Книжный куб

Evolution of Agentic Surfaces: harness становится инфраструктурой (Рубрика #AI4SDLC)

Посмотрел доклад команды Applied AI из Anthropic — Gagan Bhat и Isabella Kai He — про эволюцию агентных поверхностей: от Messages API до Claude Managed Agents. Тезис, который я забираю: harness кодирует предположения о том, чего модель пока не умеет, поэтому это самая скоропортящаяся часть агентного стека. Доклад удачно собирает темы последних дней канала: минус 80% промпта Claude Code от Boris Cherny, облачные агенты Cursor и harness-подход Константина Крестникова,

Сюжет — три поколения поверхностей
1️⃣ Сначала Messages API: токены на входе, токены на выходе, а агентный цикл каждый писал сам
2️⃣ Потом Claude Agent SDK, упаковавший harness Claude Code в библиотеку: цикл, инструменты и файловая система приезжают в коробке, но hosting, изоляция, credentials и наблюдаемость остаются на вас
3️⃣ Теперь Claude Managed Agents: Anthropic забирает production-обвязку целиком, а вам остаются задача, контекст и доменная экспертиза. Граница «что моё» продолжает сжиматься — тот же сдвиг, что Джош Ма описывал для Cursor, только с другой стороны прилавка.

Лучшая иллюстрация скоропортящихся предположений — context anxiety у Sonnet 4.5: модель нервничала при приближении к границе контекста и сворачивала работу раньше времени (в Cognition наблюдали то же самое), поэтому команда встроила в обвязку сбросы контекста. Opus 4.5 вышел уже без этого поведения — и костыль превратился в чистый оверхед: лишняя латентность и некорректно сбрасываемый кеш. Когда модель сдвигается, а harness нет, обвязка начинает деградировать агента. Это то же явление, что и у Boris Cherny с системным промптом, только на уровне архитектуры, а не текста.

Инженерно самое интересное — разделение «мозга» и «рук». Пока агентный цикл и sandbox жили в одном контейнере, модель не могла начать рассуждать до конца сборки среды, а падение любой половины убивало агента целиком. После разделения reasoning стартует сразу, контейнер поднимается параллельно: по замерам команды, время до первого токена сократилось на 60% в медиане и более чем на 90% в P95. Отказы становятся восстановимыми: умерший sandbox пересоздаётся, умерший «мозг» поднимается из durable session log. Сам журнал сессии работает трижды: наблюдаемость, возврат выброшенных из контекста кусков и периодический batch-процесс dreaming, который переписывает память агента, чтобы следующие сессии начинались умнее.

После инцидента OpenAI и Hugging Face отдельно отмечу security-часть: credentials живут в vault и расшифровываются только в момент выполнения инструмента — модель их не видит; сеть среды ограничена списком allowed hosts; для строгих контуров есть self-hosted sandboxes в собственном VPC и MCP tunnels, чтобы MCP-сервер не выходил в публичный интернет. Ещё из любопытного — outcomes: вы описываете рубрику успеха, а отдельный grader-агент перезапускает основного, пока критерии не выполнены. По сути это production-grade evals, встроенные прямо в runtime.

Финальный тезис авторов — harness стал ограничивающим фактором для того, что могут модели, — стоит читать с поправкой на рассказ о собственном продукте. Но мой вывод даже сильнее: обвязка перестаёт быть конкурентным преимуществом и становится скоропортящейся инфраструктурой, которую разумно арендовать. Своими стоит оставлять задачу, контекст, доменные знания и evals — слои, где живёт ваша ценность.

#AI4SDLC #AI #Agents #Architecture #PlatformEngineering #Evals #Engineering

Code of Leadership S2E13: Что остаётся дефицитным, когда код становится дешёвым? (Рубрика #Management)

Что остаётся дефицитным, когда код становится дешёвым: инструменты, инженерное мышление или доверие между компанией и разработчиками?

В пятницу в 18:00 по мск в очередном прямом эфире подкаста Code of Leadership поговорим с Сергеем Бережным (veged.ru) — директором по взаимодействию с разработчиками Яндекса, CTO Яндекс Практикума и одним из соавторов методологии БЭМ. Сергей работает в Яндексе с 2005 года и прошёл путь от разработки интерфейсов до DevRel, open source и образования. Но разговор будет не про карьерную ретроспективу. Хочу понять, как техническое лидерство выходит за границы одной команды и проявляется в методологиях, платформах, работе с сообществом и публичной ответственности.

Обсудим:
- Зачем бизнесу DevRel и чем измерять его результат;
- Почему внутреннюю технологию стоит открывать миру и как выбирать проекты для open source
- Как разработка проходит путь от автодополнения к AI-агентам и harness-системам;
- Что происходит с ролью руководителя, когда частью команды становятся агенты;
- Кого и чему учить, если привычные entry-level задачи всё чаще забирает AI.

Смотрите выпуск и приносите в комментарии свои вопросы и примеры.

#CodeOfLeadership #DevRel #OpenSource #AI #Leadership #Education

Ю Су про агентов: интеллект + continual learning = экспертиза (Рубрика #AI)

Посмотрел доклад Ю Су «Intelligence + Continual Learning = Expertise» с трека Memory & Continual Learning на AI Engineer World's Fair 2026. Су — профессор Ohio State University, из его группы вышли Mind2Web, SeeAct, MMMU и HippoRAG, а в апреле 2026-го он вывел из стелса стартап NeoCognition ($40 млн seed) — про агентов, которые доучиваются на работе. За двадцать минут он отвечает на вопрос, который занимает и меня: почему кодинг-агенты — большой успех, а агенты для всего остального буксуют.

