#агентная_разработка — Public Fediverse posts

Код-ревью в эпоху ИИ: как агенты меняют проверку кода

AI-агенты увеличили поток и размер PR, но время и внимание ревьюеров остались прежними. Я стал реже читать сгенерированный код построчно и чаще проверять спецификации, архитектуру, контракты и тесты. Разобрал исследования Google, Microsoft и open-source проектов: где AI помогает ревью, почему аппрувы становятся менее надёжным сигналом и что мы пока не умеем измерять.

https://habr.com/ru/articles/1097830/

#качество_кода #code_review #pull_request #sdlc #кодревью #llm #aiагенты #агентная_разработка #specdriven_development

Прошлогодний снег, или Почему мы перестали строить стартапы вокруг одной фичи?

Спросите Клода как запустить стартап? С большой вероятностью получите знакомый набор рекомендаций из эпохи Lean Startup: найдите проблему, выберите одну ключевую функцию, сделайте MVP, покажите первым пользователям. Нейросети научились писать программное обеспечение за часы, но продолжают советовать строить стартапы так, словно на дворе 2015 год.

https://habr.com/ru/articles/1095722/

#стартапы #mvp #lean_startup #customer_development #управление_продуктом #юнитэкономика #агентная_разработка #aiстартапы #productmarket_fit

ИИ-агенты. Часть 1: Первые шаги

Всем привет! Сегодня я хочу рассказать вам про то, как я начал внедрять в процесс разработки ИИ-агентов. Поделюсь своим опытом. Эта статья нацелена на начинающих, чтобы дать им первый толчок к использованию ИИ-агентов. Однако, если вы уже давно в этой теме, то буду рад вам в комментариях.

https://habr.com/ru/articles/1094062/

#python #git_flow #автоматизация_разработки #fastapi #prompt_engineering #ииагенты #ai_agents #агентная_разработка #agentsmd #skillsmd

Поэзия агентной разработки или как теперь писать код

Как писать код с агентами, говорят много, часто предлагают конкретные подходы. На мой взгляд, полезнее подняться на уровень абстракции выше — разобраться в проблематике, ценностях и смыслах, и только после переходить к деталям.

https://habr.com/ru/articles/1092802/

#программирование #архитектура #говнокод #codex #claude #вайбкодинг #агентная_разработка #сезон_код_будущего

Почему я больше не использую Pull Requests

В феврале этого года я, Алекс Гусев, отдал Codex-агенту на переписывание @teqfw/di — библиотеку, которую разрабатывал с 2019 года и в которой годами выверял каждую строчку. Об этом я тогда написал на Хабре . С тех пор программный код вручную я больше не пишу. Не потому, что разучился. Просто теперь эту работу делают агенты. Заодно из моей разработки почти исчезли Pull Requests. Я не перестал пользоваться GitHub и не отменил проверку результатов. Мне перестала быть нужна процедура, в которой кто-то готовит изменение кода, а я разбираюсь, принимать его или нет. К этому я пришёл не сразу.

https://habr.com/ru/articles/1092666/

#open_source #teqfw #tequila_framework #агентная_разработка #adsm #spec_driven_development #сезон_код_будущего

Как мы пускаем ИИ на боевые сайты, или Что происходит после команды «исправляй»

В первой части я рассказывал, как мы дошли от обычного копирования кода между MODX и ChatGPT до нормального предметного интерфейса к CMS. Агент перестал видеть сайт как россыпь файлов и строк в базе и получил возможность работать с ресурсами, чанками, TV и зависимостями между ними. В какой-то момент этого стало достаточно, чтобы ставить задачу примерно так же, как я поставил бы её разработчику, без подробной инструкции, куда именно залезть и какую строку там поменять. Следующий шаг напрашивался сам собой. Если агент уже разобрался в проблеме и нашёл решение, какого чёрта я должен брать его код, подключаться по SSH, делать резервную копию, заливать исправление, запускать проверки и потом ещё ходить по сайту смотреть, не отвалилось ли что-нибудь рядом. Хотелось просто написать «Посмотри, почему форма перестала отправляться, исправь и проверь» и получить в ответ не инструкцию из десяти пунктов, которые мне потом самому предстоит выполнить, а уже исправленный сайт. Вот на этом месте и началась вторая часть нашего проекта. Сам доступ на запись дать оказалось совсем несложно. К MODX MCP добавились SSH, физические файлы, логи, браузер и несколько служебных инструментов. Гораздо больше времени ушло на то, чтобы после команды «исправляй» не сидеть у агента за спиной и не следить, что именно он там сейчас собирается натворить.

