#code_review — Public Fediverse posts

Когда терапия выходит в прод

«На тестах всё работало». Любой разработчик слышал эту фразу хотя бы раз. В психотерапии происходит нечто похожее: человек может прекрасно понимать свою проблему на сессии, но в реальной жизни снова автоматически реагировать по-старому. Используя аналогии из разработки, я попробую показать, почему настоящее изменение проверяется не в кабинете психолога, а в том самом «проде», ради которого человек вообще пришёл в терапию.

https://habr.com/ru/articles/1069886/

#психотерапия #ISTDP #психология #разработка_ПО #backend #разработчики #эмоции #тревога #психологические_защиты #code_review

Мечтают ли андроиды об электроовцах?

В 1968 году Филип К. Дик написал роман «Мечтают ли андроиды об электроовцах?». В мире книги эмпатия становится одним из признаков, по которым человека пытаются отличить от андроида. Для этого используется вымышленный тест Войта-Кампфа, проверяющий эмоциональные реакции. Я начал эту статью с гипотезы об эмпатии разработчиков, но исследований, которые позволили бы подтвердить её, не нашёл. Зато обнаружил более интересный вопрос: как эмоции влияют на вполне рациональные инженерные решения и что происходит, когда мы этого влияния не замечаем.

https://habr.com/ru/articles/1068472/

#эмпатия #разработчики #психология_труда #эмоции #code_review #коммуникация #принятие_решений #алекситимия #разработка_ПО

Как у нас в проекте на самом деле пишется код

В прошлой статье речь шла в основном про транспортный уровень - uTLS, decoy-трафик, pacing и всё, что связано с прохождением DPI. Это удобно рассматривать как отдельную техническую задачу, но внутри проекта это только один слой. На моей части лежат клиенты под пять операционных систем: Windows, macOS, Linux, Android и iOS. Даже когда собственно транспортная логика у них общая, вокруг неё неизбежно появляется платформенный код. У каждой системы свои сетевые API, свои ограничения на фоновую работу, свои модели пермишенов и свой способ интегрировать всё это с остальной системой. Кроме клиентов есть сетевая инфраструктура: control- и exit-узлы, арбитр, подписанный манифест узлов и обвязка вокруг этого хозяйства. Есть метрики, алертинг, ротация ключей и конфигов. Есть анализаторы трафика. Всё это не существует независимо друг от друга: изменение протокола довольно быстро превращается в изменения на нескольких платформах, серверных компонентах и в тестах. И это только то, чем занимаюсь непосредственно я. Рядом существуют партнёрские приложения, использующие наш SDK, сайт, документация и экосистема вокруг клиента. Ими занимаются другие люди, но с точки зрения общего объёма разработки они никуда не исчезают. Команда при этом небольшая. Поэтому довольно быстро возникает банальная арифметическая проблема: задач больше, чем люди способны последовательно написать руками за разумное время. Именно здесь у нас появились LLM - в основном Claude, иногда модели OpenAI. Не как ещё один архитектор и не как человек, которому можно сказать «сделай мне анти-DPI систему», а как инструмент для довольно определённого класса инженерной работы.

https://habr.com/ru/articles/1068410/

#LLM #Claude #разработка_ПО #кроссплатформенная_разработка #code_review

ИИ‑агенту недостаточно правил: как мы передаём ему инженерный опыт

Промпты, документация и skills сами по себе не передают ИИ‑агенту инженерный опыт. Рассказываю, как мы выстроили работу через декомпозицию, эталонные реализации, few‑shot и постепенное доверие к тестам — без вайбкодинга и автономной генерации тысяч строк кода. Разобраться в процессе

https://habr.com/ru/articles/1066436/

#ИИагенты #агентная_разработка #разработка_ПО #context_engineering #fewshot #skills #тестирование #code_review #инженерные_практики #автоматизация_разработки

[Перевод] Экономическая выгода рефакторинга в эпоху AI-агентов

Осваивая разработку с помощью AI-агентов, я написал веб-приложение для собственной ежедневной работы. Проект получился довольно сложным: с динамическим обновлением интерфейса и поиском, модальными окнами, автосохранением, интеграциями с внешними системами, модулями машинного обучения, текстовым анализом, фоновыми задачами и автоматическим деплоем. Объём кода составил около 150 000 строк, из которых примерно 120 000 написаны на Rust, а остальные - на TypeScript и Terraform. Весь этот код сгенерировали агенты - в основном Claude Code и частично Cursor . За редкими исключениями я почти не открывал и не читал исходные файлы. В процессе разработки я начал замечать странности. Когда в терминале мелькнула правка 4000-й строки в одном файле, я решил посмотреть на код ближе. Выяснилось, что слой доступа к данным разросся до 6000 строк. С каждой новой функцией он продолжал расти. В коде каждого запроса, чтения или записи повторялись настройка HTTP-запроса, кодирование и декодирование JSON. В итоге весь слой доступа к данным оказался в одном файле на 17 155 строк Rust.

