Инженер Контекста

Изучил на выходных статью инженеров Anthropic про инструменты для агентов. Попробовал переложить на свою работу — получилось неожиданно.

Статья технически про MCP и то, как правильно проектировать инструменты для LLM-агентов. Казалось бы, это про разработчиков, не про контент. Но там есть один принцип, который перевернул мне представление о том, где вообще хранить редполитику команды.

Вот проблема, которую я не мог нормально решить: например, агент пишет статью для Хабра и каждый раз нужно напоминать ему голос, запрещённые слова, структуру. Зашиваешь в системный промпт — он раздувается и агент начинает игнорировать детали. Делаешь отдельный документ со стайлгайдом — агент его «читает», но не соблюдает.

В статье написано буквально следующее: описывайте инструмент так, как объясняли бы его новому сотруднику: с неочевидным контекстом, примерами правильного и неправильного использования, ограничениями.

И я понял: описание инструмента — это и есть правильное место для редполитики.
Не системный промпт. Не отдельный файл. А description конкретного инструмента write_habr_post.

Туда идёт всё: первый абзац — факт или провокация, не введение. Голос — практик, не пресс-служба. Запрещено: «инновационный», «революционный», «мы рады сообщить». Структура по умолчанию — хук, контекст, решение с цифрами, вывод без воды. Агент читает это при каждом вызове инструмента и соблюдает: без напоминаний, системно, как часть архитектуры.

Второй принцип, который оказался важным для контента: инструменты должны консолидировать операции, а не дробить их. Не generate_text + check_style + add_seo как три отдельных вызова. А один write_habr_post, который под капотом делает всё и возвращает готовый артефакт: текст, теги, три варианта заголовка.
Меньше шагов, меньше дрейфа от цели. Агент не теряется в последовательности вызовов.

Это не революция в подходе, скорее смещение акцента. Мы привыкли думать о качестве контент-агента через промпты. Статья предлагает думать через архитектуру инструментов. Редполитика перестаёт быть документом, который все знают но никто не читает — она становится частью того, как система работает.

Буду переписывать отдельные агенты и проверять на практике. Мой путь в нейросетях вообще напоминает эволюцию: от промптов к Claude Code, теперь к архитектуре агентных систем.

#ai_agents

Anthropic выкатила Code Review для Claude Code

Суть: к каждому PR автоматически подключается команда агентов. Они ищут баги параллельно, фильтруют ложные срабатывания, ранжируют по severity. Итог — один summary-комментарий плюс inline-замечания по конкретным строкам.

Цифры от самого Anthropic звучат убедительно: до запуска фичи только 16% PR у них получали содержательные review-комментарии, после — 54%. На крупных PR (1000+ строк) баги находятся в 84% случаев, в среднем 7,5 замечаний. Менее 1% находок разработчики помечают как некорректные.

Всё это хорошо. Теперь о том, что меня настораживает.

Цена. Один review стоит в среднем $15–25 и тарифицируется по токенам, масштабируясь с размером PR. Команда из 10 разработчиков с 30 PR в неделю — это $450–750/неделю, или ~$2000/месяц только на ревью. Отдельной строкой в бюджете, поверх подписки на Claude Code.

Скорость. Средний review занимает около 20 минут. Это не блокер для асинхронного процесса, но и не мгновенно. Для горячих фиксов — будет раздражать.

Апрув — только человек. Агент не аппрувит PR — это остаётся за человеком. Правильно с точки зрения ответственности, но ломает идею «снял нагрузку с команды» на 100%. Скорее — умный первый ревьюер, который выносит на поверхность то, что легко пропустить.

Итого: инструмент интересный, особенно для команд с высоким темпом разработки и дефицитом senior-ревьюеров. Но $15–25 за PR — это не «дешёвая автоматизация». Это замена или дополнение к нормированию ревью-процесса, и считать ROI нужно честно, под конкретный контекст.

Доступно для Team и Enterprise.

#ai_news

Кэшбек за холодную снежную зиму в Калининграде — +15 уже 9 марта.

Мужики, держитесь завтра.

Собрал полезное по мотивам вчерашних размышлений

Так что же делать джуну? Ну, точно не пытаться конкурировать с нейросетью там, где она быстрее. Это проигрышная стратегия. Нейросеть напишет черновик быстрее, сгенерирует код быстрее, найдёт шаблон быстрее. Спорить с этим бесполезно.

Например, есть то, что она не умеет и ещё долго не научится. Нейросеть не понимает, что задачу вообще не нужно было делать. Она не умеет договариваться, не может управлять процессами. И это то, чему джуну нужно учиться в первую очередь.

Что качать в себе:

Декомпозиция. Умение разбить любую задачу на шаги до того, как браться за инструмент. Это не технический навык, это мышление. Тренируется на любом проекте, даже без ИИ.

Критическое мышление на выходе. Нейросеть не краснеет. Она выдаст историю про члены с той же уверенностью, что и корпоративный пресс-релиз. Привычка проверять результат и понимать, почему он плохой, — это то, что отличает оператора от специалиста.

Коммуникация и управление ожиданиями. Агентами управляют через постановку задач. Людьми — тоже. Умение чётко формулировать, что нужно и что считается результатом, становится ключевым навыком и для работы с ИИ, и для работы в команде.

