Модель, агент или харнес?
До сих пор существует путаница, кто есть кто и как это все вместе работает. За что отвечает модель и что может модель? Как модель выполняет разные задачи и при чем тут агент?
В двух словах, модель умеет только выдавать текст на базе входящего текста. По пути там еще идет преобразование в токены, но это ничего принципиально не меняет. А как тогда работают действия (тулы)? Как модель ищет в интернете, работает с файлами и выполняет команды через api сервисов? Вот за это отвечает агент, в котором соединяется обвязка (харнес) в виде различных инструментов выполняющих задачи во внешней среды + сама модель.
Подробнее об этом в статье, которую мы бережно перевели для вас: https://ru.hexlet.io/blog/posts/anatomiya-agentnogo-harnessa-obvyazki
И конкурс :) Кирилл Мокевнин выступает в понедельник на Podlodka AI Crew (кого я обманываю, я сам пишу этот пост). А за это нам дали пару проходных билетов на халяву. Собственно давайте их разыграем. Напишите в комментариях как вы используете ИИ или какие задачи вы решаете с помощью него. Самый залайканый комментарий на понедельник 10 утра получит секретный код с доступом к конференции. Лайк, шер, алишер.
Telegram | YouTube | AI Клуб
До сих пор существует путаница, кто есть кто и как это все вместе работает. За что отвечает модель и что может модель? Как модель выполняет разные задачи и при чем тут агент?
В двух словах, модель умеет только выдавать текст на базе входящего текста. По пути там еще идет преобразование в токены, но это ничего принципиально не меняет. А как тогда работают действия (тулы)? Как модель ищет в интернете, работает с файлами и выполняет команды через api сервисов? Вот за это отвечает агент, в котором соединяется обвязка (харнес) в виде различных инструментов выполняющих задачи во внешней среды + сама модель.
Подробнее об этом в статье, которую мы бережно перевели для вас: https://ru.hexlet.io/blog/posts/anatomiya-agentnogo-harnessa-obvyazki
И конкурс :) Кирилл Мокевнин выступает в понедельник на Podlodka AI Crew (кого я обманываю, я сам пишу этот пост). А за это нам дали пару проходных билетов на халяву. Собственно давайте их разыграем. Напишите в комментариях как вы используете ИИ или какие задачи вы решаете с помощью него. Самый залайканый комментарий на понедельник 10 утра получит секретный код с доступом к конференции. Лайк, шер, алишер.
Telegram | YouTube | AI Клуб
🔥15👍9❤4💯1🎄1👾1
Что самое главное в агентном программировании?
Представьте что вы поставили себе хорошего агента, например, opencode, настроили проект, добавили agents.md и начали работать. Возникает вопрос, насколько результат который вы получаете с агентом оптимален? Не только с точки зрения готового кода, но и самого процесса вазимодействия с агентом. Как часто его надо направлять, насколько он тупит и генерирует не рабочее решение.
Можно сказать что очень важно уметь работать с контекстом. Это абсолютная правда, нужно объяснить детали задачи, прожарить (grill-me), подгрузить нужные документы, проанализировать код (агентом) и в конце концов реализовать задачу. Без этого никак, но этого условия недостаточно.
Если агент в процессе не может верифицировать то что он делает, то на выходе получится код, который скорее всего не запустится. Более того, нередко сам подход к решению может оказаться не запускаемым в принципе, но агент про это не знает, так как не может сам в этом убедится. В итоге получается что он будет постоянно останавливаться с фразой в духе "я все сделал, но проверить не могу, глянь сам".
По сути, ключевым элементом во всей этой системе являются механизмы автоматической проверки кода на работоспособность. Что сюда входит?
• Статическая типизация
• Линтеры
• Тесты (в первую очередь интеграционные)
• Возможность выполнить код проекта (например через repl)
• Сборка
Причем агент должен знать когда и что запускать и делать это автоматически. В идеале добавить хуки в git, которые как минимум не позволяют пушить код, который не проходит базовые проверки (линтеры и проверку типов).
Telegram | YouTube | AI Клуб
Представьте что вы поставили себе хорошего агента, например, opencode, настроили проект, добавили agents.md и начали работать. Возникает вопрос, насколько результат который вы получаете с агентом оптимален? Не только с точки зрения готового кода, но и самого процесса вазимодействия с агентом. Как часто его надо направлять, насколько он тупит и генерирует не рабочее решение.
Можно сказать что очень важно уметь работать с контекстом. Это абсолютная правда, нужно объяснить детали задачи, прожарить (grill-me), подгрузить нужные документы, проанализировать код (агентом) и в конце концов реализовать задачу. Без этого никак, но этого условия недостаточно.
Если агент в процессе не может верифицировать то что он делает, то на выходе получится код, который скорее всего не запустится. Более того, нередко сам подход к решению может оказаться не запускаемым в принципе, но агент про это не знает, так как не может сам в этом убедится. В итоге получается что он будет постоянно останавливаться с фразой в духе "я все сделал, но проверить не могу, глянь сам".
По сути, ключевым элементом во всей этой системе являются механизмы автоматической проверки кода на работоспособность. Что сюда входит?
• Статическая типизация
• Линтеры
• Тесты (в первую очередь интеграционные)
• Возможность выполнить код проекта (например через repl)
• Сборка
Причем агент должен знать когда и что запускать и делать это автоматически. В идеале добавить хуки в git, которые как минимум не позволяют пушить код, который не проходит базовые проверки (линтеры и проверку типов).
Telegram | YouTube | AI Клуб
👍8❤5🔥2💯2🎄2👾1
Курсы для всех и пусть никто не уйдет обиженным
Делимся ближайшими планами по запускам и новым курсам. Пока акцент идет на ИИ, мы хотим до конца лета добить оставшиеся направления, которые нас просят запустить (и которые особо интересны в этом дивном мире). К ним относятся:
ИИ Автоматизатор
это как обычный автоматизатор, который интегрирует сервисы с помощью таких инструментов как n8n, но помноженный на создание и внедрение агентов на no-code платформах типа Yandex AI Studio. Запуск будет в конце июля
Полный вайбкодинг
Это расширенная версия текущего курса по вайбкодингу, который мы недавно запустили. Он будет идти 4 месяца и фактически будет похож на ии автоматизатора по изучаемым темам, но с упором и отдельным материалом по созданию продуктов. В общем это такой стартаперский заход. Дата старта пока определяется
AI SDLC
курс для лидов, сто и программистов, которые хотят меняться и менять компании на AI First (AI Native). Тут много про изменение организационной структуры и новым подходам к тому как происходит сбор требований, проектирование, реалзиация, верификация и эксплуатация. Стартует в августе.
