#сезон_код_будущего — Public Fediverse posts

Я написал свой воксельный редактор. А стоило ли?

История о том как я навайбкодил воксельный редактор для ассетов своей игры, он получился неплох, но задача под которую он был спроектирован, растворилась у него под ногами.

https://habr.com/ru/articles/1106860/

#жд #unity #воксели #godot #сезон_код_будущего

Как ИИ-агенты изменили работу CV-инженера: 5 сценариев из практики

Первые программисты в буквальном смысле собирали программу руками: переключали кабели и выставляли тумблеры. Потом они набивали машинный код на перфокартах, а вскоре перешли на ассемблер. Позже появились C и C++ — языки, уже более понятные человеку, но всё еще довольно душные в повседневной работе. За ними пришли Python, JavaScript и Go, на которых писать стало куда приятнее и быстрее. Каждый раз менялся способ, которым разработчик объясняет компьютеру, что от него требуется, и с каждым шагом это общение становилось всё проще и понятнее для человека. ИИ-агенты стали следующим шагом в этом направлении: теперь рутинную часть задачи можно описать неформальным языком в виде ТЗ, отдать агенту и проконтролировать результат. Выбрасывать знание языков программирования на свалку, конечно, рано — без него не получится заглянуть внутрь проекта и разобраться, почему что-то отвалилось. Но сама работа постепенно становится более текстовой и менеджерской. Как именно при этом меняется повседневная разработка, мы решили разобрать на примере компьютерного зрения. Для этого поговорили с Владом Ломтевым, senior CV-инженером нашей команды, чья работа охватывает весь цикл задач от проектирования систем до оптимизации нейросетей. Вместе мы выделили пять рабочих сценариев, где агенты сильно экономят время, и выяснили, в каких вопросах они пасуют перед опытом живого специалиста.

https://habr.com/ru/companies/magnus-tech/articles/1106682/

#эксперименты #агенты #компьютерное_зрение #проектирование_систем #ии_и_машинное_обучение #обучение_моделей #ииагенты #оптимизация_нейросетей #агентная_разработка #сезон_код_будущего

Сделали ИИ-бота для ежедневного анализа бизнес-метрик

Привет! Мы BI-разработчики: Айгуль Ахметова из команды аналитиков Авито Рекламы и Валерия Смирнова из Товаров. Вместе мы создаём аналитическую отчётность, которая помогает командам быстрее разбираться в бизнес-метриках. А ещё сделали бота, который снял с аналитиков часть рутины. Команда Core BI отвечает за основной финансовый дашборд. Каждое утро начинается примерно одинаково: Открываем основной финансовый отчёт. Проверяем, успели ли обновиться данные. Смотрим динамику выручки и проходимся по разрезам. Если цифра заметно изменилась — разбираемся, где именно и почему. Для этого подключаем аналитиков метрик из разных команд. Коротко объясняем результат коллегам, а если с данными что-то не так — предупреждаем, когда они будут готовы. Ничего сверхъестественного, но эти действия каждый день отнимают минимум полчаса. Не потому, что каждый раз нужно провести сложное исследование или глубоко погрузиться в детали. Просто между просмотром графика и ответом на вопрос «Что случилось?» есть несколько обязательных проверок — пропустить их нельзя. Мы решили автоматизировать эту часть работы и сделали Big10 Pulse — бота в корпоративном мессенджере Mattermost. Он ежедневно мониторит ключевые бизнес-метрики. Как только свежие данные готовы, присылает PDF-отчёт и аналитическую записку с факторным анализом изменений и найденных отклонений. Так аналитику не приходится каждый день повторять одни и те же действия, а пользователю — постоянно проверять, обновились ли данные. Звучит как идеальная задача для большой языковой модели — как мы любим: собрать контекст из разных источников и тредов, а затем объяснить найденную аномалию. Но довольно быстро мы поняли, что главное здесь не то, какую работу можно поручить модели, а то, какую — нельзя. В статье расскажем: почему обычного алерта об изменении метрики оказалось недостаточно; как бот отличает аномалию от календарного эффекта; как мы разделили расчёты и работу языковой модели; зачем и как проверяем готовый комментарий перед отправкой; сколько времени бот экономит пользователям.

https://habr.com/ru/companies/avito/articles/1101542/

#автоматизация #bi #факторный_анализ #качество_данных #бизнесметрики #автоматизация_аналитики #ииагенты #ллм #галлюцинации_llm #сезон_код_будущего

Кто такой Product Engineer? И почему эта роль набирает популярность в эпоху ИИ?

