Друзья, до следующего понедельника коллектив этого блога проветривает верхнюю голову, моя кроксы в индийском океане и изучая флору и фауну острова Маэ.

Но рабочая неделя продолжается. В четверг у нас митап по агентам в аналитике и инжиниринге данных с Алексеем Белозерским, а на следующей неделе мы проведем открытый вебинар с провокационным названием «Синекод: без клода и без кодекса», на котором расскажем о том, как легко и просто вкатиться в агентское программирование на открытых агентах и китайских моделях, и почему мы всерьез считаем, что такой подход вполне зайдет даже вайберам (не говоря о spec-driven девелоперах), и что всё это значит для будущего профессий, качества моделей и цен на токены. Анонс скоро!

Product & Data Engineering на AINativeConf

Друзья, напоминаю, что уже очень скоро 20-го октября пройдет AINativeConf, конференция банды Онтико Олега Бунина, посвященная внедрению AI.

Откроет конференцию Сергей Рябов, главный по AI-трансформации в Сбере:
https://ainativeconf.ru/talks/ai-native-transformation-ryabov/

А закроет Олег Бартунов из Postgres Pro докладом про архитектуру данных в AI-веке:
https://ainativeconf.ru/talks/data-architecture-future/

Вот программа списком и расписанием по залам.

Кстати, у Devhands есть промокод AIHANDS10 — по нему есть скидка, 10%, что делает и так невысокую цену для физиков совсем привлекательной.

Сам на конференции очень-очень постараюсь быть

обещанная ссылка на zoom-встречу сегодня в 18:30
AI+Data: вебинар Devhands с Алексеем Белозерским
https://us06web.zoom.us/j/85149509734?pwd=Hb2N8BDq5ljlO6aejTfEtNWaBSRZcO.1

подробности тут: https://t.me/rybakalexey/580

У счастливой команды самый чистый код

VK JT TeamLead * — новый митап для тимлидов и руководителей разработки. 

Два города, две даты:
📍 Москва — 24 октября
📍 Санкт-Петербург — 28 октября

Приходите обсудить профиль лидерства VK с экспертами VK и других компаний, а затем прокачать навыки на практике. На выбор — мастер-класс по теории ограничений, «Своя игра» для тимлидов или личная встреча с опытным руководителем из VK.

Будет полезно и действующим лидерам, и тем, кто только задумывается о руководящей роли.

Все детали и регистрация.

* VK Только Технологии для руководителей команд

DeepSeek‑V4.1‑Flash‑1017

Если вы читаете меня регулярно, то знаете, что я неравнодушен к китайским LLM, и призываю всех (особенно руководителей и корпоративных пайплайн-строителей), если позволяют возможности, использовать/валидировать три подхода: клод с моделями антропика, кодекс с моделями openai и opencode с китайскими моделями. В первую очередь для того, чтобы без вендорлока, всегда иметь альтернативу и не вестись на сознательно разгоняемый маркетинговый булшит.

Моя любимая китайская модель — это DeepSeek v4.1 Flash, которая позавчера получила очередное обновление (1017 = 17 октября), которое снова рвёт шаблоны. Модель с открытыми весами и ценой примерно доллар за миллион выходных токенов (вдвое дешевле в off-peak hours) прочно обосновалась на уровене закрытых фронтир‑моделей (Opus).

У версии 1017 по всем бенчам заявлен уверенный рост, см. карточка модели на Hugging Face. В карточке официальные данные вендора, но уже вчера был обновлен AA-индекс, на котором прогресс модели подтверждён независимо (хотя рост и не такой высокий).

В эту пятницу именно на этой модели что-нибудь соорудим вживую в рамках стрима “Синекод: без клода и без кодекса” (есть идеи что навайбкодить? пишите в каменты).

А кто использует openrouter или нашу “буткемповскую подписку” — добавьте в конфиг и пользуйтесь!

        "deepseek/deepseek-v4.1-flash-1017": {
          "name": "Deepseek v4.1 Flash 1017",
          "reasoning_effort": "high",
          "extra_body": { "thinking": { "type": "enabled" } },
          "cost": { "input": 0.1, "output": 0.5, "cache_read": 0.01, "cache_write": 0 }
        },

А вы используете китайские модели?

🔥️️️️ да, используем преимущественно китайские модели
👍️️️️ нет, используем преимущественно модели антропик/openai
🤔️️️️️️ другое / папа, с кем ты сейчас разговаривал

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Синекод без границ: AI-кодинг с китайскими моделями

В эту пятницу 23-го октября в 18:00 msk Devhands проведет онлайн-встречу “Синекод без границ: без клода и без кодекса”.

