#context-engineering — Public Fediverse posts

AI‑агенты в проде: 6 архитектурных ошибок, из‑за которых они не доживают до запуска

На демо AI‑агент может выглядеть надёжным: вызвать инструменты, собрать ответ и отчитаться об успехе. Но в продакшене быстро всплывают пустые ответы, петли, потеря контекста, ограничения бюджета и проблемы с правами. Разберём шесть архитектурных ошибок, из‑за которых агент работает в тестовом сценарии, но ломается в реальной системе.

https://habr.com/ru/companies/otus/articles/1047062/

#AI #AIагенты #LLM #архитектура #production #contextengineering #observability #мультиагентныесистемы #надёжность

AI‑агенты в проде: 6 архитектурных ошибок, из‑за которых они не доживают до запуска

На демо AI‑агент может выглядеть надёжным: вызвать инструменты, собрать ответ и отчитаться об успехе. Но в продакшене быстро всплывают пустые ответы, петли, потеря контекста, ограничения бюджета и проблемы с правами. Разберём шесть архитектурных ошибок, из‑за которых агент работает в тестовом сценарии, но ломается в реальной системе.

https://habr.com/ru/companies/otus/articles/1047062/

#AI #AIагенты #LLM #архитектура #production #contextengineering #observability #мультиагентныесистемы #надёжность

AI‑агенты в проде: 6 архитектурных ошибок, из‑за которых они не доживают до запуска

На демо AI‑агент может выглядеть надёжным: вызвать инструменты, собрать ответ и отчитаться об успехе. Но в продакшене быстро всплывают пустые ответы, петли, потеря контекста, ограничения бюджета и проблемы с правами. Разберём шесть архитектурных ошибок, из‑за которых агент работает в тестовом сценарии, но ломается в реальной системе.

https://habr.com/ru/companies/otus/articles/1047062/

#AI #AIагенты #LLM #архитектура #production #contextengineering #observability #мультиагентныесистемы #надёжность

2023 - #PromptEngineering - Writing better instructions

2024 - #ContextEngineering - Feeding the model better information

2025 - #HarnessEngineering - Building infrastructure around the model

2026 - #LoopEngineering - Letting the model repeatedly call itself until a goal is reached

- AI bros discovering automation -

#AI #Automation #Prompt #Context #Harness #Loop #OSS #OpenSource

2023 - #PromptEngineering - Writing better instructions

2024 - #ContextEngineering - Feeding the model better information

2025 - #HarnessEngineering - Building infrastructure around the model

2026 - #LoopEngineering - Letting the model repeatedly call itself until a goal is reached

- AI bros discovering automation -

#AI #Automation #Prompt #Context #Harness #Loop #OSS #OpenSource

2023 - #PromptEngineering - Writing better instructions

2024 - #ContextEngineering - Feeding the model better information

2025 - #HarnessEngineering - Building infrastructure around the model

2026 - #LoopEngineering - Letting the model repeatedly call itself until a goal is reached

- AI bros discovering automation -

#AI #Automation #Prompt #Context #Harness #Loop #OSS #OpenSource

2023 - #PromptEngineering - Writing better instructions

2024 - #ContextEngineering - Feeding the model better information

2025 - #HarnessEngineering - Building infrastructure around the model

2026 - #LoopEngineering - Letting the model repeatedly call itself until a goal is reached

- AI bros discovering automation -

#AI #Automation #Prompt #Context #Harness #Loop #OSS #OpenSource

2023 - #PromptEngineering - Writing better instructions

2024 - #ContextEngineering - Feeding the model better information

2025 - #HarnessEngineering - Building infrastructure around the model

2026 - #LoopEngineering - Letting the model repeatedly call itself until a goal is reached