https://habr.com/ru/articles/1065178/

#refactoring #ииагенты #ai #рефакторинг #разработка_приложений #разработка #software_engineering #software_architecture #бюджет #code_review

Ваш агент не тупой — ему просто неудобно

Инженеры тонут в ревью сгенерированного кода, продакты хвастаются фичами без программистов. Почему агент буксует в вашем репозитории и как это измерить. Читать про Agent Comfort

https://habr.com/ru/articles/1064012/

#context_engineering #агентская_разработка #AIагенты #Claude_Code #code_review #качество_кода #DevOps

Ваш AI-агент не понимает код. Он просто очень уверенно угадывает — поэтому мы создали SLICER

AI-агенты отлично решают локальные задачи, но часто теряют связи между частями большой кодовой базы. Из-за этого изменение одной функции может незаметно сломать frontend, backend-роут, сервис, repository, background task или тест. В статье разбирается CodeSlicer — локальный CLI, MCP-сервер и визуальный анализатор, который строит проверяемый граф влияния проекта. Он связывает функции, классы, DI-провайдеры, HTTP-endpoint’ы, frontend-компоненты и тесты, сохраняя evidence chain, provenance, confidence и причины каждой связи. Показывается полный pipeline: inventory, extraction, semantic resolution, support packs, unknown regions, mutation testing, runtime observation и impact analysis. Отдельно разобрано, почему система не должна превращать предположение AI в подтверждённое ребро. На размеченных Python-сценариях протестированы 21 тестовый сценарий, 29 mutation-сценариев, 20 обязательных semantic edges, 0 false positive и 0 false negative. Для TypeScript и frontend-backend bridge проверены 12 сценариев, 15 мутаций и 4 cross-language цепочки с endpoint precision 1.0. Также рассматриваются интеграции с AI-агентами через CLI, MCP и skills, отличие CodeSlicer от обычных графов кода и дальнейшее развитие проверенного registry библиотек

https://habr.com/ru/articles/1063004/

#AIагенты #статический_анализ #граф_зависимостей #Python #TypeScript #MCP #code_review #рефакторинг #fullstack #developer_tools

пошКОДим: как превратить React-компонент в неуправляемый комбайн — 15 вредных советов

На планировании оценивают задачу: «добавить бейдж VIP на карточку клиента». Разработчик открывает CustomerCard.tsx , молчит и говорит: «Дня три». Никто не смеётся — все открывали этот файл. В нём почти семьсот строк, и он умеет всё: грузит клиента и его заказы, кэширует, валидирует форму, различает три роли, экспортирует CSV и не падает. Сцена собирательная, но файл — нет: для этой статьи я вырастил его сам, шаг за шагом, и каждый шаг сохранил. Вопрос к такому файлу — не «почему он большой?». Вопрос — «сколько у него причин измениться и кто их считает, кроме ревьюера?» За годы code review я много раз наблюдал рождение комбайна и ни разу — конкретный момент, когда обычный компонент становится неуправляемым. Такого момента нет: каждое отдельное изменение выглядит разумным, укладывается в дедлайн и проходит ревью. Поэтому статья устроена как хроника: один компонент, пятнадцать вредных советов, и после каждого — счёт, который выставляет машина. Неуправляемость не измеряется строками — строки лишь симптом. Болезнь — число причин изменения, собранных в одном файле. Пока их никто не считает, комбайн растёт легально: каждый его шаг проходит code review.

https://habr.com/ru/articles/1061620/

#React #TypeScript #God_Component #антипаттерны #рефакторинг #архитектура_фронтенда #code_review #тестирование #сложность_кода #декомпозиция_компонентов

