#code_generation — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #code_generation, aggregated by home.social.
-
Как мы превратили API-контракт в отдельный артефакт и сократили генерацию клиента с 15 минут до нескольких секунд
Привет! Я Дмитрий, старший Angular-разработчик в команде Klecks — платформы для разметки данных AI-Центра Т-Банка. Последние годы мы жили с NSwag: один api.ts на 13 000 строк, Docker-сборка бэкенда и ожидание по 15—17 минут каждый раз, когда менялся контракт. В рамках одной из задач мы решили перейти к модели, где OpenAPI-файлы лежат в репозитории, а клиент генерируется через ng-openapi-gen. Расскажу, какие проблемы мы пытались решить, что пробовали на стороне ASP.NET Core и какой workflow получился в итоге.
https://habr.com/ru/companies/tbank/articles/1069174/
#openapi_generator #openapi #code_generation #api_contract #nswag #typescript #angular #aspnet_core
-
Аннотации в Kotlin: от @Deprecated до своего KSP-процессора
Аннотации в Kotlin — это не только @Deprecated и @Suppress . Разбираемся, где живут SOURCE, BINARY и RUNTIME, чем KSP отличается от kapt, как compiler plugins меняют код и какие практические задачи можно закрыть генерацией: debug menu, удаление экспериментов и каталог performance-метрик.
https://habr.com/ru/companies/uzum/articles/1056652/
#kotlin #android #annotations #ksp #kapt #code_generation #metaprogramming
-
Код стал дешёвым. Понимание — нет
Когда-то было проще верить, что код и есть правда о системе. Ты открываешь репозиторий — и вроде бы всё перед тобой: логика, правила, зависимости, поведение. Если что-то непонятно, значит, надо просто внимательнее читать. Такой взгляд был удобен, привычен и во многом оправдан. Но сейчас он всё хуже работает. Потому что код сегодня можно генерировать очень быстро. Практически мгновенно. А вот понимать, что этот код реально делает, почему он устроен именно так и какие последствия у него будут в проде, по-прежнему долго и дорого. И в этом — главная проблема.
https://habr.com/ru/articles/1053080/
#code_generation #AI #source_of_truth #understanding #code_review #incidents #logs #traces #GitLab #Habr
-
Golden Armada: трассировки как основа наблюдаемой AI-native системы
Можно ли понимать сложную систему, вообще не читая её код? Golden Armada — экспериментальная AI-native система, в которой код перестаёт быть главным источником истины. Вместо него используется поток трассировок исполнения: каждая операция планируется LLM, выполняется системой и фиксируется как наблюдаемое поведение. В статье — реальные логи работающего прототипа и разбор того, как выглядит программирование, если “истиной” становится не код, а поведение системы.
https://habr.com/ru/articles/1049080/
#AI #искусственный_интеллект #LLM #большие_языковые_модели #программирование #архитектура_ПО #software_architecture #AInative #генерация_кода #code_generation
-
От регулярок к ANTLR4: три архитектурных решения на парсере бизнес-формул
Три года назад я писал свой первый коммерческий парсер на ANTLR4 — для бизнес-формул аналитической системы. Несколько лет спустя я бы сделал его иначе в трёх центральных местах. Разбираю каждое: левая рекурсия для приоритета операторов, Listener vs Visitor, и почему getText() для повторного парсинга — антипаттерн.
https://habr.com/ru/articles/1027742/
#antlr #antlr4 #парсер #parser #грамматика #dsl #java #spring_boot #compiler #code_generation
-
Design‑First в действии: API на Spring с OpenAPI Generator
Когда команда пишет API, но документация живёт своей жизнью, а интеграторы часами гадают, что значит ошибка 500, — проект неизбежно тонет в хаосе. В этой описан подход, который является лучшим решением: Design‑First на основе OpenAPI . Мы пройдём полный цикл: от проектирования спецификации до работающего Spring‑приложения с автоматической генерацией кода и централизованной обработкой ошибок. Вы узнаете, как одна команда ./gradlew clean build может создать модели и интерфейсы, избавив вас от рутины.
https://habr.com/ru/companies/otus/articles/1008384/
#api #openapi #spring #rest_api #swagger #spring_boot #designfirst #code_generation
-
Как заставить LLM считать точно: генерация кода вместо генерации ответов
Недавно в популярном Facebook-посте: «GPT работает всё хуже. Просишь пересчитать формулу на 600 грамм, он бодро выдаёт две по 300. Пора, видимо, валить». Проблема знакомая каждому, кто пытался использовать LLM для расчётов. Но это не деградация конкретной модели. Это фундаментальное ограничение архитектуры. И у него есть решение.