Для программистов, инженеров, руководителей разработки, кто работал с Клодом и Кодексом, и хочет попробовать работу с китайскими моделями.
Поговорим о следующем:
- что происходило в экосистемах в последнее время, и почему всё больше людей во всё мире переключается на использование китайских моделей
- какой самый простой сетап позволит максимально просто начать программировать с китайскими LLM
- действительно ли китайские модели хороши только как кодинговые “рабочие лошадки” или их уже можно использовать в других ролях
- сделаем живое демо open-код сетапа, что-нибудь запрограммируем за смешные копейки.

Приходите! Онлайн, пятница 23-го октября, 18:00 MSK

Запись на встречу через бота: @devhands_meetup_bot

P.S. для феминистов и феминисток всех мастей в комментариях — альтернативная картинка. Лайк, шер, унд инжой.

Агентный конвеер в Райфе

Сижу на AI-native conf, слушаю интересный доклад от Райфа:
- 1000 задач с августа без единого коммита от человека
- продакт ставит задачу в специальной агентской среде
- после продакта за задачей «следит» Product Engineer, задача движется по пайплайну агентом
- единый агент вместо мульти-агентной системы
- монореп для контекста (департамент 200 сервисов свел к 10 монорепам)
- автономный цикл само-улучшения (метрика: процент сделанных задач с первого раза)
- отказались от апфронт-индексации, grep работает отлично.

И всего, что видел/слышал — очень зрелый процесс AI-native разработки (если это всё правда), но насколько устойчива и масштабируема такая роль Product Engineer и монореп — посмотрим. По монорепам апдейт, их несколько.

На злобу дня

Что будет с профессией дата-аналитика в эпоху ИИ, и причем тут Кликхаус?

Делимся записью онлайн-встречи с А. Белозерским (CDO в inSales Сбер 2B), на котором Алексей
- описывал датасеты и просил нейронку написать SQL для разбора проблем
- показал сетап без VPN и подписок на топовые нейронки, который отвечает на вопросы на естественном языке
- рассуждал о будущем профессии аналитика данных и дата-интенсивных приложений

Полное видео: https://www.youtube.com/watch?v=UQMy_4BX_4g&t=2346s

Что ещё было на встрече:
- Пруф что нейронки умеют хорошо работать как аналитик данных
- Гэп на рынке - нет людей, который умеют заниматься и нейроведением и данными
- Метод Царь-промпта
- Самый полезный набор артефактов Офиса Данных - что это?
- Простой хак по написанию полезных Царь-промптов
- Агенты и ассистенты
- Простой сетап для общения с данными на естественном языке
- Агент плывет за буйки и ищет ключи к Кликхаусу в файловой системе
- Хорошо описанные данные ценнее чем собственные кастомные MCP
- Обвязка чтобы улучшить работу и объяснить агенту что почем
- Нейро-Лабораторка на курсе по Clickhouse
- Чем задача ИИ работы с данными отличается от ИИ (вайб)кодирования
- Экономика инвестиций в ИИ-агентов против чисто белковой аналитики
- В чем полезности даже простого сетапа ИИ для аналитиков
- Как добиться правды от ИИ аналитика
- Дизайн дата-интенсивных нейроприложений на естественом языке
- Агентная облачная среда от Кликхауса. Тот же принцип но красивее
- Что будем делать с агентами на курсе

Видео: https://www.youtube.com/watch?v=UQMy_4BX_4g&t=2346s

Напоминаю, сегодня в пятницу 23 октября в 18:00 мы проведем стрим, посвященный китайским моделям, «Синекод: без Клода и Кодекса».

Расскажу, как мы с ними работаем, почему считаю их стратегически обязательной частью арсенала, что происходит с этой экосистемой, как начать с ними работать максимально быстро если вы на клоде/кодексе.

Обязательно повайбим вживую: погенерим спеки, запустим кодинговые сессии, посмотрим результат (и стоимость).

Запись через бота @devhands_meetup_bot

Про кеш LLM и успехи DeepSeek

KV‑кеш LLM — некая «память» модели о прочитанном контексте. В конце ссылка для любителей матана, но без матана, грубо, можно это запомнить так.