- AI bros discovering automation -

#AI #Automation #Prompt #Context #Harness #Loop #OSS #OpenSource

Токен-оптимизация агентов: на что уходит контекстное окно MCP

Чем больше задач берёт на себя агент, тем чаще он упирается не в качество модели, а в контекстное окно: туда нужно уместить инструкции, историю диалога, схемы инструментов и всё, что эти инструменты возвращают. Я считаю, что токен-оптимизация агентов — то, как мы расходуем это окно — станет одним из ключевых направлений ближайших лет, наравне с выбором модели и качеством промпта.

https://habr.com/ru/articles/1046203/

#mcp #claude #anthropic #llm #aiагенты #opensource #contextengineering #ai #claudecode #tokens

Токен-оптимизация агентов: на что уходит контекстное окно MCP

Чем больше задач берёт на себя агент, тем чаще он упирается не в качество модели, а в контекстное окно: туда нужно уместить инструкции, историю диалога, схемы инструментов и всё, что эти инструменты возвращают. Я считаю, что токен-оптимизация агентов — то, как мы расходуем это окно — станет одним из ключевых направлений ближайших лет, наравне с выбором модели и качеством промпта.

https://habr.com/ru/articles/1046203/

#mcp #claude #anthropic #llm #aiагенты #opensource #contextengineering #ai #claudecode #tokens

Токен-оптимизация агентов: на что уходит контекстное окно MCP

Чем больше задач берёт на себя агент, тем чаще он упирается не в качество модели, а в контекстное окно: туда нужно уместить инструкции, историю диалога, схемы инструментов и всё, что эти инструменты возвращают. Я считаю, что токен-оптимизация агентов — то, как мы расходуем это окно — станет одним из ключевых направлений ближайших лет, наравне с выбором модели и качеством промпта.

https://habr.com/ru/articles/1046203/

#mcp #claude #anthropic #llm #aiагенты #opensource #contextengineering #ai #claudecode #tokens

What if writing the perfect prompt is actually the least important part of working with AI? I've been exploring context engineering — and it's changed how I think about using these tools entirely. https://www.ctnet.co.uk/context-engineering-vs-prompt-engineering/ #ContextEngineering #PromptEngineering #AI

What if writing the perfect prompt is actually the least important part of working with AI? I've been exploring context engineering — and it's changed how I think about using these tools entirely. https://www.ctnet.co.uk/context-engineering-vs-prompt-engineering/ #ContextEngineering #PromptEngineering #AI

What if writing the perfect prompt is actually the least important part of working with AI? I've been exploring context engineering — and it's changed how I think about using these tools entirely. https://www.ctnet.co.uk/context-engineering-vs-prompt-engineering/ #ContextEngineering #PromptEngineering #AI

What if writing the perfect prompt is actually the least important part of working with AI? I've been exploring context engineering — and it's changed how I think about using these tools entirely. https://www.ctnet.co.uk/context-engineering-vs-prompt-engineering/ #ContextEngineering #PromptEngineering #AI

What if writing the perfect prompt is actually the least important part of working with AI? I've been exploring context engineering — and it's changed how I think about using these tools entirely. https://www.ctnet.co.uk/context-engineering-vs-prompt-engineering/ #ContextEngineering #PromptEngineering #AI

"Using MCP, agents can fetch structured data contextually relevant to the task at hand. According to Edgar Kussberg, group product manager at Sonar, MCP accelerates the knowledge-hunting engineers must routinely perform on a daily basis.

“When an engineer needs to answer a question, they do not rely on memory alone,” says Kussberg. “They navigate code repositories, dashboards, CI systems, documentation, and security reports, pulling information from each system as needed. MCP gives AI agents that same capability.”

Many of the most popular MCP servers retrieve contextual information to improve agentic coding. For example, an MCP server from Context7 provides up-to-date documentation, while another from Filesystem pulls from any directory on a local machine. An MCP server from Sentry accesses production issues and errors, a server from SonarQube exposes security issues, and a server from Multiplayer returns user session data.

The great thing about using MCP for these situations is that it avoids the need to put large code chunks in every prompt. Instead, coding context like relevant methods, dependencies, or recent changes can be called at runtime, says Venugopal Jidigam, head of agentic platform engineering at WaveMaker, an agentic development platform. “The MCP server assembles and returns scoped, structured context, which the model then uses to reason and respond accurately,” he says.

