„Chillin‘“ at Amazon

#solo

Мне кажется, я разгадал свою работу. Последнее время часто писал о своей продуктивности — в сравнении с коллегами она в несколько раз выше. На прошлой неделе просто написал бота, который закрывает все мои боли и позволяет «летать».

Разгадав что-то, мне хочется новый челлендж. Поэтому я придумал для себя новый таск.

Решил поизучать тему солопренёрства. Отсюда и интерес к личностям. Теперь пытаюсь разгадать эту загадку — понял, что у меня много пробелов. В целом подход сильно другой — скоуп задачи уже не ограничивается технической частью, есть ещё и продуктовая, и дистрибуция, и изучение маркета, и боли пользователей, и финансовая. Задач много, но ресурс ограниченный (даже с ИИ). Поэтому и подход, который работает в корпах, нужно сильно менять.

Главный инсайт — оптимизация под спрос. Этому пока учусь, и благо есть ИИ, который сильно помогает довести меня от 0 до 1 в теории. Практика — больше личные рывки в промежутках между рабочими и личными процессами.

#solo

Я часто использую ИИ, чтобы изучать разные темы. Мой подход — составлять мини-учебники по которым я изучаю что к чему. Клод делает это замечательно.

Из интересного — мне было интересно поразбираться в солопренёрстве. Я попросил сделать рисёрч экспертов проверенных временем и составить их портрет. Далее попросил посмотреть, есть ли кто-то, кто выкладывает курсы и какая программа. Программа закрыта, но в целом общими мазками видно по темам что покрывают. Далее, составив промпт эксперта по соло, попросил дополнить деталями этот курс. По итогу — полчаса, и у меня есть программа которая стоит сотни или тысячи долларов, бесплатно.

Конечно, доступ к комьюнити, который скорее всего предоставляет этот курс, в данном случае отсутствует — но и ценность курса сильно снижается.

Думаю, классические инфобизы ждёт сильная турбулентность. Модели нужно менять.

#life

Все мы травмированные личности. К сожалению, этого не избежать. У кого-то меньше, у кого-то больше.

Лет 10 назад я был ярым противником походов к психологу. Сейчас — активный саппортер.

Переломный момент был через моего ментора. На ряде встреч несколько раз подряд осознавал, что корневая проблема того, что я с ним обсуждаю — это неправильная реакция на действия других. Поговорив с ним, я каждый раз менял своё поведение. В какой-то момент понял, что лучше обратиться к опытному человеку и раскидывать всё более точечно. Так и пошёл к психологу.

Около двух лет назад — сессий 8-10 по часу. Мне прям сильно помогло расставить всё на свои места, по полочкам.

Не я один. В одном из выступлений Гарри Тан из Y Combinator делился своим опытом. Для него это был самый настоящий прорыв. Говорил что-то вроде: если у вас отец алкоголик или было насилие любого характера в детстве, то 9 из 10 тебе нужно сходить к психологу. Для тех кто вырос в постсоветских странах — уверен, что хоть одно из этого было у каждого. Если не дома, то на улицах.

Впрочем, поход к психологу не единственный путь. Для кого-то это спорт, для кого-то медитации и майндфулнесс, для кого-то общение со второй половинкой или работа с ментором. Правильного ответа, возможно, нет. Главное — разобраться со своими бесами как-то.

С тех пор читаю много книг по поведенческой психологии. Очень интересно понять себя и свои реакции на определённые события. И понял, что реакции можно (и нужно) переосмыслять и менять.

Это же вижу в работе со своими менти — блоки чаще всего поведенческие, не технические.

Осознание того, как мои реакции связаны с определёнными событиями в жизни — это, наверное, главное что я вынес. Имея это осознание, можно работать с реакциями.

#life

Сгонял на Гавайи. Времени составить план поездки реально не было. За 1 день до вылета я посидел полчаса с Клодом и мы сделали программу — с учётом бюджета, прошли по предпочтениям и т.д. Кейсы где применять ИИ безграничны.

- Из минусов — галлюцинация всё ещё имеет место быть, и я был её жертвой. Приехали в Стейт Парк без брони — нас не пустили. Когда я спрашивал Клода, есть ли там регистрация, он уверенно сказал что нет. 🙂‍↔️ Ну ничего, вернулись на следующий день подготовленные.

- Из интересного — я каждый день обновлял план и заливал его в GitHub, моя жена смотрела какой план и помогала с бронированием.

- Из плюсов — точность оценки бюджета была супер высокая, в бюджет уложились.

Примерно вот так: https://github.com/dosatos/hawaii-maui

#dev #ai #amazon

Столько всего происходит что не успеваю писать сюда 😅

В целом ИИ не перестает удивлять.