Модель генерирует текст по одному токену, но каждый новый токен «оглядывается» на все предыдущие. Чтобы вычислить новый токен, нужно “подать на вход” снова все предыдущие токены. Чтобы не пересчитывать весь контекст на каждом шаге, промежуточные результаты для уже обработанных токенов сохраняют — это и есть KV‑кеш. А вот провайдеры умеют переиспользовать его и между запросами: если новое сообщение просто дописано в конец диалога, начало заново считать не нужно.

И поэтому cache‑hit токены такие дешёвые. Цена это размер памяти и вычислений: кеш растёт с каждым токеном, и на длинных контекстах он занимает гигабайты. Чем компактнее и эффективнее кеш, тем больше сессий влезает на одну видеокарту и тем дешевле работа.

KV‑кеш DeepSeek Flash V4.1 1017 занимает 890 байт на токен. Это примерно в 4 раза меньше, чем у V4‑Flash, и в 437 раз меньше, чем у DeepSeek‑V1. Именно на этом DeepSeek строит экономику: сжатый KV‑кеш сокращает память под кеш и заметно удешевляет и ускоряет агентные нагрузки.

Это позволяет кардинально снизить использование ресурсов, и объясняет, почему низкие цены на китайские модели — это не какой-то коммунистический демпинг, а трезвый расчёт и выигрышная архитектура, которая позволяет держать такие цены, и при этом быть высоко-маржинальным бизнесом.

Кеш лежит в памяти GPU или на SSD, и каждый шаг генерации читает его заново. Для агентов это ключевой параметр, сразу по трём причинам:
- Объём памяти на сессию. При 890 байт/токен полный контекст 1M занимает около 0,9 ГБ. У V4‑Flash было около 3,5 ГБ. Значит, на одном GPU помещается в ~4 раза больше параллельных длинных сессий, а пропускная способность и цена за токен улучшаются.
- Дешёвый кеш промптов/скилов/SDD-конституций. Агент на каждом шаге заново отправляет всю историю. Если сохранённый кеш маленький, его выгодно долго хранить и отдавать почти бесплатно. Отсюда цена cache‑hit $0,003–0,006 за 1M токенов, то есть в 50 раз дешевле обычного входа
- Скорость. Генерация на длинном контексте упирается в пропускную способность памяти, не в вычисления. Меньше кеш = быстрее каждый токен, быстрее скорость агентов.

И сейчас, когда народ стал выстраивать внушительные агентские пайплайны, параметр скорости начинает играть ключевую роль.

Справка. Вот в этом переводе, у которого позорно низкий для Хабра рейтинг, наиболее простым способом рассказывается:
- Как работает LLM (токенизация, векторизация, внимание, распространение)
- Что такое кеш в LLM, нафиг он нужен и почему тарифицируется отдельно
Если у вас на первом курсе был линал и вы помните, что такое вектора и матрицы — будет понятно.

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Приложение по обучению английскому за доллар (DeepSeek vs MiMo)

В пятницу мы провели сессию live-кодинга с китайскими моделями, и всё сначала пошло не по плану.

Вообще живые сессии с агентами рисковые: они занимают время. Если вы видели записи таких стримов, то почти всегда они отредактированы: где-то агенты тупили, юзеры ждали, вживую такие куски малоинтересны и раздражают.

К тому же мы взяли непростую задачу от аудитории: спрограммировать приложение для обучения английскому через карточки (Quizlet, Anki, DuoCards). Регистрация, обучение, статистика, редактор карточек, колоды по темам, админка на всё, экспорт/импорт. Я подумал, что хватит двух LLM: взял мой любимый DeepSeek 4.1 Flash 1017 и свежий MiMo 2.6 Flash. Сейчас думаю, что надо было брать 3-4 модели, но позавчера не хотелось рисковать.

Хотя обе модели в результате справились, в какой-то момент мне показалось, что будет фейл. DeepSeek закопался в грилинге и вопросах, причем сначала вообще не стал их задавать. А MiMo требования уточнила быстро, но на кодинговой фазе работала заметно дольше.

И поэтому демо получилось на редкость удачным. На «пользовательский опыт» продуктового инженера даже в одной лишь фазе кодинга влияет много чего: общее время, число запросов, время до первого токена, скорость генерации и цена. Это я не говорю о качестве спек и дизайна.

Токены дипсик генерил значительно быстрее, общее кол-во запросов было 298 у дипсика и 515 у мимо, при скорости генерации 118 и 67 токенов в секунду соответственно (а мы начали примерно в 19:00: Калифорния уже проснулась, а Китай не заснул). В результате DeepSeek закончил до конца стрима, а вот результат MiMo появился после окончания.