Рамка доклада такая.
🤖 Intelligence — способность рассуждать над незнакомой задачей из выданного контекста. Фронтирные модели делают это всё лучше, но каждый эпизод живёт отдельно.
💪 Expertise — накопленная и ситуативная компетентность: действовать в конкретном домене надёжно, эффективно и с суждением.
По Су, эти оси почти ортогональны, и, масштабируя только интеллект, мы получаем «самого умного в мире новичка»: он блестяще берётся за любую подсунутую задачу, но между задачами ничего не накапливает.

Почему тогда кодинг сработал? Код — привилегированный, language-native мир: всё уже записано символьно и структурировано, а тесты дают готовые награды. Происходящее Су называет современным парадоксом Моравека: «коронные» символьные дисциплины вроде кода и математики агентам даются, а повседневная цифровая работа — нет. Потому что это не один мир, а миллионы микромиров: каждая профессия и компания — даже два инстанса одного софта — настроены по-разному, со своей локальной физикой: структурами, ограничениями, динамикой. Слишком гетерогенно, чтобы одна статичная модель сжала это в себя.

Самая интересная часть — как Су раскладывает экспертизу, опираясь на когнитивистику. Эксперты не просто знают больше — они видят иначе: мгновенно узнают паттерны (в огромном баг-репорте — где именно копать), видят глубинную структуру задачи (назначить встречу — не поиск общего слота в календарях, а оптимизация с ограничениями по полномочиям, приоритетам и срочности), понимают условность правил и когда их можно гнуть, владеют суждением: что такое качество и когда «good enough». Фактически эксперт выучил world model своего микромира. Отсюда же токенная прожорливость агентов: интеллект расширяет поиск, запуская сотню параллельных попыток, а экспертиза сжимает его — shortcuts уже выучены.

Мост между осями — continual learning: адаптивное сжатие опыта в переиспользуемые структуры для будущего поведения. Четыре вопроса задают всё пространство решений:
1️⃣ Какой опыт - эпизоды, факты, процедуры, фидбек
2️⃣ Как сжимать - векторы, символьные индексы, дистилляция в параметры, RL
3️⃣ В какие структуры - адаптеры, графы, скиллы, world models
4️⃣ Как их использовать - вспоминание, предсказание, планирование, value function
Плюс в конце автор говорит про unbounded expertise from bounded intelligence — если алгоритмы continual learning станут достаточно хороши, после некоторого порога интеллекта сильнее модель не нужна: масштабировать надо обучение на опыте. А следующая возможность уровня «интернет как датасет» — опыт приватных микромиров, когда специализированные агенты начнут возвращать выученное в общие модели.

Что я забрал.
— Это удачная рамка для происходящего: memory-файлы, skill libraries и RL на проверяемых наградах уже дают кодинг-агентам примитивный continual learning. Открытый вопрос — как повторить это там, где нет ни символьного мира, ни бесплатных тестов.
— Управленческий вывод: если Су прав, moat компании — не доступ к модели, а learning loop поверх собственных микромиров, превращающий опыт людей и агентов в institutional memory.
— Unbounded expertise — это пока гипотеза, а не результат. Как измерять экспертизу и мирить надёжность с пластичностью — открытые вопросы, Су честно перечисляет их сам. Ну и NeoCognition продаёт ровно это, так что перед нами манифест основателя, а не нейтральный обзор.

#AI #Agents #Research #Engineering #Conference

Планета муравьёв: книгу покупал сыну, а прочитал сам (Рубрика #Books)

Средний сын очень хотел небольшую колонию муравьёв, и мы её купили. Дальше сработала понятная родительская логика: раз появилась колония, хорошо бы подарить ему ещё и книгу про муравьёв. Я выбрал «Планету муравьёв» Эдварда Осборна Уилсона, но перед тем, как подарить, прочитал её сам. И она мне реально зашла.

Русское название тут немного обманывает. В оригинале книга называется "Tales from the Ant World" скорее переводится как «Истории из мира муравьёв», и это гораздо точнее. Перед нами не учебник по мирмекологии и не инструкция к муравьиной ферме, а сборник коротких научных историй, экспедиционных приключений и воспоминаний. Уилсон почти 80 лет изучал муравьёв, а эту книгу выпустил в 2020 году как поздний итог своей длинной научной жизни.

Сильнее всего в книге работает постоянная смена масштаба. Отдельный муравей кажется довольно простым существом. Но семья — это уже разведка, распределение ролей, логистика, защита, выращивание потомства, «животноводство», войны и сложная химическая связь. Снаружи всё похоже на идеально слаженное общество, но Уилсон сразу предостерегает от умиления: муравьиные миры воинственны, в них встречаются рабовладение, паразитизм и каннибализм. Даже риск распределён безжалостно: молодые рабочие ухаживают за потомством и трудятся внутри гнезда, а стражами, добытчиками и солдатами становятся старые. Люди отправляют воевать молодых, муравьи — старушек (там вообще матриархат и все муравьи - это женские особи, а мужские живут недолго и печально).

Так что популярный совет поучиться у муравьёв командной работе после этой книги звучит уже не так безобидно.