Greenfield и Brownfield: разработка новых и существующих систем в эпоху AI

Новый сервис в пустом репозитории легко назвать greenfield. А если он должен заменить часть работающей системы, перенести данные за десять лет, сохранить старый API и пройти аудит? «Чистое поле» быстро заканчивается - обычно где-то между первой интеграцией и миграцией данных. Greenfield и brownfield описывают не возраст и не качество кода, а количество уже существующих ограничений. В greenfield главная задача - проверить гипотезы о будущем продукте. В brownfield - разобраться в накопленных зависимостях и ничего важного не сломать. С распространением AI-ассистентов и coding agents это различие стало ещё заметнее. Они впечатляюще быстро создают приложение с нуля. Но сколько профессиональной разработки действительно начинается с пустого репозитория? Гораздо чаще нужно сначала понять существующую систему, а затем безопасно изменить её поведение.

https://habr.com/ru/articles/1060592/

#greenfield #brownfield #legacy #разработка_ПО #software_architecture #ИИассистенты #технический_долг #code_review #DORA #sdlc

LLM говнокодит не хуже людей. Только быстрее

Полгода назад я начал писать пет-проект практически полностью с помощью LLM-агентов. Первые недели это был чистый дофамин: фичи вылетали за вечер, я один успевал столько, сколько раньше делала небольшая команда. А потом всё начало вязнуть — ровно так, как вязнет любой проект с говнокодом: каждая новая фича ломала две старые, агент правил код «на ощупь», а я тратил время не на продукт, а на разгребание. Под катом — что я понял и что в итоге сработало: почему LLM деградирует на плохой архитектуре точно так же, как команда людей; почему SOLID, DDD и чистая архитектура не устарели, а стали важнее; и как превратить архитектурные договорённости из «пожеланий в CLAUDE.md» в контракт, который машина не может нарушить. С конкретикой: два конфига deptrac для Symfony-бакенда и пайплайн разработки с субагентом-ревьювером.

https://habr.com/ru/articles/1058064/

#llm #чистая_архитектура #ddd #solid #aiагенты #claudecode #vibecoding #code_review #ограниченный_контекст #bounded_context

От промптов к циклам: как давать AI‑агенту проверяемые задачи

В работе с AI‑кодерами постепенно меняется формат задачи. Одного промпта часто недостаточно: агенту нужно не только выполнить разовую команду, но и повторять действия до понятного результата. Например: проверить CI, прочитать лог, внести минимальное исправление, снова запустить тест, остановиться при выполнении условий. Поводом для этой статьи стала заметка Anthropic « Getting started with loops » про циклы (loops) в Claude Code. Там термин«цикл» описывается как повторяющаяся работа агента до выполнения условия остановки. Практический смысл такой: если задача состоит из нескольких повторяемых шагов, человеку не нужно каждый раз вручную читать вывод агента, запускать проверку, копировать ошибку обратно в чат и писать следующую команду. Эту процедуру можно описать заранее.

https://habr.com/ru/articles/1057152/

#Claude_Code #LLM #AIагенты #AI_coding #DevOps #code_review #GitHub #prompt_engineering

Точно ли здесь нужен `any`? 13 сценариев из TypeScript-код-ревью — от `unknown` до границы приложения

Красная волнистая линия под строкой раздражает, и самый быстрый способ её убрать — дописать any , as или ! . Компилятор замолкает, сборка зеленеет, PR уходит дальше. Вот только ошибка никуда не делась: она переехала из редактора в рантайм, поближе к пользователю. За годы ревью — чужого кода и своего — я привык читать эти три символа как сигнальную лампочку. Они почти всегда отмечают место, где тип не описан, а выключен. Иногда это осознанный и оправданный выбор. Гораздо чаще — способ не разбираться прямо сейчас, счёт за который приходит позже и другому человеку. Поэтому на code review я задаю не привычное «как затипизировать, чтобы TypeScript замолчал», а обратный вопрос: Что именно я здесь отключаю — и правда ли без этого нельзя? Веду frontend-команду, много времени провожу в чужих диффах, и про any , as и ! у нас постепенно сложился небольшой свод договорённостей для review. Из него и выросла эта статья: 13 сценариев, которые складываются в один короткий фильтр. Для каждого есть пара «плохо → хорошо» и рабочий пример на TypeScript 6 — всё можно потрогать в playground (он написан на React, но сами приёмы относятся к TypeScript в целом). Разберём any и unknown , сужение и type guards, satisfies , as const , оператор ! и валидацию данных на границе. Главная мысль: Типы — это проверяемые обещания о данных. any, а также необоснованные as T и !, позволяют компилятору принять такое обещание без доказательства. Если тип неизвестен — это unknown и сужение; если известен, но невиден компилятору — это guard, валидация или контролируемый инвариант, а не слепое утверждение.