Another common context-gathering example is retrieving institutional knowledge. “Instead of hardcoding that knowledge into the model, the agent uses MCP to retrieve relevant documents or data at runtime,” says Ebrahim Alareqi, principal machine learning engineer at Incorta, a data and analytics platform provider. “This keeps the agent lightweight while still giving it access to enterprise-specific context when needed.”"

https://www.infoworld.com/article/4175336/the-role-of-mcp-in-context-engineering.html

#AI #GenerativeAI #LLMs #MCP #ContextEngineering #Documentation #SoftwareDocumentation #AIAgents #AgenticAI

"Using MCP, agents can fetch structured data contextually relevant to the task at hand. According to Edgar Kussberg, group product manager at Sonar, MCP accelerates the knowledge-hunting engineers must routinely perform on a daily basis.

“When an engineer needs to answer a question, they do not rely on memory alone,” says Kussberg. “They navigate code repositories, dashboards, CI systems, documentation, and security reports, pulling information from each system as needed. MCP gives AI agents that same capability.”

Many of the most popular MCP servers retrieve contextual information to improve agentic coding. For example, an MCP server from Context7 provides up-to-date documentation, while another from Filesystem pulls from any directory on a local machine. An MCP server from Sentry accesses production issues and errors, a server from SonarQube exposes security issues, and a server from Multiplayer returns user session data.

The great thing about using MCP for these situations is that it avoids the need to put large code chunks in every prompt. Instead, coding context like relevant methods, dependencies, or recent changes can be called at runtime, says Venugopal Jidigam, head of agentic platform engineering at WaveMaker, an agentic development platform. “The MCP server assembles and returns scoped, structured context, which the model then uses to reason and respond accurately,” he says.

Another common context-gathering example is retrieving institutional knowledge. “Instead of hardcoding that knowledge into the model, the agent uses MCP to retrieve relevant documents or data at runtime,” says Ebrahim Alareqi, principal machine learning engineer at Incorta, a data and analytics platform provider. “This keeps the agent lightweight while still giving it access to enterprise-specific context when needed.”"

https://www.infoworld.com/article/4175336/the-role-of-mcp-in-context-engineering.html

#AI #GenerativeAI #LLMs #MCP #ContextEngineering #Documentation #SoftwareDocumentation #AIAgents #AgenticAI

"Using MCP, agents can fetch structured data contextually relevant to the task at hand. According to Edgar Kussberg, group product manager at Sonar, MCP accelerates the knowledge-hunting engineers must routinely perform on a daily basis.

“When an engineer needs to answer a question, they do not rely on memory alone,” says Kussberg. “They navigate code repositories, dashboards, CI systems, documentation, and security reports, pulling information from each system as needed. MCP gives AI agents that same capability.”

Many of the most popular MCP servers retrieve contextual information to improve agentic coding. For example, an MCP server from Context7 provides up-to-date documentation, while another from Filesystem pulls from any directory on a local machine. An MCP server from Sentry accesses production issues and errors, a server from SonarQube exposes security issues, and a server from Multiplayer returns user session data.

The great thing about using MCP for these situations is that it avoids the need to put large code chunks in every prompt. Instead, coding context like relevant methods, dependencies, or recent changes can be called at runtime, says Venugopal Jidigam, head of agentic platform engineering at WaveMaker, an agentic development platform. “The MCP server assembles and returns scoped, structured context, which the model then uses to reason and respond accurately,” he says.

Another common context-gathering example is retrieving institutional knowledge. “Instead of hardcoding that knowledge into the model, the agent uses MCP to retrieve relevant documents or data at runtime,” says Ebrahim Alareqi, principal machine learning engineer at Incorta, a data and analytics platform provider. “This keeps the agent lightweight while still giving it access to enterprise-specific context when needed.”"

https://www.infoworld.com/article/4175336/the-role-of-mcp-in-context-engineering.html

#AI #GenerativeAI #LLMs #MCP #ContextEngineering #Documentation #SoftwareDocumentation #AIAgents #AgenticAI

"Using MCP, agents can fetch structured data contextually relevant to the task at hand. According to Edgar Kussberg, group product manager at Sonar, MCP accelerates the knowledge-hunting engineers must routinely perform on a daily basis.