ИИ набрал популярность и проник в наши рабочие процессы. На мой взгляд, одна из ярких трансформаций происходит в цикле разработки программных продуктов PDLC (The Product Development Life Cycle). На просторах интернета я нашел вакансии с незнакомой мне специализацией и попытался разобраться в существующем контексте рынка, в требованиях и почему эта роль набирает популярность за рубежом. Если вам также интересно как мутируют роли менеджера продукта и разработчика ПО, присоединяйтесь — будет познавательно.

https://habr.com/ru/articles/1102694/

#product_engineer #сезон_код_будущего

Моё обретение вдумчивого и толкового помощника

Всё началось с приглашения от @little_italy . Я понял, что пора попробовать, тем более редактор ждёт практических историй. Для начала я вспомнил весь свой небольшой, но всё же, опыт общения с ИИ. Самым курьезным случай произошёл при издании книги . В издательстве, где я печатал книгу, просто настаивали на проверки ими текста рукописи, хотя у меня была уже готова и верстка книги. При этом они делали упор на то, что текст будет проверен ИИ. Мне стало интересно, тем более, что текст проверялся и перепроверялся, а сам я программист и понимаю цену ИИ (не надо забывать, что всё это происходило более двух лет назад). Вот далеко неполный перечень присланных мне ошибок

https://habr.com/ru/articles/1105970/

#искусственный_интеллект #svg #tcl #векторная_графика #c++ #tkpath #claude #cloudtk #сезон_код_будущего

От идеи до аварии: на каком мы свете с ИИ

Эта статья о том, как жить в новом меняющемся мире ИИ и с какими проблемами мы сталкиваемся на практике. Как жить дальше тебе и мне и на что на самом деле обратить внимание, когда каждый кричит про ИИ, а твой директор внедряет его каждый день со всё большим рвением. Мы, конечно, можем долго спорить, поменялось ли что-то и является ли ИИ революцией. Но инструменты изменились безвозвратно. И мысли в головах людей тоже. А ведь некоторые из них решают вопрос, будем ли мы с тобой завтра работать в этой должности, и они же начисляют нам зарплату. Так что разговор этот очень непростой. Когда мы достигли некоторого плато в технологиях, именно этот разговор стал необходимым. И да, статью я писал по старинке.

https://habr.com/ru/articles/1105254/

#искусственный_интеллект #управление_разработкой #code_review #процессы_разработки #управление_продуктом #должностные_инструкции #pdlc #ииагенты #вайбкодинг #сезон_код_будущего

Модернизация JavaScript-проекта для моделирования физических экспериментов и роль ИИ в этом

В статье описывается, как с помощью возможностей ИИ был модернизирован JavaScript-проект для моделирования физических экспериментов. В созданной программе представлены эксперименты из разделов: механика, механические колебания, гидростатика. При разработке данного проекта использовался только Vanilla JS, без сторонних библиотек.

https://habr.com/ru/articles/1105568/

#сезон_код_будущего

Подкинул промпт — готово? Как я прокачал ролевой пайплайн

Некоторые верят, что достаточно быстренько запустить Claude, подкинуть ему промпт, и готово. Так и есть, пока решение не нужно развивать, поддерживать или делать командным. Вот тут уже так не подкинешь: мой опыт показывает, что всё не так просто. Сам я из разработки баз данных, фронтенд не писал. Но осенью 2025 года взялся сделать сайт с помощью ИИ, и поначалу результат меня не устраивал. Мы с моделью проговаривали, что делать и как, но модель где-то на ходу понимала не так и делала не то, что запланировано. В декабре появилась первая версия пайплайна с ролями архитектора, планировщика, кодера и ревьюера. Запускал их вручную. В январе добавилась роль менеджера, и запуск стал автоматическим. С тех пор пайплайн развивается.