https://habr.com/ru/articles/1055944/

#TypeScript #any #unknown #type_guards #type_assertions #narrowing #satisfies #строгая_типизация #code_review #валидация_данных

Нужен ли здесь `useEffect`? 12 сценариев из React-код-ревью — от производного состояния до React 19.2

На code review я регулярно встречаю один и тот же вопрос, только записанный разным кодом: «Как правильно синхронизировать эти значения через useEffect ?» Со временем я понял, что чаще полезнее спросить иначе: а эффект здесь вообще нужен? В статье разбираю 12 типичных сценариев из React-код-ревью: производное состояние, события, цепочки эффектов, внешний store, useEffectEvent , загрузку данных и современные подходы React 19.2. Для каждого случая — пример «плохо → хорошо» и практический фильтр, который помогает выбрать между рендером, обработчиком события, Action, useEffect или query-библиотекой.

https://habr.com/ru/articles/1055486/

#React #useEffect #React_Hooks #React_19 #TypeScript #frontend #code_review #useEffectEvent #useSyncExternalStore #TanStack_Query

Subagents в Claude Code

Claude Code быстро упирается не в возможности модели, а в контекст: чем больше файлов, планов и правок попадает в одну сессию, тем сложнее удерживать качество. Subagents решают эту проблему через делегирование — выносят ревью, тесты, аудит и исследование кода в отдельных агентов с собственным контекстом, инструментами и правилами.

https://habr.com/ru/companies/otus/articles/1054590/

#Claude_Code #subagents #ИИагенты #агентные_workflow #вайбкодинг #разработка_с_ИИ #автоматизация_разработки #code_review #orchestration #инженерный_workflow

Как мы сократили код-ревью с двух суток до пятнадцати минут: кейс мультиагентной системы

Кейс CTO AlpinaGPT Сергея Андриянова: как из боли с код-ревью в аутсорс-команде вырос продукт Evolver, и почему мы сознательно отказались от автономных агентов в проде. В конце мая мы собирали внутреннюю мастер-встречу по AI-трансформации, и один из докладов оказался настолько содержательным, что я не могу удержаться и не пересказать его. Выступал Сергей Андриянов — наш CTO в Читать кейс

https://habr.com/ru/companies/alpinadigital/articles/1054436/

#ии #ai #LLM #Claude #Code_Review #мультиагентные_системы #ai_agents #Workflow #CTO #разработка

Как широкий доступ к ИИ‑кодогенерации тихо разъедает инженерную команду

Представьте свою команду через пару лет после того, как все в ней дружно подсели на ИИ. CI зелёный. Покрытие почти сто процентов. Фичи выкатываются быстрее, чем раньше. А теперь подойдите к любому и попросите у доски объяснить, как вообще устроена система: где границы модулей, почему контракты именно такие, что рванёт, если потянуть вот за этот сервис. И окажется, что целиком этого не знает никто. Код есть, он работает, и его никто не понимает. Самое удобное объяснение звучит так: значит, набрали слабых инженеров. Я хочу показать, что это объяснение неверное, и что за последние два года накопилось достаточно данных, чтобы говорить не про чьи-то личные провалы, а про свойство самой системы.

https://habr.com/ru/articles/1053830/

#ИИассистенты #вайбкодинг #технический_долг #code_review #качество_кода #метрики_разработки #DORA #METR #управление_разработкой #deskilling

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

Код от нейронки плоский — как и её тексты. Только в тексте это заметно всем

Вайб-кодер в чистой форме — человек, который вообще не имеет отношения к разработке — физически не способен оценить код. Для него работает = работает. А я утверждаю: код, сгенерированный нейронкой, всё равно будет более плоским, более ущербным и менее оптимальным, чем код живого разработчика. Проблема в том, как это доказать человеку, который код читать не умеет. Поэтому зайдём через аналогию, которую может проверить КАЖДЫЙ — через тексты.

https://habr.com/ru/articles/1052616/

#LLM #нейросети #вайбкодинг #Claude_Code #качество_кода #code_review #технический_долг #фриланс #искусственный_интеллект #программирование

