Исследования искусственного интеллекта, машинного обучения и ИИ-инструментов для разработки
Ошибки, которые инженеры совершают на код-ревью
Многие инженеры неправильно проводят код-ревью. Конечно, существует много разных способов проведения ревью, так что это в значительной степени изложение моего инженерного вкуса.
Что мы узнали о создании агентных ИИ-инструментов?
В середине 2025 года агентный кодинг наконец-то стал реальностью. Что мы узнали о создании инструментов для агентного кодинга с тех пор? Агенты должны планировать, затем действовать. Не давайте агенту слишком много инструментов. Используйте обычный поиск, а не RAG.
Почему DeepSeek дешев при масштабировании, но дорог для локального запуска
Почему DeepSeek-V3 якобы быстр и дешев для обслуживания в масштабе, но слишком медленен и дорог для локального запуска? Почему некоторые ИИ-модели медленно отвечают, но работают быстро после запуска?
Только три типа ИИ-продуктов действительно работают
Самый первый продукт на основе LLM, ChatGPT, был просто возможностью поговорить с самой моделью: другими словами, чистым чат-ботом. Это по-прежнему самый популярный LLM-продукт с большим отрывом. На самом деле, учитывая количество денег, вложенных в индустрию, шокирует, сколько «новых ИИ-продуктов» — это просто чат-боты. Насколько я могу судить, существует только три типа ИИ-продуктов, которые работают в настоящее время.
Создание ИИ-продуктов в эпоху вероятностей
Искусственный интеллект создал разрыв в ткани технологической индустрии, перевернув то, как мы проектируем, разрабатываем и развиваем программное обеспечение. Мы покидаем детерминированный мир и входим в вероятностный, где машины производят статистические распределения вместо предсказуемых результатов.
Состояние разработки программного обеспечения в 2025 году
49 тысяч+ инженеров поделились своими предпочтениями в технологиях, опытом использования ИИ, рабочей средой и многими другими интересными данными! Подробный анализ опроса Stack Overflow Developer Survey 2025 с переводом на русский язык и интерактивными графиками.
Для чего на самом деле нужен ИИ
ИИ — это полезная технология, раздутая до катастрофических масштабов. Возможно, за этим стоит нечто большее, чем просто хайп: консолидация ресурсов и власти.
Экспертиза в предметной области всегда была настоящим рвом
Сложная часть в создании ПО никогда не заключалась в написании кода — она была в том, чтобы сначала построить в голове рабочую модель предметной области. Агентный ИИ разорвал связь между этими двумя вещами: теперь можно произвести софт, так и не построив модель. И это смещает дефицитный навык с «можешь ли ты это построить» на «можешь ли ты определить, правильно ли оно».
Большие модели — не выход
Гонка за числом параметров упирается в потолок: интеллект почти не растёт, зато огромные модели разучиваются говорить «не знаю». На тесте по Python модель вдвое меньшего размера за 12 секунд распознала невыполнимую задачу, а гигант на 1.6T параметров уверенно выдал красивое, но неверное решение.