“When an engineer needs to answer a question, they do not rely on memory alone,” says Kussberg. “They navigate code repositories, dashboards, CI systems, documentation, and security reports, pulling information from each system as needed. MCP gives AI agents that same capability.”

Many of the most popular MCP servers retrieve contextual information to improve agentic coding. For example, an MCP server from Context7 provides up-to-date documentation, while another from Filesystem pulls from any directory on a local machine. An MCP server from Sentry accesses production issues and errors, a server from SonarQube exposes security issues, and a server from Multiplayer returns user session data.

The great thing about using MCP for these situations is that it avoids the need to put large code chunks in every prompt. Instead, coding context like relevant methods, dependencies, or recent changes can be called at runtime, says Venugopal Jidigam, head of agentic platform engineering at WaveMaker, an agentic development platform. “The MCP server assembles and returns scoped, structured context, which the model then uses to reason and respond accurately,” he says.

Another common context-gathering example is retrieving institutional knowledge. “Instead of hardcoding that knowledge into the model, the agent uses MCP to retrieve relevant documents or data at runtime,” says Ebrahim Alareqi, principal machine learning engineer at Incorta, a data and analytics platform provider. “This keeps the agent lightweight while still giving it access to enterprise-specific context when needed.”"

https://www.infoworld.com/article/4175336/the-role-of-mcp-in-context-engineering.html

#AI #GenerativeAI #LLMs #MCP #ContextEngineering #Documentation #SoftwareDocumentation #AIAgents #AgenticAI

"Using MCP, agents can fetch structured data contextually relevant to the task at hand. According to Edgar Kussberg, group product manager at Sonar, MCP accelerates the knowledge-hunting engineers must routinely perform on a daily basis.

“When an engineer needs to answer a question, they do not rely on memory alone,” says Kussberg. “They navigate code repositories, dashboards, CI systems, documentation, and security reports, pulling information from each system as needed. MCP gives AI agents that same capability.”

Many of the most popular MCP servers retrieve contextual information to improve agentic coding. For example, an MCP server from Context7 provides up-to-date documentation, while another from Filesystem pulls from any directory on a local machine. An MCP server from Sentry accesses production issues and errors, a server from SonarQube exposes security issues, and a server from Multiplayer returns user session data.

The great thing about using MCP for these situations is that it avoids the need to put large code chunks in every prompt. Instead, coding context like relevant methods, dependencies, or recent changes can be called at runtime, says Venugopal Jidigam, head of agentic platform engineering at WaveMaker, an agentic development platform. “The MCP server assembles and returns scoped, structured context, which the model then uses to reason and respond accurately,” he says.

Another common context-gathering example is retrieving institutional knowledge. “Instead of hardcoding that knowledge into the model, the agent uses MCP to retrieve relevant documents or data at runtime,” says Ebrahim Alareqi, principal machine learning engineer at Incorta, a data and analytics platform provider. “This keeps the agent lightweight while still giving it access to enterprise-specific context when needed.”"

https://www.infoworld.com/article/4175336/the-role-of-mcp-in-context-engineering.html

#AI #GenerativeAI #LLMs #MCP #ContextEngineering #Documentation #SoftwareDocumentation #AIAgents #AgenticAI