Баг-трекинг: почему баги возвращаются на прод и какая система это лечит

Тестировщик находит баг в проде и идёт заводить тикет. Поиск по трекеру показывает: этот баг уже заводили — восемь месяцев назад. Закрыт со статусом «не воспроизводится». Автор закрытия уволился, комментариев нет, шагов воспроизведения нет. Тикет заводится заново — третий раз за два года. Знакомая картина? В энтерпрайзе она стоит бизнесу миллионов рублей на потерянном времени и сгоревших SLA. Баг-трекинг — это не «куда записывать баги». Это процесс, который не даёт им возвращаться: с понятным жизненным циклом, жесткой ответственностью за «протухание» и связью дефекта с кодом и релизом. В статье разберём, как этот процесс устроен в суровой реальности, а не в учебниках по Agile, какие бывают баг-трекинговые системы — от GitLab Issues до Enterprise-платформ — и как выбрать свою, не переплатив за лишнее и не создав кладбище тикетов. Почему баги возвращаются

https://habr.com/ru/companies/simpleone/articles/1051292/

#багтрекинг #управление_дефектами #SDLC #управление_разработкой #code_review #GitLab #simpleone_sdlc #импортозамещение

AI предлагает, мержу я: почему я не даю агенту последний ход

TL;DR. Я не пытаюсь сделать кодинг-агента самостоятельным разработчиком. Я задаю для него процесс: SPEC → PLAN → TEST → CODE → REVIEW → LEARN , артефакты на каждом шаге и человеческий accept там, где начинается ответственность. Эта статья — вход в серию про map-framework : хуки, контракты, контекст, память и всё, что я довёл из научных статей до рабочего процесса.

https://habr.com/ru/articles/1050678/

#AIагенты #кодингагенты #LLM #Claude_Code #code_review #specdriven_development #автоматизация_разработки #инженерные_практики #mapframework #arxiv

Иннерсорсинг в Островке: как мы перестали ждать чужой бэклог и ускорили delivery на несколько кварталов

Знакомая ситуация: вашей команде нужна фича в чужом сервисе, вы ставите задачу — и ждёте. Неделю, месяц, квартал. Потому что у того сервиса свои приоритеты и свой ограниченный ресурс. А ваш продукт стоит. В Островке мы столкнулись с этим в масштабе: сразу несколько продуктов зависели от одного большого внутреннего сервиса, который физически не мог обработать все запросы. Решением стал иннерсорсинг — подход, при котором команда сама пишет нужный ей код в чужом репозитории . За два года в одной из наших команд через иннерсорсинг прошли 22 проекта разного объёма. Часть задач, которые раньше могли ждать несколько кварталов в чужом бэклоге, теперь удаётся доводить до релиза за один квартал. Взаимодействие с принимающим сервисом стало предсказуемее: появились понятные правила, зоны ответственности и точки синхронизации. Под катом рассказываем, как у нас устроен иннерсорсинг: какие правила мы зафиксировали, где столкнулись с проблемами и что стоит предусмотреть перед запуском такого процесса. Статья может быть полезна тимлидам, чьи команды зависят от других сервисов; разработчикам, которым предстоит иннерсорсить; и руководителям, которые ищут способ ускорить кросс-командное взаимодействие без дополнительного найма.

https://habr.com/ru/companies/ostrovok/articles/1049140/

#иннерсорсинг #innersource #delivery #code_review #ownership #продуктовая_разработка #техдолг

[Перевод] Cloudflare: Оркестрация AI-ревью кода в промышленных масштабах

Code review — отличный механизм для отлова багов, но это почти гарантированный способ создать «бутылочное горлышко» для всей команды. В Cloudflare медианное время ожидания первого ревью измерялось часами. Чтобы решить проблему, они построили CI-нативную систему оркестрации вокруг 7 узкоспециализированных ИИ-агентов (безопасность, качество кода, производительность). Итог: 130 тысяч проверок за месяц, среднее время ревью — 3.5 минуты. Перевод подробной технической статьи от инженеров Cloudflare об архитектуре, защите от сбоев и экономии токенов.

https://habr.com/ru/articles/1049330/

#cloudflare #code_review #кодревью #llm #ai #искусственный_интеллект #автоматизация #claude #openai #cicd

AI-ассистент пишет код: 8 антипаттернов, из-за которых он падает в проде

AI-ассистент пишет код быстрее — и ломает прод чаще. Звучит как парадокс, но цифры 2026 года это подтверждают: pull request'ов на разработчика стало на 20% больше, а инцидентов на каждый PR — на 23,5%. Самое неприятное, что эти баги почти не видны на ревью: код чистый, тесты зелёные, апрув за пять минут — а через неделю алерт. Разобираем восемь антипаттернов, которые ловят даже сеньоров: от галлюцинированных зависимостей и slopsquatting до context rot и архитектуры, которая по кускам деградирует в God Service. На каждый — симптом, причина, последствия и конкретное исправление. Плюс готовый чек-лист ревьюера AI-кода, который можно забрать и повесить рядом с шаблоном PR.

