#code_review_ai — Public Fediverse posts

Разделение ответственности между Claude и Codex: как я перестал выбирать одну нейросеть и усилил сразу две

Я Go-разработчик, но у меня есть собственный проект — и это значит, что Go только часть работы. В обычную неделю я переключаюсь между Go-бэкендом, SQL, React и TypeScript, дизайном API, архитектурой, Docker, CI/CD, инфраструктурой, тестами и UX. Проблема не в том, что я чего-то из этого «не знаю». Невозможно держать все эти области в голове одновременно и при этом в одиночку делать продукт целиком. Контекст-свитчинг стоит дорого сам по себе. AI помогает. И примерно здесь у всех начинается один и тот же спор: Claude или Codex? Кто лучше пишет код, за какую подписку платить. Обе модели у меня и так стоят локально. Выбор между ними — это на самом деле выбор, кому из двоих доверить всю работу целиком: и разбор задачи, и архитектуру, и реализацию, и проверку себя самого. А это худшая конфигурация, кто бы её ни выполнял: задача → нейросеть сама придумала → сама написала → сама себя проверила → сказала, что всё готово Один исполнитель, который одновременно заказчик, архитектор, разработчик и ревьюер. В командной разработке так не работает, и с моделями тоже. Поэтому я перестал выбирать и развёл роли: Claude принимает решения. Codex реализует. Claude независимо проверяет результат. Это дало три вещи, а не одну: Смотреть, как это устроено

https://habr.com/ru/articles/1068372/

#claude #codex #aiагенты #ai_в_разработке #разделение_ответственности #вайбкодинг #вайбкодинг #code_review_ai

Spec-driven development в микросервисах, часть 3: archspec investigate — исследование фичи до кода

Третья, заключительная статья из цикла. Часть 1 — где LLM теряет межсервисный контекст и почему локальных спек недостаточно. Часть 2 — archspec как контракт вместо свободного Markdown. Часть 3 — archspec investigate: исследование фичи, обновление контрактов и реализация. В части 1 я показал, что spec-driven development с LLM начинает ошибаться, когда фича проходит через несколько микросервисов: по отдельности каждый сервис выглядит аккуратно, а вместе система работает не так, как нужно. Модель теряет межсервисный контекст — правила, которые живут на границах между сервисами, не записаны в одном месте, и LLM их пропускает. В части 2 я собрал archspec : на каждый сервис генерируется машиночитаемый контракт SERVICE_MAP.yaml , который делает эти правила явными. В этой части я беру ту же фичу — автоматическое переназначение задачи после отказа фрилансера — и прогоняю её заново через /archspec:investigate , но уже поверх контрактов. Тот же промпт, та же модель (Claude Sonnet 4.6). Вопрос один: поймает ли план те межсервисные ошибки, на которых в первый раз фича не сошлась, ещё до написания кода — и где спотыкается уже сам инструмент. Что нашёл investigate и где отъехал код

https://habr.com/ru/articles/1046824/

#specdriven_development #aiassisted_development #claude_code #llm #микросервисы #архитектура_микросервисов #service_contracts #outbox_pattern #идемпотентность #code_review_ai

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

CodeClone 2.0: структурное ревью Python-кода для CI, IDE и AI-агентов

Когда я начинал CodeClone, это был довольно понятный инструмент: найти структурные клоны в Python-коде и не дать им незаметно расползаться по проекту. Сейчас вышел CodeClone 2.0.0, и это уже другой продукт. Не “ещё один линтер”, не попытка заменить Ruff, mypy, pytest, Bandit или Semgrep, а отдельный слой ревью: он смотрит на структуру Python-кода, отделяет старый технический долг от новых регрессий, связывает находки с покрытием тестами и дает одну и ту же картину в CLI, HTML-отчете, GitHub Actions, VS Code, Claude Desktop, Codex и через MCP. Эта статья не про список флагов CLI. Про флаги есть документация. Здесь я хочу рассказать, во что CodeClone вырос как продукт и зачем вообще нужен такой класс инструмента сейчас, когда разработка всё заметнее смещается в сторону AI-агентов.

https://habr.com/ru/articles/1031124/

#python #code_review #code_review_ai #quality_gates #ai_agents #static_analysis #test_coverage

Почему AI-агенты такие медленные и что с этим можно сделать?

Три минуты на планирование, десять на исполнение. Да, в масштабах человека это быстро, но уже хочется еще быстрее! Судя по всему, я не одна такая. Посмотрите на провайдеров, которые за доплату дают ответы в два-три раза быстрее. Спрос есть, значит желание такое имеется не только у меня. Но платить за скорость — не единственный выход.

https://habr.com/ru/companies/veai/articles/1026412/

#AIагенты #скорость_AI #параллельное_выполнение #субагенты #оркестратор #автоматизация_разработки #AI_в_программировании #оптимизация_производительности #генерация_кода #code_review_AI

There is an AI code review bubble
https://www.greptile.com/blog/ai-code-review-bubble
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

There is an AI code review bubble
https://www.greptile.com/blog/ai-code-review-bubble
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

Sandboxing AI agents at the kernel level
https://www.greptile.com/blog/sandboxing-agents-at-the-kernel-level
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

Sandboxing AI agents at the kernel level
https://www.greptile.com/blog/sandboxing-agents-at-the-kernel-level
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

Sandboxing AI Agents at the Kernel Level
https://www.greptile.com/blog/sandboxing-agents-at-the-kernel-level
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

Sandboxing AI Agents at the Kernel Level
https://www.greptile.com/blog/sandboxing-agents-at-the-kernel-level
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

AI code review: Should the author be the reviewer?
https://www.greptile.com/blog/ai-code-reviews-conflict
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer

AI code review: Should the author be the reviewer?
https://www.greptile.com/blog/ai-code-reviews-conflict
#ycombinator #AI_code_review #AI_code_review_tool #pr_review_tool #code_review_AI #AI_code_review_bot #austomated_code_reviews #AI_pr_review #code_review_automation #AI_pull_request_review #GitHub_code_review #GitHub_pr_review #AI_code_reviewer