Self-Evolving Knowledge: Как взрастить senior агента

Привет! Я не AI-инженер, у меня нет ML образования. Я проджект-менеджер со старым бекграундом в качестве веб-разработчика и с опытом более 10 лет в управлении командами разработки ПО. И с приходом полноценных AI-агентов я стал по выходным заниматься экспериментами на своих пет-проектах. Один из таких проектов - мобильное приложение для запоминания карточек/слов: я учу японский язык и не нашёл ни одного сервиса, в котором добавлять новые слова в словарь было бы не мучительно, поэтому решил сделать своё, для себя. Что ж, для этого у меня не было GPU-кластера и команды, но был MacBook, свободное воскресенье и конкретная проблема, которую я хотел решить. Ниже я опишу свои наблюдения с точки простого PM'a, и вытекающую ​идею и концепт.

https://habr.com/ru/articles/1041612/

#aiagent #ai #project_management #development #product_management #contextengineering

Self-Evolving Knowledge: Как взрастить senior агента

Привет! Я не AI-инженер, у меня нет ML образования. Я проджект-менеджер со старым бекграундом в качестве веб-разработчика и с опытом более 10 лет в управлении командами разработки ПО. И с приходом полноценных AI-агентов я стал по выходным заниматься экспериментами на своих пет-проектах. Один из таких проектов - мобильное приложение для запоминания карточек/слов: я учу японский язык и не нашёл ни одного сервиса, в котором добавлять новые слова в словарь было бы не мучительно, поэтому решил сделать своё, для себя. Что ж, для этого у меня не было GPU-кластера и команды, но был MacBook, свободное воскресенье и конкретная проблема, которую я хотел решить. Ниже я опишу свои наблюдения с точки простого PM'a, и вытекающую ​идею и концепт.

https://habr.com/ru/articles/1041612/

#aiagent #ai #project_management #development #product_management #contextengineering

Self-Evolving Knowledge: Как взрастить senior агента

Привет! Я не AI-инженер, у меня нет ML образования. Я проджект-менеджер со старым бекграундом в качестве веб-разработчика и с опытом более 10 лет в управлении командами разработки ПО. И с приходом полноценных AI-агентов я стал по выходным заниматься экспериментами на своих пет-проектах. Один из таких проектов - мобильное приложение для запоминания карточек/слов: я учу японский язык и не нашёл ни одного сервиса, в котором добавлять новые слова в словарь было бы не мучительно, поэтому решил сделать своё, для себя. Что ж, для этого у меня не было GPU-кластера и команды, но был MacBook, свободное воскресенье и конкретная проблема, которую я хотел решить. Ниже я опишу свои наблюдения с точки простого PM'a, и вытекающую ​идею и концепт.

https://habr.com/ru/articles/1041612/

#aiagent #ai #project_management #development #product_management #contextengineering

The smartest thing I've done for my AI coding workflow is build a local knowledge base every agent reads and writes to. Claude Code, Codex, and Copilot all hit the same wiki. Claude's work becomes Codex's knowledge.

It's just markdown and git. Every session writes raw transcripts to ~/kb/raw. A nightly cron turns GBs of those into single-digit MBs of curated markdown that every agent checks first. Another cron does GC. That's it.

#Claude #Codex #ClaudeCode #ContextEngineering #DeveloperTools

#SoftwareSpecifications can now serve as a dynamic source of truth, as LLM-based reasoning agents become better at interpreting human ambiguity.

The catch? #LLMs are stochastic and must be constrained.

Enter #ContextEngineering - a structured discipline focused on providing clear intent and missing instructions to AI models.

It relies heavily on context artifacts, including: ⇨ Skills ⇨ Rules ⇨ Scripts ⇨ Feedback loops ⇨ Evaluation metrics

🎧 Hear more insights on the #InfoQ #podcast with Baruch Sadogursky: https://bit.ly/49dArFj

📄 #transcript included

#SoftwareArchitecture #SpecDrivenDevelopment #Testing #AI #SoftwareEngineering

#SoftwareSpecifications can now serve as a dynamic source of truth, as LLM-based reasoning agents become better at interpreting human ambiguity.

The catch? #LLMs are stochastic and must be constrained.

Enter #ContextEngineering - a structured discipline focused on providing clear intent and missing instructions to AI models.