LLM-разработчик
Это внедренец ИИ решений в бизнес процессы. Мы уже писал про этот курс, но не писали про вебинар Как войти в LLM-разработку: навыки, вакансии, кейсы внедрений , который будет 30 числа в 19:00 по Москве.
https://special.hexlet.io/llm-developer_webinar
Пока выглядит так, что сделав эти курсы, мы закроем все что надо по ИИ. Если мир к этому времени не подкинет нам снова каких-то сюрпризов, то мы возьмемся за классические программы и сделаем упор на навыковые курсы для повышения квалификации. Всем бобра, оставайтесь с нами
Telegram | YouTube | AI Клуб
Делимся ближайшими планами по запускам и новым курсам. Пока акцент идет на ИИ, мы хотим до конца лета добить оставшиеся направления, которые нас просят запустить (и которые особо интересны в этом дивном мире). К ним относятся:
ИИ Автоматизатор
это как обычный автоматизатор, который интегрирует сервисы с помощью таких инструментов как n8n, но помноженный на создание и внедрение агентов на no-code платформах типа Yandex AI Studio. Запуск будет в конце июля
Полный вайбкодинг
Это расширенная версия текущего курса по вайбкодингу, который мы недавно запустили. Он будет идти 4 месяца и фактически будет похож на ии автоматизатора по изучаемым темам, но с упором и отдельным материалом по созданию продуктов. В общем это такой стартаперский заход. Дата старта пока определяется
AI SDLC
курс для лидов, сто и программистов, которые хотят меняться и менять компании на AI First (AI Native). Тут много про изменение организационной структуры и новым подходам к тому как происходит сбор требований, проектирование, реалзиация, верификация и эксплуатация. Стартует в августе.
LLM-разработчик
Это внедренец ИИ решений в бизнес процессы. Мы уже писал про этот курс, но не писали про вебинар Как войти в LLM-разработку: навыки, вакансии, кейсы внедрений , который будет 30 числа в 19:00 по Москве.
https://special.hexlet.io/llm-developer_webinar
Пока выглядит так, что сделав эти курсы, мы закроем все что надо по ИИ. Если мир к этому времени не подкинет нам снова каких-то сюрпризов, то мы возьмемся за классические программы и сделаем упор на навыковые курсы для повышения квалификации. Всем бобра, оставайтесь с нами
Telegram | YouTube | AI Клуб
special.hexlet.io
LLM-разработка в 2026: навыки, кейсы внедрений, требования
Разберём реальные кейсы внедрения LLM, изучим архитектуру современных AI-решений, используемый технологический стек и требования работодателей
🔥6👍4🤡3❤1
Автоматизация бизнеса или LLM-разработчики наступают
Антон Плешивцев, бывший разработчик Aviasales, разработал сервис по подготовке фотографий на визы разных стран (ishotaphoto [.] com), где применяется множество различных моделей для обработки фото. И когда его сервис начал набирать обороты и стал приносить денег, появилась операционка в виде помощи пользователям с неточностями в работе, возвратами денег (такое бывает у любого бизнеса) и ответами на разнообразные вопросы, которые летят на почту.
В какой-то момент Антон заметил, что на это стало уходить несколько часов каждый день, поэтому он стал копать в сторону агентов и конкретно OpenClaw. После нескольких итераций у него получилось завести систему, в которой агент сам разгребает почту, отвечает пользователям там где безопасно, создает счета на возврат (но не делает возврат сам) и выполняет другие полезные задачи. Подробнее про это можно посмотреть в подкасте "организованное программирование".
Конечно на объеме это не заменит реальных людей, но значительно сокращает их количество на всех этапах и позволяет бизнесу быть более быстрым и устойчивым к изменениям. И сейчас такого становится все больше, как на уровне солопредпринимателей так и на уровне крупных компаний, которые активно переводят часть своих технарей в роль llm-разработчик. Название пока не устаканилось, но фактически это программисты с опытом devops, некоторыми знаниями базы по llm и глубоко разбирающихся в том как строить агентные системы. Здесь появляется много интересного: роутинг, opengraph, rag, fine-tuning, workflow, human-in-the-loop, evals, guardrails и много других страшных слов.
На Хекслете мы занимаемся ровно тем же самым, внедряем эти механики во все внутренние процессы и раскатываем на самом сайте. И естественным продолжением стало появление курса LLM-разработчик, первый поток которого стартует буквально на днях. А чтобы у вас было лучше понимание что это за направление и с чем его едят, сегодня в 19:00 по москве мы проводим вебинар, где подробно обо всем расскажет Рустам Барханов, Старший инженер‑программист отдела интеграции искусственного интеллекта АО «Финам». Записаться на вебинар можно по ссылке https://special.hexlet.io/llm-developer_webinar Трансляция будет доступна и в vk и в youtube
Telegram | YouTube | AI Клуб
Антон Плешивцев, бывший разработчик Aviasales, разработал сервис по подготовке фотографий на визы разных стран (ishotaphoto [.] com), где применяется множество различных моделей для обработки фото. И когда его сервис начал набирать обороты и стал приносить денег, появилась операционка в виде помощи пользователям с неточностями в работе, возвратами денег (такое бывает у любого бизнеса) и ответами на разнообразные вопросы, которые летят на почту.
В какой-то момент Антон заметил, что на это стало уходить несколько часов каждый день, поэтому он стал копать в сторону агентов и конкретно OpenClaw. После нескольких итераций у него получилось завести систему, в которой агент сам разгребает почту, отвечает пользователям там где безопасно, создает счета на возврат (но не делает возврат сам) и выполняет другие полезные задачи. Подробнее про это можно посмотреть в подкасте "организованное программирование".
Конечно на объеме это не заменит реальных людей, но значительно сокращает их количество на всех этапах и позволяет бизнесу быть более быстрым и устойчивым к изменениям. И сейчас такого становится все больше, как на уровне солопредпринимателей так и на уровне крупных компаний, которые активно переводят часть своих технарей в роль llm-разработчик. Название пока не устаканилось, но фактически это программисты с опытом devops, некоторыми знаниями базы по llm и глубоко разбирающихся в том как строить агентные системы. Здесь появляется много интересного: роутинг, opengraph, rag, fine-tuning, workflow, human-in-the-loop, evals, guardrails и много других страшных слов.
На Хекслете мы занимаемся ровно тем же самым, внедряем эти механики во все внутренние процессы и раскатываем на самом сайте. И естественным продолжением стало появление курса LLM-разработчик, первый поток которого стартует буквально на днях. А чтобы у вас было лучше понимание что это за направление и с чем его едят, сегодня в 19:00 по москве мы проводим вебинар, где подробно обо всем расскажет Рустам Барханов, Старший инженер‑программист отдела интеграции искусственного интеллекта АО «Финам». Записаться на вебинар можно по ссылке https://special.hexlet.io/llm-developer_webinar Трансляция будет доступна и в vk и в youtube
Telegram | YouTube | AI Клуб
special.hexlet.io
LLM-разработка в 2026: навыки, кейсы внедрений, требования
Разберём реальные кейсы внедрения LLM, изучим архитектуру современных AI-решений, используемый технологический стек и требования работодателей
🔥6❤2👍2
Из сертификации в тестировщики: как я совершил прыжок веры в эмиграции
Михаил семь лет проработал в сертификации, а под Новый год уволился без плана, просто чтобы отдохнуть и подумать, куда двигаться дальше. Никакого запасного варианта, никакой новой работы на примете. Сам он называет это прыжком веры.
Все происходило в эмиграции: несколько лет за границей, накопившаяся усталость от профессии и ощущение, что расти дальше некуда.
Он перебрал фронтенд, Python и тестирование, выбрал последнее и прошел курс в Хекслете, а потом поработал на коммерческих проектах, чтобы набить руку. Параллельно пережил один из самых тяжелых периодов в жизни: травмы, депрессия, лечение.
Работу нашел через нетворкинг: тестировщик понадобился знакомому техлиду из альпинистской компании.