Цена за сессию? DeepSeek 60 центов, цена MiMo 112 центов. И это я не пользовался подписками, чтобы не влететь неожиданно ни в какие лимиты.

Выводы? DeepSeek имба, MiMo молодец и как будто быстрее DeepSeek делает постановку задач. Надо будет прогнать то же самое на Qwen 3.8 и GLM 5.3, а ещё есть MiniMax 3.1, да вот и Kimi 3.1 тут вышел.

Ну а по ценам и динамике развития, ребята, сами делайте выводы, куда мы стремительно мчимся.

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Новый поток “Product Engineer: программирование с агентами”

Ребят, у нас новый поток буткемпа по AI-кодингу, старт 3-го ноября. Веду его я сам. Это будет примерно 2 месяца разнообразной практики агентской разработки, причем с максимально удобным онбордингом: при необходимости мы даём доступ ко всем моделям без VPN, иностранных карт и телефонных номеров.

За новостями AI сейчас практически невозможно уследить. Только попробовали GLM 5.2, а уже вышла 5.3. Отгремел один релиз DeepSeekа, а через пару месяцев новый прыгает в бенчах на много позиций выше. Освоили claude/codex/opencode, а все вокруг уже хвалят zcode, а гики так и вовсе советуют pi.dev. Правительтсво США уже запрещает DeepSeek, а он открывает не только харнесс, но и софт для инференса. Qwen 3.8 27B не только влезает в домашнюю лабу, но и при должной доработке напильником даёт приемлемую скорость генерации токенов.

Гнаться за каждым релизом или новостью бессмысленно. Поэтому буткемп language-, agent- и LLM-agnostic: мы учим принципам агентской разработки, которые переживут и GLM 6, Qwen 4, и следующий модный харнесс.

Почему Product Engineer
Почти всё, что десятилетиями формировало ценность программиста, катится к херам. Язык уже почти не имеет значения: крупнейшие конференции в РФ запускают AI-треки вместо language-specific стримов. Новая профессия будет про «что» и высокоуровневое «как»: пайплайны, дизайн, понимание компонент и принципов, а не кишки и алгоритмы. Код пишет агент. Product Engineer ставит задачу, “задает границы” архитектуры, качества, принципов и принимает результат. Как окончательно сложится эта роль, покажет время, но осваивать её интересно уже сейчас.

Для кого
Для тех, кто умеет программировать, но только начинает работать с агентами или уже начал и упёрся в типичные сложности первых шагов. Хорошо зайдёт бэкендерам, системным аналитикам и даже менеджерам, которые когда-то писали код и которым AI дал второй шанс кайфануть.

Что будет
— максимально подробный онбординг для всех, кто только запрыгивает в этот поезд агентской разработки: и возможно единственный и самый простой способ
— переход от промптинга к настоящей агентской разработке: агент делает UI по дизайн-системе, пилит таски и тесты, ревьюит артефакты
— SDD-подходы (spec-driven development): plan/code, openspec, spec kit, grill-with-docs, superpowers, gsd
— агентские циклы и субагенты
— как оптимизировать расходы на LLM
— собственный AI-native проект в SDD-стиле (пет-проект или рабочая задача).
На выходе: уверенное понимание принципов, настроенное окружение и готовый проект.

Формат
— старт 3 ноября, длительность примерно 2 месяца
— 1 живая встречи в неделю по 2 часа, всё с записью
— будет вся нужная теория, но в основном практика и демо, веду лично я
— доступ ко всем моделям через наш API, токены дадим в подарок
— дополнительные лекции от приглашенных экспертов (например, в первом потоке будет встреча с экспертом по инфраструктуре, который уже почти год запускает онпрем инференс-платформы и знает о запуске открытых локальных моделей наверное вообще всё)

Условия
• 100% гарантия возврата: если в течение 14 дней со старта вам что-то не понравится — сделаем полный возврат средств
• Всё онлайн из любой точки мира, но мы не “продаем записи”. У нас нет “эконом-тарифов”, где вы только смотрите видео, но ни предложить тему, ни обсудить проблемы — не можете. У нас всё в живую для всех участников потока.
• И цена для всех пока одинакова и специально сделана невысокой — 35 000 ₽ для физлиц.
• Есть рассрочка, оплата картой из любой точки мира, живой саппорт. Для компаний 50 000 ₽ (договор, закрывающие, саппорт), можно попросить оплату у работодателя.
Полная программа и запись тут: https://devhands.ru/aib

Приходите сами, приводите коллег и друзей. Уже есть руководители, кто пошел на первый поток и теперь отправляют прокачаться коллег ;)

Почему выход и результаты kimi 3.1 всё равно прорыв.