It relies heavily on context artifacts, including: ⇨ Skills ⇨ Rules ⇨ Scripts ⇨ Feedback loops ⇨ Evaluation metrics

🎧 Hear more insights on the #InfoQ #podcast with Baruch Sadogursky: https://bit.ly/49dArFj

📄 #transcript included

#SoftwareArchitecture #SpecDrivenDevelopment #Testing #AI #SoftwareEngineering

#SoftwareSpecifications can now serve as a dynamic source of truth, as LLM-based reasoning agents become better at interpreting human ambiguity.

The catch? #LLMs are stochastic and must be constrained.

Enter #ContextEngineering - a structured discipline focused on providing clear intent and missing instructions to AI models.

It relies heavily on context artifacts, including: ⇨ Skills ⇨ Rules ⇨ Scripts ⇨ Feedback loops ⇨ Evaluation metrics

🎧 Hear more insights on the #InfoQ #podcast with Baruch Sadogursky: https://bit.ly/49dArFj

📄 #transcript included

#SoftwareArchitecture #SpecDrivenDevelopment #Testing #AI #SoftwareEngineering

#SoftwareSpecifications can now serve as a dynamic source of truth, as LLM-based reasoning agents become better at interpreting human ambiguity.

The catch? #LLMs are stochastic and must be constrained.

Enter #ContextEngineering - a structured discipline focused on providing clear intent and missing instructions to AI models.

It relies heavily on context artifacts, including: ⇨ Skills ⇨ Rules ⇨ Scripts ⇨ Feedback loops ⇨ Evaluation metrics

🎧 Hear more insights on the #InfoQ #podcast with Baruch Sadogursky: https://bit.ly/49dArFj

📄 #transcript included

#SoftwareArchitecture #SpecDrivenDevelopment #Testing #AI #SoftwareEngineering

#SoftwareSpecifications can now serve as a dynamic source of truth, as LLM-based reasoning agents become better at interpreting human ambiguity.

The catch? #LLMs are stochastic and must be constrained.

Enter #ContextEngineering - a structured discipline focused on providing clear intent and missing instructions to AI models.

It relies heavily on context artifacts, including: ⇨ Skills ⇨ Rules ⇨ Scripts ⇨ Feedback loops ⇨ Evaluation metrics

🎧 Hear more insights on the #InfoQ #podcast with Baruch Sadogursky: https://bit.ly/49dArFj

📄 #transcript included

#SoftwareArchitecture #SpecDrivenDevelopment #Testing #AI #SoftwareEngineering

The new 10x Engineer with AI

https://codeaholicguy.com/2026/05/13/the-new-10x-engineer-with-ai/

The new 10x Engineer with AI

https://codeaholicguy.com/2026/05/13/the-new-10x-engineer-with-ai/

The new 10x Engineer with AI

https://codeaholicguy.com/2026/05/13/the-new-10x-engineer-with-ai/

The new 10x Engineer with AI

https://codeaholicguy.com/2026/05/13/the-new-10x-engineer-with-ai/

The new 10x Engineer with AI

https://codeaholicguy.com/2026/05/13/the-new-10x-engineer-with-ai/

Короткий промпт ≠ дешёвый промпт: как оптимизация ломает prefix cache в LLM-агентах

32 tools в промпте - дешевле, чем 7. Да, да - если вы строите агентов, это не опечатка. Это следствие того, как работает prefix cache в агентском цикле, и почему локальная оптимизация одного запроса ломает кэш на всей траектории. Третья статья серии про prefix caching - теперь про этих ваших агентов.

https://habr.com/ru/companies/bitrix/articles/1033822/

#llmагент #prefix_caching #токены #aiагенты #ai #prompt_caching #promptengineering #contextengineering

Короткий промпт ≠ дешёвый промпт: как оптимизация ломает prefix cache в LLM-агентах

32 tools в промпте - дешевле, чем 7. Да, да - если вы строите агентов, это не опечатка. Это следствие того, как работает prefix cache в агентском цикле, и почему локальная оптимизация одного запроса ломает кэш на всей траектории. Третья статья серии про prefix caching - теперь про этих ваших агентов.

