#кодревью — 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

Claude или ChatGPT для кода: 4 модели на одинаковых задачах

Claude или ChatGPT для кода: на восьми одинаковых задачах Claude Opus 5.5, Claude Sonnet 5.5, ChatGPT 6 Astra и ChatGPT 6.1 Sol написали верный код с первой попытки, один ответ пришлось только отформатировать заново. Разница нашлась во времени ответа (от 8 до 28 минут на все задачи), цене за токен (до 5 раз) и устройстве решений.

https://habr.com/ru/companies/syntx_ai/articles/1096542/

#javascript #кодревью #chatgpt #llm #claude #сравнение_нейросетей #gpt6 #нейросети_для_программирования #claude_sonnet_55

Джун закрывает задачи с агентом, но спотыкается на разборе инцидента

Джун закрывает задачи быстрее, PR проходят ревью, метрики радуют руководителя. Но на первом серьёзном инциденте выясняется, что разработчик с трудом понимает устройство сервиса, над которым работал несколько месяцев. Разбираемся, как AI‑агенты меняют привычный процесс обучения новичков, какие ошибки допускают руководители при онбординге и что поможет вырастить самостоятельных инженеров. Читать разбор

https://habr.com/ru/companies/otus/articles/1088884/

#отладка #наставничество #профессиональный_рост #управление_командой #тимлид #джуниоры #кодревью #обучение_разработчиков #aiагенты #онбординг_разработчиков

PostgreSQL 19 перенесли на 19 ноября: какую роль в этом сыграло LLM-ревью

Релиз-команда PostgreSQL перенесла финальную версию PostgreSQL 19 на 19 ноября. До этого из ветки откатили от восьми до десяти заметных функций, и The Register связал происходящее с ревью кода через LLM. Что сказано в официальном объявлении, как ситуацию объясняет один из ведущих коммиттеров проекта и где цифры из пересказов разошлись с первоисточниками...

https://habr.com/ru/articles/1095950/

#субд #sql #postgresql #ревью_кода #кодревью #llmагенты #postgresql_19

[Перевод] Я не хочу читать то, чего вы не писали

Инженер Колин Брек устал читать дизайн-доки, описания PR, тикеты и письма, сгенерированные ИИ. При этом ему самому ИИ помогает писать: недавно он закончил научную статью, где ИИ сверял написанное с исходниками и логами, ловил опечатки и оформлял ссылки, а написал только аннотацию. В эссе он разбирает, почему чужой сгенерированный текст нечитаем, где ИИ в письме действительно полезен и чего он сделать не может. Читать дальше →

https://habr.com/ru/articles/1093138/

#ии #документация #pull_request #дизайндокумент #кодревью #llm #техническое_письмо #pangram

Почему с AI‑агентами код доезжает до main медленнее

AI‑агенты позволяют разработчикам закрывать больше задач и быстрее писать код, но изменения всё чаще застревают на ревью и в QA. Растущие MR перегружают процессы проверки, а выигрыш в скорости разработки теряется по пути к production. Разбираемся на данных Faros AI, CircleCI и DORA, почему возникает этот парадокс и как найти узкое место в поставке изменений. Разобрать парадокс

https://habr.com/ru/companies/otus/articles/1088870/

#разработка_по #качество_кода #управление_изменениями #автоматизация_разработки #кодревью #aiагенты #производительность_разработчиков #технический_долг #скорость_поставки

[Перевод] Состояние IT-индустрии в 2026 году: что изменилось, что сломалось и что дальше

Гергей Орос (The Pragmatic Engineer) пересказывает свой доклад на конференции LDX3 в Нью-Йорке: что изменилось в индустрии за год, что сломалось, что осталось прежним и куда всё движется. В августе 2026 года на GitHub агенты создали больше PR, чем люди, в Linear агенты заводят больше задач, чем люди, Cursor и Antigravity ушли от IDE, а код-ревью во многих компаниях превратилось в театр. В статье свежие данные GitHub, Linear и Factory AI, истории из OpenAI, Anthropic, Uber и Ramp. Читать дальше →

https://habr.com/ru/articles/1092354/

#ide #рынок_труда #управление_разработкой #миграции #кодревью #ииагенты #claude_code #pragmatic_engineer