https://habr.com/ru/articles/1090118/

#MCP #AIагенты #искусственный_интеллект #вебразработка #автоматизация_разработки #production #сезон_код_будущего #devops #агентная_разработка #agentic_engineering

Как перестать ревьюить правки, о которых никто не просил

С приходом ИИ‑агентов в разработку, кода стало больше, а вместе с ним и шума. Пулреквесты растут, держать агента в рамках задачи становится сложнее, а через голову человека проходит всё больше кода. Ревью превращается в основную нагрузку и зелёные цифры добавленных строк в заголовке начинают напрягать ещё до того, как его откроешь. Типичная картина: пулреквест на небольшую фичу, а в нём правки в десятке файлов, которые к задаче не относятся. По отдельности они могут быть полезными, но вместе превращают ревью в поиск.

https://habr.com/ru/articles/1089136/

#ииагенты #claude_code #code_review #пулреквесты #технический_долг #беклог #open_source #cli #агентная_разработка #aiassisted_development

ИИ: личный опыт без хайпа. Часть 1. Техстек на базе OpenCode

Настройка рабочего места для агентной разработки на базе OpenCode, Oh My OpenCode и OpenSpec: независимость от провайдера, управление агентами и субагентами, роль спецификаций в рабочем процессе.

https://habr.com/ru/articles/1087330/

#opencode #Oh_My_OpenCode #OpenSpec #агентная_разработка #инструменты_разработки

Как мы меняем модели в агенте-разработчике

Новая языковая модель может появиться утром, к вечеру оказаться в топе нескольких лидербордов, а через пару недель уступить место следующей версии. Для команды, которая использует LLM в продукте, это создаёт вопрос: когда обновляться и как делать это без лишнего риска для пользователей и разработки. В «Первой Форме» ИИ-агент помогает в контуре разработки: работает с кодом, инструментами и ревью. Состав моделей в этом контуре мы регулярно пересматриваем. За последние недели мы обновили Muse Spark с версии 1.2 до 1.3, добавили Gemini 3.8 Flash и подготовили для него быстрый откат на предыдущую модель. Расскажем, как устроен этот процесс.

https://habr.com/ru/companies/1forma/articles/1082776/

#llmмодели #aiagent #агентная_разработка #bpms #lowcode #muse_spark_13 #выбор_ии #первая_форма #ииагенты

SDD для AI-агентов: как мы заново изобрели очень быстрый waterfall

Представим обычную продуктовую задачу. Нужно добавить новую фичу. Команда описывает её через Specification-Driven Development и фиксирует сценарии, ограничения, API и критерии приёмки. Агент получает контекст, быстро пишет код, тесты и инфраструктуру. Через день, а то и раньше, почти готов результат. Но где здесь waterfall? Если фича изолирована, команда может безопасно выкатить её под флагом, быстро увидеть пользовательский сигнал и так же быстро откатить изменение. Тогда большой агентный батч становится отличным экспериментом. Привет, Хабр! Меня зовут Марат Киньябулатов, я эксперт по гибким практикам и отвечаю за эффективность инженерных команд в ядре банка. В этой статье я разберу, когда SDD действительно помогает агентам, а когда слишком рано фиксирует решение. Покажу это на нескольких кейсах и разберу, как сохранить короткий цикл обратной связи, когда код появляется быстрее, чем команда успевает проверить результат.

https://habr.com/ru/companies/raiffeisenbank/articles/1078392/

#specdriven_development #sdd #aiагенты #агентная_разработка #waterfall #extreme_programming #agile #code_review #маленькие_батчи #управление_разработкой

Токены — новая единица бюджета. Как управлять расходами на ИИ без лимитов для сотрудников

Компании всё чаще пересматривают расходы на ИИ-инструменты. Например, Uber в 2026 году ввела лимит в $1 500 в месяц на сотрудника для каждого агентного инструмента кодинга: по данным Bloomberg, годовой бюджет на ИИ был израсходован за четыре месяца. Такая реакция понятна — чем больше команда пользуется ИИ, тем выше счёт провайдера. Но лимит на человека — это не единственный и не всегда лучший способ управлять затратами. Он не различает полезный сложный запрос и простой вызов, который случайно отправили в дорогую модель. А ещё может ограничить именно тех сотрудников, чья работа действительно выигрывает от ИИ. В «Первой Форме» мы подходим к этой задаче как к инженерной: не запрещаем использование моделей и делаем расход токенов наблюдаемым. Для этого нам нужно понимать, за какие токены платим, какие задачи решают модели и где теряется эффективность. Об этом сейчас и расскажем.