https://habr.com/ru/articles/1015434/
#LLM #Python #Docker #code_generation #бухгалтерия #Qwen #DeepSeek #sandbox #excel
-
Claude Opus 4.5: как Anthropic сделала флагманскую модель в 3 раза дешевле и при этом умнее
24 ноября Anthropic выпустила Claude Opus 4.5 — и это не просто очередной апдейт. Модель стала в 3 раза дешевле ($5 vs $15 за 1M токенов), но при этом обогнала конкурентов по ключевым метрикам. Что изменилось: 80.9% на SWE-bench — лучший результат среди всех LLM для кода Работает автономно 30+ минут без вашего участия Экономия токенов до 76% через новый параметр effort В 4.6 раза устойчивее к prompt injection, чем GPT-5.1 Реальная экономика: Команда из 10 разработчиков экономит $4800-6000 в год только на стоимости API. GitHub Copilot после интеграции Opus 4.5 сократил расход токенов вдвое. В статье разбираем: → Детальные бенчмарки vs GPT-4 и Gemini → 5 практических кейсов с кодом (code review, генерация тестов, security audit) → Архитектуру AI-агентов на базе Opus 4.5 → Реальные цифры ROI и окупаемости → Ограничения, о которых молчит маркетинг Бонус: примеры интеграции в CI/CD, стратегия использования параметра effort и конфиги для мониторинга. Если вы используете LLM в production или только планируете внедрение — эта статья сэкономит вам недели экспериментов.
https://habr.com/ru/articles/974086/
#Claude #Anthropic #LLM #AI #code_generation #API #GPT4 #нейросети #code_review #автоматизация
-
How I Learned to Stop Worrying and Love the… BDSM
Это публикация-опрос. Поэтому и такой заголовок :) Отсылку поймут не только лишь все, но главная цель - привлечь внимание народа к опросу. В принципе, публикацию можно даже и не читать. Она просто поясняет, откуда взялись два варианта между которыми нужно выбирать по итогу - какое из двух названий лучше применить в технической документации. Буду благодарен всем, кто поучаствует в голосовании.
https://habr.com/ru/articles/944134/
#code_generation #llm #codex #вайбкодинг #опрос #мнение_народа
-
Как мы обучали модели для кода GigaCode
Привет, Хабр! Меня зовут Дмитрий Бабаев, я руководитель R&D GigaCode в Сбере. Сегодня расскажу о том, как мы создавали ИИ-помощника для программистов задолго до того, как это стало мейнстримом. Многие компании думают о том, чтобы выпустить собственного ИИ-помощника для разработчиков. Мы начали делать GigaCode около трех лет назад — ещё до появления Cursor и других популярных сегодня решений. За это время мы создали целую экосистему решений для разработки – GigaDEV: IDE на основе IntelliJ, платформу Gitverse как аналог GitHub и сам GigaCode.
-
Инженерное лидерство в эпоху AI: почему 72% продуктивности теряется и как с этим бороться
Парадокс века: исследование METR с участием 16 опытных разработчиков показало, что AI-инструменты увеличили время выполнения задач на 19% , хотя сами разработчики были уверены, что экономят 20% времени. Если вы тимлид или менеджер, внедряющий AI в команде — эта статья сэкономит вам месяцы экспериментов и поможет избежать типичных граблей, на которые наступили 80% компаний в 2025 году.
https://habr.com/ru/articles/935188/
#ai #управление_разработкой #метрики_продуктивности #code_review #code_generation #mlops #team_management
-
AI-бот для QA-инженеров: как я сделал Telegram-ассистента для ежедневной прокачки
Привет! Меня зовут Евгений. Я — Full-Stack QA Engineer в Devscribed и сегодня хочу поделиться своим экспериментом — QA Mentor Bot . Это Telegram‑бот, который отправляет в телеграмм группу случайные вопросы по тестированию и сразу же генерирует на них развёрнутые ответы с помощью AI. В этой статье я расскажу, как устроен проект и с какими «подводными камнями» столкнулся в процессе разработки.
https://habr.com/ru/articles/927708/
#telegrambot #deepseek #ai #vibecoding #code_generation #testing #education #education_projects #задачи_для_тестировщика #собеседование_вопросы
-
AI-first backend: опыт реального вайб-кодинг проекта
В 2025 году вопрос полноценной генерации продуктового кода с помощью LLM («вайб-кодинг») становится все более актуальным, но при этом остается и достаточно дискуссионным: насколько такие подходы вообще применимы в реальных проектах, действительно ли они сокращают время и стоимость разработки, и что происходит с тестируемостью и поддержкой такого кода в долгосрочной перспективе? Сложность этого вопроса не только в качестве самой генерации, но и в том, как интегрировать LLM в инженерные процессы, чтобы получить управляемый, масштабируемый и архитектурно устойчивый код. Моя мотивация была проста: попробовать выстроить полноценный продуктовый backend для нетривиального телеграм-бота с функциями агента (планированием, напоминаниями, памятью и проактивным поведением, возможностью дальнейшей расширяемости и интеграции сторонних сервисов), при этом — не писать руками ни строчки кода. Чтобы человек участвовал только как архитектор и асессор, а все проектирование и реализация шли через промпты в специализированные IDE (Cursor, Copilot, Zed) и LLM (как доступные через API, так и в «пользовательской» продуктовой обвязке).
https://habr.com/ru/articles/926238/
#vibecoding #telegrambot #cursor_ai #claudeopus4 #gpt4 #code_generation
-
C#, Кодогенерация и DDD. Часть 2 — Получаем данные и пробуем генерировать
Это - вторая публикация в серии DDD и кодогенерация. ( первая часть ) В этой части мы научимся получать данные через рефлексию и Roslyn в одинаковой форме. А атрибуты из Roslyn - как объекты.