Не ИИ заменит людей, а люди заменят ИИ. И это уже происходит

Если полистать вакансии на хедхантере или в линкедине, рано или поздно натыкаешься на объявления, где ищут человека с опытом от пяти лет, который умеет читать чужой код без комментариев, разбирается в многопоточке и готов работать с большим объемом кода, написанного без участия людей, причем иногда такие объявления вывешивают те же компании, которые год-два назад рассказывали в пресс-релизах, как заменили агентами и пайплайнами генерации половину джунов и почти весь ручной QA. Над последней строчкой в требованиях зависаешь примерно с тем же выражением лица, с каким читают инструкцию к лекарству, где в побочных эффектах указана сама болезнь. Год назад над таким объявлением посмеялись бы в курилке, а сейчас похожие вакансии висят в каждой второй ленте, называются по-разному, от вежливого «AI code reviewer» до честного «разгребатель вайб-кода», и за ними почти всегда стоит одна и та же история, когда компания сначала заплатила за то, чтобы убрать людей из процесса, а потом заплатила еще раз и уже дороже, чтобы вернуть их обратно, только теперь на роль уборщиков после банкета, на который их самих не позвали. Волн технологий, которые должны были отменить программистов, за последние десятилетия было несколько, от визуальных редакторов скриптов до no-code конструкторов, и каждая из них откатывалась примерно по одной траектории, разве что нынешняя делает это заметно быстрее, потому что денег в нее влили столько, что считать убытки начали раньше обычного.

https://habr.com/ru/articles/1090612/

#AI_code_review #вайбкод #vibe_coding #джуны #QA #автоматизация #найм #технический_долг #LLM #кодревью

Задача закрыта, когда ветка влита: как наша платформа разрабатывает сама себя

30 сентября в 06:32 в очереди появилась задача: научить ядро платформы переводить открытые задачи на новую версию их типа. Повод был будничный — мы выпустили новую версию типа «задача на код» с более строгими проверками перед сдачей, а вся открытая очередь осталась на старой и получала старые инструкции. Через 19 минут агент сдал работу: новый маршрут API, тесты, документация. В 07:15 ревью её отклонило. Новый маршрут позволял агенту с обычными правами исполнителя перевести свою задачу на первую версию типа — ту, где ревью ещё не было, — взять её и закрыть самому. Ревьюер воспроизвёл это по шагам и написал, какое право должно закрывать маршрут. В 08:03 агент взял задачу снова, через 15 минут сдал исправление, в 08:24 ревью прошло и ветка влилась. От постановки до вливания — 1 час 52 минуты, два прогона агента. Агент написал дыру, через которую агент мог бы уйти от ревью, и поймало её ревью, которое платформа считает частью самой задачи. 4 октября мы выпустили первый открытый релиз платформы — Taimen v0.2.0 , Apache-2.0. Ниже — как она устроена и что мы поняли, пока почти два месяца разрабатывали её её же собственными средствами. В конце — как этот релиз выпустила сама очередь.

https://habr.com/ru/articles/1090282/

#ИИагенты #Claude_Code #приёмка_задач #кодревью #раф_знаний #открытый_исходный_код

Агент пишет быстрее, команда релизит медленнее: 30 дней с coding agent на реальном проекте