В течение нескольких минут после анонса 5 блогеров переписали текст Moonshot, в котором вендор приводит свои бенчи (рост качества уже не рядом а вполне себе до уровня фронтиров). Чуть позже другой блогер написал что первые блогеры — жалкий биомусор, потому что просто перепечатывают анонсы, а он стоит красивый в белом, и привел (перепечатал?) прикольный твит, в котором автор сравнил kimi с дипсиком на багфиксинговых задачах и сделал вывод «да пошел этот ваш kimi за такой прайс».

В-общем мнения поделились: кто-то пишет, что kimi огого, а кто-то что это маркетинговый булшит и релиз слабый.

Что я хочу сказать в связи с этим разнообразием мнений уважаемых экспертов? То что происходит — крайне интересно с некоторых точек зрения:
- показывает, почему нельзя качество модели определить по одному бенчу (даже в разработке можно выделить минимум три агентские роли — продакт, дизайнер, кодер/пайплайн-инженер)
- судя по всему таки появилась первая китайская модель, которая умеет в дизайн на уровне моделей антропика (слепой рейтинг юзеров на design arena не так просто «забенчмаксить» как автоматические бенчи)
- отражает фундаментальный за последние 4-6 месяцев тренд на «схлопывание» отрыва американского фронтира от догоняющего китая. Безотносительно цен, качества агентов, запретов правительства США, сентенций куплю/некуплю, просто сам по себе факт того, что отрыв ликвидируется — крайне важен. Почему? А потому что первая волна предлагает закрытым моделям альтернативу в виде открытых весов, а вторая волна укладывает открытые веса в домашние лабы и окончательно демократизирует «обладание ИИ»).

В какое же интересное время живем :) А вы попробовали kimi 3.1?

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Про китайские модели и отрыв от американских фронтиров. Вот ещё интересный график. Твит автора на картинке снизу в центре, это вручную отобранные модели на интерактивном графике AAI (авторитетный индекс Artificial Analisys).

Если взять Qwen 3.8 на 27B параметров, который уже успешно вполз в домашние лабы (на нашей live-кодинг встрече в пятницу один из участников даже скинул всем endpoint, мол, чуваки, а вот мой квен, попользуйтесь) — так вот этот квен, далеко не самый умный и мощный — если его положить рядом с фронтирными моделями год назад, выглядит вот так.

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

А вот ещё одна картинка, которую мы разбирали в пятницу на встрече, посвященной китайским моделям. Она показывает рост потребления китайских моделей через openrouter (в недельном потреблении токенов).

Справа американцы, слева китайцы. Примерно за полгода ситуация “перевернулась”: если в апреле через китайские модели проходило грубо вдвое меньше токенов, то сейчас наборот - почти вдвое больше. Это при том что общее потребление выросло на порядок!

Дипсик вырывается вперёд катастрофически. Для того чтобы понять насколько немыслима была эта ситуация еще год назад, можно открыть вот эту аналитику от a16z + OpenRouter (данные на декабрь 2025) и подудониться в график The Decline of DeepSeek’s dominance, на котором потребление моделей дипсика уверенно снижалось во втором полугодии 2025. Ха-ха. Ну что, подождем аналитики от декабря 2026, она удивит — как ростом DeepSeek, так и в целом ростом потребления открытых моделей.

🔥️️️️Ну, за китайские модели!
👍️️️️Верим в эффективность американских моделей

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Про баны Клода, предположение и совет

В пятницу проводил встречи по AI-буткемпу плюс была корп-группа из бигтеха — в обеих группах несколько человек посетовали на очередной бан клода. И несколько активных участников AI-чата тоже словили бан. Пару соображений на этот счет.

Ребят, если вы находитесь в «неправильной зоне» с точки зрения производителя софта — баны будут продолжаться. Как говорится, в сверхдержаве — сверхдержитесь. Нужно строить стратегию и в компании, и свою собственную так, чтобы минимально зависеть от вендора, от которого может прилететь бан, плюс сейчас довольно мягко действует регулятор интернетов ркн, и это тоже может поменяться.

Далее предположение и совет.

