Продолжаю развивать свои архитектурные подходы и aact — мой открытый репозиторий для работы с архитектурой as code. Теперь хочу подключить к этому студентов и магистрантов: подал несколько проектов в AI Talent Hub ИТМО, которые можно начать на проектной практике и развить в диплом/ВКР под моим научным руководством.

Да, с прошлого года я ещё и научрук 🧑‍🎓

За последние годы у меня накопилось много материала про границы компонентов, связанность, тестирование архитектуры as Code и другие архитектурные подходы и идеи. Часть из них материализуются в aact — там появляются инструменты, которыми эти идеи можно проверять. Но и сами подходы хочется дальше проверять об практику, искать ограничения и дорабатывать. Тем более, что у меня появился ещё и средовой подход, ещё более требующий какого-то воплощения в реальности и проверки своих гипотез.

Из всего этого как раз и выросли темы проектов в рамках магистратуры:

- Архитектурный ИИ-ревьюер. Сравнить агента, который читает ADR, проверки по правилам в aact и их связку. То есть, что лучше — просто ИИ-агент, проверяющий PR'ы, декларативные автоматизированные тесты на архитектуру (aact) или и то, и другое в связке. В проекте нужно будет измерить пропущенные нарушения, ложные тревоги и повторяемость ответов в каждом из вариантов. А лучший вариант — реализовать в виде бота для GitHub. Он пригодится командам, у которых архитектурных договорённостей уже больше, чем архитектор удерживает в голове.

- Бенчмарк для архитектуры ИИ-кода. Собрать задачи, в которых отдельно проверяются работоспособность решения и соблюдение архитектурных правил. Прогнать несколько моделей, посмотреть, где они ошибаются и помогает ли явно дать им правила (принципы и паттерны). Хочется получить воспроизводимый способ выбирать и настраивать агентов с учётом того, как их код вписывается в проект.

- Эксперимент со средой создания системы. К этим проектам хочу добавить эксперимент, о котором писал в августе. Одну задачу решаем двумя способами: человек пошагово управляет разработкой с ИИ или заранее готовит среду, в которой агенты работают по общим правилам и проверкам. На выходе в обоих случаях может быть детерминированная система. Затем меняем требования и сравниваем затраты человека, стоимость и качество результата, отдельно учитывая подготовку среды. Хочется проверить, удаётся ли сократить ручное управление и сохранить архитектурные ограничения при переходе на средовой подход. На семестр здесь хватит небольшого пилота.

- Что происходит с архитектурой после прихода ИИ. По истории открытых репозиториев проверить ухудшается ли архитектура (например, растёт ли связанность модулей) после начала использования ИИ-ассистентов. Сравнивать с похожими проектами и учитывать, что они меняются и без нейросетей. Моя гипотеза про рост архитектурных проблем может не подтвердиться — тем интереснее будет разобраться в результатах.

- Тренажёр архитектурных решений с ИИ-оппонентом. Студент предлагает решение, оппонент ищет сценарии, которые его сломают, а судья (белковый преподаватель или ИИ) оценивает обоснование. Здесь может пригодится к примеру диверсионный анализ из ТРИЗ. Если получится, тренажёр можно будет использовать на моем архитектурном курсе, чтобы студенты больше практиковались и получали обратную связь.

И ещё одна тема в мою любимую, но в сторону — нейросетевой движок для шахмат с кубиками. Я для них уже написал алгоритмический движок (по ночам 🌙), теперь хочется попробовать обучение нейросети игрой с самой собой ) Проверять силу нейросети будем на длинных сериях партий, чтобы отделить качество игры от везения.

В первых двух проектах и в эксперименте со средой пригодится aact. Для архитектурных исследований берём открытый код, чтобы результаты можно было перепроверить.

Даже если мои гипотезы не подтвердятся на практике — это тоже будет полезно и поможет понять, куда двигаться дальше.

А если у вас есть идеи проектов (необязательно архитектурных, вообще любых), которые можно предложить магистрантам — смело пишите мне.

Всех с началом учебного года 🍁