https://habr.com/ru/companies/bitrix/articles/1033822/

#llmагент #prefix_caching #токены #aiагенты #ai #prompt_caching #promptengineering #contextengineering

Короткий промпт ≠ дешёвый промпт: как оптимизация ломает prefix cache в LLM-агентах

32 tools в промпте - дешевле, чем 7. Да, да - если вы строите агентов, это не опечатка. Это следствие того, как работает prefix cache в агентском цикле, и почему локальная оптимизация одного запроса ломает кэш на всей траектории. Третья статья серии про prefix caching - теперь про этих ваших агентов.

https://habr.com/ru/companies/bitrix/articles/1033822/

#llmагент #prefix_caching #токены #aiагенты #ai #prompt_caching #promptengineering #contextengineering

Your AI agent doesn’t need more context. It needs cleaner context: refreshed often, kept minimal, and not treated like memory. https://hackernoon.com/the-only-context-rule-your-ai-agents-actually-need #contextengineering

Your AI agent doesn’t need more context. It needs cleaner context: refreshed often, kept minimal, and not treated like memory. https://hackernoon.com/the-only-context-rule-your-ai-agents-actually-need #contextengineering

Your AI agent doesn’t need more context. It needs cleaner context: refreshed often, kept minimal, and not treated like memory. https://hackernoon.com/the-only-context-rule-your-ai-agents-actually-need #contextengineering

Your AI agent doesn’t need more context. It needs cleaner context: refreshed often, kept minimal, and not treated like memory. https://hackernoon.com/the-only-context-rule-your-ai-agents-actually-need #contextengineering

Your AI agent doesn’t need more context. It needs cleaner context: refreshed often, kept minimal, and not treated like memory. https://hackernoon.com/the-only-context-rule-your-ai-agents-actually-need #contextengineering

Очередная методичка разработки с LLM: работает только если ты разработчик

С 2024 года, когда LLM стали (плюс/минус) пригодны для генерации кода и решения рабочих задач, я начал тащить их в свои проекты. Сначала кусками: помочь с функцией, разобрать ошибку, прикинуть архитектуру, или вообще не соглашаться на проект. Очень быстро понял: если не будет в этом процессе норм и правил - будет только бардак и проекты я буду закрывать медленнее, чем если бы писал код руками. Модель уходит в дебри, забывает решения, ломает то что работало, переписывает по сто раз одно и то же, циклы ошибок. Поэтому, я начал формулировать тезисы. Сначала в голове, потом записывать

https://habr.com/ru/articles/1033486/

#LLM #ai_driven_development #разработка_с_LLM #claudecode #методология_разработки #subagents #mcp #contextengineering #вайбкодинг #вайбкодинг

Очередная методичка разработки с LLM: работает только если ты разработчик

С 2024 года, когда LLM стали (плюс/минус) пригодны для генерации кода и решения рабочих задач, я начал тащить их в свои проекты. Сначала кусками: помочь с функцией, разобрать ошибку, прикинуть архитектуру, или вообще не соглашаться на проект. Очень быстро понял: если не будет в этом процессе норм и правил - будет только бардак и проекты я буду закрывать медленнее, чем если бы писал код руками. Модель уходит в дебри, забывает решения, ломает то что работало, переписывает по сто раз одно и то же, циклы ошибок. Поэтому, я начал формулировать тезисы. Сначала в голове, потом записывать

https://habr.com/ru/articles/1033486/

#LLM #ai_driven_development #разработка_с_LLM #claudecode #методология_разработки #subagents #mcp #contextengineering #вайбкодинг #вайбкодинг