https://habr.com/ru/companies/1forma/articles/1077528/

#токены #токены_llm #llm #llmмодели #агенты #агентная_разработка #bpms #lowcode #первая_форма #ии

Налог на контекст: куда утекают токены

Когда ИИ-агент пишет код, почти все деньги уходят не на его «мысли» и не на ваш диалог с ним, а на многократную пересылку уже отправленного. Я измерил это на 40 реальных сессиях разработки в Claude Code и Codex — вот из чего на самом деле складывается счёт...

https://habr.com/ru/articles/1076312/

#Codex #claude_code #ai #agents #агентная_разработка

От задачи до MR: как устроен конвейер разработки с ИИ-агентами в «Первой Форме»

ИИ-агент может за минуты подготовить изменение, на которое у разработчика прежде уходил час. Но ускорение написания кода создаёт другую проблему: растёт нагрузка на проверку. Нужно изучить diff, понять предположения агента, проверить затронутые компоненты и убедиться, что решение соответствует задаче, а не просто проходит формальные проверки. Почему агент выбрал этот модуль? Какие связанные части системы изучил? Какие варианты отбросил? На какие требования и результаты проверок опирался? Если этот контекст остаётся в закрытой сессии, следующему участнику процесса приходится собирать его заново. В 2026 году эту проблему сформулировал Томас Домке, бывший CEO GitHub и основатель Entire. Она звучит так: «Узкое место при выпуске кода — это ревью кода, созданного агентами». Мы в «Первой Форме» к похожему выводу пришли через собственную практику. У нас ИИ-агенты работают внутри управляемого конвейера: задача получает проверяемые критерии, агенты действуют по ролям, результаты фиксируются в артефактах, а человек сохраняет за собой продуктовые решения, финальное ревью и мёрж. Расскажем подробнее.

https://habr.com/ru/companies/1forma/articles/1073606/

#llm #llmмодели #ииагенты #агентная_разработка #bpms #entire #lowcode #первая_форма #разработка #ai

[Перевод] Почему ИИ так и не заменил разработчиков (и вряд ли заменит)

Тема замены людей нейросетями сейчас обросла массой страхов и домыслов. Но как отсеять пустые страшилки с хайповыми прогнозами и посмотреть на ситуацию через призму реальных фактов? Один из способов — проанализировать ту сферу, куда ИИ проник глубже и быстрее всего. Речь, разумеется, о разработке ПО. В этой статье мы на фактах докажем, что пора перестать верить в расхожий нарратив о том, будто достижение некоего «критического уровня» ИИ неизбежно спровоцирует массовые сокращения. И если даже в IT-сфере с минимумом регуляторных барьеров этого не происходит, то представителям остальных профессий переживать стоит еще меньше. Мы прекрасно понимаем механику этого процесса. Любой интеллектуальный труд, и создание софта здесь не исключение, можно представить в виде эдакого «сэндвича»: решить — сделать — сдать. Искусственный интеллект берет на себя слой исполнения, ту самую «начинку» сэндвича. Однако два крайних слоя упорно не поддаются автоматизации, и простым наращиванием мощностей эту стену не пробить.

https://habr.com/ru/companies/magnus-tech/articles/1070622/

#ии #ииагенты #разработка #карьера_разработчика #рынок_труда_в_it #рынок_труда_разработчиков #разработка_с_ии #агентная_инженерия #агентная_разработка #ии_и_машинное_обучение

Пятнадцать месяцев финтеха агентами: кривая качества по всей истории проекта

У меня 12 лет опыта в Go. И я больше не имею права назвать себя программистом: мой код не пройдёт ту планку качества, которую я выставил для своих агентов. Хотя честнее так: они сами её выставили, я лишь ставил цели. Заявление громкое, но у меня есть график. Красная пунктирная линия на нём: уровень моего лучшего рукописного кода. Синяя кривая: код, который пишут агенты. В апреле 2026 кривая ушла под красную линию и продолжает падать.

https://habr.com/ru/articles/1068920/

#статический_анализ #линтеры #ииагенты #агентная_разработка #llmdd #качество_кода #golang #claude_code #glint #финтех