Одна из самых красивых историй — о том, как Уилсон в 1958 году пытался расшифровать феромоновый язык красных огненных муравьёв. Разведчик, найдя крупную добычу, возвращается в гнездо и оставляет химическую дорожку. По запаху сородичи понимают, что найдено и куда бежать. Уилсон отделял под микроскопом железы размером с пылинку, делал из их секрета искусственные следы и проверял реакцию колонии. Когда нужная железа наконец нашлась, муравьи хлынули из гнезда и побежали точно по нарисованной линии. По сути, он расшифровал одно слово чужого языка: «Следуйте за мной».

Рядом с такими почти фантастическими сценами остаётся нормальная живая наука: неудобные полевые выезды, неверные гипотезы, случайные находки и эксперименты, которые приходится повторять. Уилсон рассказывает о муравьях не как автор энциклопедии, который уже знает все ответы, а как человек, до сих пор изумлённый размером неизвестного.

Правда, эта книга не очень помогает в содержании колонии - она не объяснит, как устроить формикарий или чем кормить конкретный вид. Но чисто взрослой её тоже не назовёшь: во введении Уилсон пишет, что особенно надеется на читателей от десяти лет, мечтающих стать натуралистами, а моему среднему сыну как раз 10 лет. И я надеюсь, что эта книга покажет ему какой огромный и чужой мир скрывается за привычной суетой маленьких насекомых.

В общем, книгу я покупал сыну. А рекомендацию в канал пишу уже от себя: если хочется увидеть в обычном муравейнике почти инопланетную цивилизацию у нас под ногами, Уилсон с этим справляется отлично.

#Books #PopularScience #Biology #ForKids #ForParents

3 AImigo S1E2: AI пишет больше кода. Почему поставка не ускоряется? (Рубрика #AI)

В пятницу в 12:00 по мск в новом выпуске подкаста 3 AImigo разбираемся с парадоксом, который всё чаще встречается в командах: AI заметно ускоряет отдельного инженера, кода становится больше, а до пользователей доходит примерно столько же изменений. Локальная скорость не равна принятому результату — и размер компании от этого не защищает.

Обсуждать будем втроём: Евгений Сергеев (linkedin), Алексей Литвинов (tg, Youtube) и я. У нас разная оптика: управление большой инженерной организацией, практическое внедрение AI-Assisted Engineering и архитектура AI4SDLC. Не будем искать одну «правильную» картину - сравним наши взгляды.

Поговорим о продуктовой команде, в которой после ускорения разработки вырос поток задач в тестирование, но вместе с ним увеличились возвраты и время переделки. Разберём AI-native стартап, где агенты закрывают множество задач, работают в изолированных окружениях и дежурят после релизов. Будет и пример крупной корпорации, где AI-инструменты широко используются, но важная миграция всё равно движется значительно медленнее ожиданий. Отдельно обсудим границу автоматизации. В геймдев-компании AI успешно справлялся с миграциями и изменениями, которые можно проверить компиляцией или тестами.

Поговорим о том, как находить настоящее бутылочное горлышко и что оптимизировать первым. Почему fire-and-forget не работает без замкнутого контура обратной связи. Как построить организационную память: собрать доступный агентам контекст, создать семантический слой и сделать знания действительно пригодными для поиска.

Обсудим и изменения инженерных ролей: что теперь должен уметь разработчик, как меняется карьерная лестница, куда перемещается ответственность и действительно ли hard skills становятся менее важны. А ещё — почему некоторым людям и подразделениям организационно невыгодно ускорять процесс.

Будут не только истории успеха, но и честные примеры того, что не сработало. Главный вопрос выпуска: что нужно изменить в системе разработки, чтобы скорость агентов стала скоростью бизнеса, а не просто новым объёмом кода?

#AI #AI4SDLC #Agents #Engineering #Architecture #Management #Metrics #DevEx #Productivity #Software

Peter Steinberger: «Fun Is Velocity» — ретроспектива OpenClaw (Рубрика #AI)

Посмотрел выступление Peter Steinberger, создателя OpenClaw, на Y Combinator Startup School 2026. Его интервью про local-first агентов и тезис «80% приложений исчезнет» я уже разбирал, а тут другой жанр: ретроспектива восьми месяцев проекта изнутри — что пошло не так, почему автор сам перестал пользоваться собственным продуктом и почему «fun is velocity» — не лозунг, а вполне измеримая метрика.

Контекст: OpenClaw родился в ноябре 2025-го из личного раздражения — Питеру хотелось говорить со своими кодинг-агентами с телефона, и он собрал WhatsApp-релей до агента на своей машине. После Нового года проект стал виральным: по словам Питера, на пике — 4,7 млн скачиваний в неделю и около 3000 человек с коммитами в репозитории. Шутку про то, каково такой self-hosted агент поднимать, я уже постил:)

Самое ценное в докладе — честный разбор ошибок.

1️⃣ Раздувание фич как системный эффект open source
Каждая фича от сообщества требовала конфигурационной опции, чтобы не сломать существующие установки, — на пике набралось около 9500 опций. Отсюда лучшая цитата доклада: «в недели, когда мне было в кайф строить, продукт заметно улучшался; в недели, когда нет, — мы шипили конфигурационные опции».

2️⃣ «Бизнес-модель вашей зависимости — это ваша бизнес-модель»
OpenClaw был заточен под Claude Opus по подписке, и когда Anthropic закрыла подписочный доступ, разворот оказался болезненным. Забавно, что ту же январскую историю CEO OpenCode описывал как ускоритель своего роста — я разбирал его рассказ: одинаковый шок по зависимости разные продукты прожили противоположно.

