://hardsoftskills.dev/calendar

Чат: @chathardsoftskills
Download Telegram
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".

Глупые предложения, разумеется, делает не только AI, но и люди, – так что критическое мышление было ценно всегда.

🧭 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 Face

Летом 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+ вакансий

Что 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 Code

Вы 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)
Записи не будет.

👉 Регистрация
❤6🔥6⚡1👍1🎉1
L1 или L2: с какого уровня начать AI-курсы

Каждый 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 агентом

Агент 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-агентами

Код 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
❤2🔥2👍1👎1
Последний уходящий, выключите свет. Заменит ли Dark Factory людей – выводы Архитектурного Трёпа #134

А 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 точнее

Проблема 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.
🔥9
АНАТОМИЯ ФИЧИ: Как Stripe не списывает деньги дважды

Клиент 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