Предположение: бан — это средство очистки базы юзеров от клиентов, которые или убивают маржу или похожи на ботов. Подписки работают по принципу overselling: все кто превышает некий скрытый порог рентабельности (он скорее всего заметно ниже лимита) — спонсируются теми, кто до этих порогов не доходит. Отправка на проверку и бан — хороший способ от вас отказаться, вы же приносите только минус. Убрать убыточных и ботов дистилляции — вот сюда бы я бросил все ресурсы. И вы попадаете под эту раздачу. Это предположение, конечно. Есть свежие советы про скоринговую модель, как снизить вероятность бана, но мне кажется лучший способ избежать бана — не упираться в лимиты. Как? Разные модели, субагенты, комбинация агентов.

Теперь совет: чтобы не зависеть от банов, нужно два или три агента и конечно разные модели. Для себя я выбрал три основных агента: Claude, Codex, OpenCode. Claude мне как юзеру заходит идеально, а я очень люблю хорошо сделанный софт независимо от того, открытый он или закрытый, нравится мне компания или фаундер или нет. Codex в плане UX мне лично заходит чуть хуже, но OpenAI не жестит с банами так, как Антропик. OpenCode must have для китайских моделей, хотя десктоп в плане UX слабее всех (но работается норм). К ним добавляется DSH, расшифровывается DeepSeek Harness. В среднюю я пока ставлю на DeepSeek, но про них буду писать отдельно.

Пусть в вашей работе будет поменьше помех! (на пожелания надейся, но сам не плошай).

UPDATE: пишут, банят и $20 подписки, и кто пользуется неактивно. Так что предположение возможно неверное.

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак

Друзья, продолжаем митапы по AI-разработке.

Уже скоро — очередной онлайн Devhands AI Meetup #4! Доклады от членов нашего AI-клуба (чат в телеге) и от приглашённых спикеров из бигтеха.

📅 Когда: 12 ноября, начало в 18:30 (Мск)

🔗 Где: онлайн в Zoom. Для участия требуется предварительная регистрация на Timepad.

Программа:
• «От Jira до Merge Request: как мы построили автономного AI-агента для enterprise-разработки», Захар Тимофеев, инженер-программист, iSpring

Прагматичный взгляд на ИИ в SDLC: как встроить «ИИ-джуна» прямо в привычные Jira, GitLab и Temporal без сложных агентских роев и сторонних платформ. Разберем создание безопасного on-premise контура на базе Coder (open-source) с изолированными песочницами и встроенным ИИ-авторевьюер прямо в Merge Requests. Готовая рамка для тех, кто хочет контролируемый AI-workflow без переписывания процессов с нуля.

• «Meta-репозитории или как развивать harness в реалиях микросервисной архитектуры», Данила Звягин, Альфа-Банк

Агент – это модель плюс харнесс: AGENTS.md, скиллы, правила, субагенты, MCP, скрипты и спеки. Модель у всех одна, а разницу делает харнесс, и его нужно где-то хранить и развивать. Когда в системе 68 репозиториев, это превращается в три проблемы. Скиллы трудно раздать и обновить у всей команды. Агент ищет код через mcp и промахивается. Одна фича затрагивает до восьми репозиториев.

Ответ на все три: мета-репозиторий. Это git-репозиторий, где лежат ссылки-сабмодули на все сервисы и рядом с ними харнесс и спеки, а продуктового кода нет. Сервисы ничего не переносят: мультирепо становится монорепо только для агента.

• «From Zero to AI Hero: как мы прокачивали продуктовую команду», Алексей Самойлов, Fastronome

Опыт Fastronome: общие скиллы, спецификации, база знаний и командный AI-ассистент.

Приходите, ждем вас!

Вопрос - наброс. Вижу такие самые “хайповые” темы в тусовочках внедренцев AI-кодинга в компании:

• Оптимизация стоимости, баны, окрестрация субагентов с разными моделями/бекендами/подписками
• Плюсы и минусы SDD (вплоть до нужен ли), методы разработки и для какого проекта какой метод подходит
• Методы организации памяти компании, артефакты для памяти и мета-репозитории
• Исполняемые спеки, доказательное и log-driven тестирование

Ну это помимо тренда “как будем работать, кого и как нанимать и чему теперь учиться” который будет нас преследовать следующие несколько лет 🙂

Ну что, совпадает с вашими темами? Если нет — то чего не хватает? Пишите в комментарии.

🔥️️️️️️Лайк — и возьмем эти темы на открытые пятничные разборы

AI-буткемп | Devhands AI Club | Обучение devhands.ru | что за Рыбак