3️⃣ Security и медиа-паника
По рассказу Питера, СМИ писали про «20% вредоносных skills», а собственный анализ команды показал 0,3% на 67 тысячах skills — обе цифры привожу с его слов, без независимой проверки. Вывод его универсален: «опровержение никогда не улетает так далеко, как страшилка». А безопасники собаку съели в страшилках и часто их на самом деле не интересует модель угроз - а важно создать шум.

4️⃣ Потеря себя как первого пользователя
Питер строил уже «для всех», а не для себя, и превратился в человека, который чинит баги и разбирает security-репорты. К маю скачивания просели до 835 тысяч в неделю — и восстановились, когда он вернулся к фичам, нужным ему самому.

Инженерно OpenClaw интересен прежде всего как эксперимент про агента, живущего не в IDE и не в облаке вендора, а на вашей машине: shell, файлы, браузер, а интерфейсом служит обычный мессенджер. Из доклада видно и пределы этой архитектуры: экономика always-on агента, где холостые heartbeat-циклы жгут токены (мой пост про token burn ровно об этом), распределение нагрузки по машинам и доверие к экосистеме skills. По сути это карта граблей для всех, кто строит персональных или корпоративных агентов.

Выводы Питера: первым пользователем продукта должен быть ты сам; чини то, что раздражает лично тебя; когда строить стало дешево, дорогим становится внимание, поэтому фокус решает; и «всё, что ты построил, можно форкнуть — нельзя форкнуть только твое имя».

А для меня главный вывод: «fun is velocity» — не про веселье, а про признак, что ты строишь из позиции пользователя с сохранившимся вкусом. Как только продукт становится обязанностью, скорость падает вместе с качеством решений — у Питера это видно даже на графике скачиваний.

#AI #Agents #Product #Engineering #Management #Startup

DeepSeek Harness: когда история агента становится частью экономики инференса (Рубрика #AI4SDLC)

Посмотрел разбор Cloud Codes про DeepSeek Harness. Он хорошо продолжает мой лонгрид о совместной эволюции AI-разработки: здесь видно, как экономика инференса меняет архитектуру истории агента.

Главное правило DeepSeek Harness простое: если что-то уже увидела модель, запись об этом в журнале не переписывают. Сессия — этоне изменяемый массив сообщений, а append-only журнал типизированных событий. Всё видимое модели должно быть зафиксировано в нём или связанном объекте. Свежий экземпляр сессии может восстановить запрос байт-в-байт и сравнить с запросом рабочего цикла. Так формула Agent = Model + Harness становится конкретнее: обвязка отвечает не только за инструменты и промпт, но и за доказуемое происхождение контекста.

Зачем такая строгость?
API модели на каждом шаге снова получает историю, а prefix cache экономит вычисления только на совпадающем начале запроса. Автор ролика получает 120× экономии из таблицы цен на API на момент записи. Но 18 августа 2026 года прайс V4 Pro уже показывает $0,022 против $0,66 off-peak и $0,044 против $1,32 peak — разницу в 30×. Это не 30-кратное удешевление сессии: коэффициент относится только ко входным токенам, без учёта выхода, инструментов и инфраструктуры. Но архитектурный стимул остаётся сильным.

Самый красивый пример — compaction
Старый summarizer начинал запрос с нового system prompt и ломал прогретый префикс, когда история была самой длинной. Исправление почти комично: повторить прежние system prompt, tools и сообщения байт-в-байт, а инструкцию «сожми разговор» добавить последним user message. Даже неиспользуемые схемы инструментов остаются для выравнивания токенов.

Авторы правильно разделяют корректность и экономию. Cache hit идет с гарантией best effort: могут отличаться модель, маршрут, header запроса или диапазон compaction. Источником истины остаётся журнал, а независимый инвариант заново собирает запрос и не позволяет кешу рабочей сессии проверять самого себя. Это рифмуется с моим разбором Loop Engineering: сильная часть цикла — механизм, способный доказать, что система не потеряла состояние и не нарушила границу.

В репозитории также лежат сотни Agent Notes со статусами implemented, archived, proposed, rejected и обязательными alternatives considered. Код показывает, что сделали; заметка — почему отказались от других вариантов. Это почти буквальная реализация моего поста про PRD, ADR и BDD для людей и AI.

Связь с коэволюцией стека становится ещё заметнее в minimal preset. Репозиторий прямо описывает его как RL-agent composition:
- фиксированный короткий prompt
- persistent bash и str_replace_editor воспроизводят среду обучения
Получается контур harness → траектории → post-training → тот же harness. Но открытый код не доказывает, что пользовательские сессии идут в обучение; он показывает архитектурную возможность, а не фактическую политику данных.

Поэтому я бы уточнил финальный тезис видео. Продукт — не harness сам по себе, а меняющаяся связка model + serving + harness + tools + traces. Для обычной компании вывод прежний: не обязательно строить ещё один общий агентный цикл. Полезнее разложить стек по слоям и оставить своими воспроизводимые эпизоды, outcome-evals, контракты инструментов, идентичность и политики доступа.

Практически из DeepSeek Harness я бы забрал четыре проверки:

- Можно ли восстановить каждый запрос из долговечного журнала;
- Сохраняет ли compaction смысл истории и стабильный префикс;
- Есть ли независимый инвариант, который не доверяет рабочему циклу;
- Измеряем ли мы стоимость полезного результата, а не только cache hit.