Как он прошел этот путь и что помогло ему справиться, читайте в новой истории: https://ru.hexlet.io/blog/posts/iz-sertifikacii-v-testirovshchiki
Telegram | YouTube | AI Клуб
Михаил семь лет проработал в сертификации, а под Новый год уволился без плана, просто чтобы отдохнуть и подумать, куда двигаться дальше. Никакого запасного варианта, никакой новой работы на примете. Сам он называет это прыжком веры.
Все происходило в эмиграции: несколько лет за границей, накопившаяся усталость от профессии и ощущение, что расти дальше некуда.
Он перебрал фронтенд, Python и тестирование, выбрал последнее и прошел курс в Хекслете, а потом поработал на коммерческих проектах, чтобы набить руку. Параллельно пережил один из самых тяжелых периодов в жизни: травмы, депрессия, лечение.
Работу нашел через нетворкинг: тестировщик понадобился знакомому техлиду из альпинистской компании.
Как он прошел этот путь и что помогло ему справиться, читайте в новой истории: https://ru.hexlet.io/blog/posts/iz-sertifikacii-v-testirovshchiki
Telegram | YouTube | AI Клуб
❤16🔥5👾4
Конференции и воркшопы
Завершился большой блок летних конференций, на которых я выступал последние две недели. Это были highload, teamlead, agentic dev и ai weekends. Два мастер-класса, фасилитация групповой работы c-level клуба, один доклад и два дня воркшопа с утра до вечера. В общем было не скучно.
Познакомился со множеством крутых ребят, узнал что происходит в компаниях, куда движемся, как проходит ai трансформация и как настроения в целом.
Что можно сказать про происходящее? Очень возрос интерес к ИИ, что было ожидаемо. Стрим по AI разработке был забит, многие просто не смогли зайти в зал чтобы послушать докладчиков. Мне было проще, как докладчик я слушал докладчиков в кулуарах :)
Пока еще много базовых докладов и много людей, которые не перешли в режим кодинга без рук. Тех кто пишет код агентами не более 25%. Причины разные, нередко это корпоративные ограничения, когда запрещается использовать внешние модели, внутренняя экосистема еще не того уровня, чтобы делать все самостоятельно.
Практически каждая крупная компания выделила команды под интеграцию LLM в SDLC. Здесь ребята занимаются всем от написания своего харнеса и сетапом моделей, до объединения всей информации через раги, mcp и тому подобное. Большой интерес у подхода Spec Driven Development. Мы снова возвращаемся в мощный водопад, когда сначала долго и упорно идет проектирование, а потом, на уровни ниже спускается все в готовом виде.
В целом, несмотря на общий ажиотаж, многие отмечают что мало кто пытается по настоящему перестроиться под ai native. Что там говорить, мало кто понимает что это такое. Есть разные идеи и концепции того как мы будем работать, как поменяются процессы, как изменятся роли. Вплоть до довольно революционных идей, типа полного убирания код ревью как концепта. Много говорили про tiny teams, где команда буквально из нескольких человек делает все от и до. Набирает популярность концепт Product Engineer, где прямо совмещается две роли: продакт и девелопер.
Что точно объединяет всех, так это непрерывный страх проиграть конкурентную борьбу. А если соседние компании что-то такое поменяют и внедрят, что станут в разы быстрее и эффективнее? Поэтому каждая компания пытается максимально вписываться во все ИИ движухи.
Кстати, сравнивали текущую трансформацию с приходом Agile, сошлись на том, что это значительно более глубокая и сложная история. Agile менял только процессы, на самой разработке и инструментах это сказывалось не так сильно. Здесь же меняется все и сразу.
И интересного для нас, мы увидели какие элементы стоит добавить и доработать, а так же запланировали старт нескольких новых курсов для новой эпохи. Но об этом в других постах :)
Telegram | YouTube | AI Клуб
Завершился большой блок летних конференций, на которых я выступал последние две недели. Это были highload, teamlead, agentic dev и ai weekends. Два мастер-класса, фасилитация групповой работы c-level клуба, один доклад и два дня воркшопа с утра до вечера. В общем было не скучно.
Познакомился со множеством крутых ребят, узнал что происходит в компаниях, куда движемся, как проходит ai трансформация и как настроения в целом.
Что можно сказать про происходящее? Очень возрос интерес к ИИ, что было ожидаемо. Стрим по AI разработке был забит, многие просто не смогли зайти в зал чтобы послушать докладчиков. Мне было проще, как докладчик я слушал докладчиков в кулуарах :)
Пока еще много базовых докладов и много людей, которые не перешли в режим кодинга без рук. Тех кто пишет код агентами не более 25%. Причины разные, нередко это корпоративные ограничения, когда запрещается использовать внешние модели, внутренняя экосистема еще не того уровня, чтобы делать все самостоятельно.
Практически каждая крупная компания выделила команды под интеграцию LLM в SDLC. Здесь ребята занимаются всем от написания своего харнеса и сетапом моделей, до объединения всей информации через раги, mcp и тому подобное. Большой интерес у подхода Spec Driven Development. Мы снова возвращаемся в мощный водопад, когда сначала долго и упорно идет проектирование, а потом, на уровни ниже спускается все в готовом виде.
В целом, несмотря на общий ажиотаж, многие отмечают что мало кто пытается по настоящему перестроиться под ai native. Что там говорить, мало кто понимает что это такое. Есть разные идеи и концепции того как мы будем работать, как поменяются процессы, как изменятся роли. Вплоть до довольно революционных идей, типа полного убирания код ревью как концепта. Много говорили про tiny teams, где команда буквально из нескольких человек делает все от и до. Набирает популярность концепт Product Engineer, где прямо совмещается две роли: продакт и девелопер.
Что точно объединяет всех, так это непрерывный страх проиграть конкурентную борьбу. А если соседние компании что-то такое поменяют и внедрят, что станут в разы быстрее и эффективнее? Поэтому каждая компания пытается максимально вписываться во все ИИ движухи.
Кстати, сравнивали текущую трансформацию с приходом Agile, сошлись на том, что это значительно более глубокая и сложная история. Agile менял только процессы, на самой разработке и инструментах это сказывалось не так сильно. Здесь же меняется все и сразу.
И интересного для нас, мы увидели какие элементы стоит добавить и доработать, а так же запланировали старт нескольких новых курсов для новой эпохи. Но об этом в других постах :)
Telegram | YouTube | AI Клуб
❤9🔥8👍4
Первая работа в IT начинается не после курса, а после поиска
Когда обучение заканчивается, начинается новый этап: резюме, отклики, тестовые задания, собеседования. Именно здесь многие теряют запал и веру в себя.
Через Хекслет.Карьеру прошло более 1300 человек. По данным Хекслета, около 25% участников, завершивших программу с начала 2026 года, сообщили, что нашли работу.
Хекслет.Карьера помогает подготовить резюме, оформить портфолио, разобраться с откликами, пройти тренировочные собеседования, получить опыт в коммерческих проектах и двигаться в поиске с поддержкой карьерного консультанта.
В новой статье подробно рассказываем, как устроен сервис, кому он подходит и как помогает сделать поиск первой работы более понятным и последовательным.
👉Читать статью
Telegram | YouTube | AI Клуб
Когда обучение заканчивается, начинается новый этап: резюме, отклики, тестовые задания, собеседования. Именно здесь многие теряют запал и веру в себя.
Через Хекслет.Карьеру прошло более 1300 человек. По данным Хекслета, около 25% участников, завершивших программу с начала 2026 года, сообщили, что нашли работу.