Первые несколько дней с AI агентом легко создают ощущение, что разработку наконец-то «сломали». Даёшь задачу, через несколько минут получаешь diff на несколько файлов, тесты и уверенный отчёт о том, что всё готово. Если мерить производительность от момента, когда ты сформулировал prompt, до появления кода, результат действительно впечатляет. Примерно через неделю я заметил другую вещь: код стал появляться заметно быстрее, а задачи не начали с той же скоростью попадать в production. Поэтому в течение месяца я смотрел не на количество сгенерированного кода, а на полный цикл изменения: задача → понимание контекста → реализация → review → тесты → интеграция → release. И именно здесь эффект оказался гораздо интереснее простого «AI ускоряет разработчика». Проблема агентов не в том, что они плохо пишут код. Наоборот, локально они часто пишут его очень хорошо. Проблема в том, что написание кода во многих зрелых системах давно не является главным bottleneck.

https://habr.com/ru/articles/1084962/

#ИИагенты #coding_agents #разработка_ПО #backend #Python #кодревью #технический_долг #автоматизация_разработки #DORA #METR

Обвязка решает

Спор «какая нейросеть лучше пишет код» — спор о половине системы. Вторая половина — обвязка вокруг модели, она же harness. Один и тот же GPT-5.5 в двух харнессах даёт 61,5% и 87,2%, а на Claw-SWE-Bench смена обвязки сдвигает результат почти как смена модели.

https://habr.com/ru/articles/1079012/

#claude_code #codex #cursor #llm #ииагенты #харнесс #harness_engineering #specdriven_development #кодревью #software_engineering

Шесть миллиардов прогонов ради одной галочки: как устроено ревью научного софта на GitHub

Последние месяцы я рецензирую научный софт для JOSS, Journal of Open Source Software. Это настоящий рецензируемый журнал с редколлегией, только статья в нём короткая, около тысячи слов, а главный объект ревью - репозиторий с кодом. Ревью идёт в публичном GitHub-треде под именем рецензента, и весь процесс от заявки до вердикта открыт любому желающему. Я инженер, не учёный: ни PhD, ни публикационного списка у меня нет.

https://habr.com/ru/articles/1076116/

#peer_review #JOSS #научный_софт #open_source #тестирование #воспроизводимость #санитайзеры #AddressSanitizer #кодревью #GitHub

Код‑ревью в эпоху ИИ: 7 ошибок, ведущих к инцидентам

ИИ уже умеет за минуты генерировать сотни строк кода, но скорость ревью от этого не выросла. Разбираем семь ошибок, из‑за которых AI Code Review пропускает реальные дефекты, создаёт ложное чувство безопасности и постепенно превращает проверку кода в формальность. Разобрать ошибки

https://habr.com/ru/companies/otus/articles/1067756/

#кодревью #AI_Code_Review #ИИ_в_разработке #LLM #качество_кода #pull_request #автоматизация_ревью #ИИагенты #технический_долг #контроль_качества

[Перевод] Проблема «принципал — агент» в эпоху ИИ‑агентов

ИИ-агенты ускоряют разработку, но привычное код-ревью быстро превращает этот выигрыш в новое узкое место. Код генерируется быстрее, изменений становится больше, а разбираться в них всё равно приходится людям. В итоге возникает перекос: поручить задачу агенту почти ничего не стоит, тогда как проверить результат — полноценная инженерная работа. В статье разберем этот конфликт через проблему «принципал — агент» и узнаем, почему особенно остро он проявляется в больших компаниях и open source. К разбору

https://habr.com/ru/companies/otus/articles/1070318/

#ИИагенты #кодревью #разработка_ПО #AI_coding #GitHub #pull_request #инженерные_процессы #автоматизация_разработки #ответственность_разработчика #доверие_в_команде