DeepSeek Harness пока developer preview: репозиторий предупреждает о будущих несовместимых изменениях. Нейтрального бенчмарка качества в видео нет. Поэтому рейтинг стоит отложить, а архитектуру — внимательно прочитать.

#AI4SDLC #AI #Agents #Architecture #DevTools #Evals #Engineering

Paper: как выглядит дизайн-инструмент эпохи агентов (Рубрика #AI4SDLC)

Посмотрел выпуск Design Review от Y Combinator «How To Design In The Agent Era», опубликованный 7 августа 2026 года: Stephen Haney, основатель дизайн-инструмента Paper, вместе с партнером YC Aaron Epstein разбирает присланные зрителями сайты. Формально это шоу про редизайны, но мне интереснее другое: Paper — редкий пример инструмента, спроектированного под агентов с нуля, а не адаптированного к ним задним числом.

Сначала контекст. Haney копает проблему designer-developer handoff давно: он сооснователь Modulz и один из авторов Radix UI — одной из самых популярных библиотек React-компонентов. После продажи Modulz компании WorkOS он два года отвечал там за продукт, а Paper — его второй заход на тот же разрыв, теперь с учетом агентов.

Инженерная суть — в одном архитектурном решении. Классические дизайн-инструменты рендерят канвас проприетарными движками, и агенту приходится работать с ними через экспорт и plugin API: трансляция форматов стоит токенов, добавляет латентность и порождает отдельный класс галлюцинаций. В Paper канвас — это живые HTML и CSS: каждый объект на экране и есть код веба. Агент (Cursor, Claude Code и другие) подключается через MCP-сервер и пишет буквальный HTML, который канвас рендерит без слоя трансляции. Формула Haney: хороший handoff для людей автоматически оказывается хорошим handoff для агентов.

Рабочий контур получается таким: дизайнер оставляет комментарии или снимает живой сайт в редактируемые слои расширением Paper Snapshot, агент генерирует варианты хоть за ночь, человек курирует — удаляет, ветвит, дорабатывает. По словам Haney, их собственный маркетинговый сайт brand-дизайнер собрал в Paper и довел до Next.js-кода с анимациями и шейдерами примерно за неделю, без участия инженеров.

Практическая часть выпуска — каталог типовых признаков AI-генерированного дизайна: жирные начертания везде, пять-восемь размеров шрифта вместо трех, ALL-CAPS подзаголовки с разреженным letter-spacing, pill-бейджи на каждой карточке, фиолетовые градиенты (перекос обучающих данных после успеха Linear), перегруженные карточками секции, переключатель темной темы в MVP. Haney описывает это как неуверенного дизайнера, запеченного в веса модели, а лечит удалением: значительная часть дизайна — это deleting. На живых редизайнах (Legion Health, Sytex, Moreta) картина повторяется: тексты и value proposition обычно в порядке, проваливается визуальная сборка и иерархия.

Отдельно занятно, как команда Paper использует агентов сама: 12 человек, Cursor, Claude Code и Bugbot, но каждую строку кода читают люди — канвас должен стабильно держать высокую производительность, и такого уровня системного качества агенты пока не выдают. Принцип Haney: use agents to accelerate the people.

Это хорошо рифмуется с тем, что я уже разбирал. WebMCP — та же идея на уровне веба: вместо «посмотри на пиксели и угадай» сайт отдает агенту явные инструменты. Выступление Geoffrey Litt — про то, что генерация дешевеет, а узким местом становится понимание; у Haney та же логика про вкус: агенты быстро подтягивают тактику вроде весов, контраста и отступов, но выбор направления и поиск «следующей эстетики» остаются за человеком. А история продакта из Meta, который запускает продукты, почти не умея программировать, показывает ту же смену роли, только для дизайнера: меньше ручного производства, больше постановки задачи и кураторства.

Для меня главный вывод такой: артефакты, рассчитанные только на человеческий глаз, становятся налогом на агентный стек. Выигрывают инструменты, где человеческий и машинный доступ — один контракт: дизайн, который агент читает и правит как код, и код, который дизайнер видит как канвас. Насколько Paper действительно «самый быстрорастущий дизайн-инструмент со времен Figma» — пока утверждение YC и самой команды, но направление мне кажется правильным.

P.S.
После этого видео, я решил, что надо попробовать этот инструмент в деле:)

#AI4SDLC #AI #Agents #DevTools #Product #Engineering

Через 5 минут стартует прямой эфир с Михаилом Тюргановым, руководителем Департамента разработки цифровых сервисов Альфа-Банка, где мы поговорим про его путь от тестировщика, программиста и CEO малого бизнеса до технологического директора. Если кратко, то мы обсудим как меняется CTO, когда небольшая команда вырастает в организацию на тысячи человек? И что делать, если прежние методы сами становятся ограничением?

Материалы с первого выпуска подкаста "3 AImigo" (Рубрика #AI)

Наша первая серия о том, где сейчас находится AI-разработка вышла очень бодрой.
Мы обсуждали ее втроём: Евгений Сергеев, Алексей Литвинов и я, а ниже представлены материалы выпуска
- Страничка эпизода
- Видео: YouTube, VK Video
- Аудио: Podster, Яндекс Музыка
- Текст: Краткая расшифровка
И бонусный лонгрид, что я написал, когда я готовился к этому выпуску.