https://habr.com/ru/articles/1105702/

#разработка_по #пайплайн #codex #ииагенты #claude_code #сезон_код_будущего

Как мы создавали AI-агента, с которым теперь сами разрабатываем продукты

Еще недавно вопрос о том, какой метод использовать для обработки коллекции, мог отправить разработчика в документацию, на Stack Overflow или обсуждения на Хабре. В удачный день там находился ответ. В менее удачный — обсуждение архитектуры проекта, квалификации автора и целесообразности его существования в профессии... Где-то между этими темами обычно прятались нужные три строчки кода. Затем появились ИИ-чаты, которые можно было использовать как «продвинутый поисковик»: уточнять детали, показывать код, обсуждать варианты реализации. Заодно можно было попросить придумать имя методу, пока тот не стал processDataFinalReallyFinal. Затем модели научились лучше справляться с более крупными задачами, и вместо подсказок разработчики начали получать готовые файлы. Впрочем, если на просьбу добавить небольшую функцию приходил роман на пять тысяч строк, сэкономленное время предстояло потратить на его изучение. А пропущенную проверку мог напомнить тестировщик — сообщением "Есть пара замечаний" и приложением размером с техническое задание. Так, код стал появляться быстрее, но вместе с ним могла расти нагрузка на ревью, тестирование и сопровождение. Разработчик при этом работал еще и курьером между чатом и IDE. Сейчас настало время агентов, которые помимо генерации кода, могут работать с файлами проекта, выполнять проверки и автоматически разворачивать сервисы в облачных окружениях. В этой статье расскажем, как мы создавали собственного ИИ-агента и постепенно расширяли круг его задач. Разберем, что стояло за решением добавить ту или иную возможность и как ее появление меняло работу над проектом. А в конце обсудим, как изменилось мышление разработчиков и что осталось человеку, когда написание кода, создание тестов и проверку изменений уже можно делегировать.

https://habr.com/ru/articles/1105608/

#разработка_по #спецификации #mcp #intellij_idea #code_review #skills #llm #ииагенты #субагенты #сезон_код_будущего

Мы отдали документацию Claude, и он начал писать нам автотесты

Тестировщики отдают документацию языковой модели Claude от Anthropic и получают из неё тест-кейсы и автотесты. Это работает, если документация точная и если на двух этапах цепочку проверяет человек. Как это устроено, где грабли и что пока не взлетело, рассказываю под катом.

https://habr.com/ru/articles/1105574/

#тестирование #документация #mcp #автотесты #claude #сезон_код_будущего

Frame: 100 миллионов полигонов при 60 fps и тяжёлые атомные симуляции в браузере

Мы с Neira, моим ИИ-ассистентом, делаем Frame - 3D-редактор, который работает прямо в браузере. В моих тестах он крутит 100 миллионов треугольников при 60 fps. Внутри - собственный движок на WebGPU, сплайновые поверхности, рендер и симулятор атомных взаимодействий. Ядро после gzip занимает около 0,93 МБ, а плагины подключаются по необходимости. Первые полгода я писал приложение полностью руками. Теперь кодом занимается ИИ, а я - архитектурой, алгоритмами, интерфейсом и проверкой результата. Работы меньше не стало, но результат уже есть чем показать. Расскажу, что мы сделали, где ИИ оказался полезнее меня, а где ему всё ещё приходится подробно объяснять. Сам Frame уже можно открыть и попробовать. Открыть Frame · GitHub Посмотреть, что получилось

https://habr.com/ru/articles/1105532/

#javascript #искусственный_интеллект #компьютерная_графика #frame #cad #3dредактор #webgpu #разработка_с_ии #сезон_код_будущего #атомные_симуляции

AI Sous-chef: как мы собрали приложение с облачными моделями и вынесли промпты из кода

Представьте: открываете холодильник — морковь, йогурт, яблоко. На полке арахисовое масло. Продукты есть, но что из этого приготовить? Можно искать рецепты и проверять, хватает ли ингредиентов. А можно сфотографировать продукты и попросить приложение предложить варианты. Такой сценарий мы выбрали для командного проекта AI Sous-chef. Пользователь фотографирует продукты или вводит их списком, а сервис предлагает блюда и шаги приготовления. За два с половиной месяца мы выпустили Android-приложение и Telegram-бота. После запуска получили отзыв: приложение предложило салат из сырой картошки и баклажана. Рецепт появился на экране, но в инструкции не было этапа приготовления этих ингредиентов. Основной репозиторий AI Sous-chef опубликован под лицензией GNU AGPL v3.0. В нём находятся бэкенд, промпты, конфигурации и материалы проверок. Покажем, как устроены загрузка инструкций и обработка ответов, какие решения могут пригодиться в похожем проекте и что нам ещё предстоит доработать.

https://habr.com/ru/articles/1105496/

#open_source #python #ии #mvp #fastapi #llm #yandexgpt #qwen #промптинжиниринг #сезон_код_будущего