Кто будет учить джунов, если нейросети забрали всю рутину

Раньше инженера растили на задачах, которые сейчас называют «рутиной»: написать автотесты, собрать первичную аналитику, разметить датасет или составить документацию. Эта черновая работа была естественным тренировочным полем. Пробираясь через нее, новичок совершал контролируемые ошибки, проходил код-ревью и формировал профессиональное суждение (engineering judgment) — интуитивное понимание того, как система ведет себя в реальности. В классической инженерии этот этап называют «накоплением насмотренности»: нельзя спроектировать надежный мост, не изучив сотни типовых узлов и чужих ошибок. Похожий принцип десятилетиями поддерживал живучесть ядра Linux: Линус Торвальдс и команда топ-мейнтенеров годами заставляли новичков вручную переписывать патчи, чтобы те ментально «проросли» в архитектуру подсистем и переняли культуру инженерных решений. Генериративный ИИ автоматизировал рутинные задачи — написание тестов, разметку данных, — которые раньше служили тренировочным полем для развития инженерного суждения. По мнению исследователей Microsoft, этот сдвиг к 2026 году остановил традиционный конвейер передачи опыта, создавая риск «кадрового дефолта» в IT . В исследовании Microsoft говорится, что AI Drag (эффект торможения) становится главным вызовом, требующим перестройки обучения специалистов. Разберем, почему экономия на начинающих специалистах ведет к кадровому дефолту отрасли и как перестроить обучение, когда рутина больше не учит.

https://habr.com/ru/companies/ru_mts/articles/1067674/

#генеративный_ии #джуниор #менторство #кодревью #обучение_разработчиков #github_copilot #производительность_труда #управление_знаниями #кадры_в_it #ai_drag

ИИ-ревьюверы твоего кода: как нейросети позволяют упрощать анализ PR

С развитием ИИ себестоимость кода стремительно падает. Его становится все больше, а команды не растут пропорционально количеству. AI-инструменты генерации кода (Copilot, Cursor, Codex, Claude Code) увеличивают скорость написания, но не скорость проверки кода. Узким горлышком становится сам PR, они могут висеть днями в вашей компании или opensource-проекте, контекст может теряться, на его оценку тратится время, и иногда впустую. В среднем, команда на ревью тратит ~20% рабочего времени, особенно если это большой PR, или PR от новичка. Но как же решить эту проблему? Ведь беда не в том, что ревьюверы плохие, или что им нужно давать больше работы, а в том, что объем кода растет быстрее возможности осмысленно его проверить. В этой статье я расскажу о том, как помочь вашему корпоративному или опенсорс-проекту, если он тонет в код-ревью, и расскажу о существующих решениях — devin ai, context7, deepwiki, rabbit code review и других.

https://habr.com/ru/companies/bothub/articles/1069226/

#ии #claude #anthropic #openai #devinai #pull_request #код_ревью #ИИревьюверы #кодревью #ииагенты

Покажи мне свой харнесс — и я спрошу у Клода, кто ты

Один ИИ пишет мне код, второй его ревьюит и не пускает в master, а я плачу за обе подписки и называю это командой разработки. За 56 дней — 1393 коммита, почти три сотни спек и рабочий продукт, на который у команды ушло бы года полтора. Внутри — устройство моего харнесса, грабли, из которых вырос каждый гейт, экономика против зарплаты сеньора и почему спека у меня дороже кода.

https://habr.com/ru/articles/1068466/

#claude_code #codex #llm #ииагенты #харнесс #specdriven_development #вайбкодинг #кодревью #software_engineering #петпроект

Фронтенд умер? Нет, но AI уже держит лопату

Привет, на связи Рома Миронов из Авито . Я бывший — хотя бывших не бывает — фронтендер, а сейчас тим- и техлид. Ковыряю AI и больше ничем не занимаюсь — кроме команды, конечно :) В этой статье расскажу, почему фронтенд пока не умер, какие задачи уже можно отдавать агентам, где они красиво ошибаются и почему сначала от AI становится больнее, а не легче.

https://habr.com/ru/companies/avito/articles/1066228/

#ai #frontend #agents #codex #claude_code #автоматизация_разработки #разработка_по #кодревью

«У вас в резюме указаны навыки ИИ. Что вы имели в виду?» Что отвечать, кроме количества потраченных токенов