P.S.
У Леши есть свой канал в tg @tip_podcast и на Youtube, а у Жени пока нет:)

#AI #Management #Processes #Engineering #Software #AI4SDLC #Software #Agents #Leadership

Сегодня разбирала детскую бибилиотеку дома и вот вам подборка неочевидных детских книг, которые понравятся и взрослым:

1. Доктор Сьюз "Это только начало" - лучшее мотивационное чтение, если вдруг вы забыли как это, находить себя и не бояться ошибаться

2. Деби Глиори "Что бы ни случилось" - если вдруг вам стало одиноко и хочется просто тепла и знать, что вас любят

3. Жан-Люк Фроманталь "Не опаздывай медведь" - немного посмеяться над нашей вечной гонкой — и заодно подумать о том, какую власть над нами имеет время

4. Даниэла Кункель "Маленький Мы" - про то, что один в поле не воин и как в дружбе появляется что-то третье, наше "мы"

Классные они не только смыслом, но и тем, что прочитать их можно за 3-5 минут, а удовольствия получить на целый день❤️

Мы разбирали эти книги вместе с моей женой, Настей, и она мне порекомендовала почитать "Доктор Сьюз "Это только начало" - лучшее мотивационное чтение, если вдруг вы забыли как это, находить себя и не бояться ошибаться. Эта книга отлично подходит для тех, кого ждут большие перемены:)

Boris Cherny: We Cut 80% of Claude Code's Prompt (Рубрика #AI4SDLC)

Посмотрел выступление Boris Cherny, создателя Claude Code, на Y Combinator Startup School 2026 — записанное на следующий день после релиза Opus 5. Его интервью в подкасте Lightcone я уже разбирал, как и внутреннее устройство Claude Code, а тут главное — продуктовая философия: под новое поколение моделей команда вырезала больше 80% системного промпта, и, по словам Бориса, без измеримой потери качества на их кодинг-evals.

Логика такая: системный промпт — это по большей части накопленные заплатки под ошибки конкретного поколения моделей. Новая модель этих ошибок уже не совершает, а старые инструкции и примеры начинают ее ограничивать: «ты хочешь ответы вот такие» — и модель послушно равняется на устаревший образец. Поэтому методология у команды жесткая: с каждым релизом модели промпт вычищается почти до нуля, а строки возвращаются только тогда, когда модель повторно спотыкается на одном и том же. По рассказу Бориса, есть даже флаг CLAUDE_CODE_SIMPLE=1, убирающий вообще все промпты, включая зашитые в тулы, — и в таком «голом» режиме модель на замерах оказывается даже чуть умнее. То же с evals: они насыщаются за 1-3 поколения моделей, после чего их нужно пересобирать.

Продуктово мне понравился термин product overhang: у модели есть способности, которые продукт не раскрывает, потому что сам стоит у нее на пути. Claude Code родился именно из такого наблюдения: Sonnet 3.5 уже умел писать целые файлы и фичи, а продукты вокруг предлагали автокомплит и read-only чат. Получается, ценность харнеса не в том, что он добавляет поверх модели, а в том, чему он не мешает, — хорошая рифма к harness factory model из The New SDLC, который я разбирал.

Про навыки: Борис описывает сдвиг от prompt engineering через context engineering к elicitation — умению дать модели задачу «чуть сложнее, чем кажется возможным» плюс механизм верификации, не переспецифицируя решение. Формула как с сильным коллегой: задача, ограничения, критерии готовности. Забавно смотрится на фоне книги Prompt Engineering for LLMs — за полтора года дисциплина прошла путь от «как правильно писать инструкции» до «как их правильно удалять». И это согласуется с исследованием Anthropic про экспертизу: успех с агентом определяется умением ставить задачу и проверять результат, а не магическими формулировками.

Масштаб иллюстрируют две истории, обе со слов Бориса: команда Bun переписала с Claude больше 100 тысяч строк рантайма с Zig на Rust за 11 дней непрерывной работы (людьми — год с лишним), а его собственный эксперимент по переписыванию Electron-приложения на нативный Swift к моменту доклада шел третью неделю с тысячами порожденных агентов — и Claude сам завел Slack-канал, куда постит скриншоты прогресса.

Для меня главный вывод: системный промпт и CLAUDE.md — это технический долг со сроком годности в одно поколение моделей. Инструкции, накопленные под прошлую модель, для новой превращаются из подпорок в ограничители, поэтому «press delete» — не жест смелости, а регулярная инженерная процедура, как чистка зависимостей.

P.S.
В общем, если у вас есть неограниченный доступ к SOTA моделям, то вам все меньше надо императивно управлять потоком исполнения и загонять модель в рамки. Вместо этого вы переходите к классической инверсии контроля (IoC, Inversion of Control), где модель использует «голливудский принцип» («не звоните нам, мы сами вам позвоним») и модули низкого уровня не вызывают модули высокого уровня (а здесь это модель) напрямую. Вместо этого модель сама управляет вызовами и дергает доступные модули, когда ей это нужно.

#AI4SDLC #AI #Agents #Evals #DevTools #Engineering

Материалы с третьей части AMA сессии с Лешей Литвиновым (Рубрика #AI4SDLC)

Мы успешно разобрали последние 6 вопросов и закончили свой марафон
- Страничка выпуска
- Видео: YouTube, VK Video
- Аудио: Podster, Яндекс Музыка
- Текст: Краткая расшифровка

P.S.
У Леши есть свой канал в tg @tip_podcast и на Youtube

#AI #Management #Processes #Engineering #Software #Architecture

UK Global Talent — endorsement получен (Рубрика #Changes)

Где-то к концу 2025 года я понял, что хочу заниматься технологиями, которые находятся близко к фронтиру. Весь 2025 год в Т-Банке я занимался AI4SDLC, но мне было ясно, что чего-то не хватает.