На этой неделе я он-колл - обычно это в это время я играюсь с Ops Tools. Ранее я писал что запустил агента по одному из сервисов (https://t.me/webapparch/570). Сегодня не просо проверил его боем когда было Sev2, а пошел на шаг дальше.

Дело в том что у нас был transient failure, который сам по себе разрешился. Не было никакого customer impact, только ненужный шум. Но я решил на этом не останавливаться- я дал агенту доступ к source code, и попросил посмотреть где беда и что изменить чтобы почтить проблему в корне. Он в итоге нашел баг, и задокументировал решение в тикете.

Далее я сразу же скармливаю тикет другому своему боту, и прошу пофиксить.

Итог: 20-30 минут работы и я не просто раскидал тикет, но и пофиксил на корню.

Помню, что в мире до ИИ, мы бы создали тикет, триажили бы его, искали кто починит и тд. : Накапливается технический долг.

Сейчас с Ии бы можем лететь со скоростью света и без долгов 🫣

#dev #ai #amazon

Прошлым летом я в команде проводил опрос на тему кто использует AI и как. Выяснилось, что ИИ юзали нормально только человека 3, включая меня (из человек 10-12).

Остальные — очень сильно противились. У нас даже была встреча, где несколько человек придумывали причины почему мы не должны использовать.

Я какое-то время пытался объяснять, в итоге просто забил. Мы сошлись с командой, что каждый делает как хочет.

В итоге, я дошел до уровня, когда я делаю фичу за пару дней, которая у них занимает недели две. Написал тулы для траблшутинга, агентов, обновил репки под ИИ-френдлинесс.

Пару дней назад оценивали задачу — 2 дня. Я взял и сделал за 30 минут, в бэкграудне пока работал над другой задачей. То есть по факту - "бесплатно"

Потихоньку за чуть больше чем пол года, вижу, что ситуация меняется - ко мне чаще приходят с вопросом, а что и как, с чего начать. Время от времени провожу Knowledge-Sharing sessions (необязательные для посещения), где делюсь крутыми фишками. Те кто ходят, в основном новички в команде, уже на голову опережают "старичков", которые противились.

В итоге, за пол года, через "soft-power", я поднял популярность ИИ в команде. Сейчас 8 из 10 юзают.

Удивительно, странно, но еще не все!

#amazon #usa #life

В начале недели Амазон опять сократил 16к человек. Больно. Но особенно тяжело тем, кто на визе — им не просто работу искать, им страну менять.

Я сам переезжал несколько раз. Казахстан, UK, Германия, США. Знаю, что выживу где угодно. И это правда, что есть места безопаснее, с лучшим балансом, где хватает денег на нормальную жизнь.

Но вот что сложно заменить: людей. В Штатах я постоянно встречаю "crazy" людей — тех, у кого можно учиться как они думают, какие проблемы решают, как подходят к жизни. Это концентрация, которую сложно найти где-то ещё.

Да, это отчасти FOMO. Но хороший FOMO — не про статус, а про возможности учиться.

Уехать из США — не конец света. Но что-то бы с этим ушло.

#ai #dev #amazon

Год назад я работал с одним AI-агентом за раз. Сейчас — с 3-5 одновременно. Вот что я понял, прощупывая границы своей продуктивности.

Я выделил два основных паттерна:

Паттерн 1: Параллельные несвязанные задачи
Например: один агент пишет дизайн-док, второй фиксит баг, а третий разбирает инцидент. Задачи полностью независимы.

Оркестрация здесь простая (процессы не пересекаются по определению), но когнитивная нагрузка выше из-за постоянного переключения контекста. Это скорее искусство балансировки, чем четкий алгоритм. С этого проще всего начинать.

Паттерн 2: Связанные задачи на разных этапах пайплайна
Несколько частей одной фичи, растянутые на несколько компонентов/сервисов. Агенты работают параллельно, но в итоге результаты должны «схлопнуться» в единое целое.

Ключевой момент: сначала вы пишете дизайн-док. Без него агенты разбредутся кто куда. Дизайн-док — это контракт, гарантирующий, что их работа состыкуется. С ним когнитивная нагрузка падает: вы переходите из режима «делателя» в режим ревьюера. В этом и заключается настоящий рычаг (leverage).

К счастью, эту проблему уже тоже решают на уровне суб-агентов. Есть главный агент которые создает таски, вписывает в ту-ду лист, и прописывает зависимости выполнения задач. В принципе, со временем потяенется да нужного уровня.