-
Метапрограммирование 2.0: макросы и генерация кода в современном мире
Забудьте про скучные «Hello, World». Макросы и шаблоны давно стали полноценными инструментами архитектора кода: от хитрых C++-шаблонов до процедурных макросов Rust и Java-аннотаций, автоматически генерирующих целые фреймворки. В этой статье мы рассмотрим примеры, где metaprogramming избавляет от рутины и экономит часы работы над проектом. Детали как всегда под катом.
https://habr.com/ru/companies/ruvds/articles/916552/
#ruvds_статьи #метапрограммирование #генерация_кода #макросы #code_generation #Rust #Java #C++ #metaprogramming #шаблонный_код
-
[Перевод] Чем отличается мой Type Predicate Generator?
Кратко: это максимально безопасный по типизации инструмент, генерирует статические файлы с кодом для максимальной совместимости, быстрый благодаря предварительной компиляции (AOT) и компактный. Также он предоставляет удобный генератор модульных тестов, чтобы можно было быть почти на 100% уверенным, что создаваемые предикаты работают, как ожидается. Этот пост предлагает детальное сравнение Generator с другими инструментами для проверки типов во время выполнения, а также дает более широкий обзор смежных тем. Со временем пост постепенно превращается в более аналитическую статью, а не просто "мой X круче, чем ваш Y". Погрузиться
-
Show HN: TypeSchema – A JSON specification to describe data models
https://typeschema.org/
#ycombinator #JSON_Schema #TypeSchema #Data #Model #Specification #Code_Generation #Code_Generator -
Show HN: TypeSchema – A JSON specification to describe data models
https://typeschema.org/
#ycombinator #JSON_Schema #TypeSchema #Data #Model #Specification #Code_Generation #Code_Generator -
Присоединяйтесь к проекту Rustsn: призыв к разработчикам Rust, интересующимся областью ИИ(LLM)
Несколько дней назад я опубликовал статью Создание инструмента генерации кода с помощью Rust и локальных LLM от Ollama Проект Rustns призван упростить жизнь разработчикам Rust за счет автоматизации утомительных задач. Мой инструмент генерирует фрагменты кода Rust из объяснений пользователя, компилирует их, разрешает зависимости, генерирует тесты. Изначально проект задумывался как универсальное решение для генерации кода для самых популярных языков программирования, включая Java, Python и TypeScript. Я стремился создать инструмент, который бы облегчил работу разработчиков, предоставляя возможность генерировать код сразу на нескольких языках. Однако, приступив к реализации мультиязычности, я столкнулся с серьёзными трудностями. Попытка унифицировать код для различных языков оказалась куда более сложной задачей, чем я ожидал. Каждый язык программирования имеет свои особенности, что значительно усложняет код и поддержку всех этих языков в одном проекте. В итоге я пришёл к выводу, что нужно сконцентрировать свои усилия на одном языке программирования. В моём случае это Rust, на котором был написан проект, генерирующий Rust-код. Вот упрощенная диаграмм работы проекта:
-
Рождение AutoCode: История самосоздания ИИ
В постоянно развивающемся мире технологий мы стали свидетелями бесчисленных инноваций, раздвигающих границы возможного. Но сегодня я хочу поделиться историей, которая одновременно вдохновляет и немного тревожит — историей AutoCode, инструмента искусственного интеллекта, который сам написал себя. Представьте на мгновение чистый холст. Единственный запрос. И из этого возникает целая программная экосистема, строка за строкой, функция за функцией. Это не научная фантастика. Это AutoCode.
-
[Перевод] Что не так с вашим кодом, сгенерированным большими языковыми моделями?
Китайские ученые провели обширное исследование на 7 популярных LLM, генерируя с помощью них код, а потом выявляя и анализируя ошибки. Им удалось не только выявить и категоризировать наиболее частые закономерности ошибок, но и предложить метод их устранения. Под катом вольный краткий перевод с комментариями
-
Generating Code Without Generating Technical Debt?
https://sourcery.ai/blog/chatgpt-maintainable-code/
#ycombinator #ChatGPT #code_generation #maintainable_code #technical_debt #continuous_delivery -
Generating Code Without Generating Technical Debt?
https://sourcery.ai/blog/chatgpt-maintainable-code/
#ycombinator #ChatGPT #code_generation #maintainable_code #technical_debt #continuous_delivery