Metarhia Chief Level

Slop Engineering Toolkit: - Neuroslop types - Security cosplay - Vibe architecture - Happy path tests - Unreviewed AI code - Dependency roulette - AI-generated docs for AI - Shipping without understanding - Complexity hidden behind clean syntax

📦 metautil@6.0.0-alpha.0 • Reworked Pool with exclusive Lease handles: privatized internals • Replaced internal LinkedList with public ListNode • Reworked List as a value/index facade over ListNode • Updated List public API: drop unneeded methods • Renamed ConsList.reverse to toReversed • Added Struct.immutable / Struct.mutable • Added Result class: container for value or error • Added ConsList class with cons / uncons : immutable cons-list • Extended ConsList with filter , find , some , every • Added CircularBuffer class: growable ring buffer with O(1) • Added Deque class: double-ended facade over CircularBuffer • Added Queue class: FIFO facade over CircularBuffer • Added Stack class: LIFO facade over CircularBuffer • Added UnrolledList class: high-throughput FIFO (pooled unrolled list) • Added Trie class: prefix tree for string keys with optional values • Extended CircularBuffer , Deque , Stack with every , reduce • Aligned ConsList / CircularBuffer reduce with Array semantics • Added throttle and debounce returning { fn, cancel, flush } • Extended Error with options.name (defaults to constructor name) • Included browser-safe data structures and Struct in metautil.mjs • Fixed timeout / delay reject with AbortError , clean up listeners • In timeoutify timer expiry keep code: 'ETIMEOUT' • Fixed Collector.timeout instance field to mirror constructor options • Fixed unbounded memory consumption in receiveBody : default 10MB • Optimized projection to build the result object directly • Hardened null checks in Collector , ConsList , Pool , Semaphore • Added Node.js 26 to CI Обзор новых структур данных https://www.youtube.com/live/d8H60lhsAr8

Что я понял по итогам работы над структурами данных для стандартной библиотеки Metarhia Это же классическая тема, но ее мало кто хорошо осваивает в наше время, тем более в мире JS/Web разработки и во времена, когда все пишет AI. И даже если учили и знают, как делать хотябы простейший список, то нет привычки его использовати и знания остаются аккадемической теорией, невосстребованными вообще, а в коде массивы и объекты, ну максимум Set/Map. Почему же так случается? - Обычно людей учат как устроены структуры данных внутри, а нужно учить, как их применять. Внутреннее устройство даже не всегда нужно знать. - Нет хороших примеров использовани и нет культуры написания кода на структурах, так что, просто так это не поменять, нужно менять трек обучения. - Еще вариант: добавить скилы для этого и заставить типовые случаи внедлять через AI, это наверно сейчас более актуально, людей быстро не переучить. Я за последний месяц собрал свои наработки за последние 15 лет и сделал и продакшен-версии кода и учебные примеры, записал много лекций и стримов по структурам данных. Буду делать примеры и скилы, а пока вот продакшен-реди реализация самых нужных структур тут https://github.com/metarhia/metautil

Трехконтурная разработка: вместо того, чтобы генерировать с помощью AI миллионы строк кода в одном репозитории можно разделить это на 2 или три цикла. Первый контур: технологический стек Здесь сосредоточены основные инженерные усилия: runtime, протоколы, хранение данных, безопасность, наблюдаемость производительность, управление памятью и конкурентностью, инфраструктура, стабильные контракты и точки расширения. Этот код пишется редко, долго и дорого. Его создают лучшие инженеры вместе с AI, тщательно тестируют, профилируют и переиспользуют во множестве продуктов. Первый контур уменьшает кодовую базу второго на несколько порядков. Второй контур: параметризованные модули Это крупные готовые возможности: аутентификация, платежи, уведомления, workflow, отчёты, интеграции, роли и права, биллинг, отчеты и т.д. Здесь используются метапрограммирование, кодогенерация, схемы, зависимые типы, декларативные контракты и динамическая диспетчеризация. Модуль не реализует один конкретный сценарий. Он представляет семейство сценариев и перенастраивается через метаданные, политики, схемы и обработчики. Второй контур уменьшает кодовую базу третьего на несколько порядков. Третий контур: продукт Продукт собирается из готовых узлов. В нём остаются: модель предметной области, схемы данных, бизнес-правила, политики, конфигурация модулей, небольшое количество уникальных обработчиков, связи между бизнес-процессами. В результате полноценный продукт может состоять из нескольких сотен или нескольких тысяч строк кода, конфигурации и схем. Основная идея: - Каждый следующий контур сужает пространство решений - AI особенно эффективен, когда работает внутри заранее подготовленной системы ограничений - Чем сильнее первый и второй контуры, тем меньше кода требуется третьему, тем меньше контекста нужно AI, тем проще ревью, тестирование, сопровождение и миграции. Эти и другие вопросы обсуждаем каждый четверг на созвоне сообщества https://www.patreon.com/c/tshemsedinov