Всё началось с чата с однокурсниками. Кто‑то обронил фразу «сейчас без ИИ никуда, это уже базовый навык», и следующие два дня мы выясняли, что каждый понимает под этим что‑то своё. Один говорил, что весь навык сводится к умению нормально сформулировать запрос, всё остальное сделает модель. Другой доказывал, что настоящее умение это как раз не пускать ИИ туда, где он навредит, и что главный навык это дисциплина отказа. Третий считал, что тема надутая, а через год всё устаканится само и учиться нечему. Четвёртый прислал скриншот своего CLAUDE.md на двести строк и сказал, что вот она, настоящая работа. Меня зацепило, что мы все вроде бы делаем одно и то же каждый день, а описываем это несовместимыми словами. Ни у кого, включая меня, не оказалось внятного ответа на простой вопрос: если разработчик говорит «я умею работать с ИИ», что конкретно он умеет? А потом выяснилось, что вопрос не академический. У половины из нас в резюме стоит строчка про навыки работы с ИИ, и на собеседованиях за неё уже начали цепляться. «У вас тут указаны навыки ИИ. Что вы имели в виду?» И вот тут начинается неловкое. Потому что честный ответ большинства звучит примерно так: пользуюсь Claude Code каждый день, беру модель посильнее, когда задача сложная, в прошлом месяце сжёг столько то токенов. Всё это правда, и всё это ничего не говорит о вас как об инженере. Количество потраченных токенов характеризует вас ровно так же, как количество написанных строк кода: то есть никак, а иногда и в минус. Проблема в том, что альтернативной формулировки у нас просто нет. Мы умеем называть инструменты и не умеем называть умения. Поэтому я сел и попробовал собрать перечень. Не «топ 10 промптов», а честный список умений, каждое из которых можно проверить, показать в работе и внятно описать словами, когда спросят.

https://habr.com/ru/articles/1064110/

#Claude_Code #ИИагенты #навыки_разработчика #кодревью #CLAUDEmd #собеседование #безопасность_разработки #Anthropic

что-ж... пора бы отчитаться по моей деятельности за последнее время.
все предыдущие наработки были удалены чтобы начать все с 0; написан лексер, эскейп-символ уже встроен в него сразу, с порога.
горошек, увы, засох, редиску перевернула кошка, календула засохла;
почему они засохли-то все? полив вроде был обеспечен... ну ладно, жалко, конечно...;
зато мелиса и дикий виноград прижились
как-то вот так вот :polarbear:
#код #кодинг #кодревью #растения

[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

Как ревьюить ИИ-код: что автоматизировать, какую работу оставить человеку и как всё это делать системно

В 2026 году софт всё чаще пишут с участием ИИ: по данным Stackoverflow , 84% разработчиков уже используют ИИ‑инструменты или планируют начать. Но у скорости есть цена. Исследователи Faros AI зафиксировали парадокс : в командах с активным ИИ разработчики закрывают на 21% больше задач и мёржат на 98% больше пул-реквестов — а время ревью при этом выросло на 91%. Чем больше кода генерируют агенты, тем тяжелее его проверять: пул-реквесты раздуваются, а глубина понимания у ревьюера не меняется. Разбираем, какие ошибки чаще всего встречаются в ИИ-коде, что в ревью можно отдать модели, что обязательно оставить человеку и как выстроить процесс, чтобы выигрыш от автоматизации не утонул в очереди на проверку. Что отдать модели →

https://habr.com/ru/companies/netologyru/articles/1045600/

#кодревью #ревью_ИИкода #ИИагенты #llm #specdriven_development #CodeRabbit #автоматизация_разработки #иикод #spec_kit #генерация_кода