Хекслет.Карьера помогает подготовить резюме, оформить портфолио, разобраться с откликами, пройти тренировочные собеседования, получить опыт в коммерческих проектах и двигаться в поиске с поддержкой карьерного консультанта.
В новой статье подробно рассказываем, как устроен сервис, кому он подходит и как помогает сделать поиск первой работы более понятным и последовательным.
👉Читать статью
Telegram | YouTube | AI Клуб
❤3🔥3👍2💯1
Ulcamp-Ярушкина-2026.pdf
4.3 MB
Презентация доклада Надежды Глебовны Ярушкиной на ULCAMP’26
Ответ на вопрос, какая платформа разработки ИТ-компании является активом успеха в эпоху генеративного ИИ?
А о чем был доклад — рассказываем в следующем посте
Ответ на вопрос, какая платформа разработки ИТ-компании является активом успеха в эпоху генеративного ИИ?
А о чем был доклад — рассказываем в следующем посте
Эта профессор писала про гибридные системы еще до хайпа с ИИ
Этим летом команда «Хекслета» побывала на ULCAMP’26. Там выступала сама доктор наук, автор монографий и более 400 работ в области мягких вычислений, нечеткой логики и гибридных систем Надежда Глебовна Ярушкина. Многие идеи, которые сегодня обсуждают как новое направление развития ИИ, в ее работах появились задолго до нынешнего бума LLM. Профессор рассказала, какой должна быть платформа разработки ИТ-компании в эпоху генеративного ИИ.
Суть в том, что ИИ сейчас меняет не только инструменты разработчика — он заставляет пересматривать весь процесс создания ПО и становится главным активом успеха компании. А может и не стать — при неправильном обращении.
Главное — система. Именно от того, как ИИ встроен в рабочие процессы, зависит «взлетит» ли компания или останется в убытке. Но чтобы ИИ действительно стал конкурентным преимуществом, нужно суметь встроить его в реальную деятельность компании на разных уровнях. Для этого нужны многоагентные платформы, интеграция с корпоративными данными и сервисами, оркестрация сценариев, распознавание намерений пользователя и контроль над контекстом. То есть недостаточно использовать один условный агент для одного или двух процессов, это должна быть единая система.
А еще нужно умудриться не забыть про когнитивный долг. ИИ позволяет генерировать код быстрее, но скорость сама по себе еще не гарантирует качество. Если разработчики перестают понимать архитектуру и последствия изменений, компания получает огромную кодовую базу, которую вскоре некому будет поддерживать. Потому что никто не сможет в ней разобраться — что тут костыль, а что важная архитектурная часть, без которой все рухнет? Как переписывать и дополнять этот код по мере необходимости? И кто это должен делать?
Получается, фундаментальные инженерные практики никогда еще не были так важны как в нынешнюю эпоху агентной разработки. Вновь вспоминаем про архитектурное проектирование, тестирование, CI/CD, DDD, ревью кода и работу с требованиями. В этом всем ИИ может помочь, но усилив сильного инженера, а не заменив его.
После выступления профессора вопросы продолжали сыпаться, даже за пределами сцены. К Надежде Глебовне подходили коллеги, выпускники и бывшие студенты — толпа желающих хотели получить ответы от любимого преподавателя. Кто-то даже вспомнил ее лекции по нейронным сетям и архитектуре программных систем, прочитанные еще два десятилетия назад.
Этот ажиотаж — еще одно доказательство, что фундаментальные знания не устаревают с приходом ИИ в процессы. Лекции и работы Надежды Глебовны до сих пор помнят, они не потеряли актуальности. Меняются модели, интерфейсы и модные термины, но способность понимать, как устроена система, все еще остается основным профессиональным активом. Важно его не растерять!
В заключение, Надежда Глебовна посоветовала разработчикам осваивать агентные фреймворки, следить за открытыми моделями, инвестировать в мультимодальность и регулярно пересматривать экономику использования ИИ. Только так, оставаясь на гребне волны и следя за технологическими прорывами можно оставаться востребованным специалистом.
Этим летом команда «Хекслета» побывала на ULCAMP’26. Там выступала сама доктор наук, автор монографий и более 400 работ в области мягких вычислений, нечеткой логики и гибридных систем Надежда Глебовна Ярушкина. Многие идеи, которые сегодня обсуждают как новое направление развития ИИ, в ее работах появились задолго до нынешнего бума LLM. Профессор рассказала, какой должна быть платформа разработки ИТ-компании в эпоху генеративного ИИ.
Суть в том, что ИИ сейчас меняет не только инструменты разработчика — он заставляет пересматривать весь процесс создания ПО и становится главным активом успеха компании. А может и не стать — при неправильном обращении.
Главное — система. Именно от того, как ИИ встроен в рабочие процессы, зависит «взлетит» ли компания или останется в убытке. Но чтобы ИИ действительно стал конкурентным преимуществом, нужно суметь встроить его в реальную деятельность компании на разных уровнях. Для этого нужны многоагентные платформы, интеграция с корпоративными данными и сервисами, оркестрация сценариев, распознавание намерений пользователя и контроль над контекстом. То есть недостаточно использовать один условный агент для одного или двух процессов, это должна быть единая система.
А еще нужно умудриться не забыть про когнитивный долг. ИИ позволяет генерировать код быстрее, но скорость сама по себе еще не гарантирует качество. Если разработчики перестают понимать архитектуру и последствия изменений, компания получает огромную кодовую базу, которую вскоре некому будет поддерживать. Потому что никто не сможет в ней разобраться — что тут костыль, а что важная архитектурная часть, без которой все рухнет? Как переписывать и дополнять этот код по мере необходимости? И кто это должен делать?
Получается, фундаментальные инженерные практики никогда еще не были так важны как в нынешнюю эпоху агентной разработки. Вновь вспоминаем про архитектурное проектирование, тестирование, CI/CD, DDD, ревью кода и работу с требованиями. В этом всем ИИ может помочь, но усилив сильного инженера, а не заменив его.
После выступления профессора вопросы продолжали сыпаться, даже за пределами сцены. К Надежде Глебовне подходили коллеги, выпускники и бывшие студенты — толпа желающих хотели получить ответы от любимого преподавателя. Кто-то даже вспомнил ее лекции по нейронным сетям и архитектуре программных систем, прочитанные еще два десятилетия назад.
Этот ажиотаж — еще одно доказательство, что фундаментальные знания не устаревают с приходом ИИ в процессы. Лекции и работы Надежды Глебовны до сих пор помнят, они не потеряли актуальности. Меняются модели, интерфейсы и модные термины, но способность понимать, как устроена система, все еще остается основным профессиональным активом. Важно его не растерять!
В заключение, Надежда Глебовна посоветовала разработчикам осваивать агентные фреймворки, следить за открытыми моделями, инвестировать в мультимодальность и регулярно пересматривать экономику использования ИИ. Только так, оставаясь на гребне волны и следя за технологическими прорывами можно оставаться востребованным специалистом.
🔥14❤8👍7
В июне 2026 года вышло интересное исследование Anthropic. Компания проанализировала 400 000 сессий Claude Code за октябрь 2025 — апрель 2026 года. Исследователи увидели разделение: человек принимал решения о том, что нужно сделать, а агент — как именно. При этом пользователи с предметной экспертизой чаще доводили работу до успешного результата и лучше восстанавливались после ошибок агента. То есть агенты для разработки не заменяют экспертизы. Именно знания специалиста позволяли агенту сделать больше полезной работы. Эксперты с навыками в программировании достигали успеха в два раза чаще.