И к началу лета 2026 года я пришёл к тому, что хочу попробовать получить визу Global Talent в UK. Читатели помнят, что в этом году я уже пару раз ездил в Лондон: сначала только с женой, а потом с женой и детьми. Город меня вполне устроил с точки зрения места для жизни.

Дальше я занялся бюрократией и решил разобраться с процессом. Требования оказались вполне подъёмными:
- Надо заполнить онлайн-заявку, включая personal statement — аналог мотивационного письма;
- Приложить три рекомендательных письма от уважаемых в индустрии людей, которые знают твою работу не менее 12 месяцев и могут на конкретных примерах рассказать о твоих качествах и достижениях;
- Приложить evidence documents — максимум 10. Минимум два документа должны показывать, что тебя признают ведущим или потенциально ведущим специалистом, и ещё минимум четыре должны закрывать два дополнительных критерия — по два документа на каждый.
То есть минимально получается шесть evidence-документов.

А вообще, у Global Talent есть разные направления. Я шёл по Digital Technology route, внутри которого есть варианты Exceptional Talent и Exceptional Promise. Я подавался как Exceptional Talent.

К процессу я подошёл как менеджер и использовал working backwards: сначала нарисовал себе целевую картинку, а дальше начал отстраивать от неё шаги в обратную сторону.
- Написал personal statement.
- Подобрал уважаемых в индустрии людей, которые хорошо знали мою работу и могли подтвердить факты обо мне, укладывающиеся в общую историю заявки.
- Дальше нужны были evidence documents. Тут я решил собрать все свои достижения за разные годы на сайте polomodov.tech.
- Я долго работал над тем, чтобы свести туда презентации, подкасты, номинации на премии и другие материалы. Там же начал публиковать лонгриды.
- Когда вся фактура была собрана, я вместе с Claude и Codex разложил её по критериям и собрал примерный пакет документов, который лучше всего поддерживал мою заявку. Все факты и финальный выбор evidence, конечно, были моими.
- Дальше было большое количество доработок напильником.
- Потом — поход в бюро переводов, чтобы перевести часть evidence documents.
- Сначала я приложил оригиналы и переводы раздельно к письму, которое нужно было отправить в Home Office.
- Примерно через неделю мне ответили, что в моём пакете каждый перевод нужно объединить с соответствующим оригиналом в один файл — иначе получалось слишком много документов и превышался лимит.
- Я всё поправил и отправил исправленный пакет, а ещё через 11 дней получил положительное решение по endorsement и это произошло сегодня утром. Это, понятно, только таймлайн моего кейса, а не официальный ориентир.

В письме была такая формулировка:

Tech Nation has advised that you meet its criteria for Exceptional Talent and I am therefore satisfied that you can be endorsed under Global Talent.

Теперь остался второй этап: в течение трёх месяцев подать отдельную заявку на саму визу и получить решение уже по ней. А дальше — планировать переезд.
В общем, процесс не выглядел сложным, но это мой личный опыт, а не иммиграционная консультация, а требования меняются во времени, поэтому актуальные требования лучше всегда проверять на GOV.UK.

#Software #Engineering #RnD #Live #Leadership

Claude Certified Architect: экзамен как карта агентной инженерии (Рубрика #AI4SDLC)

Посмотрел 20-минутный доклад Фрэнка Койла с AI Engineer World's Fair 2026 про экзамен Claude Certified Architect - Foundations. Его полезнее читать не как сертификат, а как карту решений, без которых агентная демка не становится производственной системой. Кстати, раньше я уже рассказывал про доклад Фрэнка про онтологии на этой же конфе.

CCAR-F - первая техническая сертификация Anthropic для архитекторов приложений с Claude. Это 60 заданий с одним или несколькими ответами на 120 минут; проходной scaled score - 720 из 1000. Четыре из шести сценариев выбираются случайно: поддержка, генерация кода, многоагентное исследование, инструменты для разработчиков, Claude Code в CI/CD и структурированное извлечение. Проверяется не меню продукта, а выбор архитектуры с учётом ограничений и отказов.

Темы экзамена хорошо показывают его приоритеты:

- Агентная архитектура и оркестрация - 27%: циклы, stop_reason, субагенты и hooks;
- Инструменты и MCP - 18%: схемы, ошибки и распределение инструментов;
- Claude Code - 20%: CLAUDE.md, skills, plan mode и CI/CD;
- Промпты и структурированный вывод - 20%: few-shot, JSON Schema и валидация;
- Контекст и надёжность - 15%: сжатие, происхождение данных, эскалация и проверка человеком.

Койл разбирает карту этого экзамена через антипаттерны. Не принимать ответ модели за действие: LLM формирует вызов инструмента, а код проверяет stop_reason, исполняет его и возвращает результат в цикл. Не давать одному агенту все инструменты, если хватит узкого подагента. Не вываливать его полную историю в основной контекст: возвращать вывод, факты и ссылки, а длинную сессию сжимать. Достаточно много Койл говорит про loop engineering, который мы вместе с Максом Смирновым разбирали в выпуске Research Insights Made Simple #19. Там мы говорили про повторяемый цикл и право проверяющего его остановить. CCA добавляет карту компетенций инженера вокруг цикла: инструменты, контекст, границы, проверку и восстановление.