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

7 месяцев вайбкодинга: как в одиночку делать то, что раньше требовало команду

примерное содержание: За 7 месяцев вайбкодинга я увидел, как сильно ИИ меняет разработку: от чата с моделью до полноценной агентной работы. В этом материале, мой опыт, советы использования ИИ и выводы о том, что действительно ускоряет создание продукта.

https://habr.com/ru/articles/1065582/

#вайбкодинг #aiагенты #агентная_разработка #кодинг_с_ИИ #автоматизация_разработки

07.2026 Тренды агентной разработки за июль и подборка полезных статьей на эту тему

По сути, тренды июля те же, что и в июне (описание июня здесь ): как создать лучший harness, как настроить автономные или полуавтономные процессы, управление контекстом, повышение качества и повторяемости результатов, оптимизация, безопасность. Но заметен другой сдвиг. Если в июне основной фокус статей был из серии “мы пробуем, мы попробовали”, то сейчас фокус “мы решаем вопрос как именно сделать лучшую реализацию на основе всех кейсов, которые мы собрали”. То есть мы подходим к моменту, когда количество переходит в качество. Все больше статей описывают не просто интересные кейсы, а дают прикладные рекомендации и решения как сделать так, чтобы агентная разработка давала повторяемый качественный результат. Большой фокус на агентов и субагентов, на оркестрацию большого количества скиллов и MCP, на качественное тестирование как реальную значимую часть агентной разработки (а не просто генерацию unit-тестов), все больше внимания на архитектуру (как ее строить под проекты с ии-разработкой).

https://habr.com/ru/articles/1055452/

#агентная_разработка #подборка_статей

Агентный SDLC на внутренней LLM: инженерия вместо промптов

Большинство публичных материалов об агентной разработке описывает работу с frontier-моделями. В корпоративной среде frontier-модель часто недоступна: отправка кода внешним LLM-провайдерам запрещена политикой безопасности, работа идет через внутренний шлюз, и его модели заметно слабее передовых - а добиться от такой модели соблюдения процесса промптами не удается. В статье описан подход, к которому удалось прийти в этих условиях, - структурная инженерия: запреты в таблицах, которые модель сверяет, а не помнит; правила, приходящие свежим чтением в момент, когда нужны; изоляция агентов через файлы; детерминированные блокировки кодом там, где цена ошибки высока. Дальше - устройство харнеса и осечки, из которых он вырос.

https://habr.com/ru/articles/1064140/

#ai #aiагенты #sdlc #искусственный_интеллект #агентная_разработка

Гео-аналитическая платформа вдвоём за 2,5 месяца, или история одной spec-driven разработки

Мне посчастливилось начать проект с чистого листа: амбициозная задача, никакого легаси и свобода выбрать любой подход. Я решил довериться AI по-максимуму и код больше не трогал. Сначала я не верил, что это выдержит реальный масштаб. Опыт подсказывал: чем больше проект, тем быстрее AI путается в контексте и упирается в лимиты. Но через 2,5 месяца мы вдвоём запустили гео-аналитическую платформу, которую в до-AI эпоху строили бы годами. Это поменяло моё представление о разработке. Как это устроено и что нужно, чтобы повторить, — под катом.

https://habr.com/ru/articles/1056270/

#агентная_разработка #claude_code #superpowers #aifirst_development #gis #context_management #управление_контекстом #specdriven_development

JetBrains IDE: будущее не за горами

Если вы хоть немного следите за AI coding, то наверняка слышали новую мантру: IDE больше никому не нужна. Все «вайбанутые» живут в терминале, запускают Claude Code, Codex или OpenCode и уверенно объясняют, что профессиональная среда разработки — это пережиток эпохи, когда код писали руками. Agent-у хватает самых простых инструментов: grep , bash , edit и пары хороших prompt-ов. Сложные интерфейсы, UI-инспекторы, рефакторинги, дебаггер — всё это выглядит как пережиток прошлого. Открыл терминал, написал задачу, получил diff. Кажется, человечеству IDE больше не нужна. Или всё-таки нужна? Тут как посмотреть. JetBrains в этой картине обычно достаётся роль динозавра. Компания много лет задавала планку того, как должен выглядеть профессиональный инструмент разработчика. Но когда индустрия сместила фокус с IDE на agent-ов, предложенные JetBrains AI Chat (ex. AI Assistant) и Junie выглядели не как новый тренд, а скорее как попытка заскочить в уходящий поезд. Но у тезиса «IDE больше не нужна» есть слабое место: он смотрит на IDE только глазами человека. А что, если следующими пользователями IDE будут не люди, а agent-ы? В компании JetBrains с закатом IDE, естественно, не согласны и предлагают своё видение: среда разработки как набор инструментов и знаний о проекте, доступных AI Agent-у. Команда