Сейчас время, когда появляются новые специальности, уже связанные с ИИ, а старые — трансформируются. Но необходимость в технических навыках никуда не делась. И это определяющий критерий, чтобы эффективно решать инженерные задачи хоть самостоятельно, хоть с ИИ-помощниками.
Остается вопрос, куда идти? Направлений много, а сравнить их между собой негде. У каждого свои требования, зарплаты и сроки входа. Мы прогнали каждое направление через четыре критерия: сколько открыто вакансий, какая доля из них готова рассмотреть человека без опыта, как быстро растет зарплата и что будет с направлением спустя три года. Отбор прошли шесть, и все они на рынке в цене.
А чтобы выбрать одну из шести, подготовили целый вебинар по профориентации. Разберем каждое направление подробно: бэкенд и фронтенд, тестирование, DevOps и, конечно, вайбкодинг и ИИ-автоматизацию — куда же без новых профессий?
Вебинар состоится 26 августа в 19 00. Мы обсудим зарплаты, проекты и компании для новичков. Расскажем, как долго придется вкатываться и возможно ли устроиться без опыта. Отдельный пойнт — как расти дальше, вместе с ростом навыков увеличивая доход.
Цель этого вебинара — помочь разобраться, какое направление выбрать к 2027 году именно вам в вашей ситуации, и с чего можно начать уже сейчас.
Записывайтесь, чтобы не пропустить два часа пользы — узнаете, что же там происходит на рынке на самом деле: https://special.hexlet.io/career-guidance
Сейчас время, когда появляются новые специальности, уже связанные с ИИ, а старые — трансформируются. Но необходимость в технических навыках никуда не делась. И это определяющий критерий, чтобы эффективно решать инженерные задачи хоть самостоятельно, хоть с ИИ-помощниками.
Остается вопрос, куда идти? Направлений много, а сравнить их между собой негде. У каждого свои требования, зарплаты и сроки входа. Мы прогнали каждое направление через четыре критерия: сколько открыто вакансий, какая доля из них готова рассмотреть человека без опыта, как быстро растет зарплата и что будет с направлением спустя три года. Отбор прошли шесть, и все они на рынке в цене.
А чтобы выбрать одну из шести, подготовили целый вебинар по профориентации. Разберем каждое направление подробно: бэкенд и фронтенд, тестирование, DevOps и, конечно, вайбкодинг и ИИ-автоматизацию — куда же без новых профессий?
Вебинар состоится 26 августа в 19 00. Мы обсудим зарплаты, проекты и компании для новичков. Расскажем, как долго придется вкатываться и возможно ли устроиться без опыта. Отдельный пойнт — как расти дальше, вместе с ростом навыков увеличивая доход.
Цель этого вебинара — помочь разобраться, какое направление выбрать к 2027 году именно вам в вашей ситуации, и с чего можно начать уже сейчас.
Записывайтесь, чтобы не пропустить два часа пользы — узнаете, что же там происходит на рынке на самом деле: https://special.hexlet.io/career-guidance
❤6👍5
ИИ в бизнесе: как внедрять эффективно и что требуют от LLM-разработчика
На рынке пока немного специалистов, которые профессионально занимаются именно AI-разработкой. Сильные эксперты есть, причем уровень некоторых из них даже опережает текущие запросы бизнеса. Но особенно не хватает разработчиков, способных решать прикладные AI-задачи стабильно, быстро и в большом количестве. В результате спрос на такие кадры заметно превышает предложение, а зарплаты стартуют от 250 тысяч.
При этом сами компании еще не до конца определились, какие именно специалисты им нужны. Рынок находится на стадии формирования, и даже название профессии пока не устоялось. В вакансиях можно встретить самые разные формулировки: AI-разработчик, AI-инженер, LLM-разработчик, AI-архитектор или даже AI-интегратор.
Что нужно уметь? Разрабатывать на одном из языков программирования + понимать, как работать с LLM — это если коротко. А если чуть подробнее, то владеть RAG и MCP, иметь навыки работы с LLM разных размеров, уметь писать промпты и управлять контекстом. Также пригодятся знания оркестрации инструментов, построения AI-пайплайнов и владение основами безопасности и инфраструктуры.
А о том, как вообще работают ИИ-агенты и RAG-системы в бизнесе и чем предстоит заниматься AI-инженеру рассказал в статье автор курса «Хекслет» Рустам Борханов
https://ru.hexlet.io/blog/posts/ii-agenty-i-rag-kak-kompanii-vnedryayut-llm-v-biznes-protsessy
На рынке пока немного специалистов, которые профессионально занимаются именно AI-разработкой. Сильные эксперты есть, причем уровень некоторых из них даже опережает текущие запросы бизнеса. Но особенно не хватает разработчиков, способных решать прикладные AI-задачи стабильно, быстро и в большом количестве. В результате спрос на такие кадры заметно превышает предложение, а зарплаты стартуют от 250 тысяч.
При этом сами компании еще не до конца определились, какие именно специалисты им нужны. Рынок находится на стадии формирования, и даже название профессии пока не устоялось. В вакансиях можно встретить самые разные формулировки: AI-разработчик, AI-инженер, LLM-разработчик, AI-архитектор или даже AI-интегратор.
Что нужно уметь? Разрабатывать на одном из языков программирования + понимать, как работать с LLM — это если коротко. А если чуть подробнее, то владеть RAG и MCP, иметь навыки работы с LLM разных размеров, уметь писать промпты и управлять контекстом. Также пригодятся знания оркестрации инструментов, построения AI-пайплайнов и владение основами безопасности и инфраструктуры.
А о том, как вообще работают ИИ-агенты и RAG-системы в бизнесе и чем предстоит заниматься AI-инженеру рассказал в статье автор курса «Хекслет» Рустам Борханов
https://ru.hexlet.io/blog/posts/ii-agenty-i-rag-kak-kompanii-vnedryayut-llm-v-biznes-protsessy
👍4❤3🔥3
ИИ сильнее всего помогает тем, у кого меньше опыта — это проверили на 5 тысячах сотрудников. Джуны, берем на заметку!
Исследователи из Stanford и MIT изучили, что происходит, когда генеративный ИИ системно внедряют в реальной компании.
В исследовании участвовали 5 172 сотрудника техподдержки. AI-ассистент анализировал разговор с клиентом и в реальном времени предлагал сотруднику варианты ответа. Ответ можно было принять, изменить или проигнорировать.
Результаты:
— в среднем производительность выросла примерно на 15%;
— у менее опытных и менее квалифицированных сотрудников прирост доходил до 30%;
— сотрудники, которые использовали ИИ с начала работы, уже через 2 месяца показывали примерно такую же производительность, как сотрудники без ИИ с опытом более 6 месяцев.
То есть ИИ оказался особенно полезен для тех, кто только набирался опыта. Исследователи предполагают, что одна из причин в том, что модель фактически помогает распространять практики сильных сотрудников: менее опытные специалисты начинают быстрее использовать решения и паттерны, к которым эксперты обычно приходят только с годами опыта.
Именно поэтому вокруг LLM появляется отдельный пласт разработки: AI-ассистенты, агенты, RAG, интеграции с API, базы знаний и системы проверки ответов. А ИИ сокращает путь от новичка до опытного сотрудника.