Гейткипинг 2.0: почему open source воюет с ИИ — и что делать вместо этого

Open source всё чаще закрывает двери перед ИИ: Zig и NetBSD банят AI-generated контрибьюции, curl под потоком нейрослопа сворачивает баг-баунти. DHH , создатель Ruby on Rails, называет это новым луддизмом и гейткипингом. ThePrimeagen возражает : дело не в зависти, а в том, что мейнтейнеров завалили низкокачественными PR. Мне понятна злость DHH: я сам видел, как в индустрии судят не код, а человека, который его принёс. Но не каждый запрет на ИИ — снобизм. Иногда это попытка сберечь внимание мейнтейнеров, защитить качество и юридическую чистоту проекта. В этой статье разберёмся, где проходит граница, и почему вместо вопроса «кто написал код?» пора задавать другой: «прошёл ли код наш пайплайн качества?» Проверять код, а не автора

https://habr.com/ru/articles/1047212/

#гейткипинг #open_source #искусственный_интеллект #кодревью #качество_кода #ИИагенты #статический_анализ #нейрослоп #вайбкодинг #cicd

Как мы за 3 дня сделали ИИ-ревьюер кода и что поняли месяц спустя

С код-ревью есть такой парадокс: все согласны, что он важен, но времени на него обычно ни у кого нет. В результате ревью часто превращается в формальность. Очевидные баги при этом ловятся, а мелкие, вроде пропуска в условиях, перепутанные знаки, забытые edge cases и т.д., могут спокойно уехать в мердж и вернуться уже в виде задач в багтрекере. В Content AI мы активно внедряем ИИ в разработку, и одна из задач, которую мы решали в этом году, — автоматизация код-ревью. В этой статье рассказываем, как одна из наших команд собрала ИИ-ревьюера, встроенного в Pull Request, и что мы поняли спустя месяц использования.

https://habr.com/ru/companies/contentai/articles/1045272/

#ревью_кода #ии #искусственный_интеллект #разработка #разработка_по #кодревью

Мы попробовали в реальном проекте Dynamic Workflows от Claude Code. Рассказываю, что сработало, а что нет

Мы проверили фичу Dynamic Workflows на реальном проекте. Не ради хайпа или оценки "хорошая фича" / "плохая фича". Вопрос был чисто практический: - усиливает ли Dynamic Workflows наш текущий стек; - где это имеет смысл применять внутри нашего фреймворка; - где это может быть полезно тем, у кого своего фреймворка нет; - и где лучше не тратить на это лимиты, токены и время. Три захода, шесть прогонов, четыре миллиона токенов. Демки обещали магию. Реальный проект дал швы, грабли и один по-настоящему страшный момент с ложным одобрением. Но из всего этого мы вытащили приёмы, которые сделали наш обычный процесс лучше. А workflow оставили для тех случаев, когда одного ревьюера действительно не хватает. Погрузиться в кейс

https://habr.com/ru/articles/1041858/

#Claude_Code #Dynamic_Workflows #кодревью #многоагентные_системы #LLM #агентская_разработка #автоматизация #AI_в_разработке

От инженера до оператора промптов: 5 главных ошибок вайбкодинга

Вайбкодинг (vibe-coding) — это круто, пока вы в потоке, и ИИ делает за вас рутину. Но за видимым “Vibe!” и “func() { return code.gen.ok() }” могут скрываться фатальные ошибки. Мы разобрали 5 критических проблем — от архитектурных косяков и уязвимостей до ленивых промптов и потери контекста.

https://habr.com/ru/articles/1033648/

#вайбкодинг #ошибки_программистов #искусственный_интеллект #разработка_ПО #нейросети_в_программировании #технический_долг #кодревью #архитектура_ПО #отладка #дебаг

AI-агенты в продакшене: почему demo не равно реальность

Посмотрел демку, где AI-агент ревьюит PR за 40 секунд — и решил внедрить у себя. LangGraph, GitHub API, неделя на прототип. Прототип заработал красиво. А потом начался продакшен: галлюцинации, 60% мусорных комментариев, разработчики игнорируют бота. Рассказываю, как чинил это три месяца и к каким цифрам пришёл.