https://habr.com/ru/companies/haulmont/articles/1054434/

#AI_coding #AI_Agent #агентная_разработка #JetBrains_IDE #OpenIDE #MCP #IDEnative_tools #code_coverage #profiling #developer_tools

06.2026 Моя подборка полезных статей на habr за июнь про агентную разработку

Это моя вторая подборка статей про агентную разработку (первая здесь ). Как и в прошлый раз, смотрел статьи в хабах ИИ, программирования, аналитики и тестирования. В этот раз я учел свою ошибку и для каждой статьи написал, почему посчитал ее интересной. Как всегда, буду благодарен, если в комментариях напишите ссылки и на другие статьи про агентную разработку, которые считаете полезными.

https://habr.com/ru/articles/1049838/

#агентная_разработка #подборка_статей

Почему ИИ не снимает ответственность с разработчика: что изучать, чтобы оставаться актуальным специалистом

Привет, Хабр! Меня зовут Илья Благородов, я 30 лет в разработке, в том числе — выступаю экспертом в онлайн-магистратуре «Фронтенд-, бэкенд-разработка и ИИ-решения» ИТМО в партнёрстве с Яндекс Практикумом. В этой статье я хочу поговорить о том, как я использую ИИ в разработке и почему, несмотря на это, больше программирую. А ещё — чем IDE отличается от ИИ и почему ИИ не заменит хороших специалистов.

https://habr.com/ru/companies/yandex_praktikum/articles/1053554/

#фронтендразработка #бэкендразработка #агентная_разработка #вайбкодинг #архитектура_приложений #разработка_приложений #магистратура #итмо #онлайнобразование

Как мы перестраивали работу аналитиков под разработку с ИИ-агентами и SDD

Всем привет! Я Светлана Забирова, лид аналитики в Центре разработки и машинного обучения компании «Инфосистемы Джет». В ИТ работаю уже больше десяти лет, из них половину – в заказной разработке. В одной из недавних статей моя коллега уже делилась опытом , как искусственный интеллект повлиял на результаты одной из наших команд разработки. Сегодня посмотрим на процесс с точки зрения аналитика. По заданному контексту ИИ хорошо справляются с кодом, миграциями, OpenAPI, сценариями и документацией. Но агентная разработка быстро начинает буксовать, если входной артефакт остается большой постановкой в Confluence, Word или Jira без строгой структуры и трассировки. Модель теряет важные условия, смешивает уровни детализации, дублирует требования или додумывает недостающие связи. ИИ не будет работать лучше, если аналитики просто «начнут промптить». Задача решается уровнем выше: требования должны стать инженерным артефактом. То есть относиться к требованиям нужно так же, как разработчики относятся к коду. Спецификация должна жить в том же рабочем процессе, где живет код. Даже если физически код и требования находятся в разных репозиториях. Мы решили проверить подход на одном из пилотных проектов, где было все: аналитика, архитектура, backend/frontend-разработка, тестирование и DevOps. Как мы перевели аналитику из Confluence/Word в SDD-контур и что из этого получилось, рассказываю под катом. Кому полезно: бизнес- и системным аналитикам, руководителям команд, архитекторам и разработчикам, которые уже обсуждают SDD, агентную разработку и новые требования к постановкам.

https://habr.com/ru/companies/jetinfosystems/articles/1051370/

#ииагенты_для_разработки #cursor #аналитика #методологии_разработки #разработка #sdd #локальные_модели #агентная_разработка #frontendразработка #backendразработка