Кстати, в Хекслет есть курс ИИ для новичков https://ru.hexlet.io/link/9XHIlQ и ИИ для разработчиков — https://ru.hexlet.io/link/zLJ7fC Так что можно сократить себе путь от джуна до мидла или переквалифицироваться из просто программиста в разраба, умеющего использовать ИИ и получать профит и буст.
Исследователи из Stanford и MIT изучили, что происходит, когда генеративный ИИ системно внедряют в реальной компании.
В исследовании участвовали 5 172 сотрудника техподдержки. AI-ассистент анализировал разговор с клиентом и в реальном времени предлагал сотруднику варианты ответа. Ответ можно было принять, изменить или проигнорировать.
Результаты:
— в среднем производительность выросла примерно на 15%;
— у менее опытных и менее квалифицированных сотрудников прирост доходил до 30%;
— сотрудники, которые использовали ИИ с начала работы, уже через 2 месяца показывали примерно такую же производительность, как сотрудники без ИИ с опытом более 6 месяцев.
То есть ИИ оказался особенно полезен для тех, кто только набирался опыта. Исследователи предполагают, что одна из причин в том, что модель фактически помогает распространять практики сильных сотрудников: менее опытные специалисты начинают быстрее использовать решения и паттерны, к которым эксперты обычно приходят только с годами опыта.
Именно поэтому вокруг LLM появляется отдельный пласт разработки: AI-ассистенты, агенты, RAG, интеграции с API, базы знаний и системы проверки ответов. А ИИ сокращает путь от новичка до опытного сотрудника.
Кстати, в Хекслет есть курс ИИ для новичков https://ru.hexlet.io/link/9XHIlQ и ИИ для разработчиков — https://ru.hexlet.io/link/zLJ7fC Так что можно сократить себе путь от джуна до мидла или переквалифицироваться из просто программиста в разраба, умеющего использовать ИИ и получать профит и буст.
👍6❤3
«Мне не было легко ни одного дня» — как рекрутер с двумя детьми выучилась на фронтендера и получила оффер в Модульбанк
Ира воспитывала двоих детей одна и в 30 решила сменить профессию на фронтенд. Училась два года, прошла через выгорание, ломала ветки и чинила ночами.
«Старшую в школу – и за компьютер, пока спит младший. Потом работа, домашние дела, вечером снова учеба. Иногда ночами. Вот и весь мой день.»
Но в итоге Ира получила оффер, не отправив ни одного отклика — причем не куда-то, а в Модульбанк.
Как ей все удалось несмотря на трудности, читайте в новой истории.
👉 https://ru.hexlet.io/blog/posts/mne-ne-bylo-legko-ni-odnogo-dnya-kak-ira-s-dvumya-detmi-vyuchilas-na-frontendera-i-poluchila-offer-v-modulban
Ира воспитывала двоих детей одна и в 30 решила сменить профессию на фронтенд. Училась два года, прошла через выгорание, ломала ветки и чинила ночами.
«Старшую в школу – и за компьютер, пока спит младший. Потом работа, домашние дела, вечером снова учеба. Иногда ночами. Вот и весь мой день.»
Но в итоге Ира получила оффер, не отправив ни одного отклика — причем не куда-то, а в Модульбанк.
Как ей все удалось несмотря на трудности, читайте в новой истории.
👉 https://ru.hexlet.io/blog/posts/mne-ne-bylo-legko-ni-odnogo-dnya-kak-ira-s-dvumya-detmi-vyuchilas-na-frontendera-i-poluchila-offer-v-modulban
🔥11👍9❤4😁1
💎 Почти 40% рабочих навыков изменятся к 2030 году. Как тогда выбирать профессию сейчас?
По данным Future of Jobs Report 2025 Всемирного экономического форума, работодатели ожидают, что к 2030 году 39% ключевых навыков сотрудников изменятся. Причем быстрее всего будет расти значение технологических навыков — в том числе связанных с ИИ, большими данными, кибербезопасностью и технологической грамотностью.
В дополнение к пониманию технологий работодатели будут искать сотрудников с креативным мышлением, любознательностью, стремлением учиться новому. В десятке наиболее востребованных навыков также оказались лидерство и социальное влияние, управление талантами и аналитическое мышление.
Но это в мире, а что в России? На одну IT-вакансию в России приходится 24,4 активных резюме, это вдвое больше, чем в среднем по рынку труда. При этом разброс между направлениями четырехкратный: то есть доля вакансий для новичков одного направления может быть в четыре раза выше, чем соседнего.
Это означает, что выбирать профессию только по принципу «какой язык программирования сейчас самый популярный» — не лучшая стратегия. Нужно разбираться глубже: изучать рынок, доступные вакансии, уровень зарплат. Если список вакансий по выбранной специальности не обновляется, то спрос существует только на бумаге.
Инструменты будут меняться, это уже 100% ясно. Но именно выбор направления с оценкой будущих перспектив — ключевое на текущем рынке. Важен не только спрос на опытных специалистов, но и ширина входа — какая доля вакансий готова рассматривать человека без опыта. Добавьте к этому скорость роста и перспективы развития направления — что будет с вакансией спустя три-пять лет? Не придется ли снова переучиваться?
Выбор может показаться сложным, но мы уже проанализировали рынок и готовы поделиться этой информацией. Если хочется разобраться, какая профессия в IT вам подходит, на бесплатной профориентации Hexlet можно сравнить разные специальности, узнать, чем придется заниматься на практике, какие навыки нужны для старта, куда берут новичков и сколько платят.
👉 Профориентация в IT от Hexlet
Telegram | YouTube | AI Клуб
По данным Future of Jobs Report 2025 Всемирного экономического форума, работодатели ожидают, что к 2030 году 39% ключевых навыков сотрудников изменятся. Причем быстрее всего будет расти значение технологических навыков — в том числе связанных с ИИ, большими данными, кибербезопасностью и технологической грамотностью.
В дополнение к пониманию технологий работодатели будут искать сотрудников с креативным мышлением, любознательностью, стремлением учиться новому. В десятке наиболее востребованных навыков также оказались лидерство и социальное влияние, управление талантами и аналитическое мышление.
Но это в мире, а что в России? На одну IT-вакансию в России приходится 24,4 активных резюме, это вдвое больше, чем в среднем по рынку труда. При этом разброс между направлениями четырехкратный: то есть доля вакансий для новичков одного направления может быть в четыре раза выше, чем соседнего.
Это означает, что выбирать профессию только по принципу «какой язык программирования сейчас самый популярный» — не лучшая стратегия. Нужно разбираться глубже: изучать рынок, доступные вакансии, уровень зарплат. Если список вакансий по выбранной специальности не обновляется, то спрос существует только на бумаге.
Инструменты будут меняться, это уже 100% ясно. Но именно выбор направления с оценкой будущих перспектив — ключевое на текущем рынке. Важен не только спрос на опытных специалистов, но и ширина входа — какая доля вакансий готова рассматривать человека без опыта. Добавьте к этому скорость роста и перспективы развития направления — что будет с вакансией спустя три-пять лет? Не придется ли снова переучиваться?
Выбор может показаться сложным, но мы уже проанализировали рынок и готовы поделиться этой информацией. Если хочется разобраться, какая профессия в IT вам подходит, на бесплатной профориентации Hexlet можно сравнить разные специальности, узнать, чем придется заниматься на практике, какие навыки нужны для старта, куда берут новичков и сколько платят.