https://habr.com/ru/articles/1031352/

#AIагенты #LangGraph #LangChain #кодревью #LLM #автоматизация #GPT4 #продакшен

Как контролировать токены: поиск ошибок, версионирование и графы в едином дашборде

Как только дизайн-система разрастается больше, чем на 10-20 кнопок, а брендов у вас становится несколько — JSON-файлы с токенами превращаются в кошмар. Дизайнеры экспортируют токены из Figma, разработчики получают пулл-реквест на 5000 строк измененного кода, и никто в здравом уме не может сказать: "А что именно поменялось и ничего ли мы не сломали?" А если вместо английской буквы "c" в коде будет русская? А что если токен зациклился сам на себя? А если у одних токенов более 3-х уровней вложенности, то как поведет себя система? А если нужного токена нет в одном из модов? Да и вообще, как узнать, какие токены можно вынести в примитивы, а какие в семантику и отдельные файлы для брендов? Чтобы решить эти проблемы, я написал веб-интерфейс Tokens Dashboard — ты кидаешь в него JSON (архив, папку, файл, несколько файлов — не важно), а он выдает красивую и понятную аналитику. И сегодня мы разберемся, как это работает. Программа полностью бесплатная и доступна как для пользователей Mac OS, так и Linux / Windows. Она портативна и не мусорит в системе — вы просто удаляете папку, если она вам больше не нужна. Посмотреть кейс

https://habr.com/ru/articles/1025146/

#дизайнсистема #дизайнтокены #figma #фронтенд #архитектура #кодревью #аудит_кода #json #графы #open_source

Код-ревью, в котором дело не в коде

Привет, Хабр! Сегодня хотелось бы поговорить о код-ревью, но не о коде. Думаю, не я один такой, и многие замечали, что если пишешь код для себя, то спокойно (ну не всегда, конечно) переписываешь его хоть десять раз. Но как только в твой код приходит кто-то и пишет что-то вроде "сделай здесь по-другому", то у тебя запросто может полыхнуть. Ты же старался, писал этот шедевр дня три. Там какая-нибудь сложная логика, много краев, да и вообще гордишься ("я сделяль", да). А тебе прилетает список из двадцати замечаний, и хорошо если без едкого комментария. И вот ты готов биться как лев за каждую строчку. Стараешься придумать достойный ответ (возможно, даже саркастичный). Потом серия препирательств, кто правее, а в итоге вообще может оказаться, что кто-то из вас изначально чего-то недопонял в задаче. Собственно, к чему это я? Просто сейчас мне кажется, что код-ревью - это вообще-то не только про код. Это еще и про людей.

https://habr.com/ru/companies/reksoft/articles/1021780/

#кодревью #программирование #код

AI-Driven подход «Harness Engineering»: наступившее будущее или лишь метод с ограничениями?

Вдохновился идеей OpenAI Harness Engineering и проверил на большом легаси проекте: можно ли отдать агенту всю реализацию, а человеку - постановку, тесты и ревью. Сотни файлов, зелёные тесты и два бага, которые нашли только руками. Про «согласованные ошибки», разные мнения и почему финал эксперимента открытый.

https://habr.com/ru/articles/1022366/

#агентная_разработка #ИИ_в_разработке #легаси #рефакторинг #тестирование #E2E #эксперимент #кодревью #микросервисы #агенты_ии

Что общего у вина и ИТ?

Привет, Хабр! Я Полина, продакт платформы «Своё вино» в РСХБ. «Своё вино» — цифровая платформа, запущенная Россельхозбанком, медиаресурс, который объединяет производителей вина, потребителей, сомелье, критиков и всех любителей российского вина. В этой статье мы хотим немного развлечься и сравнить то, что любим и с чем работаем, а заодно раскроем мир виноделия с другой стороны.

https://habr.com/ru/companies/rshb/articles/1016940/

#ИТтермины #прод #баги #релиз #фреймворк #недекларированная_возможность #DevOps #кодревью #рефакторинг #микросервисная_архитектура