Что происходит с SDLC в эпоху AI-агентов

Несколько месяцев назад в публичном пространстве появилась история, которую в engineering-сообществе стали называть поучительной. Команда AWS использовала внутренний AI-инструмент Kira для ускорения работы. Kira предложила джуниорам сценарий: переразверни продакшн-слой. Инженеры согласились. Следующие шесть часов весь AWS не работал. После разбора полётов компания объявила новое правило: финальный апрув на изменения, предложенные агентом, должен давать сениор-инженер. На первый взгляд, решение логичное. На второй, уже менее. Если агент генерирует изменения в темпе, к которому люди не привыкли, один сениор превращается в бутылочное горлышко для бесконечного потока PR. Это не решение проблемы. Это антипаттерн, оформленный как процесс. История AWS точно формулирует главный вызов 2025-2026 годов: AI научился быстро писать код, но индустрия пока не научилась с такой же скоростью его доставлять, проверять и принимать решения о нём. Данные, собранные в рамках масштабного исследования State of AI4SDLC, это подтверждают.

https://habr.com/ru/companies/oleg-bunin/articles/1051278/

#AI4SDLC #SE_20 #AInative_разработка #SDLC #агентная_разработка #MLOps #DevOps #производительность_разработки #DORA #task_management

ИИ-агенты в автоматизации тестирования: собираем воркфлоу из скиллов, MCP и разных LLM

Привет! На связи команда QA Automation СВОЙ Тех . Сегодня мы хотим поднять тему, которая за последний год превратилась из хайпового «вайб-кодинга» в суровую инженерную реальность. Мы поговорим об агентной разработке (AI Agents) в автоматизации тестирования.

https://habr.com/ru/companies/svoi_ru/articles/1048146/

#искусственный_интеллект #агенты_ии #автоматизация_тестирования #агентная_разработка #aqa #codex #claude #cli #skill #декомпозиция

Моя подборка полезных статей на habr про агентную разработку

В какой-то момент я стал для себя и своих коллег собирать статьи на habr про агентную разработку, которые с моей точки зрения были бы нам полезны. С 27.04.2026 начал это делать каждый день: просматривать все статьи в хабах ИИ, Java, Python, аналитики и тестировании. Решил сделать статью с этой подборкой, может кому будет интересно. В этой подборке только дата статьи, название и ссылка. Понял, что нужно хотя бы комментарий писать, почему я ее сохранил. Для новых статей исправлюсь. Буду благодарен, если в комментариях напишите ссылку и не другие статьи про агентную разработку, которые считаете полезными.

https://habr.com/ru/articles/1047230/

#агентная_разработка #подборка_статей

LLM написала, человек одобрил, никто не понял: откуда на самом деле берётся нечитаемый код

Код работает, тесты зелёные — а читать его невозможно. Документация «содержит всё» — а в голове после неё не остаётся ничего. Привычный диагноз «плохо обучили» объясняет не всё: человек и LLM мыслят по-разному устроенными механизмами, и значительная часть «низкого качества» — это столкновение двух когнитивных архитектур. Где на самом деле предел внимания LLM, почему у человека сложность болит, а у модели нет, и кто в системе «человек + LLM» заметит момент потери контроля. Спойлер: никто. Узнать, где теряется понимание

https://habr.com/ru/articles/1046636/

#llm #когнитивная_асимметрия #агентная_разработка #контекстное_окно #comprehension_debt #качество_кода

Как я прикрутил GigaChat к OpenCode и что из этого понял

Мне было интересно проверить GigaChat/GigaCode не в обычном чате, а в нормальной агентной среде разработки. То есть не “ответь на вопрос”, а вот это всё: tools , function calling , streaming , MCP-инструменты , история диалога и работа внутри реального проекта. Для проверки я подключил GigaChat к OpenCode через TypeScript-плагин. Простой текстовый запрос завёлся быстро, а дальше началось самое интересное: OpenAI-like API оказался похожим на совместимый агентный протокол только снаружи. Внутри пришлось собирать отдельный слой совместимости.

https://habr.com/ru/articles/1046321/

#GigaChat #GigaCode #OpenCode #ИИагенты #агентная_разработка #function_calling #MCP #OpenAI_API #OpenAPI

Клод в шестернях

Когда эксперт впервые увидел, как моя машина ведёт себя в динамике, он сказал, что без курсов по двигателям и трансмиссиям меня к такому тренажёру подпускать нельзя. Он был прав. Меня позвали перенести с Unity на Unigine тренажёр гусеничной машины. К середине проекта я решил, что новую физику проще написать с нуля, и не написал в ней ни строки руками — весь код делал Claude Code. И да, там будет Патрик Суэйзи. Как AI вошёл в инженерный контур

https://habr.com/ru/articles/1045911/

#unigine #Claude_Code #агентная_разработка #LLM #C++ #автотесты #сценарное_тестирование #легаси #математическая_модель #симулятор