Чему учиться сегодня
Сегодня важно учиться быть менеджером для агентов. Декомпозиция, понимание того, что можно распараллелить, удержание контекста — вот новый hard skill. Не бояться запускать несколько агентов - это новый скил.

Это уже не про промптинг, а про управление и постоянное расширение своих границ. Bottle-neck здесь не агенты, а ваша способность дробить задачи и держать в голове сразу несколько потоков.

#ai #dev #amazon

На прошлой неделе видел классический пример того, как ИИ может навредить, если нет дизайна в голове.

Сервис не могли запустить в прод — проблемы с качеством. Два файла по полторы тысячи строк каждый. Тесты вроде есть, но только для галочки по покрытию. Никаких e2e, никаких интеграционных тестов, крайние случаи не учтены (out of order events, idempotency, race conditions). Методы-монолиты, жесткая связность, высокая цикломатическая сложность.

Проблема в том, что этот код было физически невозможно протестировать без полного рефакторинга.

Интересная деталь: код писали с ИИ. Но подход был "в лоб" — строчка за строчкой, наслаивая все больше и больше use-cases, без дизайна. Нейронка выдала ровно то, что просили: 1.5k строк кода. Просто быстрее, чем вручную.

Вот в чём беда:
Если ты не понимаешь, как выглядит тестируемый код, ты не сможешь попросить ИИ его написать. Ты попросишь то, что у тебя в голове — и получишь ровно это. Просто в десять раз быстрее.

Это не критика ИИ. ИИ отработал как надо. Это ловушка отсутствия фундаментальных знаний, которую ИИ только усугубляет.

Что важно:
Учите базу. Принципы проектирования. Паттерны. Тестирование. Что такое coupling и cohesion. В эру ИИ это важнее, чем когда-либо.

ИИ — это не замена инженерному мышлению. Это множитель. Он ускорит твой путь в любую сторону — правильную или нет.

Хорошая новость: если не спешить и сначала расскидать всё с ИИ на уровне дизайна и абстракций, обсудить тестируемость и подходы к тестам — из опыта результат будет куда лучше.

#ai #dev #amazon

Сегодня зарелизил пет-проект, который давно зрел в планах.

У моей команды сложный стек: 15 микросервисов и CI/CD пайплайны на 1500+ аккаунтов. Всё это поддерживают всего 10 инженеров. Когда что-то ломается, диагностика требует глубокой экспертизы, которая распределена по команде неравномерно. Чаще всего эти знания просто «сидят» в головах отдельных людей.

Я разработал AI-агента, чтобы решить эту проблему. Ты просто вставляешь ссылку на тикет, и он включается в работу: собирает метрики, изучает логи, проверяет статус систем в разных инструментах. Затем документирует находки и выводит наиболее вероятную первопричину. Теперь это занимает 2 минуты вместо 30.

Ускорение процесса — это приятно, но суть не в этом.

Главный прорыв в том, что это стирает разрыв в знаниях. Теперь джуны могут проводить расследования на уровне опытных инженеров. Агент аккумулирует в себе тот самый специфический опыт, который раньше был доступен только «старожилам».

Мне очень нравится идея в использовании AI: не замена людей, а возможность подтянуть каждого участника команды до уровня топового специалиста. Маленькие команды могут показывать невероятные результаты, когда исчезают узкие места — те самые knowledge bottlenecks.

Сейчас инструмент сфокусирован на одном из наших ключевых сервисов. Впереди еще много проверок в боевых условиях и доработка промптов под остальные задачи. Но демо показало — концепция полностью жизнеспособна.

Если вы управляете сложными системами в небольшой команде, присмотритесь, если есть что оптимизировать. Поищите, где именно знания, которые «сидят» в головах, создают разрывы в навыках. Именно в таких местах есть огромный потенциал у ИИ, чтобы забустить команду.

написал про Claude Agent SDK — инструмент который упрощает подход к созданию AI агентов : https://open.substack.com/pub/congro/p/claude-agent-sdk


Из других ссылок
- пайплайн с 7 саб-агентами для документации: один извлекает диаграммы, другой генерит картинки, остальные компилируют в Word/PDF, а оркестратор управляет всем потоком
- Уже есть репозиторий с 83 специализированными агентами, 15 мультиагентными оркестраторами и 42 инструментами разработки для Claude Code
- JetBrains уже интегрировали его в свои IDE

https://www.nature.com/articles/s41467-025-63804-5

This research paper proposes a new way to help AI language models (like ChatGPT) get better at planning and multi-step reasoning by taking inspiration from how the human brain works.