https://habr.com/ru/companies/otus/articles/1047046/

#AIассистент #антипаттерны #code_review #качество_кода #безопасность_цепочки_поставок #разработка_с_ai #slopsquatting

Я год не писал код руками. Но я не вайбкодер — и это две разные профессии

Я больше года не пишу код руками — всё пишет ИИ. Но я не вайбкодер, и это две разные профессии. Рассказываю, в чём разница, почему она скоро будет стоить компаниям дорого, и при чём тут Git-клиент, который я написал, чтобы пройти корпоративную ИБ.

https://habr.com/ru/articles/1048796/

#GitBor #Gitклиент #ИИ #вайбкодинг #импортозамещение #Electron #code_review

Когда написание кода перестаёт быть дефицитом: опыт команды Claude Code

Наткнулся на кое-что, что показалось мне весьма ценным. Это довольно редко встречается: AI-компании вроде Claude действительно делятся мыслями и размышлениями об организационной структуре.

https://habr.com/ru/articles/1048678/

#Claude #Claude_Code #Anthropic #искусственный_интеллект #процессы_разработки #llm #code_review #ainative

Чем лучше Claude Code, тем хуже разработчик

Boeing ведёт статистику авиационных происшествий с 1950-х. Одна цифра там не меняется уже несколько десятилетий: около 80% катастроф связаны исключительно с человеческим фактором . При этом сами самолёты за это время стали в разы надёжнее, а автопилоты в разы умнее. Парадокс в том, что эти два факта связаны между собой.

https://habr.com/ru/articles/1045628/

#AI_в_разработке #Claude_Code #Cursor #Codex #AIагенты #automation_bias #атрофия_навыков_разработчика #code_review #человеческий_фактор

Эволюция клиента для Ollama: от PostgreSQL к MongoDB

Привет. Меня зовут Николай Пискунов, я руководитель направления Big Data и эксперт курса Cloud DevSecOps по безопасной разработке от Академии вАЙТИ

https://habr.com/ru/companies/beeline_cloud/articles/1046111/

#java #spring_boot #postgresql #ollama #llm #artificial_intelligence #react #typescript #code_review #code_review_ai

Ten Months with Copilot Coding Agent in dotnet/runtime
https://devblogs.microsoft.com/dotnet/ten-months-with-cca-in-dotnet-runtime/

#microsoft #NET #AI #Developer_Stories #CCA #Code_Review #Copilot_Coding_Agent #dotnet #dotnet_runtime #open_source

GitHub Browser Plugin for AI Contribution Blame in Pull Requests
https://blog.rbby.dev/posts/github-ai-contribution-blame-for-pull-requests/
#ycombinator #ai_assisted_development #open_source #git #code_review #browser_plugin

🔍🙄 Ah, the classic "let's reinvent the wheel" article, because GitHub's code review isn't up to the Herculean standards of our bespoke, over-engineered tool that nobody asked for! 🚀🎩 Spoiler: the solution to everyone's problems is yet another tool you'll 'shelve' for reasons nobody cares about. 🤷‍♂️
https://tigerbeetle.com/blog/2025-08-04-code-review-can-be-better/ #reinventingthewheel #code_review #over_engineered #tools #nobody_asked_for #tech_critique #HackerNews #ngated

We're Leaving Kubernetes
https://www.gitpod.io/blog/we-are-leaving-kubernetes
#ycombinator #gitpod #dev_environment #developer_environment #devops #cloud_ide #github_ide #gitlab_ide #javascript #online_ide #web_ide #code_review #remote_development #cloud_development #ready_to_code #cde #cloud_development_environment #platform_engineering #developer_experience #DevX #developer_velocity

Trying out the Panel-of-Experts prompting strategy for LLMs
https://sourcery.ai/blog/panel-of-experts/
#ycombinator #code_review #code_quality #llm #prompt_engineering

The Unhinged Nature of GTA V Source Code [video]
https://www.youtube.com/watch?v=QZ6rLbu4LQw
#ycombinator #GTA #GTA_V #Source_Code #Code #Code_leak #Software #GTA_Code_Leak #GTA_Source_Code #Funny_comments #code_comments #unhinged_nature #rockstar_developers #rockstar_dev #gamedev #code_review #code #review #michael_de_santa #michael_desanta #trevor #michael #franklin