👉 Профориентация в IT от Hexlet
Telegram | YouTube | AI Клуб
❤5👍3🔥2😴2
А в этом посте рассказываем про базовый набор компетенций, который уже можно заметить в требованиях компаний и описании вакансий.
Так какие навыки хотят видеть у инженеров со знанием ИИ?
Но чтобы он все это умел, разработчик агента должен четко прописать эти функции и параметры (не позабыв про ограничения). В агентных системах все обстоит довольно просто: чем универсальнее и абстрактнее инструмент, тем выше риск, что модель воспользуется им неправильно. Поэтому хороший агент должен выполнять одну понятную задачу и иметь предсказуемый интерфейс.
Инженеру предстоит связать в единую систему намерение пользователей с нужным агентом. А еще продумать, как будет передаваться контекст между компонентами и как они вообще будут взаимодействовать друг с другом. Не забыть каких-то агентов ограничить и понять, что именно им не разрешать. Тут тоже важен принцип минимальных прав и доступов, иначе последствия могут быть непредсказуемыми.
❓Список звучит внушительно? Не пугайтесь! Для входа в профессию необязательно глубоко разбираться в математике или обучении нейросетей. Достаточно уровня junior или junior+ в разработке, а дальше можно углубляться в ИИ-премудрости и развлекаться вайб-кодингом. А если все сделать правильно, получить новую востребованную специальность.
Если кодить вы уже умеете, а вот навыки по обращению с ИИ предстоит еще прокачать, то у нас классная новость. 25 августа в 19 00 у нас как раз пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_200826
Telegram | YouTube | AI Клуб
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7🔥2❤1
Каждый шестой коммит с новыми тестами уже делает ИИ
Исследование «Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage» (MSR 2026) проанализировало 2 232 коммита с изменениями тестов и обнаружило, что 16,4% коммитов, добавляющих тесты, были сделаны AI-агентами. При этом вклад AI-тестов в покрытие кода оказался сопоставим с тестами, написанными людьми.
Другое исследование — «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» — проанализировало более 1,2 млн коммитов в 2 168 репозиториях за 2025 год. Из них 48 563 были сделаны агентами. У агентов 23% коммитов затрагивали тесты против 13% у остальных коммитов. То есть агенты заметно чаще берут тестирование на себя.
Но есть нюанс. То же исследование «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» показало, что 36% тестовых коммитов AI-агентов добавляли моки против 26% у остальных.
Авторы отдельно обращают внимание: чрезмерный мокинг может делать тесты менее эффективными при проверке реальных взаимодействий в системе.
Поэтому навык 2026 года — уметь собрать AI-агента, который понимает кодовую базу, запускает тесты, проверяет результат и работает внутри CI-процесса.
Сооснователь Хекслета Кирилл Мокевнин отмечает: ИИ сильно упростил отладку, которая раньше занимала гигантское количество времени. Теперь агенты взяли на себя рутину — долгие и нудные способы проверить, что именно не работает и почему.
Именно поэтому бесплатный мини-курс Хекслета «AI для разработчиков» посвящен тому, как создать ИИ-агента для тестирования. Если хотите научиться встраивать агентов в реальную разработку — идите на мини-курс и соберите своего первого рабочего AI-агента. За 1,5 часа настроите агента, подключите его к GitHub Actions и получите тесты на каждый pull request.
Курс доступен прямо в Телеграме: https://telegram.me/HexletWelcomeBot?start=wwb_fs1e45d0ea-7705-4da8-b07a-82a372469ea9
Telegram | YouTube | AI Клуб
Исследование «Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage» (MSR 2026) проанализировало 2 232 коммита с изменениями тестов и обнаружило, что 16,4% коммитов, добавляющих тесты, были сделаны AI-агентами. При этом вклад AI-тестов в покрытие кода оказался сопоставим с тестами, написанными людьми.
Другое исследование — «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» — проанализировало более 1,2 млн коммитов в 2 168 репозиториях за 2025 год. Из них 48 563 были сделаны агентами. У агентов 23% коммитов затрагивали тесты против 13% у остальных коммитов. То есть агенты заметно чаще берут тестирование на себя.
Но есть нюанс. То же исследование «Are Coding Agents Generating Over-Mocked Tests? An Empirical Study» показало, что 36% тестовых коммитов AI-агентов добавляли моки против 26% у остальных.
Авторы отдельно обращают внимание: чрезмерный мокинг может делать тесты менее эффективными при проверке реальных взаимодействий в системе.
Поэтому навык 2026 года — уметь собрать AI-агента, который понимает кодовую базу, запускает тесты, проверяет результат и работает внутри CI-процесса.
Сооснователь Хекслета Кирилл Мокевнин отмечает: ИИ сильно упростил отладку, которая раньше занимала гигантское количество времени. Теперь агенты взяли на себя рутину — долгие и нудные способы проверить, что именно не работает и почему.
Именно поэтому бесплатный мини-курс Хекслета «AI для разработчиков» посвящен тому, как создать ИИ-агента для тестирования. Если хотите научиться встраивать агентов в реальную разработку — идите на мини-курс и соберите своего первого рабочего AI-агента. За 1,5 часа настроите агента, подключите его к GitHub Actions и получите тесты на каждый pull request.
Курс доступен прямо в Телеграме: https://telegram.me/HexletWelcomeBot?start=wwb_fs1e45d0ea-7705-4da8-b07a-82a372469ea9
Telegram | YouTube | AI Клуб
❤4👍1🔥1👾1
☀️ Что изучить на Хекслете в августе и сентябре
Собрали популярные программы и мероприятия!
Для тех, кто выбирает направление или планирует сменить профессию:
⌨️ Бесплатный вебинар «Как выбрать профессию в IT» — 26 августа. Разберем направления: от разработки и DevOps до ИИ-систем. Обсудим рынок, зарплаты и вакансии для новичков и перспективы роста.
Для действующих разработчиков:
🤖 Курс «LLM-разработчик» — старт 27 августа. Работа с большими языковыми моделями, ИИ-инструментами и их интеграция в продукты;
🖥 «Бэкенд для фронтенд-разработчиков» — для тех, кто хочет глубже разобраться в серверной части и расширить свой стек;
🏢 Бесплатный вебинар «Системный дизайн» — 14 сентября. Разберём системный дизайн и подготовку к соответствующему этапу технических собеседований.
Профессии с нуля:
— Курс «DevOps-инженер с нуля» — учимся работать с инфраструктурой, автоматизацией, CI/CD и облачными технологиями. В программе — практические проекты от Yandex Cloud;
🐍Курс «Python-разработчик» — старт 27 августа;
🖥 Курс «Фронтенд-разработчик» — старт 27 августа;
🤍 Курс «Golang-разработчик с нуля» — старт 27 августа + навык быстрого написания кода с ИИ-агентами.
Бесплатно про ИИ:
🦋 Курс «ИИ и нейросети для начинающих» — знакомимся с современными ИИ-инструментами и учимся использовать их для повседневных и рабочих задач;
🕵️♂️ Бесплатный мини-курс «AI для разработчиков» — за 1,5 часа соберёте ИИ-агента для тестирования, подключите его к GitHub Actions и настроите создание тестов для каждого pull request.
Мини-курс можно пройти прямо в Telegram: запустить курс.
Ждем вас на программах Хекслета!
Не можете определиться с направлением? Напишите нам — поможем выбрать.
Telegram | YouTube | AI Клуб
Собрали популярные программы и мероприятия!