### The Problem

Large language models struggle with tasks that require planning ahead or working through problems step-by-step, even though they’re good at many other things. For example, they might hallucinate (make up invalid steps), get stuck in loops, or fail at classic puzzles like the Tower of Hanoi.

### The Brain-Inspired Solution

The researchers noticed that different parts of the human brain’s prefrontal cortex handle different planning tasks - like monitoring for errors, predicting what happens next, evaluating options, breaking big tasks into smaller ones, and coordinating everything.

They created MAP (Modular Agentic Planner) - a system where multiple AI modules work together, each with a specialized job:

- Task Decomposer: Breaks big goals into smaller subgoals (like planning a route)
- Actor: Proposes actions to take
- Monitor: Checks if actions are valid (catches mistakes)
- Predictor: Predicts what will happen if you take an action
- Evaluator: Judges how good a predicted outcome is
- Orchestrator: Tracks when goals are achieved

### How It Works

Think of it like a team where each member has expertise. Instead of one AI trying to do everything at once, these specialized modules talk to each other - the Actor proposes moves, the Monitor catches bad ones, the Predictor thinks ahead, and so on.

### The Results

MAP significantly outperformed standard AI methods on challenging tasks like Tower of Hanoi, graph navigation puzzles, logistics planning, and multi-step reasoning questions. For example, on Tower of Hanoi problems, regular GPT-4 only solved 11% correctly, while MAP solved 74%.

### Bottom Line

By organizing AI more like how the brain organizes planning - with specialized modules working together rather than one system doing everything - the researchers dramatically improved AI’s ability to plan and reason through complex problems.

Asked to explain in simpler terms: https://www.cnn.com/2025/10/06/science/nobel-prize-medicine-brunkow-ramsdell-sakaguchi-immune-system-intl

Here’s what this Nobel Prize is all about in simple terms:

The Basic Problem:
Your immune system is designed to attack dangerous invaders like bacteria and viruses. But sometimes these germs disguise themselves to look like your own body’s cells . This creates a dilemma: how does your immune system kill the bad guys without accidentally attacking your own healthy cells?

The Discovery:
These three scientists discovered special immune cells called “regulatory T cells” that act like security guards . Think of them as the referees of your immune system - they step in and say “Stop! Don’t attack that - it’s one of us!”

How They Found It:

- In 1995, Sakaguchi discovered these regulatory T cells by studying mice
- In the early 2000s, Brunkow and Ramsdell found a specific gene called Foxp3 that was broken in mice with autoimmune problems
- In 2003, Sakaguchi connected the dots, showing that the Foxp3 gene controls the development of these regulatory T cells

Why It Matters:
Without these regulatory T cells, your immune system would constantly attack your own body, causing autoimmune diseases like lupus, rheumatoid arthritis, or multiple sclerosis. This discovery is opening doors to new treatments for autoimmune diseases, better cancer therapies, and safer organ transplants .

In short: they figured out how your body keeps its defense system from going haywire and attacking itself!

Написал Тех Спеку за 10 минут. Пока ходил завтракать, агент все написал и потестил... Жизнь айтишника налаживается 😊

Капец! Только что осознал, что после того как в бэкграунде ИИ агент тупил минут 10-20 исправляя тест, я остановил его со словами: "hey, summarize what you are trying to solve. I can help"

Куда я скатился :) - теперь не ИИ помогает мне, а я ему :)

У меня ушло 10 секунд, чтобы направить его в нужное направление

I can relate 😂

Как научить ИИ-помощника работать с командой, а не против неё

🧠 Думайте об ИИ как о стажёре с идеальной памятью
- Он гений в коде, но понятия не имеет о ваших конвенциях. Зато если один раз объяснить — запомнит навсегда.

📝 Не скупись на детали
- Плохо - "Сделай API"
- Лучше - "Сделай REST API с аутентификацией, валидацией данных, обработкой ошибок, следуя нашим конвенциям"
- Еще лучше - "Дать детальный документ того что нужно сделать. Можно. Написать его используя тот же ИИ (например using Planning Mode)"

🧱 Развивайте агента вместе в команде
Вместо того чтобы каждый "учил" ИИ одному и тому же:
- Стандарты кода с примерами
- Библиотека "правильных" решений
- Контекст проекта и что НЕ делать
- Типовые воркфлоу

🎯 TDD — главынй козырь в борбе с галюцинациями
ИИ обожает TDD. Паттерн: сначала тесты, потом код. Это как барьр, который не даёт съехать с рельс.

🔄 Учите ИИ на ошибках
Когда ИИ накосячил — не просто фиксьте. Объясните, почему это плохо и как надо. Он запомнит и не повторит.