Системное мышление. Видеть не задачу, а процесс вокруг неё. Понимать, откуда пришла задача и куда уйдёт результат. Читать про это можно у Донеллы Медоуз — «Системное мышление». Книга не про ИИ, но объясняет главное.

Что почитать про агентов:

— Статья Anthropic про архитектуры агентных систем — с чего начинать и как не наломать дров с фреймворками. Самое цитируемое практическое руководство по теме, по версии Hacker News. Там же поваренная книга разработчика агентов на GitHub.

— Гайд OpenAI — для тех, кто хочет понять, когда вообще нужен агент, а когда достаточно обычного вызова модели. Написано для новичков и менеджеров.

— Twelve-Factor Agents — 12 принципов от инженера, который перепробовал все фреймворки и пришёл к выводу, что в продакшене их почти никто не использует. Честный взгляд изнутри.

— Whitepaper Google «Агенты» — архитектура агентов: модель, инструменты, оркестрация. Академично, но читаемо.

— Статья про математику успеха агентов — почему длинные задачи проваливаются экспоненциально чаще коротких. Полезно понимать, прежде чем отдавать агенту что-то важное.

Хороших выходных.

#ai_agents

Про гениталии, нейросети и джунов

За последние месяцы руководители крупнейших AI-компаний один за другим высказались о судьбе инженеров. Дарио Амодеи, CEO Anthropic, в интервью The Economist на Давосском форуме заявил, что ИИ способен делать «большую часть, а может и всё» из того, что сегодня делают разработчики и это случится в течение 6–12 месяцев. Сэм Альтман из OpenAI говорят, что ИИ уже пишет 100% их кода.

И тут хочется вспомнить одну истории из моего опыта.

Один из моих джунов-редакторов на одной из прошлых работ взялся писать кейс. Клиенты из медиа использовали технологии в том числе для модерации контента. Ребята молодые и в интервью довольно откровенно рассказывали истории про то, как их софт автоматически определяет, замазывает и вырезает различный откровенный и запрещённый контент из видео. Собственно, в первом же черновике от автора я увидел почти прямой пересказ истории. Вот прямо про члены и прочее. И хорошо, что первыми черновик увидел мы, а не клиент.

К чему я это.

Мой джун повёл себя как нейросеть — взял контент и переработал в текст, не включая голову. После горы комментов и беседы по душам — нового промта — выдал нормальный текст. Нейросети закрыли ровно тот слой задач, который раньше выполняли джуны и на котором учились: первые черновики, типовой код, тесты, шаблонные решения, простые картинки. Но нейросети, даже обученные и погруженные в контекст, не могут работать без контроля. Понятно, что овнеры AI-компаний будут топить за то, что их продукты завоюют мир, но в реальности они ампутируют нижний этаж карьерной лестницы. Компаниям больше не нужно платить за обучение сотрудников с нуля и нанимать джунов. Проще и выгоднее взять мидла с нейросетями и агентами, который будет работать за троих,. Даже с высокой зарплатой он обойдётся дешевле, чем несколько джунов.

И вот где становится интересно.

Сеньоры не появляются сами по себе. Каждый из них — это джун, который пришёл 5–7 лет назад. Если поток пересыхает сейчас, через несколько лет некому будет расти дальше. ИИ решает проблему найма сегодня и создаёт дефицит экспертизы завтра. Это касается не только разработки. В контенте, аналитике, любой интеллектуальной профессии — тот же принцип. Рутину автоматизируют. Вход усложняется. Выживают те, кто умеет работать с инструментом, а не конкурировать с ним.

Что делать будем?

#ai

На рынке Большого ИИ - разгром.

Ставка на кодинг от Claude сыграла отлично - да здравствует Король!

Короче, я хотел выложить промт для оптимизации текстов под ИИ-выдачу, который собрал на основе большого скилла для агентов. Этот самый скилл у меня подключается на этапе анализа текста и предлагает правки. Промт же всё это делает в формате чата любой нейросети.

Но промт длинный — в телегу он не влезает, в max тоже, блога у меня давно нет. Так что впервые мне пригодился бусти, текст там лежит по цене кружки кофе. Заодно и проанализируем спрос (верю в него очень слабо).

https://boosty.to/levashove

#ai_prompts

Почти как на утро после корпоратива.

Цель такая

За неделю в Москве уже шесть раз вещал на коллег и знакомых по цеху про агентов, скиллы, контексты и всё такое ИИ. Большинство уходили со словами «а нахрена мне теперь половина редакции?» и «надо быстро доказать руководству, что нужно выделить деньги на нормальное ИИ».

Меня же эти разговоры навели на мысль, что нельзя останавливаться только на Claude. Мои фабрики контента должны работать на любых доступных нейростях, в том числе российских.

Думаем, что многим приходилось держать в руках учебник логики Виноградова. Несмотря на то, что книга вышла в середине прошлого века, для разработчиков и инженеров данных она до сих представляет интерес, поскольку здорово развивает ключевой навык: распознавать логические структуры и алгоритмы.

Разбираемся в карточках, как школьный учебник стал базой программирования.

Не часто я делаю репосты с наших комьюнити-каналов, но вот это прям интересная тема. Рекомендую

Чисто я, когда не попросил проверить источники.