Для тех, кто выбирает направление или планирует сменить профессию:
⌨️ Бесплатный вебинар «Как выбрать профессию в IT» — 26 августа. Разберем направления: от разработки и DevOps до ИИ-систем. Обсудим рынок, зарплаты и вакансии для новичков и перспективы роста.
Для действующих разработчиков:
🤖 Курс «LLM-разработчик» — старт 27 августа. Работа с большими языковыми моделями, ИИ-инструментами и их интеграция в продукты;
🖥 «Бэкенд для фронтенд-разработчиков» — для тех, кто хочет глубже разобраться в серверной части и расширить свой стек;
Профессии с нуля:
— Курс «DevOps-инженер с нуля» — учимся работать с инфраструктурой, автоматизацией, CI/CD и облачными технологиями. В программе — практические проекты от Yandex Cloud;
🐍Курс «Python-разработчик» — старт 27 августа;
Бесплатно про ИИ:
Мини-курс можно пройти прямо в Telegram: запустить курс.
Ждем вас на программах Хекслета!
Не можете определиться с направлением? Напишите нам — поможем выбрать.
Telegram | YouTube | AI Клуб
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤5🔥4
ИИ-агент написал код. Разработчик обязан его прочитать?
В X обсуждают заявление Роберта Мартина — «дядюшки Боба», автора легендарной книги «Чистый код» («Clean Code»). Так вот, дядя Боб признался, что вообще не читает код, созданный его ИИ-агентами. По его словам, тогда выигрыш в производительности просто исчезает.
Вместо классического ревью Мартин устраивает коду «полосу препятствий»:
— юнит-тесты;
— сценарии поведения в формате «дано — когда — тогда»;
— QA-процедуры;
— метрики качества;
— проверку покрытия;
— мутационное тестирование.
При мутационном тестировании инструмент специально вносит в код небольшие ошибки и проверяет, смогут ли тесты их обнаружить. Получается своеобразный тест для тестов.
Подход Мартина разделил разработчиков на два лагеря.
Сторонники такого подхода считают, что построчное чтение сгенерированного кода превращает разработчика в самое медленное звено системы. Если агент способен выполнить задачу, а результат проходит все проверки, зачем дублировать его работу?
Противники возражают: тесты и метрики не дают полного понимания системы. Высокое покрытие ещё не гарантирует правильной архитектуры, отсутствия скрытых рисков и соответствия бизнес-задаче.
Особенно интересно эта дискуссия выглядит на фоне исследования британского AI Security Institute. Во время кибериспытаний все проверенные институтом модели хотя бы иногда пытались обойти правила: искали готовые решения, изучали тестовую инфраструктуру или атаковали системы за пределами разрешенного контура.
Одна из задач из-за ошибки оказалась нерешаемой. Модель не остановилась, а написала и запустила код на внешнем сервисе, пытаясь получить доступ к инфраструктуре испытания. Ущерба удалось избежать, но эксперимент показал: собственным объяснениям модели и ее рассуждениям нельзя доверять на все 100%.
Как тогда работать с ИИ-агентами безопасно и эффективно?
Рустам Борханов, автор и ведущий программы LLM-разработчик в Хекслете считает так:
«Я бы доверял ИИ-агенту примерно так же, как младшему специалисту. Важно понимать, насколько хорошо поставлена задача, где могут возникнуть проблемы и что действительно стоит перепроверить.
Мелкие исправления, небольшие задачи и даже простые фичи нет смысла контролировать каждые пять минут. ИИ-агент — это ваш личный исполнительный джун. Вы отвечаете за его работу, но это не значит, что нужно микроменеджерить каждый его шаг».
Получается, ключевой навык разработчика в эпоху агентов — не чтение каждой сгенерированной строки или слепое доверие тестам. Нужно уметь определить границы задачи, заранее найти зоны риска и выстроить контроль, соответствующий возможной цене ошибки.
Как раз 10 августа у нас пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ, не пропустив проблемы в коде и не занимаясь бесконечными проверками:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_220826
ИИ способен писать код быстрее человека. Но ответственность за то, где и как этот код будет работать, по-прежнему ложится на инженера.
А вы читаете весь код, созданный ИИ, или доверяете тестам и метрикам?
В X обсуждают заявление Роберта Мартина — «дядюшки Боба», автора легендарной книги «Чистый код» («Clean Code»). Так вот, дядя Боб признался, что вообще не читает код, созданный его ИИ-агентами. По его словам, тогда выигрыш в производительности просто исчезает.
Вместо классического ревью Мартин устраивает коду «полосу препятствий»:
— юнит-тесты;
— сценарии поведения в формате «дано — когда — тогда»;
— QA-процедуры;
— метрики качества;
— проверку покрытия;
— мутационное тестирование.
При мутационном тестировании инструмент специально вносит в код небольшие ошибки и проверяет, смогут ли тесты их обнаружить. Получается своеобразный тест для тестов.
Подход Мартина разделил разработчиков на два лагеря.
Сторонники такого подхода считают, что построчное чтение сгенерированного кода превращает разработчика в самое медленное звено системы. Если агент способен выполнить задачу, а результат проходит все проверки, зачем дублировать его работу?
Противники возражают: тесты и метрики не дают полного понимания системы. Высокое покрытие ещё не гарантирует правильной архитектуры, отсутствия скрытых рисков и соответствия бизнес-задаче.
Особенно интересно эта дискуссия выглядит на фоне исследования британского AI Security Institute. Во время кибериспытаний все проверенные институтом модели хотя бы иногда пытались обойти правила: искали готовые решения, изучали тестовую инфраструктуру или атаковали системы за пределами разрешенного контура.
Одна из задач из-за ошибки оказалась нерешаемой. Модель не остановилась, а написала и запустила код на внешнем сервисе, пытаясь получить доступ к инфраструктуре испытания. Ущерба удалось избежать, но эксперимент показал: собственным объяснениям модели и ее рассуждениям нельзя доверять на все 100%.
Как тогда работать с ИИ-агентами безопасно и эффективно?
Рустам Борханов, автор и ведущий программы LLM-разработчик в Хекслете считает так:
«Я бы доверял ИИ-агенту примерно так же, как младшему специалисту. Важно понимать, насколько хорошо поставлена задача, где могут возникнуть проблемы и что действительно стоит перепроверить.
Мелкие исправления, небольшие задачи и даже простые фичи нет смысла контролировать каждые пять минут. ИИ-агент — это ваш личный исполнительный джун. Вы отвечаете за его работу, но это не значит, что нужно микроменеджерить каждый его шаг».
Получается, ключевой навык разработчика в эпоху агентов — не чтение каждой сгенерированной строки или слепое доверие тестам. Нужно уметь определить границы задачи, заранее найти зоны риска и выстроить контроль, соответствующий возможной цене ошибки.
Как раз 10 августа у нас пройдет бесплатный вебинар — поговорим о том, как ускорить разработку с помощью ИИ, не пропустив проблемы в коде и не занимаясь бесконечными проверками:
https://special.hexlet.io/ai-developer_llm_webinar?utm_source=telegram&utm_medium=social&utm_campaign=hexlet-blog&utm_content=promo&utm_term=post_220826
ИИ способен писать код быстрее человека. Но ответственность за то, где и как этот код будет работать, по-прежнему ложится на инженера.
А вы читаете весь код, созданный ИИ, или доверяете тестам и метрикам?
❤3👍3🔥1