Итого: польза этого экзамена не в бейдже, а в схеме подготовки, которую можно взять как учебный план и чек-лист архитектурного ревью: где остановка, кто исполняет вызов инструмента, что видит подагент, сохраняется ли источник и когда решение уходит человеку. Карта привязана к Claude, а сданный тест не доказывает опыт промышленной эксплуатации. Условия из доклада уже устарели: на 12 августа 2026 года экзамен подорожал до $125, но его вопросы полезны и тем, кто сдавать не планирует.

#AI #AI4SDLC #Agents #Architecture #Engineering #DevTools

Harness: почему один агент с файлами вытесняет сложные обвязки (Рубрика #AI4SDLC)

Посмотрел доклад Константина Крестникова (CTO GigaChain, Сбер) «Harness: новый подход к созданию AI-агентов» с Data Fest 2026. Это компактная история о том, как индустрия за четыре года прошла путь от чат-бота до универсального агента, и почему сложные мультиагентные обвязки начали проигрывать «одному агенту с файлами».

Эволюция по докладу выглядит так:

- Конец 2022: чистые LLM и ранний ChatGPT — текст на входе, текст на выходе, без памяти и инструментов;
- 2023: ReAct-агенты — модель в цикле сама решает, вызвать инструмент или ответить, и рефлексирует результаты вызовов;
- Рубеж 2023–2024: агентов заворачивают в цепочки с пре- и постобработкой и structured output — время LangChain и LlamaIndex;
- Дальше (2024-2025) цепочки ветвятся в графы и мультиагентные системы: агент-планировщик, агент-критик, LangGraph, AutoGPT, CrewAI. Всё это scaffolding — «строительные леса» вокруг модели;
- Сейчас (с 2025): harness — один универсальный агент уровня Claude Code или Codex, работающий в пространстве файлов. Метафора в названии точная: LLM — тяговая сила, файлы — поле, harness — упряжка.

Ключевой сдвиг: мощным моделям сложная обвязка перестала быть нужна — достаточно положить агенту правильные файлы и инструкцию в AGENTS.md. Внутри любого харнеса всё тот же ReAct-цикл, а базовых инструментов четыре: чтение файла, поиск по файлам, редактирование и bash (всего из коробки 25–30). При этом, по наблюдению команды, при одной и той же модели харнес даёт разброс в 20–30 п.п. качества.

Практическая часть — как команда GigaChain выбирала харнес для GigaChat:

- Взяли open-source DeepAgents от LangChain: GigaChat подключился правкой конфига благодаря адаптеру langchain-gigachat;
- Замерились на соревновании из канала «LLM под капотом»: Claude Code с Sonnet решает 70 задач из 104, DeepAgents с той же моделью — 67. Просадка небольшая, при том что Anthropic оптимизирует харнес и модель друг под друга;
- Использовали киллер-фичу DeepAgents — профили моделей: вендор выпускает Python-пакет, учитывающий сильные и слабые стороны своей модели. Такой профиль сделали для GigaChat;
- Собрали свой бенчмарк harness-bench-fast: задачи на файлы, память, grep и разбор CSV с golden-ответами без LLM-judge, прогон около 20 минут на любом харнесе; выложен в open source;
- Запустили автоулучшение по циклу «гипотеза → замер → оставить или откатить» (около 15 гипотез, часть предложил Claude): по словам докладчика, это дало +22,5 п.п. на своём бенчмарке чистым промптингом, а на внешнем соревновании — рост качества на 41%.

Самая любопытная часть — про то, что дальше. Контекст любого харнеса заканчивается, а суммаризация резко «оглупляет» агента. Ответ — Ralph loop Джеффри Хантли: харнес запускают в бесконечном bash-цикле, состояние живёт в файлах, и каждый перезапуск возвращает модель в «умную зону» первых 30–40% контекста. Против вырождения (Карпаты показывает его на анекдотах: попросите у модели двадцать анекдотов — панчлайна будет три) Крестников добавил MetaLoop — внешний цикл, который стартует Ralph loop с чистого листа новым «поколением»; оно позже находит наработки предыдущего, но идёт своим путём.

Из этого вырос Anima SDK: в первом эксперименте агент с задачей «стань разумным существом» проработал 13 поколений за пять дней, однажды попробовал замолчать — вывел несколько точек и записал, что молчать агент не может. Практичнее применять то же самое к исследованиям, переводам больших книг и автоулучшению агентов — задачам, где оптимальный путь заранее неизвестен.

Итого, из этого короткого доклада видно, что центр тяжести инженерии агентов сместился из кода обвязки в среду — файлы, инструкции, тесты и бенчмарки, удерживающие агента (Хантли называет это backpressure). А выбор харнеса стал отдельным инженерным решением, которое стоит замерять на своих задачах, а не принимать по умолчанию.

#AI #AI4SDLC #Agents #Evals #DevTools #Engineering

Материалы с подкаста "PRD == evals: как AI стирает границу между продактом и ML Engineer" с Альбиной Мунировой из Т-Банка (Рубрика #ProductManagement)

Мы поговорили про изменения в профессии продакт менеджеров, когда граница между ним и ML-инженером становится заметно тоньше.
- Страничка выпуска
- Видео: YouTube, VK Video
- Аудио: Podster, Яндекс Музыка
- Текст: Краткая расшифровка

P.S.
У Альбины есть свой канал в tg @aimunirova и на Youtube

#AI #Management #Processes #Engineering #Software #Architecture #ML