🚀 Результат
- Новички онбордятся быстрее
- Меньше споров в код-ревью
- ИИ предлагает решения, которые реально подходят
- Код выглядит консистентно

Главное: ИИ не пытается вас заменить. Он пытается вас усилить. Но сначала научите его быть хорошим тимейтом.

А у вас как дела с ИИ-инструментами в команде? Поделитесь опытом! 👇

https://congro.substack.com/p/how-to-actually-get-your-ai-coding

- Claude Code - хорош! ❤️
- Gemini CLI - не хорош! ❤️‍🩹

Что для вас отлично проведенный выходной день? 🤔

ИИ-кодинг наконец заработал

Привет, друзья! 👋

Год назад я писал о своем опыте работы с ИИ Тулами в разработкке. Попробовал тогда Codium и Q Assistant — полное разочарование. Очень неуклюжие авто комплиты, которые работали не с каждого раза. Думал: "И это революция в программировании? Серьёзно?".

Я понимал, что время придет - и вот оно пришло!

За последние месяцы произошёл какой-то невероятный скачок. Мы прошли путь от автодополнений невпопад до настоящих ИИ-партнёров, и это просто огонь. Мы ещё только в начале пути, а уже такие возможности!

Что изменилось?

Раньше ИИ-помощники были как калькулятор. Сейчас это уже компьютер. Новые агентные инструменты не просто предлагают код — они понимают задачу, продумывают решение и могут выполнить целый воркфлоу.

На прошлой неделе у меня был сложный рефакторинг. Описал задачу ИИ-помощнику, и он:
- Проанализировал всю кодовую базу
- Определил все файлы, которые нужно изменить
- Спланировал шаги рефакторинга
- Внёс изменения в несколько файлов
- Написал тесты
- Даже предложил улучшения, о которых я не думал

Это уже не автодополнение. Это партнёр, который не устаёт и помнит весь проект.

Терминал рулит (пока)!

Знаете, что меня окончательно убедило? CLI-инструменты для ИИ. Не чаты в браузере, не расширения для IDE, а нормальные консольные утилиты.

Как пользователь JetBrains, я никогда не перейду на Cursor только ради ИИ. Годами настраивал свою IDE, привык к ней. А зачем? Теперь есть Claude CLI, Q CLI, Gemini CLI — работают с любой средой разработки.

И это не просто чат! У них есть доступ к веб-поиску, файловой системе, могут выполнять shell-команды. Это настоящий партнёр, а не просто Чат в браузере.

Учимся работать с ИИ

Важный момент: ИИ — это не идеальный инструмент. Это скорее умный джуниор-разработчик, которого иногда нужно направлять.

Бывает гениально решает сложную задачу с первого раза. А бывает тупит на элементарных вещах. Капризный, но научившись с ним работать, понимаешь — это делает тебя лучшим программистом. Начинаешь чётче формулировать требования, лучше разбивать задачи.

Мы входим в новую эру

Работа с ИИ больше не выбор — это необходимость. Те, кто научится эффективно работать с ИИ-партнёрами, получат огромное преимущество.

Программирование не умирает. Программисты никуда не денутся. Но меняется подход. Мы переходим от написания кода к управлению его созданием. От знания синтаксиса к архитектуре систем. От исполнителей к визионерам.

И это афигенски! 🚀

Практические советы:

🔸 Больше контекста — объясняй ИИ проект, ограничения, паттерны
🔸 Итерируй — не жди идеала с первого раза, уточняй
🔸 Проверяй всё — доверяй, но проверяй код
🔸 Используй для обучения — спрашивай "почему именно так?"
🔸 Попробуй CLI — если ещё не пробовал, очень рекомендую

Философия нового подхода

Меня больше всего вдохновляет не рост продуктивности (хотя он огромный), а новая философия разработки.

Мы строим софт по-другому. Думаем на более высоком уровне абстракции. Больше времени тратим на дизайн, архитектуру, UX, меньше — на шаблонный код.

Это требует новых навыков. Не только технических, но и коммуникационных. Умения чётко формулировать задачи, терпения для работы с ИИ-партнёром, мудрости понимать, когда доверять, а когда
перепроверять.

Что дальше?

Скорость развития просто сумасшедшая. То, что разочаровало меня год назад, сейчас кажется каменным веком. А что будет через полгода?

Мы свидетели рождения новой эры в разработке ПО. Эры, где программисты освобождаются от рутины и фокусируются на творческих, стратегических и человеческих аспектах создания софта.

А вы уже пробовали новые ИИ-инструменты? Какой опыт? Как думаете адаптироваться к новой эпохе

https://congro.substack.com/p/the-ai-coding-revolution-is-finally