Очередная методичка разработки с LLM: работает только если ты разработчик

С 2024 года, когда LLM стали (плюс/минус) пригодны для генерации кода и решения рабочих задач, я начал тащить их в свои проекты. Сначала кусками: помочь с функцией, разобрать ошибку, прикинуть архитектуру, или вообще не соглашаться на проект. Очень быстро понял: если не будет в этом процессе норм и правил - будет только бардак и проекты я буду закрывать медленнее, чем если бы писал код руками. Модель уходит в дебри, забывает решения, ломает то что работало, переписывает по сто раз одно и то же, циклы ошибок. Поэтому, я начал формулировать тезисы. Сначала в голове, потом записывать

https://habr.com/ru/articles/1033486/

#LLM #ai_driven_development #разработка_с_LLM #claudecode #методология_разработки #subagents #mcp #contextengineering #вайбкодинг #вайбкодинг

AI agents do not fail only because the model is weak. A lot of the time they are drawing from a blank page.

I wrote about the back-to-back drawing experiment, grounding, the curse of knowledge, and why specifications are context transfer, not paperwork.

https://www.the-main-thread.com/p/context-transfer-ai-agents

#AIAgents #ContextEngineering #SoftwareEngineering

AI agents do not fail only because the model is weak. A lot of the time they are drawing from a blank page.

I wrote about the back-to-back drawing experiment, grounding, the curse of knowledge, and why specifications are context transfer, not paperwork.

https://www.the-main-thread.com/p/context-transfer-ai-agents

#AIAgents #ContextEngineering #SoftwareEngineering

AI agents do not fail only because the model is weak. A lot of the time they are drawing from a blank page.

I wrote about the back-to-back drawing experiment, grounding, the curse of knowledge, and why specifications are context transfer, not paperwork.

https://www.the-main-thread.com/p/context-transfer-ai-agents

#AIAgents #ContextEngineering #SoftwareEngineering

AI agents do not fail only because the model is weak. A lot of the time they are drawing from a blank page.

I wrote about the back-to-back drawing experiment, grounding, the curse of knowledge, and why specifications are context transfer, not paperwork.

https://www.the-main-thread.com/p/context-transfer-ai-agents

#AIAgents #ContextEngineering #SoftwareEngineering

AI agents do not fail only because the model is weak. A lot of the time they are drawing from a blank page.

I wrote about the back-to-back drawing experiment, grounding, the curse of knowledge, and why specifications are context transfer, not paperwork.

https://www.the-main-thread.com/p/context-transfer-ai-agents

#AIAgents #ContextEngineering #SoftwareEngineering

"I think much of the surviving employment will sit in strong-bundle, AI-augmented work and in the political-organizational core of firms. The future includes more therapists, tailors, personal trainers, and craft brewers, but also more managers whose value lies in handling ambiguity, integrating context, reconciling conflicting interests, and bearing the consequences of decisions."

#LLM #vibecoding #contextengineering #AI #jobs

https://www.siliconcontinent.com/p/why-desk-jobs-survive-and-amodei

"I think much of the surviving employment will sit in strong-bundle, AI-augmented work and in the political-organizational core of firms. The future includes more therapists, tailors, personal trainers, and craft brewers, but also more managers whose value lies in handling ambiguity, integrating context, reconciling conflicting interests, and bearing the consequences of decisions."

#LLM #vibecoding #contextengineering #AI #jobs

https://www.siliconcontinent.com/p/why-desk-jobs-survive-and-amodei

"I think much of the surviving employment will sit in strong-bundle, AI-augmented work and in the political-organizational core of firms. The future includes more therapists, tailors, personal trainers, and craft brewers, but also more managers whose value lies in handling ambiguity, integrating context, reconciling conflicting interests, and bearing the consequences of decisions."

#LLM #vibecoding #contextengineering #AI #jobs

https://www.siliconcontinent.com/p/why-desk-jobs-survive-and-amodei

"I think much of the surviving employment will sit in strong-bundle, AI-augmented work and in the political-organizational core of firms. The future includes more therapists, tailors, personal trainers, and craft brewers, but also more managers whose value lies in handling ambiguity, integrating context, reconciling conflicting interests, and bearing the consequences of decisions."

#LLM #vibecoding #contextengineering #AI #jobs

https://www.siliconcontinent.com/p/why-desk-jobs-survive-and-amodei