A new set of data structures and containers will be published in metautil 6.0 release: https://github.com/metarhia/metautil For example Struct, Result, lisp-style immutable/mutable list, Queue, Deque, Stack, etc. For example: const Money = Struct.immutable('Money', { amount: 0, currency: 'USD', }); const price = Money.create({ amount: 120, currency: 'EUR', }); const discounted = price.fork({ amount: 100, }); Or with branching: const Theme = Struct.immutable('Theme', { font: 'Courier', size: 14, spacing: 8, contrast: 'normal', }); const base = Theme.create(); const compact = base.branch({ spacing: 4, }); const accessible = compact.branch({ size: 18, contrast: 'high', });

В этот четверг на созвоне сообщества Метархия обсудим Стартап инкубатор Meta Qube Основные его идеи: - с AI стало возможно делать стартапы малыми силами и вложениями - ИТшники до уровня синьора не могут найти работу, решение - стартап - начинающим негде получить первый опыт, решение - стартап - синьоры и архитекторы сейчас часто предпочитают сделать свой продукт вместо того, чтоб работать на дядю - инвесторы хотели бы заработать на AI буме, но нет доверия, везде нейрослоп - 80% функций любого стартапа одинаковые и писать их каждый раз заново нет смысла: платежи, API, лендинг, рассылка, боты, и многое другое - универсальный модуль для переиспользования сделать всего на 20-30% сложнее, вынеся конфиги и метаданные, использую DSL и схемы - переиспользуемая модуль будет гораздо качественнее, чем навайбкоженный и проще обеспечить его поддержку и улучшение 🎙️ Metarhia community call Thursday, Jul 2  •  19:00 – 21:00 Google Meet joining info Video call link: ссылка опубликована для Patreon подписчиков https://www.patreon.com/c/tshemsedinov

Какие метрики вы используете для оценки процессов и результатов работы? Эффективно ли это? Что вы делаете, чтобы метрики не превращались в формальные показатели и не подделывались?

- Сначала вы решаете повторяющуюся задачу интуитивно - Потом вырабатывание структуру и методику - А потом возвращаетесь к интуиции, но уже на другом уровне

QUIC and HTTP/3 Come To Node.js (finally) https://www.jasnell.me/posts/quic-comes-to-node

Архитектура с ИИ https://youtube.com/live/C4giRiwGhB0

https://youtube.com/live/C4giRiwGhB0

По мотивам стрима: привычный побег программиста - архитектура, инфраструктура, папочки и фреймворки, утилиты, логирование, оптимизация, системное программирование.... только бы не писать доменную логику. Потому что там нужно понимать бизнес, людей, общаться нужно, а не сидеть и задрачивать код. Находить общий язык сложно, понимание налаживать сложно. А есть еще деньги и ответственность, нужно вникать в потребность пользователя, а еще сроки, уметь расставлять приоритеты, уменьшать неопределенность и принимать решения в условиях нехватки информации. Архитектура и оптимизация нужны, но они очень похожи в типовых случаях, и они могут быть вынесены в системный код. Нужно делать доменный код, и так, чтобы он был проще и полезнее. Иначе инженерия превращается в бегство от реальности. Делать продукт - именно этому мы и учим в вормате фонового образования. https://tg.pulse.is/next_tick_bot?start=69ce57941f15eb55e90ea47a&source_channel=timur_tg_howprogworks

🕳 AI: Event Horizon for IT Коллапс, образование, AI пузырь, работа 👤 Vlad Ten 👤 Timur Shemsedinov Fri, 22 May 2026, 19:00 https://www.youtube.com/live/17RqGlJjb50

https://www.youtube.com/watch?v=N0LkCU6cMsg

Очень интересно, что после наших бреинштормов с Ильей выяснилось, что ключевые способности, благодаря которым люди строят карьеру, не могут быть отнесены ни к хардскилам, ни к софтскилам, нет слова, чтобы это назвать. Это не знания технологий и архитекты, а то, как быть инженером и архитектором. Без хард и софт скилов нельзя конечно, но можно быть с ними и без работы. https://t.me/HowProgrammingWorks/2071

Со следующего месяца мы начинаем ежемесячные созвоны по архитектуре и масштабированию систем с разбором всех тем по оглавлению курса https://www.patreon.com/posts/scale-2026-early-146992510

Суббота 18 апреля в 18-00 (Time zone: UTC +3 Eastern European Summer Time) https://www.youtube.com/live/mSVCQ0VzIAo

https://youtu.be/U5dWyukDMH4